កម្មវិធីកែសម្រួលរូបភាព AI គ្មានសេនស័រ
ប្តូរ ប្តូររចនាបថ ប្តូរពន្លឺ ប្តូរសម្លៀកបំពាក់ ឬជួសជុលរូបភាពមួយសន្លឹកដែលមានស្រាប់ ដោយគ្រាន់តែសរសេរប្រយោគមួយ។ គ្មានម៉ាស់ គ្មានតម្រង គ្មានការបដិសេធ — និងបច្ចេកទេសមួយដែលសំខាន់ជាងអ្វីៗផ្សេងទាំងអស់រួមគ្នា។
សេចក្តីសង្ខេប
Shannon កែសម្រួល រូបភាពមួយប៉ុណ្ណោះ ដែលមានស្រាប់ ដោយផ្អែកលើការណែនាំជាភាសាធម្មតា — គ្មានច្រាស គ្មានម៉ាស់ គ្មានការជ្រើសរើសតំបន់។ ការណែនាំនោះត្រូវតែនិយាយថា អ្វីដែលប្តូរ និងអ្វីដែលនៅដដែល ព្រោះម៉ូដែលបង្កើតឡើងវិញនូវស៊ុមទាំងមូល៖ អ្វីដែលអ្នកមិនដាក់ឈ្មោះថានៅដដែល អាចនឹងផ្លាស់ប្តូរដោយសេរី។ ការដាក់ឈ្មោះផ្នែកដែលនៅដដែល — "keep the face, pose and clothing identical" — គឺជាឧបករណ៍លើកកម្ពស់គុណភាពដ៏ធំបំផុតដែលអ្នកមាន។ ផ្លូវកែសម្រួល ទទួលយក ការណែនាំអវិជ្ជមាន (ខុសពីអត្ថបទទៅរូបភាព ដែលមិនទទួលយកទាល់តែសោះ)។ ដាក់ សំណល់មិនចង់បាន នៅទីនោះ ជាជាងសរសេរ "no X" ក្នុងការណែនាំ។ លទ្ធផលទទួលបានសមាមាត្រទំហំពីរូបភាពប្រភពដោយស្វ័យប្រវត្តិ។ គ្មានការបង្កើតវីដេអូ ហើយគ្មានវិធីធ្វើឲ្យរូបភាពមួយផ្លាស់ទីទេ។ ការកែសម្រួលដំណើរការនៅលើចង្កោមកម្មវិធីក្រាហ្វិកផ្ទាល់ខ្លួនរបស់យើងក្នុងកម្មវិធីជជែក ដោយ គ្មានតម្រងខ្លឹមសារ និងគ្មានស្រទាប់ការបដិសេធ។
មនុស្សភាគច្រើនដែលស្វែងរក កម្មវិធីកែសម្រួលរូបភាព AI គ្មានសេនស័រ មានរូបភាពមួយ និងបញ្ហាមួយ៖ ផ្ទៃខាងក្រោយខុស ពន្លឺរាបស្មើពេក ជាឃីតពណ៌ខុស មនុស្សចម្លែកម្នាក់ឈរក្នុងស៊ុម ក្រដាសស្កេនមានស្នាមផ្នត់មួយកាត់ — ឬការកែសម្រួលនោះស្របច្បាប់ទាំងស្រុង តែឧបករណ៍បច្ចុប្បន្នរបស់ពួកគេបដិសេធមិនប៉ះវា។ ចំណុចនេះនិយាយអំពីការធ្វើវាឲ្យបានល្អ៖ មិនមែនកម្មវិធីណាមានគ្រាប់រំកិលច្រើនជាងគេទេ តែជាទម្លាប់តែមួយដែលញែកកែសម្រួលដែលដាច់ចេញឲ្យបានលទ្ធផល ពីកែសម្រួលដែលកសាងផ្ទៃមុខកម្មវត្ថុរបស់អ្នកឡើងវិញដោយស្ងាត់ៗពេលអ្នកមិនបានក្រឡេកមើល។
01តើការកែសម្រួលតាមការណែនាំពិតជាអ្វី
ការកែសម្រួលរូបភាព AI បែបចាស់ស្នើសុំឲ្យអ្នកធ្វើផ្នែកលំបាកដោយខ្លួនឯង៖ បើកផ្ទាំងគំនូរ គូរម៉ាស់លើតំបន់ដែលអ្នកចង់ប្តូរ វាយឃ្លាមួយពណ៌នាអ្វីដែលគួរនៅក្នុងវា។ ជាក់លាក់ យឺត ហើយឥតប្រយោជន៍ភ្លាមៗពេលការផ្លាស់ប្តូររបស់អ្នកគ្មានបន្ទាត់ព័ទ្ធជាក់ស្តែង — ការប្តូរពន្លឺ ការប្តូរសម្លៀកបំពាក់ដែលផ្លាស់ប្តូររាងខ្លួន ការកែពណ៌ទាំងមូល។
Shannon ដំណើរការបញ្ច្រាស។ អ្នកមិនជ្រើសរើសអ្វីទេ។ អ្នកសរសេរប្រយោគមួយអំពីរូបភាព ជាភាសាណាមួយក៏បាន ហើយតំបន់នោះត្រូវបានទាញយកចេញពីពាក្យរបស់អ្នក។ នោះធ្វើឲ្យវាជា ជម្រើសជំនួសការគូរម៉ាស់ AI គ្មានសេនស័រ ជាក់ស្តែងសម្រាប់អ្នកដែលចង់បានលទ្ធផល ជាជាងការងារជ្រើសរើសតំបន់ — ដោយមានផលវិបាកមួយខាងបច្ចេកទេសដែលអ្នកត្រូវយល់ជាមុនសិន៖
ការកែសម្រួលមួយគឺជាការបង្កើតឡើងវិញនូវស៊ុមទាំងមូល ដោយផ្អែកលើលក្ខខណ្ឌពីរូបភាពប្រភពរបស់អ្នក — មិនមែនជាបំណះមួយដាក់លើផ្នែកណាមួយរបស់វាទេ។ ម៉ូដែលរូបភាពអានរូបភាពដើមរបស់អ្នក អានការណែនាំរបស់អ្នក ហើយបង្កើតរូបភាពថ្មីមួយដែលគួរតែជារូបភាពដើមបូកនឹងការផ្លាស់ប្តូរនោះ។ គ្មានអ្វីត្រូវបានចាក់សោដោយបច្ចេកទេសទេ។ ភីកសែលរាល់ភីកសែលអាចត្រូវបានចរចាឡើងវិញរាល់ពេលកែសម្រួល។
នេះជាមូលហេតុដែល "ផ្លូវមួយភ្លៀងនៅតូក្យូ" — ដែលពិតជាល្អឥតខ្ចោះក្នុងឧបករណ៍មានម៉ាស់ — ត្រឡប់មកវិញជាមួយមនុស្សម្នាក់ដែលខុសបន្តិចឈរនៅទីនោះ។ ក្នុងឧបករណ៍មានម៉ាស់ ម៉ាស់នោះប្រាប់ថាមនុស្សនោះមិនត្រូវប៉ះ។ នៅទីនេះ ប្រយោគរបស់អ្នកត្រូវធ្វើការនោះជំនួសវិញ។ ចំណុចល្អ៖ ការកែសម្រួលតាមការណែនាំធ្វើអ្វីដែលម៉ាស់មិនអាចធ្វើបាន — ផ្លាស់ទីព្រះអាទិត្យ ហើយឲ្យស្រមោលព្រមព្រៀងតាម ប្តូរសម្លៀកបំពាក់ ហើយឲ្យក្រណាត់បត់តាមឥរិយាបថដែលមានស្រាប់ ប្តូររចនាបថរូបថតទៅជាទឹកខ្មៅ និងពណ៌រាបស្មើ ខណៈនៅតែរក្សាសមាសភាព។ ការកែសម្រួលទាំងនោះគ្មានព្រំដែនត្រូវគូរទេ ព្រោះវាជាទំនាក់ទំនងឆ្លងកាត់ស៊ុមទាំងមូល។
02ការចងភ្ជាប់៖ ឧបករណ៍លើកកម្ពស់គុណភាពដ៏ធំបំផុត
ការចងភ្ជាប់មានន័យថាសរសេរការណែនាំកែសម្រួលនីមួយៗជាពីរឃ្លា៖ ឃ្លាការផ្លាស់ប្តូរ (អ្វីដែលគួរខុសគ្នា និយាយជាវិជ្ជមាន និងជាក់លាក់) និង ឃ្លារក្សា (ផ្នែកដែលត្រូវរួចជីវិតដោយមិនប៉ះពាល់ ដាក់ឈ្មោះជានាមជាក់លាក់)។ ទាំងពីរជាមូលដ្ឋានចាំបាច់ — ឃ្លាការផ្លាស់ប្តូរតែឯង គ្រាន់តែជាការប្រាថ្នា។ បើអ្នកចង់យកចំណុចមួយពីទំព័រនេះ៖ លទ្ធផលរបស់អ្នកត្រូវបានកំណត់ដោយភាពច្បាស់លាស់ក្នុងការដាក់ឈ្មោះអ្វីដែលនៅដដែល មិនមែនដោយភាពរស់រវើកនៃការពណ៌នាអ្វីដែលប្តូរនោះទេ។
បីរបៀបដែលការណែនាំគ្មានការចងភ្ជាប់ធ្លាក់ចេញ
- ការធ្លាក់អត្តសញ្ញាណ។ មុខត្រឡប់មកវិញ ស្ទើរតែ ត្រឹមត្រូវ — ច្រមុះខុសបន្តិច ថ្គាមត្រូវបានធ្វើឲ្យស្អាតដោយស្ងាត់ៗ។ ការបរាជ័យដែលបង្កគ្រោះថ្នាក់បំផុត ព្រោះវាពិបាកមើលឃើញលើទូរស័ព្ទ តែជាក់ស្តែងសម្រាប់នរណាម្នាក់ដែលស្គាល់មនុស្សនោះ។
- ការប្តូររចនាបថដោយចៃដន្យ។ អ្នកសុំផ្ទៃខាងក្រោយថ្មី តែអ្នកក៏ទទួលបានពណ៌ថ្មី កែវថតថ្មី និងអាវយឺតដែលធ្លាប់ជាចង្កេះឥឡូវប្តូរទៅជាផ្សេង។ ម៉ូដែលអានការណែនាំជាការពណ៌នារូបភាពគោលដៅ ទាំងមូល ជាជាងជាការផ្លាស់ប្តូរពីប្រភព។
- ការធ្លាក់វិសាលភាពពីគុណនាម។ "អស្ចារ្យជាង" "ស្អាតជាង" "វិជ្ជាជីវៈជាង" មិនដាក់ឈ្មោះវត្ថុណាមួយឡើយ។ គុណនាមដែលគ្មាននាមអនុវត្តលើអ្វីៗគ្រប់យ៉ាង ដូច្នេះអ្វីៗគ្រប់យ៉ាងផ្លាស់ទី។
វាក្យសព្ទចងភ្ជាប់
ចំណុចចងភ្ជាប់ដំណើរការជានាមជាក់លាក់។ "រក្សាវាដដែល" ខ្សោយ — ម៉ូដែលមិនអាចដឹងថាតើភាពដដែលមួយណាដែលអ្នកយកចិត្តទុកដាក់ទេ។ ជ្រើសរើសធាតុបីទៅប្រាំដែលសំខាន់សម្រាប់ការកែសម្រួលរបស់អ្នក ហើយដាក់ឈ្មោះវាដោយផ្ទាល់។
| អ្វីដែលអ្នកកំពុងប្តូរ | ចំណុចចងភ្ជាប់ដែលគួរដាក់ឈ្មោះច្បាស់លាស់ |
|---|---|
| ផ្ទៃខាងក្រោយ / ទីតាំង | មុខ និងលក្ខណៈមុខ ម៉ូតសក់ ឥរិយាបថ ដៃ សម្លៀកបំពាក់ មុំកាមេរ៉ា ការកាត់ស៊ុម ពន្លឺលើកម្មវត្ថុ |
| ពន្លឺ / អារម្មណ៍ | មុខ ការបញ្ចេញអារម្មណ៍ វាយនភាពស្បែក ឥរិយាបថ សម្លៀកបំពាក់ ខ្លឹមសារផ្ទៃខាងក្រោយ ការដាក់ស៊ុម |
| សម្លៀកបំពាក់ | មុខ ពុកចង្ការ ឬសក់ ឥរិយាបថ ដៃ សមាមាត្ររាងកាយ ផ្ទៃខាងក្រោយ ទិសពន្លឺ ការកែពណ៌ |
| រចនាបថ / មធ្យោបាយ | សមាសភាព ឥរិយាបថ ប្រវែងសក់ រាងសម្លៀកបំពាក់ ចំនួនកម្មវត្ថុ ការកាត់ស៊ុម |
| ការលុបវត្ថុ / ការជួសជុល | អ្វីៗផ្សេងទៀតទាំងអស់ក្នុងស៊ុម — កម្មវត្ថុ ស្ថាបត្យកម្មជុំវិញ គ្រាប់រូបភាព ភាពស្រទន់ពណ៌ កម្រិតពណ៌ ពណ៌ |
| ពណ៌របស់វត្ថុមួយ | ពណ៌ផ្សេងទៀតទាំងអស់ក្នុងរូបភាព បូកនឹងវាយនភាព និងសម្ភារៈរបស់វត្ថុដែលប្តូរ |
សូមកត់សម្គាល់ជួរចុងក្រោយ។ ការប្តូរពណ៌ធ្លាក់ចេញដោយស្ងាត់ៗ ព្រោះ "make the jacket red" អញ្ជើញឲ្យសម្លៀកបំពាក់ត្រូវបានកសាងឡើងវិញទាំងស្រុង — កាត់ថ្មី សម្ភារៈថ្មី បត់ថ្មី។ ចងភ្ជាប់៖ "recolor the existing jacket to a deep crimson, keeping its exact cut, seams, fabric texture and the way it hangs"។ ខុសគ្នាតែឃ្លាមួយ តែលទ្ធផលប្រសើរឡើងគួរឲ្យកត់សម្គាល់។
03ឧទាហរណ៍ជាក់ស្តែង៖ ការណែនាំខ្សោយ ហេតុអ្វីវាធ្លាក់ចេញ ការសរសេរឡើងវិញដោយចងភ្ជាប់
គូនីមួយៗខាងក្រោមគឺជាចេតនាដដែលដែលសរសេរពីរដង។ ការវិនិច្ឆ័យនៅកណ្តាលគឺជាចំណុចដែលអាចអនុវត្តជាទូទៅ។
ក. ការប្តូរផ្ទៃខាងក្រោយ
ហេតុអ្វីវាធ្លាក់ចេញ៖ នេះពណ៌នារូបភាពគោលដៅមួយ មិនមែនការផ្លាស់ប្តូរទេ។ គ្មានអ្វីអំពីស្ត្រីនោះត្រូវបានការពារ ហើយគ្មានអ្វីរក្សាកាមេរ៉ាឲ្យស្ថិតស្ថេរ ដូច្នេះម៉ូដែលរៀបស៊ុមឡើងវិញ ហើយបង្កើតនាងឡើងវិញខណៈកសាងឈុតដែលសមហេតុផលមួយ។
អ្វីដែលបានផ្លាស់ប្តូរ៖ ឃ្លារក្សាចាក់ដោតអត្តសញ្ញាណ សម្លៀកបំពាក់ និងការដាក់ស៊ុម ហើយឃ្លាចុងក្រោយប្រាប់ថាតំណភ្ជាប់ដោះស្រាយតាមទិសណា — ផ្ទៃខាងក្រោយបត់តាមពន្លឺរបស់កម្មវត្ថុ មិនមែនផ្ទុយវិញទេ។
ខ. ការប្តូរពន្លឺ
ហេតុអ្វីវាធ្លាក់ចេញ៖ "ល្អជាង" គឺជាគុណនាមគ្មាននាម។ ម៉ូដែលត្រូវបង្កើតនិយមន័យខ្លួនឯង ហើយវិធីថោកបំផុតដើម្បីមើលទៅល្អជាងក្នុងការបង្កើតឡើងវិញគឺស្បែករលោង ធ្មេញភ្លឺជាង និងថ្គាមស្គមជាង។ អ្នកសុំពន្លឺ តែទទួលបានការតុបតែងផ្ទៃមុខវិញ។
អ្វីដែលបានផ្លាស់ប្តូរ៖ ពន្លឺត្រូវបានពណ៌នាតាមរូបវិទ្យា — ទិសដៅ គុណភាព សីតុណ្ហភាព ការថយចុះ។ វាយនភាពស្បែកត្រូវបានចងភ្ជាប់ដោយផ្ទាល់ ព្រោះការប្តូរពន្លឺគឺជាពេលដែលម៉ូដែលទំនងជាធ្វើឲ្យវារលោងបំបាត់បំផុត។
គ. ការប្តូរសម្លៀកបំពាក់
ហេតុអ្វីវាធ្លាក់ចេញ៖ ឈុតសម្លៀកបំពាក់ផ្លាស់ប្តូររាងខ្លួន ដូច្នេះដងខ្លួនត្រូវបានបង្កើតឡើងវិញ — ហើយក្បាលនៅលើវាភាគច្រើនប្តូរតាមផងដែរ។ ការកែសម្លៀកបំពាក់គ្មានការចងភ្ជាប់ជាប្រភពទីពីរធំបំផុតនៃការធ្លាក់អត្តសញ្ញាណ បន្ទាប់ពីការប្តូរផ្ទៃខាងក្រោយ។
អ្វីដែលបានផ្លាស់ប្តូរ៖ "tailored to his current posture" ធ្វើឲ្យសម្លៀកបំពាក់ត្រូវជាបន្ទាប់បន្សំពីឥរិយាបថ។ ដៃត្រូវបានចងភ្ជាប់ដោយឡែក ព្រោះដៃជាកន្លែងដែលការកែសម្លៀកបំពាក់ធ្លាក់ចេញច្បាស់បំផុត។
ឃ. ការប្តូររចនាបថរូបថត
ហេតុអ្វីវាធ្លាក់ចេញ៖ ពាក្យរចនាបថតែម្នាក់ឯងប្រគល់អ្វីៗគ្រប់យ៉ាង — សមាសភាព ការកាត់ស៊ុម សក់ សម្លៀកបំពាក់ ចំនួនមនុស្ស — ហើយ "anime" គឺជាប្រពៃណីខុសគ្នាអស់រយៈពេលសាមសិបឆ្នាំ។ អ្នកទទួលបានគំនូរដ៏ស្ទាត់ជំនាញនៃឈុតផ្សេងទាំងស្រុង។
អ្វីដែលបានផ្លាស់ប្តូរ៖ ការកែរចនាបថត្រូវការចំណុចចងភ្ជាប់ខុសគ្នា។ អ្នកមិនអាចចងភ្ជាប់វាយនភាពបានទេ — វាយនភាពគឺជាអ្វីដែលកំពុងត្រូវបានជំនួស — ដូច្នេះអ្នកចងភ្ជាប់ រចនាសម្ព័ន្ធ ជំនួសវិញ៖ សមាសភាព ឥរិយាបថ រាងតួ ការកាត់ស៊ុម ចំនួនកម្មវត្ថុ។ ការសុំរក្សា "photorealistic skin" នៅក្រោមចលនាទឹកខ្មៅគឺជាភាពផ្ទុយគ្នា។
ង. ការលុបអ្វីមួយចេញ
ហេតុអ្វីវាធ្លាក់ចេញ៖ ការបដិសេធនៅតែដាក់គំនិតនោះនៅមុខម៉ូដែល ហើយមិននិយាយអ្វីអំពីអ្វីដែលគួរបំពេញកន្លែងទំនេរនោះទេ។ ការលុបត្រូវការសេចក្តីថ្លែងជាវិជ្ជមានទាំងគោលដៅ និងការបំពេញ។
អ្វីដែលបានផ្លាស់ប្តូរ៖ គោលដៅត្រូវបានដាក់ឈ្មោះតាមវត្ថុ ពណ៌ និងទីតាំង ការបំពេញត្រូវបានបញ្ជាក់ ដូច្នេះម៉ូដែលមិនបង្កើតទីលានមួយកន្លែងដែលគួរជាចិញ្ចើមផ្លូវទេ ហើយ "អ្វីៗផ្សេងទៀត" ត្រូវបានពន្យល់ជានាមជាក់ស្តែង។
ច. ការជួសជុលរូបថតដែលខូច
ហេតុអ្វីវាធ្លាក់ចេញ៖ "fix" ត្រូវបានអានថា "ធ្វើឲ្យប្រសើរ" ហើយការធ្វើឲ្យរូបថតចាស់ប្រសើរឡើងមានន័យថាធ្វើឲ្យវាទំនើប — ស្បែករលោងជាង កម្រិតពណ៌ខ្ពស់ជាង និងមុខម្នាក់ដែលលែងជាមុខជីដូនរបស់អ្នកទៀតហើយ។
អ្វីដែលបានផ្លាស់ប្តូរ៖ ការខូចខាតត្រូវបានរាប់ចេញ ដូច្នេះ "fix" មានវិសាលភាពជាក់លាក់ ហើយគ្រាប់រូបភាព និងកម្រិតពណ៌ត្រូវបានចងភ្ជាប់ ព្រោះវាធ្វើឲ្យរូបថតមើលទៅដូចជាកាលកន្លងហួស។ ការហាមឃាត់ទាំងបីនេះជាករណីកម្រដែលការបដិសេធសមនឹងកន្លែងរបស់វា — ការណែនាំអំពី ដំណើរការ មិនមែនអំពីវត្ថុទេ។
រូបរាងនៃការណែនាំល្អមួយ
តម្រង់ទៅរក 25 ដល់ 60 ពាក្យ ជាប្រយោគពេញលេញ ជាជាងស្លាកពាក្យគន្លឹះបំបែកដោយសញ្ញាក្បៀស — ម៉ូដែលរូបភាពអានការណែនាំតាមរបៀបដែលម៉ូដែលភាសាអាន ដូច្នេះអត្ថបទសេចក្តីឈ្នះស្លាក។ រំលងសំណល់សម័យ SDXL (masterpiece, best quality, 8k) និងវាក្យសម្ព័ន្ធទម្ងន់ដូចជា (word:1.3); ពួកវាមិនធ្វើអ្វីនៅទីនេះទេ។ ធ្វើការផ្លាស់ប្តូរតែមួយក្នុងមួយការណែនាំ — ការផ្លាស់ប្តូរពីរដែលមិនពាក់ព័ន្ធគ្នាក្នុងប្រយោគមួយប្រកួតប្រជែងគ្នាដើម្បីទទួលការយកចិត្តទុកដាក់ ហើយទាំងពីរត្រឡប់មកវិញមិនពេញលេញទាំងអស់។
04ការណែនាំអវិជ្ជមាន — ត្រូវបានទទួលយកនៅទីនេះ ខុសពីអត្ថបទទៅរូបភាព
ចំណុចនេះធ្វើឲ្យមនុស្សច្រឡំ ដូច្នេះសូមនិយាយឲ្យច្បាស់៖
| ផ្លូវ | រូបភាពប្រភព | ការណែនាំអវិជ្ជមាន | សមាមាត្រទំហំ | ទម្រង់ការណែនាំ |
|---|---|---|---|---|
| អត្ថបទទៅរូបភាព | 0 | មិនទទួលយក | ជ្រើសរើស (ការ៉េជាលំនាំដើម) | អត្ថបទសេចក្តី |
| កែសម្រួលរូបភាពមួយ | ត្រូវតែ 1 | ទទួលយក | ទទួលពីប្រភព | ការណែនាំ៖ ការផ្លាស់ប្តូរ + ការរក្សា |
| ផ្សំរូបភាព 2+ | 2 ឬលើសពីនេះ | ទទួលយក | ជ្រើសរើសផ្ទាំងថ្មី | អត្ថបទសេចក្តីដាក់ឈ្មោះតួនាទី |
អត្ថបទទៅរូបភាពមិនទទួលការណែនាំអវិជ្ជមានទាល់តែសោះ — ការបង្កើតពីគ្មានអ្វី ការពណ៌នាតែអ្វីដែលអ្នកចង់បាន គឺជា វិន័យខ្លួនឯង (មើល ការបង្កើតរូបភាព AI គ្មានសេនស័រ)។ ការកែសម្រួលខុសគ្នា៖ អ្នកមានប្រភពរួចហើយ ហើយការបរាជ័យលក្ខណៈពិសេសនៃការបង្កើតឡើងវិញត្រូវបានស្គាល់ និងអាចដាក់ឈ្មោះបាន ដូច្នេះការណែនាំអវិជ្ជមានមានអ្វីជាក់លាក់ត្រូវបង្ក្រាប។
អ្វីដែលគួរដាក់ក្នុងវា
សំណល់មិនចង់បាន និងគ្រាន់តែសំណល់មិនចង់បានប៉ុណ្ណោះ។ វាជាបញ្ជីកំហុស មិនមែនជាឆានែលការណែនាំទីពីរទេ៖
- extra fingers, fused fingers, malformed hands — ការកែសម្រួលណាមួយដែលបង្កើតមនុស្សឡើងវិញ។
- warped text, garbled lettering, misspelled signage — អ្វីៗដែលមានស្លាក ស្លាកសញ្ញា ឬកញ្ចប់នៅក្នុងស៊ុម។
- duplicated limbs, duplicated railing, repeated windows — ការលុប និងការពង្រីកផ្ទៃខាងក្រោយ។
- smeared texture, blurry patch, halo around the subject, visible seam — ការប្តូរផ្ទៃខាងក្រោយ និងការលុបវត្ថុ។
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — ការប្តូរពន្លឺ ការកែសម្រួលរូបភាពមុខ អនាម័យទូទៅ។
អ្វីដែលមិនគួរដាក់
ការសម្រេចចិត្តខាងខ្លឹមសារ។ បើអ្នកចង់ឲ្យមួកបាត់ ការណែនាំគឺ "remove the hat" — មិនមែនការណែនាំអវិជ្ជមានសរសេរ "hat" ទេ។ ការណែនាំអវិជ្ជមានមិនធានាថានឹងលុបអ្វីដែលមានស្រាប់ក្នុងប្រភពរបស់អ្នកបានទេ វាគ្រាន់តែរារាំងកំហុសកុំឲ្យលេចឡើងក្នុងលទ្ធផលប៉ុណ្ណោះ។ ខ្លឹមសារនៅទីនោះឲ្យអ្នកនូវអវិជ្ជមានទាំងពីរ៖ មួកនៅតែមាន ហើយកន្លែងដែលអាចប្រើសម្រាប់បង្ក្រាបដៃខូចបានបាត់ទៅវិញ។
ផ្នែកទីពីរនៃវិន័យអនុវត្តលើការណែនាំរបស់អ្នក៖ ឈប់សរសេរ "no X" ក្នុងវា។ "A street with no cars," "a portrait with no glasses" ទាំងពីរដាក់គំនិតមិនចង់បាននៅក្នុងប្រយោគ ហើយសុំម៉ូដែលបដិសេធវា — ជាការងារដែលភាសាធ្វើបានល្អ តែការកំណត់លក្ខខណ្ឌរូបភាពធ្វើបានមិនល្អ។ និយាយអំពីអ្វីដែលគួរមាននៅទីនោះជំនួសវិញ៖ "an empty street with clear asphalt," "a portrait with unobstructed eyes"។ ករណីលើកលែងតែមួយ ដូចនៅឧទាហរណ៍ ច ខាងលើ គឺជាការណែនាំអំពីដំណើរការ — "do not sharpen," "do not recolor" — ដែលបដិសេធប្រតិបត្តិការមួយ ជាជាងដាក់ឈ្មោះវត្ថុមួយ។
ការបែងចែកការងារ ក្នុងបន្ទាត់មួយ
ការណែនាំ៖ អ្វីដែលប្តូរ អ្វីដែលនៅដដែល — និយាយជាវិជ្ជមាន។ ការណែនាំអវិជ្ជមាន៖ របៀបដែលលទ្ធផលអាចមានទម្រង់ខុសប្រក្រតី។ រក្សាវាឲ្យដាច់ដោយឡែកពីគ្នា ហើយទាំងពីរនឹងប្រសើរឡើង។
05រូបភាពប្រភពមួយ និងរបៀបដែល Shannon ជ្រើសរើសវា
ការកែសម្រួលមួយដំណើរការលើរូបភាពប្រភព តែមួយប៉ុណ្ណោះ៖ ជារូបភាព ដែលមានស្រាប់ក្នុងការសន្ទនា — បានភ្ជាប់ពីមុន ឬបានបង្កើតឲ្យអ្នក — ឬជារូបភាព ដែលភ្ជាប់ជាមួយសារដែលអ្នកកំពុងផ្ញើឥឡូវនេះ។ គ្មានអ្វីត្រូវបានទាញចូលពីខាងក្រៅខ្សែសន្ទនាទេ ហើយផ្លូវកែសម្រួលមិនដែលបញ្ចូលរូបភាពពីរដោយស្ងាត់ៗឡើយ។ បើចេតនារបស់អ្នកត្រូវការធាតុពីរូបភាពច្រើនជាងមួយ — ឈុតសម្លៀកបំពាក់ពីរូបភាព ក លើមនុស្សនៅរូបភាព ខ — នោះជា ការផ្សំរូបភាព ដែលមានទម្រង់ការណែនាំខុសគ្នា ដោយដាក់ឈ្មោះតួនាទីរបស់រូបភាពនីមួយៗតាមលំដាប់។
ការបន្តតាម និងរូបភាពពាក់ព័ន្ធថ្មីបំផុត
ពេលរូបភាពមួយមានក្នុងការសន្ទនា ការបន្តខ្លីៗដំណើរការតាមរបៀបដែលអ្នកចង់បាន។ "Make it darker." "Now try it at sunset." ទាំងនេះដោះស្រាយទៅនឹង រូបភាពពាក់ព័ន្ធថ្មីបំផុត ក្នុងខ្សែសន្ទនា — ជាធម្មតាគឺលទ្ធផលដែលអ្នកទើបតែទទួលបាន — ដូច្នេះលំដាប់នៃការណែនាំតូចៗដំណើរការដូចជាគំនរនៃការកែសម្រួល។ ផលវិបាកបី៖
- ធ្វើម្តងមួយជំហាន។ ការបន្តនីមួយៗគឺជាការបង្កើតឡើងវិញពេញលេញមួយទៀត ដូច្នេះ "make it darker and change her coat and move the camera lower" គឺជាការកែសម្រួលបីប្រកួតប្រជែងគ្នាក្នុងការឆ្លងកាត់តែមួយ។ ផ្ញើសារបីដាច់ដោយឡែក ហើយឈប់ត្រង់ណាដែលអ្នកចូលចិត្ត។
- ប្រយ័ត្នការបាត់បង់ជំនាន់។ ភាពខុសគ្នាតូចៗបូកបញ្ចូលគ្នា។ ដល់ការកែសម្រួលទីប្រាំមួយជាប់គ្នា មុខអាចនឹងឃ្លាតឆ្ងាយពីដើមទោះជាមិនមានជំហានណាមួយមើលទៅខុសក៏ដោយ។ ពេលអ្នកសម្គាល់ការធ្លាក់ ឈប់កែបន្ថែម — ភ្ជាប់ឯកសារ ដើម ម្តងទៀត ហើយសរសេរការណែនាំរួមមួយដែលបញ្ចូលអ្វីៗទាំងអស់ដែលអ្នកបានដឹងថាចង់បាន។
- ក្នុងខ្សែសន្ទនាវែង ត្រូវច្បាស់លាស់។ "Using the beach photo I attached earlier, …" លុបចោលភាពមិនច្បាស់ ពេលរូបភាពច្រើនកំពុងចូលរួម។
កាតបញ្ជាក់គឺជាឱកាសចុងក្រោយរបស់អ្នកដើម្បីបន្ថែមចំណុចចងភ្ជាប់
អ្នកសួរជាភាសាធម្មតា ជាភាសាណាមួយដែលអ្នកនិយាយ។ Shannon សម្រេចថាប្រតិបត្តិការរូបភាពមួយកំពុងត្រូវបានស្នើសុំ សរសេរការណែនាំចុងក្រោយដោយខ្លួនឯងជាភាសាអង់គ្លេស ហើយ បង្ហាញវាដល់អ្នកលើកាតបញ្ជាក់មុនពេលអ្វីមួយត្រូវបានបង្កើត។ គ្មានអ្វីត្រូវបានបង្កើត ហើយគ្មានអ្វីត្រូវបានគិតលុយ រហូតដល់អ្នកបញ្ជាក់។ អានកាតនោះ — នេះជាកន្លែងដែលអ្នកចាប់បានឃ្លារក្សាដែលបាត់ មុនពេលចំណាយអ្វី។
ឥរិយាបថពាក់ព័ន្ធពីរ៖ Shannon មិនដែលបង្កើតដោយគ្មានការស្នើសុំ — ការសួរសុខទុក្ខ សំណួរមួយ ឬរូបថតដែលភ្ជាប់ដោយចៃដន្យ មិនធ្វើឲ្យប្រតិបត្តិការរូបភាពកើតឡើងទេ។ ហើយការសុំ Shannon គ្រាន់តែ មើល រូបភាពមួយ — ពណ៌នាវា អានអត្ថបទក្នុងវា និយាយថាហេតុអ្វីសមាសភាពមិនដំណើរការ — គឺជាការងារមើលឃើញធម្មតា មិនមែនការបង្កើតទេ ហើយមិនចំណាយអ្វីបន្ថែមឡើយ។ "What would you change about this photo?" គឺជាដំបូន្មានឥតគិតថ្លៃ ការធ្វើតាមវាទើបជាការកែសម្រួល។
06សមាមាត្រទំហំត្រូវបានទទួលដោយស្វ័យប្រវត្តិ
រូបភាពដែលបានកែសម្រួលត្រឡប់មកវិញក្នុង សមាមាត្រទំហំដូចប្រភពរបស់វា។ អ្នកមិនជ្រើសរើសមួយ ហើយអ្នកមិនចាំបាច់ធ្វើដូច្នេះទេ៖ រូបភាពបញ្ឈរ 4:5 នៅតែជា 4:5 រូបភាព 16:9 នៅតែជា 16:9 រូបថតអេក្រង់ទូរស័ព្ទចម្លែកមួយរក្សាសមាមាត្ររបស់វា។ ការកែសម្រួលដែលប្តូររាងស្ងាត់ៗនោះមិនមែនជាការកែសម្រួលទេ — វានឹងជាការកាត់ស៊ុមបូកនឹងការស្មានអំពីអ្វីដែលនៅក្រៅព្រំដែនដើម។
នេះជាភាពខុសគ្នាពិតប្រាកដពីផ្លូវពីរផ្សេងទៀត។ អត្ថបទទៅរូបភាពសុំឲ្យអ្នកជ្រើសរើសពី square (លំនាំដើម), portrait, landscape, wide (ភាពយន្ត) និង tall (ផ្ទាំងប៉ូស្ទ័រ និងផ្ទាំងផ្ទៃខាងក្រោយ) ហើយសំណើច្បាស់លាស់ជាប់ឈ្នះជានិច្ច ការផ្សំរូបភាពអនុញ្ញាតឲ្យអ្នកជ្រើសរើសផ្ទាំងថ្មី ព្រោះគ្មានប្រភពតែមួយត្រូវទទួល។ ដូច្នេះ បើអ្នកត្រូវការរាងផ្សេង នោះមិនមែនជាការកែសម្រួលទេ — ការប្តូររូបផលិតផល 1:1 ទៅជាបដារ 16:9 មានន័យថាបង្កើតភីកសែលដែលមិនដែលត្រូវបានថតទេ។ ធ្វើវាដោយចេតនា ដោយបង្កើត ឬផ្សំលើផ្ទាំងថ្មី។
07គ្មានការបង្កើតវីដេអូ
និយាយឲ្យច្បាស់លាស់ ព្រោះមនុស្សសួរ
Shannon មិនបង្កើតវីដេអូ ហើយមិនធ្វើឲ្យរូបភាពផ្លាស់ទីទេ។ គ្មានផ្លូវពីរូបភាពទៅវីដេអូ គ្មាន "ធ្វើឲ្យរូបថតនេះផ្លាស់ទី" គ្មានវលិន គ្មានស៊ីនេម៉ាក្រាហ្វ។ នេះមិនមែនជាសមត្ថភាពដែលកំពុងសាកល្បង ឬនឹងមកដល់ឆាប់ៗនេះទេ — វាមិនមាននៅក្នុងផលិតផលទាល់តែសោះ ហើយគ្មានអ្វីនៅលើទំព័រនេះគួរត្រូវបានយល់ថាបញ្ជាក់ផ្ទុយពីនេះឡើយ។
អ្វីដែល Shannon 3 ធ្វើជាមួយរូបភាពគឺមានតែបីយ៉ាងប៉ុណ្ណោះ៖ បង្កើតរូបភាពថ្មី កែសម្រួលរូបភាពមួយដែលមានស្រាប់ និង ផ្សំរូបភាពពីរ ឬច្រើន ទៅជាមួយ។ អ្វីៗនៅទីនេះស្ថិតនៅក្នុងទីពីរនៃទាំងនោះ។
គួរនិយាយម្តងទៀត ព្រោះ "កម្មវិធីកែសម្រួលរូបភាព AI" និង "កម្មវិធីបង្កើតវីដេអូ AI" បានក្លាយជាជិតគ្នាក្នុងគំនិតមនុស្ស ហើយឧបករណ៍ដែលនឹងផ្លាស់ប្តូរពន្លឺរូបភាពរបស់អ្នកដោយរីករាយ មានអារម្មណ៍ថាគួរនៅតែជាប៊ូតុងមួយពីការធ្វើឲ្យវាផ្លាស់ទី។ វាមិនមែនទេ — ហើយអ្នកគួរដឹងរឿងនេះនៅនាទីទីមួយ មិនមែននាទីទីដប់ទេ។
08ហេតុអ្វីគ្មានសេនស័រសំខាន់សម្រាប់ការកែសម្រួលជាងការបង្កើត
កម្មវិធីកែសម្រួលមានតម្រងបរាជ័យខុសពីកម្មវិធីបង្កើតមានតម្រង ហើយភាគច្រើនអាក្រក់ជាង។ កម្មវិធីបង្កើតមានតម្រងបដិសេធការណែនាំរបស់អ្នក អ្នកសរសេរឡើងវិញ ហើយសាកល្បងម្តងទៀត។ កម្មវិធីកែសម្រួលមានតម្រងអាចបដិសេធ រូបភាពប្រភពខ្លួនឯង មុនពេលអានពាក្យណាមួយនៃការណែនាំរបស់អ្នក។ ផ្ទុករូបថតរបួសព្យាបាលសម្រាប់របាយការណ៍ករណីមួយ ហើយវាត្រូវបានបដិសេធពេលចូល។ ផ្ទុករូបថតសង្គ្រាមប្រវត្តិសាស្ត្រដើម្បីជួសជុលស្នាមផ្នត់ ហើយកាំភ្លើងក្នុងស៊ុមបញ្ចប់ការសន្ទនា។ ការងារស្របច្បាប់ ការបដិសេធជាប្រភេទ គ្មានការសរសេរឡើងវិញណាមួយអាចជួយបានទេ។
Shannon ដំណើរការផ្លូវរូបភាពដោយ គ្មានតម្រងខ្លឹមសារលើលទ្ធផល និង គ្មានស្រទាប់ការបដិសេធលើម៉ូដែលដែលសរសេរការណែនាំ។ នេះជាអ្វីដែលធ្វើឲ្យការងារធម្មតាទាំងនេះអាចធ្វើទៅបាន៖
- រូបភាពសិល្បៈអាក្រាត និងការងាររាងកាយ — ការតុបតែង ការប្តូរពន្លឺ និងការប្តូររចនាបថសម្រាប់សិល្បករ និងអ្នកថតរូបធ្វើការជាមួយកម្មវត្ថុពេញវ័យដែលយល់ព្រម។
- ការគូររូបវេជ្ជសាស្ត្រ និងកោសល្យវិច្ច័យ — រូបភាពគ្លីនិកសម្អាតសម្រាប់សម្ភារៈបង្រៀន របាយការណ៍ករណី និងការងារកសាងឡើងវិញដែលកម្មវិធីកែសម្រួលទូទៅបដិសេធភ្លាមៗ។
- រូបភាពស្រាវជ្រាវសន្តិសុខ — រូបថតអេក្រង់ រូបថតសន្តិសុខរូបវន្ត និងឯកសារផ្នែករឹងសម្រាប់កម្មវិធីលើកកម្ពស់ការយល់ដឹងអំពីការបន្លំ និងរបាយការណ៍ក្រុមក្រហម។
- អំពើហិង្សាក្នុងរឿងប្រឌិត — ភាពយន្ត ហ្គេម និងសិល្បៈផលិតកម្មសៀវភៅរូបភាព ដែលរបួស ឬអាវុធជាកម្មវត្ថុ។
- ការនិយាយចំអកនយោបាយ និងគំនូរនិពន្ធនាយក — មានប្រវត្តិសាស្ត្រច្រើនសតវត្សនៅពីក្រោយវា ការគាំទ្រស្ទើរតែសូន្យក្នុងឧបករណ៍មានតម្រង។
- ការងារម៉ាក និងរូបភាពផ្ទាល់ខ្លួនដោយម្ចាស់សិទ្ធិ — ការថតរូបផលិតផលផ្ទាល់ខ្លួន ការរៀបចំឡូហ្គោ និងរូបភាពផ្ទាល់ខ្លួន និងឯកសារគ្រួសារពិបាកៗ ដោយមិនចាំបាច់ជជែកជាមួយកម្មវិធីចាត់ថ្នាក់អំពីថាតើអ្នកត្រូវបានអនុញ្ញាតឬអត់។
គ្មានសេនស័រមិនមែនមានន័យថាគ្មានការទទួលខុសត្រូវទេ។ Shannon ដំណើរការដោយ Shannon Lab LLC (New Mexico, USA) ក្រោមគោលការណ៍ ការប្រើប្រាស់ដោយទទួលខុសត្រូវ ដែលបានផ្សព្វផ្សាយ ដែលជាកន្លែងព្រំដែនពិតប្រាកដកើតមាន — ព្រំដែនអំពីច្បាប់ និងគ្រោះថ្នាក់ ជាជាងភាពមិនស្រួលចិត្តរបស់កម្មវិធីចាត់ថ្នាក់ចំពោះរូបថតរបួសមួយ។ ការគ្មានការបដិសេធដោយស្វ័យប្រវត្តិគឺជាសេចក្តីថ្លែងអំពីឧបករណ៍ មិនមែនអំពីការទទួលខុសត្រូវរបស់អ្នកចំពោះអ្វីដែលអ្នកបង្កើតទេ។
09កន្លែងដែល API សមស្រប — និងកន្លែងដែលមិនសមស្រប
នេះជាការយល់ច្រឡំទូទៅសម្រាប់អ្នកអានដែលមកពីការស្វែងរក API។ ការបង្កើត និងកែសម្រួលរូបភាពកើតឡើងក្នុងកម្មវិធីជជែក Shannon មិនមែននៅលើ API ទេ។ ភាសាបីនៃ /v1 — /v1/chat/completions (រាងដូច OpenAI), /v1/messages (រាងដូច Anthropic) និង /v1/responses ទាំងអស់ស្ទ្រីម ទាំងអស់នៅលើម៉ូដែលដូចគ្នា — បម្រើ អត្ថបទ និងការមើលឃើញ។ ការមើលឃើញមានន័យថាម៉ូដែល អាន រូបភាពដែលអ្នកផ្ញើ៖ ពណ៌នាវា កត់ត្រាអត្ថបទ វិភាគក្រាហ្វិកមួយ។ វាមិនមានន័យថាពួកវាបង្កើត ឬកែសម្រួលរូបភាពទេ។
នោះនៅតែទុកលំនាំមួយដែលមានប្រយោជន៍៖ ការមើលឃើញបូកនឹងម៉ូដែលអត្ថបទគ្មានសេនស័រគឺជាជំនួយការសរសេរការណែនាំដ៏ខ្លាំង។ ផ្ញើរូបភាពប្រភពរបស់អ្នកទៅ API សុំឲ្យវាពណ៌នាអ្វីនៅក្នុងស៊ុម ហើយសរសេរការណែនាំចងភ្ជាប់ដែលដាក់ឈ្មោះការផ្លាស់ប្តូរ និងចំណុចចងភ្ជាប់ បន្ទាប់មករត់ការណែនាំនោះក្នុងជជែក — វាចាប់ចំណុចចងភ្ជាប់ដែលអ្នកនឹងភ្លេច។ រូបរាងសំណើ និងចម្លើយមាននៅក្នុង ឯកសារ API។
10សំណួរដែលសួរញឹកញាប់
តើកម្មវិធីកែសម្រួលរូបភាព AI គ្មានសេនស័រជាអ្វី?
កម្មវិធីមួយដែលទទួលរូបភាពដែលមានស្រាប់ បូកនឹងការណែនាំជាភាសាធម្មតា ហើយត្រឡប់រូបភាពដែលបានកែសម្រួល ដោយគ្មានតម្រងខ្លឹមសារលើលទ្ធផល និងគ្មានស្រទាប់ការបដិសេធលើម៉ូដែលដែលសរសេរការណែនាំ។ វាដំណើរការនៅលើចង្កោមកម្មវិធីក្រាហ្វិកផ្ទាល់ខ្លួនរបស់យើងក្នុងកម្មវិធីជជែក Shannon ដូច្នេះការងារដែលកម្មវិធីកែសម្រួលមានតម្រងបដិសេធ — ការតុបតែងរូបភាពអាក្រាតសិល្បៈ ការគូររូបវេជ្ជសាស្ត្រ និងកោសល្យវិច្ច័យ រូបភាពស្រាវជ្រាវសន្តិសុខ អំពើហិង្សាក្នុងរឿងប្រឌិត ការនិយាយចំអកនយោបាយ — ត្រូវបានធ្វើជំនួសឲ្យការបដិសេធ។
ហេតុអ្វីមុខផ្លាស់ប្តូរពេលខ្ញុំគ្រាន់តែសុំប្តូរផ្ទៃខាងក្រោយ?
ព្រោះការកែសម្រួលតាមការណែនាំបង្កើតឡើងវិញនូវស៊ុមទាំងមូល ដោយផ្អែកលើលក្ខខណ្ឌពីរូបភាពប្រភពរបស់អ្នក មិនមែនត្រឹមតែតំបន់ដែលអ្នកគិតទេ — អ្វីដែលអ្នកមិនដាក់ឈ្មោះថានៅដដែល អាចនឹងផ្លាស់ប្តូរដោយសេរី។ ដំណោះស្រាយគឺការចងភ្ជាប់៖ បន្ថែមឃ្លារក្សា ដូចជា "keep the face, hairstyle, pose and clothing identical, same camera angle and crop"។ ការដាក់ឈ្មោះផ្នែកដែលនៅដដែលគឺជាឧបករណ៍លើកកម្ពស់គុណភាពដ៏ធំបំផុតដែលអ្នកមាន។
តើការកែសម្រួលរូបភាព Shannon គាំទ្រការណែនាំអវិជ្ជមានទេ?
មាន។ ខុសពីអត្ថបទទៅរូបភាព ដែលមិនទទួលយកទាល់តែសោះ ផ្លូវកែសម្រួល និងផ្លូវផ្សំរូបភាពច្រើនសន្លឹកទាំងពីរគាំទ្រវា។ ប្រើវាសម្រាប់សំណល់មិនចង់បាន — ម្រាមដៃលើស អត្ថបទបង្វិល របងស្ទួន វាយនភាពស្រទន់ ស្បែកប្លាស្ទិក ស្លាកទឹក — ជាជាងសរសេរ "no X" ក្នុងការណែនាំ។ ការសម្រេចចិត្តខាងខ្លឹមសារជាកម្មសិទ្ធិការណែនាំ និយាយជាវិជ្ជមាន ការបង្ក្រាបសំណល់ជាកម្មសិទ្ធិការណែនាំអវិជ្ជមាន។
តើ Shannon អាចធ្វើឲ្យរូបភាពរបស់ខ្ញុំផ្លាស់ទី ឬប្តូរទៅជាវីដេអូបានទេ?
ទេ។ Shannon មិនបង្កើតវីដេអូ ហើយមិនធ្វើឲ្យរូបភាពផ្លាស់ទីទេ។ គ្មានផ្លូវពីរូបភាពទៅវីដេអូទេ ហើយគ្មានការប្រកាសណាមួយអំពីវានោះឡើយ។ Shannon 3 បង្កើតរូបភាពថ្មី កែសម្រួលរូបភាពមួយដែលមានស្រាប់ ឬផ្សំរូបភាពពីរ ឬច្រើនទៅជាមួយ — មានតែបីយ៉ាងនោះ ហើយគ្មានអ្វីលើសពីនោះទេ។
តើការកែសម្រួលមួយប្រើរូបភាពប្រភពប៉ុន្មាន?
តែមួយប៉ុណ្ណោះ៖ ជារូបភាពដែលមានស្រាប់ក្នុងការសន្ទនា ឬជារូបភាពដែលភ្ជាប់ជាមួយសាររបស់អ្នកបច្ចុប្បន្ន។ បើធាតុត្រូវការមកពីរូបភាពពីរ ឬច្រើន — ឈុតសម្លៀកបំពាក់ពីរូបថតមួយលើមនុស្សនៅរូបថតមួយទៀត — នោះជាការផ្សំរូបភាព មិនមែនការកែសម្រួលទេ ហើយអ្នកគួរផ្តល់រូបភាពពិតប្រាកដ ជាជាងពណ៌នារូបភាពទីពីរជាពាក្យ។
តើខ្ញុំត្រូវគូរម៉ាស់ ឬប្រើ inpainting ទេ?
ទេ។ គ្មានច្រាស គ្មានឧបករណ៍ lasso ឬស្រទាប់ម៉ាស់ទេ។ អ្នកពណ៌នាការផ្លាស់ប្តូរជាប្រយោគមួយ ហើយតំបន់ត្រូវបានទាញយកចេញពីភាសារបស់អ្នក ដែលនោះជាមូលហេតុដែលនាមជាក់លាក់សំខាន់៖ "the parked silver car on the right" កំណត់គោលដៅបានប្រសើរជាង "that thing" ច្រើន។ នោះធ្វើឲ្យ Shannon ជាជម្រើសជំនួសការគូរម៉ាស់ AI គ្មានសេនស័រជាក់ស្តែងសម្រាប់អ្នកដែលចង់បានលទ្ធផលដោយគ្មានការងារជ្រើសរើសតំបន់។
តើខ្ញុំអាចកែសម្រួលរូបភាពតាមរយៈ API របស់ Shannon បានទេ?
ទេ។ ការបង្កើត និងកែសម្រួលរូបភាពរស់នៅក្នុងកម្មវិធីជជែក Shannon។ ភាសា /v1 — /v1/chat/completions, /v1/messages និង /v1/responses — បម្រើអត្ថបទ និងការមើលឃើញ៖ ពួកវាអាន និងវិភាគរូបភាពដែលអ្នកផ្ញើ តែមិនបង្កើត ឬកែសម្រួលវាទេ។ លំហូរការងារទូទៅមួយគឺឲ្យការមើលឃើញរបស់ API សរសេរការណែនាំចងភ្ជាប់ជាមុនសិន រួចរត់ការកែសម្រួលក្នុងជជែក។
កែសម្រួលរូបភាពដោយមិនចាំបាច់ជជែកជាមួយតម្រង
ភ្ជាប់រូបថត សរសេរប្រយោគមួយ ដាក់ឈ្មោះអ្វីដែលនៅដដែល។
ចាប់ផ្តើមកែសម្រួល អានឯកសារ APIរូបភាពត្រូវបានបង្កើតនៅលើចង្កោមកម្មវិធីក្រាហ្វិកផ្ទាល់ខ្លួនរបស់យើង · គ្មានអ្វីត្រូវបានបង្កើត ឬគិតលុយ រហូតដល់អ្នកបញ្ជាក់លើកាត
Shannon AI ដំណើរការដោយ Shannon Lab LLC, New Mexico, USA។ ការបង្កើត ការកែសម្រួល និងការផ្សំរូបភាពជាមុខងារកម្មវិធីជជែករបស់ Shannon 3; API /v1 បម្រើតែអត្ថបទ និងការមើលឃើញប៉ុណ្ណោះ។ គ្មានការបង្កើតវីដេអូនៅក្នុងផលិតផលទេ។ ការកែសម្រួលទទួលយករូបភាពប្រភពតែមួយ ហើយទទួលបានសមាមាត្រទំហំរបស់វា។ ការប្រើប្រាស់ផ្លូវរូបភាពគ្មានសេនស័រស្ថិតនៅក្រោមគោលការណ៍ ការប្រើប្រាស់ដោយទទួលខុសត្រូវ។