កម្មវិធីបង្កើតរូបភាព AI គ្មានសេនស័រ

មនុស្សភាគច្រើនដែលស្វែងរក «កម្មវិធីបង្កើតរូបភាព AI គ្មានសេនស័រ» មិនមែនកំពុងស្វែងរកអ្វីដែលល្មើសសីលធម៌ទេ។ ពួកគេជាវិចិត្រករដែលត្រូវបានបដិសេធពេលសុំរូបយោងសម្រាប់ការគូររូបមនុស្សពិត ជាអ្នកសរសេរឯកសារវេជ្ជសាស្ត្រដែលត្រូវបានបដិសេធពេលសុំផ្ទាំងកាយវិភាគសាស្ត្រ ជាអ្នកស្រាវជ្រាវសន្តិសុខដែលត្រូវបានបដិសេធពេលសុំអេក្រង់ចូលប្រើក្លែងក្លាយសម្រាប់ស្លាយបណ្តុះបណ្តាល ជាអ្នកនិពន្ធប្រលោមលោកដែលត្រូវបានបដិសេធពេលសុំឈុតសមរភូមិ និងជាអ្នកគូររូបកំប្លែងដែលត្រូវបានបដិសេធពេលគូរអ្នកនយោបាយ។ តម្រងមិនបានសម្រេចថាការងាររបស់ពួកគេមានគ្រោះថ្នាក់ទេ។ វាសម្រេចថាវាមិនអាចប្រាប់បាន ហើយការបដិសេធមានតម្លៃថោកជាងការធ្វើខុស។ អត្ថបទនេះពន្យល់ពីអ្វីដែល Shannon ធ្វើជំនួសវិញ និងពីរបៀបដែលលំហូរនេះដំណើរការជាក់ស្តែង ចាប់ពីវិនាទីដែលអ្នកវាយបញ្ចូលសំណើ។

01តើ «គ្មានការចាប់សេនស័រ» មានន័យយ៉ាងណាពិតប្រាកដសម្រាប់កម្មវិធីបង្កើតរូបភាព?

ពាក្យនេះត្រូវបានប្រើប្រាស់យ៉ាងធូររលុងរហូតដល់ស្ទើរតែគ្មានន័យ ដូច្នេះនេះជានិយមន័យច្បាស់លាស់។ ផលិតផលរូបភាពសម័យទំនើបមានយ៉ាងហោចណាស់កន្លែងបួន ដែលសំណើមួយអាចត្រូវបានបញ្ឈប់៖

1. ការចាត់ថ្នាក់ធាតុចូល — អត្ថបទរបស់អ្នកត្រូវបានវាយតម្លៃធៀបនឹងប្រភេទប្រធានបទ មុនពេលអ្វីៗផ្សេងទៀតកើតឡើង ហើយពិន្ទុខ្ពស់សម្លាប់សំណើនោះ។
2. ការសរសេរការណែនាំឡើងវិញ — ជំនួយការមួយ «កែលម្អ» ការណែនាំរបស់អ្នកដោយស្ងាត់ស្ងៀម ដែលក្នុងការអនុវត្តជាក់ស្តែងមានន័យថាលុបចោលចំណុចជាក់លាក់ដែលអ្នកបានស្នើសុំ។
3. ស្រទាប់បដិសេធនៅលើជំនួយការ — ម៉ូដែលដែលនិយាយជាមួយអ្នកបដិសេធមិនបញ្ជូនសំណើតទៅ ជាធម្មតាជាមួយកថាខណ្ឌមួយពន្យល់ថាហេតុអ្វីវាមិនអាចជួយបាន។
4. ការចាត់ថ្នាក់លទ្ធផល — រូបភាពដែលបញ្ចប់ត្រូវបានវាយតម្លៃក្រោយពេលបង្កើតរួច ហើយត្រូវបានទប់ទុក ដូច្នេះអ្នកបានចំណាយការបង្កើតមួយដង តែទទួលបានតែសូន្យ។

នៅលើ Shannon មាន គ្មានតម្រងខ្លឹមសារនៅលើផ្លូវបង្កើតរូបភាព និង គ្មានស្រទាប់បដិសេធនៅលើម៉ូដែលដែលសរសេរការណែនាំ ទេ។ សំណើរបស់អ្នកមិនត្រូវបានវាយតម្លៃធៀបនឹងបញ្ជីទប់ស្កាត់ប្រធានបទ មិនត្រូវបានសរសេរឡើងវិញដោយស្ងាត់ស្ងៀមទៅជាអ្វីមួយដែលមានសុវត្ថិភាពជាងមុន ហើយក៏មិនត្រូវបានបដិសេធព្រោះពាក្យណាមួយក្នុងសំណើនោះត្រូវនឹងគំរូប្រភេទហានិភ័យដែរ។ ម៉ូដែលដែលអានសាររបស់អ្នកសរសេរការណែនាំបង្កើតរូបភាពដែលឆ្លុះបញ្ចាំងពីអ្វីដែលអ្នកបានស្នើសុំពិតប្រាកដ រួចប្រគល់វាជូនអ្នកពិនិត្យ។

អ្វីដែល «គ្មានការចាប់សេនស័រ» មិនមែន៖ វាមិនមែនជាការអះអាងថារូបភាពគ្រប់សន្លឹកជាស្នាដៃដ៏ល្អឥតខ្ចោះ ឬថាកាយវិភាគសាស្ត្រ និងរូបវិទ្យាតែងតែត្រឹមត្រូវនោះទេ — ទាំងនោះជាសំណួរអំពីសមត្ថភាព ដែលត្រូវបានពន្យល់ដោយស្មោះត្រង់នៅក្នុង មគ្គុទ្ទេសក៍ការណែនាំ។ វាក៏មិនមែនជាការអះអាងថាអ្វីៗគ្រប់យ៉ាងអាចធ្វើបានដែរ។ Shannon Lab LLC ដំណើរការ គោលការណ៍ប្រើប្រាស់ប្រកបដោយទំនួលខុសត្រូវ ហើយអវត្តមាននៃតម្រងស្វ័យប្រវត្តិ គឺជាមូលហេតុពិតប្រាកដដែលធ្វើឱ្យគោលការណ៍នោះកាន់តែមានទម្ងន់ជំនួសវិញ។ ការដកឧបករណ៍រឹងចេញ បង្កើនស្តង់ដារសម្រាប់មនុស្សដែលកាន់ឧបករណ៍នោះ វាមិនបានលុបស្តង់ដារនោះចោលទេ។

02បញ្ហាការបដិសេធ៖ ការងារស្របច្បាប់ដែលកម្មវិធីមានតម្រងទប់ស្កាត់

តម្រងខ្លឹមសារចាត់ថ្នាក់តាមលក្ខណៈផ្ទៃខាងក្រៅ ព្រោះនោះជាអ្វីតែមួយគត់ដែលពួកវាអាចធ្វើបានដោយថ្លៃថោកក្នុងទ្រង់ទ្រាយធំ។ ពួកវាឃើញពាក្យ និងភីកសែល។ ពួកវាមិនឃើញគោលបំណង បរិបទវិជ្ជាជីវៈ ឬអ្នកណាជាអ្នកសួរនោះទេ។ គម្លាតនោះជាកន្លែងដែលការខូចខាតកើតឡើង ហើយវាស្ថិតស្ថេរគួរឱ្យកត់សម្គាល់ឆ្លងកាត់គ្រប់ផលិតផល៖ ប្រភេទដដែលៗមួយក្តាប់តូចត្រូវបានបដិសេធនៅគ្រប់ទីកន្លែង ដោយសារហេតុផលរចនាសម្ព័ន្ធដូចគ្នា។

ប្រភេទការងារ	ហេតុអ្វីតម្រងបដិសេធ	អ្វីដែលគេស្នើសុំពិតប្រាកដ
រូបអាក្រាតសិល្បៈ & ការសិក្សារូបរាងកាយ	កម្មវិធីចាត់ថ្នាក់រូបអាក្រាតមិនអាចបែងចែកប្រពៃណីវិចិត្រសិល្បៈពីរូបភាពអាសអាភាសបានទេ ដូច្នេះរាងកាយខ្លួនឯងក្លាយជាសញ្ញាហានិភ័យ។	រូបយោងសម្រាប់ការគូររូបមនុស្សពិត ការសិក្សាកាយវិភាគសាស្ត្រ គំនិតចម្លាក់រូបរាង — មូលដ្ឋានគ្រឹះនៃការបណ្តុះបណ្តាលសិល្បៈអស់ប្រាំសតវត្ស។
រូបភាពវេជ្ជសាស្ត្រ	ដំបៅ ដំបៅវះកាត់ និងកាយវិភាគខាងក្នុង មើលទៅដូចរូបភាពឃោរឃៅចំពោះកម្មវិធីចាត់ថ្នាក់ដែលបានហ្វឹកហាត់លើរូបភាពហិង្សា។	ផ្ទាំងសៀវភៅសិក្សា ដ្យាក្រាមអប់រំអ្នកជំងឺ ការបង្ហាញជំងឺស្បែក រូបភាពសម្រាប់ទស្សនាវដ្តីវិទ្យាសាស្ត្រ។
រូបភាពកោសល្យវិច័យ	លំនាំរបួស និងការស្ថាបនាឡើងវិញនៃកន្លែងកើតហេតុ មិនអាចបែងចែកពីខ្លឹមសារហិង្សាបានតាមស្ថិតិភីកសែលឡើយ។	ភស្តុតាងតុលាការ ការស្ថាបនាឡើងវិញនៃការវិភាគគ្រោះថ្នាក់ រូបភាពបណ្តុះបណ្តាលសម្រាប់អ្នកស៊ើបអង្កេត។
រូបភាពស្រាវជ្រាវសន្តិសុខ	អេក្រង់ចូលប្រើក្លែងក្លាយដែលមើលទៅដូចពិត មើលទៅដូចគ្នាបេះបិទនឹងការរំលោភបំពានដែលវាត្រូវបានរចនាឡើងដើម្បីបង្រៀនមនុស្សឱ្យស្គាល់។	សម្ភារបណ្តុះបណ្តាលការយល់ដឹងអំពីការបន្លំ រូបភាពក្នុងរបាយការណ៍ក្រុមក្រហម ស្លាយសម្រាប់សន្និសីទ។
អំពើហិង្សាក្នុងរឿងប្រឌិត	រាល់ការបង្ហាញការធ្វើបាបត្រូវបានវាយតម្លៃថាជាការធ្វើបាប។ តម្រងគ្មានគំនិតអំពីស៊ុមនៃការនិទានរឿងឡើយ។	រូបគម្របប្រលោមលោកសង្គ្រាម ផ្ទាំងរឿងភាពក្រាហ្វិក ស្តូរីបត គំនិតហ្គេម ឈុតសមរភូមិប្រវត្តិសាស្ត្រ។
ការចំអកនយោបាយ	មនុស្សសាធារណៈដែលអាចស្គាល់បាន បូកនឹងបរិបទមិនល្អ ធ្វើឱ្យបំពានច្បាប់អំពីរូបរាង និងការមើលងាយក្នុងពេលតែមួយ។	រូបគំនូរកំប្លែងវិចារណកថា — ទម្រង់នៃសេរីភាពបញ្ចេញមតិដែលត្រូវបានការពារ ចាស់ជាងការថតរូបទៅទៀត។
ការងារម៉ាក & រូបរាង	បញ្ជីទប់ស្កាត់ពាណិជ្ជសញ្ញា និងរូបរាង អនុវត្តចំពោះមនុស្សគ្រប់រូបស្មើៗគ្នា រួមទាំងម្ចាស់សិទ្ធិផងដែរ។	ភ្នាក់ងារមួយធ្វើគំរូវេចខ្ចប់របស់អតិថិជនខ្លួនឯង តន្ត្រីករម្នាក់ធ្វើផ្ទាំងរូបភាពដំណើរកម្សាន្តរបស់ខ្លួន។

សូមមើលឱ្យច្បាស់ជួរចុងក្រោយនោះ ព្រោះវាបង្ហាញពីរចនាសម្ព័ន្ធទាំងមូល។ ការទប់ស្កាត់រូបរាងដោយគ្មានករណីលើកលែង ចាត់ទុកម្ចាស់សិទ្ធិដូចអ្នករំលោភសិទ្ធិដដែល៖ មនុស្សដែលមានសិទ្ធិ ខ្លាំងបំផុត លើម៉ាក ឬលើមុខមាត់មួយ ត្រូវបានបដិសេធដោយសារតែសារដូចគ្នានឹងមនុស្សចម្លែកម្នាក់។ គ្មានតម្រងណាអាចដោះស្រាយបញ្ហានេះបានទេ ព្រោះព័ត៌មានដែលបាត់មិនស្ថិតនៅក្នុងការណែនាំទេ — វាស្ថិតនៅលើអ្នកណាជាអ្នកសួរ ហើយកម្មវិធីចាត់ថ្នាក់មិនដែលដឹងរឿងនោះឡើយ។ ភាពមិនស្មើគ្នាដដែលនេះឆ្លងកាត់គ្រប់ជួរទាំងអស់។ គ្មានអ្វីក្នុងភីកសែលបែងចែកផ្ទាំងកាយវិភាគសាស្ត្រពីរូបភាពអាសអាភាស ឬការស្ថាបនាឡើងវិញផ្នែកកោសល្យវិច័យពីរូបភាពឃោរឃៅឡើយ។ គ្មានអ្វីបែងចែកគំរូអ៊ីម៉ែលបន្លំដែលធ្វើឡើងដើម្បីបណ្តុះបណ្តាលបុគ្គលិក ពីគំរូដែលធ្វើឡើងដើម្បីបោកបញ្ឆោតពួកគេទេ៖ តាមការរចនា ពួកវាជារូបភាពដូចគ្នា។ សង់ច្រកទប់ដើម្បីចាប់ប្រភេទទីពីរ អ្នកតែងតែចាប់បានប្រភេទទីមួយផងដែរ។

មានតម្លៃទីពីរមួយទៀត ដែលកម្រត្រូវបានរាប់បញ្ចូល៖ ឥទ្ធិពលធ្វើឱ្យរួញរាក្នុងរបៀបដែលមនុស្សសរសេរ។ បន្ទាប់ពីការបដិសេធបីដង អ្នកចាប់ផ្តើមសរសេរដោយប្រុងប្រយ័ត្ន — ការពារខ្លួន ប្រើពាក្យទន់ភ្លន់ បោះបង់ចោលព័ត៌មានលម្អិតដែលសំខាន់ ហើយបន្ថែមពាក្យ «សមរម្យ» ដូចជាគ្រឿងសំណាង។ លទ្ធផលកាន់តែអាក្រក់ មិនមែនព្រោះម៉ូដែលអាក្រក់ជាងមុនទេ តែព្រោះអ្នកឈប់ពិពណ៌នាអ្វីដែលអ្នកចង់បាន។ កម្មវិធីបង្កើតរូបភាពគ្មានសេនស័រ គឺជាមុខងារគុណភាពមួយផ្នែក ដោយសារហេតុផលនេះជាក់ស្តែង៖ អ្នកអាចសរសេរការពិពណ៌នាពិតប្រាកដ ដូច្នេះអ្នកទទួលបានរូបភាពពិតប្រាកដ។

03របៀបដែលលំហូរ «បញ្ជាក់មុនបង្កើត» របស់ Shannon ដំណើរការ

ការដកតម្រងចេញ បង្កើតសំណួរជាក់ស្តែងមួយ៖ ប្រសិនបើគ្មានអ្វីពិនិត្យសំណើ តើអ្វីរារាំងការយល់ច្រឡំមួយពីការក្លាយជារូបភាពដែលអ្នកមិនចង់បាន ហើយមិនរំពឹងថានឹងបង់ថ្លៃនោះ? ចម្លើយរបស់ Shannon មិនមែនជាច្រកទប់ស្វ័យប្រវត្តិមួយទៀតទេ។ វាគឺ ការបង្ហាញការណែនាំជូនអ្នក ហើយសួរអ្នក។

ជំហានទាំងបួន

1. អ្នកសួរជាភាសាធម្មតា ជាភាសាណាក៏បាន។ គ្មានវាក្យសម្ព័ន្ធពិសេស គ្មានពាក្យបញ្ជា /imagine គ្មានខ្សែអក្សរប៉ារ៉ាម៉ែត្រទេ។ អ្នកពិពណ៌នាអ្វីដែលអ្នកចង់បាន ដូចអ្នកនឹងពិពណ៌នាទៅមនុស្សម្នាក់។ Shannon ដំណើរការជាភាសាដែលអ្នកសរសេរ។
2. Shannon សម្រេចថាមានការស្នើសុំរូបភាព។ នេះជាការវិនិច្ឆ័យអំពីចេតនា មិនមែនការផ្គូផ្គងពាក្យគន្លឹះទេ។ ការនិយាយ អំពី រូបថតមួយ មិនមែនជាការស្នើសុំរូបថតនោះទេ។
3. Shannon សរសេរការណែនាំបង្កើតរូបភាពដោយខ្លួនឯង ជាភាសាអង់គ្លេស។ ទោះអ្នកសួរជាភាសាណាក៏ដោយ ការណែនាំត្រូវបានតែងជាភាសាអង់គ្លេស — ជាការពិពណ៌នារបស់អ្នកដែលត្រូវបានពង្រីកទៅជាទម្រង់ប្រយោគដាក់ប្រធានបទមុនគេ ដែលម៉ូដែលរូបភាពឆ្លើយតបល្អបំផុត ព្រមទាំងសមាមាត្រទំហំដែលបានជ្រើសរើស និងព័ត៌មានលម្អិតជាក់ស្តែងដែលសំណើខ្លីមួយបានទុកឱ្យខ្វះ។
4. កាតបញ្ជាក់លេចឡើង — ហើយឈប់។ អ្នកឃើញការណែនាំពេញលេញដែល Shannon បានសរសេរ មុនពេលអ្វីមួយត្រូវបានបង្កើត។ គ្មានអ្វីត្រូវបានបង្កើត ហើយក៏គ្មានអ្វីត្រូវបានគិតលុយ រហូតទាល់តែអ្នកបញ្ជាក់។ អ្នកអាចអនុម័តវា បដិសេធវា ឬប្រាប់ Shannon ថាត្រូវកែអ្វី រួចទទួលបានកាតថ្មីមួយទៀត។

ហេតុអ្វីវិធីនេះល្អជាងតម្រង

តម្រងគឺជាការសម្រេចចិត្តដែលធ្វើឡើង អំពីអ្នក ដោយមើលមិនឃើញ ដោយប្រើព័ត៌មានដែលវាមិនមាន។ កាតបញ្ជាក់គឺជាការសម្រេចចិត្តដែលធ្វើឡើង ដោយ អ្នក ដោយបើកចំហ ដោយប្រើព័ត៌មានទាំងអស់ដែលមាន។ ផលវិបាកកើនឡើងជាបន្តបន្ទាប់៖

• គ្មានការគិតលុយភ្ញាក់ផ្អើល។ ការបង្កើតរូបភាពជាជំហានថ្លៃបំផុត ហើយកាតមកមុន — ដូច្នេះសំណើដែលអានខុសចំណាយអ្នកត្រឹមមួយភ្លែតនៃការក្រឡេកមើល មិនមែនការបង្កើតរូបភាពមួយទេ។
• អ្នកចាប់បានការរអិលចេញ មុនពេលរូបភាពត្រូវបានបង្កើត។ ប្រសិនបើអ្នកសួរជាភាសាជប៉ុនអំពីពន្លឺបែបជាក់លាក់ណាមួយ ហើយការណែនាំជាភាសាអង់គ្លេសចេញមកខុសបន្តិច អ្នកឃើញវាក្នុងអត្ថបទ មិនមែនសាមសិបវិនាទីក្រោយមកក្នុងរូបភាពទេ។
• ការណែនាំបង្រៀនអ្នក។ ការអានពីរបៀបដែល Shannon ពង្រីក «រូបបញ្ឈរអារម្មណ៍ស្រពិចស្រពិលរបស់អ្នកលេងវីយូឡុង» ទៅជាកថាខណ្ឌពេញលេញមួយដែលមានកាមេរ៉ា កែវថត ពន្លឺ និងទីតាំង គឺជាមធ្យោបាយលឿនបំផុតដើម្បីរៀនថាម៉ូដែលរូបភាពឆ្លើយតបនឹងអ្វី។
• ភាពមិនច្បាស់លាស់ត្រូវបានដោះស្រាយឱ្យអ្នកសម្រេច។ ខណៈផលិតផលដែលមានតម្រងទាយដោយប្រុងប្រយ័ត្ន ហើយច្រើនតែបដិសេធ Shannon សរសេរការបកស្រាយល្អបំផុតរបស់វា រួចទុកឱ្យអ្នកកែតម្រូវ។

ឧទាហរណ៍ជាក់ស្តែងមួយ។ អ្នកវាយបញ្ចូល ជាភាសាព័រទុយហ្គាល់ ប្រហែលថា «ធ្វើផ្ទាំងរូបភាពសម្រាប់ការសម្តែងក្រុមតន្ត្រីរបស់ខ្ញុំនៅរោងមហោស្រពចាស់ រូបរាងគគ្រើម បែបទសវត្សរ៍ 70»។ Shannon ស្គាល់ថានេះជាការស្នើសុំរូបភាព ជ្រើសរើស tall ព្រោះអ្នកបាននិយាយពីផ្ទាំងរូបភាព រួចសរសេរថា៖

A four-piece rock band standing in the lobby of a decaying 1920s theater,
lit by a single bare bulb overhead, three of them facing camera and one
turned away. Shot on expired Kodak Portra 400, 35mm, heavy grain and
slight color shift toward magenta. Peeling gilt plasterwork and torn red
velvet drapes behind them, dust visible in the light. Shallow depth of
field, harsh top light, deep shadows under the eyes.

កាតនោះជាកន្លែងដែលអ្នកកត់សម្គាល់ថាអ្នកចង់បានសមាជិកក្រុមតន្ត្រីប្រាំនាក់ មិនមែនបួននាក់ទេ។ អ្នកប្រាប់ទៅ កាតធ្វើបច្ចុប្បន្នភាព ហើយទាល់តែពេលនោះទើបអ្វីមួយត្រូវបានបង្កើត។ ជាមួយផលិតផលដែលមានតម្រង អ្នកនឹងបានបង់ថ្លៃរូបភាពខុសមុនរួចទៅហើយ។

04Shannon មិនដែលបង្កើតរូបភាពដោយគ្មានការស្នើសុំឡើយ

របៀបបរាជ័យផ្ទុយគ្នាក៏សំខាន់ដូចគ្នាដែរ។ ផលិតផលដែលចង់បង្កើតរូបភាពខ្លាំងពេក ធ្វើឱ្យនឿយហត់៖ អ្នកបិទភ្ជាប់រូបថតអេក្រង់ដើម្បីសួរអំពីវា តែទទួលបានកំណែ «កែលម្អ» មកវិញ។ អ្នកនិយាយថា «ស្រមៃមើល» ជាពាក្យប្រៀបធៀប តែទទួលបានរូបភាព។ Shannon មិនធ្វើបែបនេះទេ។

• ការស្វាគមន៍មិនមែនជាសំណើទេ។ ការនិយាយសួស្តី ផ្តល់ចម្លើយ មិនមែនរូបភាពទេ។
• សំណួរមិនមែនជាសំណើទេ។ ការសួរថាអ្វីធ្វើឱ្យគម្របអាល់ប៊ុមមួយល្អ ផ្តល់ជូនអ្នកនូវចម្លើយអំពីគម្របអាល់ប៊ុម។
• រូបថតដែលភ្ជាប់មកធម្មតា មិនមែនជាសំណើទេ។ ការទម្លាក់រូបភាពមួយចូលក្នុងការសន្ទនាដើម្បីពិភាក្សា មិនចាប់ផ្តើមការកែសម្រួលទេ។
• ការនិយាយអំពីរូបភាព មិនមែនជាការស្នើសុំរូបភាពទេ។ ការពិភាក្សាអំពីគំនូរមួយ បច្ចេកទេសរបស់អ្នកថតរូប ឬសេចក្តីណែនាំរចនា នៅតែជាការសន្ទនាដដែល។

ហើយផលវិបាកបន្ទាប់បន្សំ ដែលមនុស្សយល់ថាមានប្រយោជន៍បំផុតក្នុងការងារប្រចាំថ្ងៃ៖ ការសុំឱ្យ Shannon មើលរូបភាពមួយ គឺជាការងារមើលឃើញធម្មតា មិនមែនការបង្កើតរូបភាពទេ។ ពិពណ៌នារូបថតនេះ អានអត្ថបទក្នុងរូបថតអេក្រង់នេះ ប្រាប់ខ្ញុំពីអ្វីខុសក្នុងប្លង់នេះ ចម្លងកំណត់ត្រាសរសេរដៃនេះ សម្គាល់រុក្ខជាតិនេះ — ទាំងអស់នេះជាការអាន មិនមែនការបង្កើតទេ។ វាមិនបង្កើតកាតបញ្ជាក់ ហើយ មិនចំណាយអ្វីបន្ថែម លើសពីការសន្ទនាធម្មតាឡើយ។ ការបង្កើតរូបភាពជាសកម្មភាពដាច់ដោយឡែក និងដោយចេតនា ដែលមានច្រកបញ្ជាក់ដែលមើលឃើញនៅពីមុខ ហើយអ្វីៗផ្សេងទៀតគ្រាន់តែជាការនិយាយប៉ុណ្ណោះ។

05សមាមាត្រទំហំ៖ រូបរាងប្រាំ ហើយជម្រើសរបស់អ្នកឈ្នះ

ការដាក់ស៊ុមមិនមែនជាការតុបតែងទេ។ វាផ្លាស់ប្តូរសមាសភាព របៀបដែលម៉ូដែលចែកចាយព័ត៌មានលម្អិត និងថាតើលទ្ធផលសមនឹងកន្លែងដែលអ្នកចង់ដាក់វាឬអត់។ Shannon ផ្តល់សមាមាត្រប្រាំ ស្មានយកមួយដែលសមរម្យពីការពិពណ៌នារបស់អ្នក ហើយគោរពតាមអ្នកភ្លាមៗនៅពេលអ្នកបញ្ជាក់ជម្រើស។

សមាមាត្រ	ប្រើសម្រាប់	កំណត់សម្គាល់
square	ការប្រើប្រាស់ទូទៅ រូបផលិតផល រូបតំណាង ការបង្ហោះលើបណ្តាញសង្គម វត្ថុតែមួយ។	ជាលំនាំដើម។ ត្រូវបានជ្រើសរើសនៅពេលគ្មានអ្វីក្នុងសំណើបញ្ជាក់ពីរូបរាង។
portrait	មនុស្ស រូបតែម្នាក់ កម្មវត្ថុខ្ពស់ គម្របសៀវភៅ រូបតួអង្គ។	ផ្តល់កន្លែងគ្រប់គ្រាន់ដល់រូបឈរ ដោយមិនកាត់ក្បាល ឬជើងចោល។
landscape	ទេសភាព ខាងក្នុងអគារ ក្រុមមនុស្ស ឈុតបង្ហាញទីតាំង។	រូបរាងធម្មជាតិសម្រាប់អ្វីៗដែលទទឹងជាងកម្ពស់។
wide	ការដាក់ស៊ុមបែបភាពយន្ត បដា ក្បាលទំព័រ ទេសភាពទូលាយ។	ទទឹងជាង landscape។ រុញម៉ូដែលទៅរកសមាសភាពបែបភាពយន្ត។
tall	ផ្ទាំងរូបភាព ផ្ទាំងអេក្រង់ទូរស័ព្ទ ប្លង់បញ្ឈរ ខិត្តប័ណ្ណព្រឹត្តិការណ៍។	ខ្ពស់ជាង portrait។ ទុកកន្លែងខាងលើ ដែលអក្សរលើផ្ទាំងរូបភាពជាធម្មតាស្ថិតនៅ។

កំណត់សម្គាល់ជាក់ស្តែងពីរ។ សំណើច្បាស់លាស់ពីអ្នកតែងតែឈ្នះ — និយាយថា wide នោះអ្នកទទួលបាន wide ទោះបីជាសម្រាប់រូបឈរតែម្នាក់ក៏ដោយ។ ហើយសមាមាត្រមានទំនាក់ទំនងជាមួយខ្លឹមសារ៖ ស៊ុមទូលាយអញ្ជើញម៉ូដែលឱ្យបំពេញផ្នែកចំហៀង ដូច្នេះរូបបញ្ឈរទូលាយរបស់មនុស្សម្នាក់ តែងតែបង្កើតបរិយាកាសជុំវិញគាត់។ ប្រសិនបើអ្នកចង់បានមុខជិតក្នុងស៊ុមទូលាយ សូមនិយាយឱ្យច្បាស់ («ដាក់ស៊ុមជិតត្រឹមក្បាល និងស្មា ផ្ទៃខាងក្រោយស្រអាប់បាត់ទៅ»)។ ការកែសម្រួលមានឥរិយាបថខុសគ្នាដោយចេតនា — ការកែសម្រួលរក្សាសមាមាត្រទំហំរបស់រូបភាពដើមដោយស្វ័យប្រវត្តិ ព្រោះការប្តូររូបរាងរបស់រូបភាពដែលអ្នកសុំកែ ស្ទើរតែមិនដែលជាអ្វីដែលអ្នកចង់បានឡើយ។ ការផ្សំរូបភាពវិញអនុញ្ញាតឱ្យអ្នកជ្រើសរើសផ្ទាំងថ្មី ព្រោះលទ្ធផលជាសមាសភាពថ្មីពិតប្រាកដ។

06តើអ្នកអាចបង្កើតអ្វីបានខ្លះ

មានប្រតិបត្តិការបី។ ព្រំដែនរវាងពួកវាគួរតែច្បាស់លាស់ ព្រោះការជ្រើសរើសខុសគឺជាមូលហេតុទូទៅបំផុតនៃលទ្ធផលដែលធ្វើឱ្យខកចិត្ត។

បង្កើតរូបភាពថ្មី

អត្ថបទចូល រូបភាពចេញ។ ភាពសមជាមួយរូបថតពិតជាលំនាំដើម លុះត្រាតែអ្នកសុំសិល្បៈ គំនូរ ឬអានីមេ — ដូច្នេះបើអ្នកចង់បានគំនូរផ្ទាំង សូមនិយាយថាគំនូរផ្ទាំង។ ការបំប្លែងអត្ថបទទៅរូបភាពនៅលើ Shannon មិនទទួលយកការណែនាំអវិជ្ជមានទេ៖ សូមពិពណ៌នាតែអ្វីដែលអ្នកចង់បាន។ ការសរសេរថា «គ្មានឡាន គ្មានមនុស្ស» តែងតែហៅមកនូវអ្វីដែលអ្នកបានដកចេញនោះឯង ព្រោះម៉ូដែលអានតែនាម មិនអានការបដិសេធទេ។

កែសម្រួលរូបភាពដែលមានស្រាប់មួយសន្លឹក

រូបភាពប្រភពតែមួយសន្លឹកគត់ — ដែលមានស្រាប់ក្នុងការសន្ទនា ឬភ្ជាប់មកជាមួយសារបច្ចុប្បន្ន — បូកនឹងការណែនាំមួយប្រាប់ថា អ្វីផ្លាស់ប្តូរ និងអ្វីនៅដដែល។ ការដាក់ឈ្មោះផ្នែកដែលមិនផ្លាស់ប្តូរ គឺជាឧបករណ៍បង្កើនគុណភាពធំបំផុតតែមួយក្នុងប្រព័ន្ធនេះ៖ «ប្តូរផ្ទៃខាងក្រោយទៅជាផ្លូវក្នុងទីក្រុងពេលយប់មានភ្លៀង ជាមួយពន្លឺនីអុងឆ្លុះ រក្សាស្ត្រីនោះឱ្យនៅដដែលបេះបិទ» ទប់កម្មវត្ថុបានល្អជាង «ប្តូរផ្ទៃខាងក្រោយ» ឆ្ងាយណាស់។ ការកែសម្រួលគាំទ្រការណែនាំអវិជ្ជមាន ដូច្នេះវត្ថុមិនចង់បានគួរដាក់នៅទីនោះ ជាជាងក្នុងការណែនាំសំខាន់។

ផ្សំរូបភាពពីរ ឬច្រើន

រាល់ពេលដែលធាតុមកពីរូបភាពច្រើនជាងមួយ៖ ការផ្ទេរសម្លៀកបំពាក់ ការដាក់វត្ថុ X ចូលក្នុងឈុត Y មនុស្ស A នៅក្បែរមនុស្ស B ផលិតផលនៅលើមនុស្ស ឬរចនាបថរបស់រូបភាពមួយជាមួយកម្មវត្ថុរបស់រូបភាពមួយទៀត។ ការណែនាំត្រូវតែ ដាក់ឈ្មោះតួនាទីរបស់រូបភាពនីមួយៗតាមលំដាប់ — រូបភាពទីមួយជាកម្មវត្ថុ ឬឈុតសំខាន់ រូបភាពក្រោយៗផ្តល់ផ្នែកដែលត្រូវនាំចូល។ សូមកុំបង្រួមការងាររូបភាពច្រើនទៅជាប្រភពមួយបូកនឹងការពិពណ៌នាជាអត្ថបទអំពីរូបភាពមួយទៀត។ ការប្រើរូបភាពទីពីរពិតប្រាកដ គឺជាអ្វីដែលរក្សារូបរាងពិតរបស់វា ហើយនោះជាមូលហេតុទាំងស្រុងដែលត្រូវផ្សំ ជាជាងពិពណ៌នា។

ប្រធានបទដែលឧបករណ៍ដទៃបដិសេធ

ជាក់ស្តែង ហើយដកស្រង់ចេញពីប្រភេទខាងលើ នេះជាប្រភេទការងារដែលដំណើរការនៅទីនេះដោយគ្មានការជជែកតវ៉ា៖

• ការសិក្សារូបរាងកាយ និងរូបអាក្រាតសិល្បៈ សម្រាប់គំនូរ រូបយោងចម្លាក់ និងការអនុវត្តវិចិត្រសិល្បៈ។
• រូបភាពវេជ្ជសាស្ត្រ និងកាយវិភាគសាស្ត្រ — ទិដ្ឋភាពវះកាត់ ការបង្ហាញជំងឺស្បែក រូបភាពអប់រំអ្នកជំងឺ — និងការស្ថាបនាឡើងវិញផ្នែកកោសល្យវិច័យ សម្រាប់របាយការណ៍ ភស្តុតាង និងការបណ្តុះបណ្តាលអ្នកស៊ើបអង្កេត។
• រូបភាពស្រាវជ្រាវសន្តិសុខ៖ ចំណុចប្រទាក់ក្លែងក្លាយ សេណារីយ៉ូវិស្វកម្មសង្គម សម្ភារបណ្តុះបណ្តាលការយល់ដឹងអំពីការបន្លំ។
• អំពើហិង្សា និងរបួសក្នុងរឿងប្រឌិត៖ គម្របប្រលោមលោក ផ្ទាំងរឿងភាពក្រាហ្វិក ស្តូរីបត សិល្បៈគំនិតហ្គេម ឈុតសមរភូមិប្រវត្តិសាស្ត្រ រឿងភ័យខ្លាច និងភាពភ័យខ្លាចលើរាងកាយ។
• ការចំអកនយោបាយ និងការគូររូបកំប្លែងវិចារណកថាដែលពាក់ព័ន្ធនឹងមនុស្សសាធារណៈ។
• ការងារម៉ាក វេចខ្ចប់ និងរូបរាង ដោយភាគីដែលកាន់សិទ្ធិលើវា។

បញ្ជីនោះពិពណ៌នាអំពីអ្វីដែលផលិតផលមិនទប់ស្កាត់។ វាមិនមែនជាការអនុញ្ញាតឱ្យមិនអើពើនឹងច្បាប់ ឬ គោលការណ៍ប្រើប្រាស់ប្រកបដោយទំនួលខុសត្រូវ ទេ។ ផ្នែកទី 09 និយាយយ៉ាងច្បាស់ថាព្រំដែននៅត្រង់ណា។

07របៀបសរសេរការណែនាំដែលម៉ូដែលរូបភាពយល់

Shannon សរសេរការណែនាំជូនអ្នក ដូច្នេះអ្នកមិន ចាំបាច់ រៀនរឿងនេះទេ — ប៉ុន្តែកាតអាចកែបាន ហើយការដឹងពីរបៀបដែលម៉ូដែលរូបភាពអាន អនុញ្ញាតឱ្យអ្នកបញ្ជាទិសបានច្បាស់លាស់។ នេះជាកំណែខ្លី។ ការពន្យល់ពេញលេញស្ថិតនៅក្នុង មគ្គុទ្ទេសក៍ការណែនាំ៖

• សរសេរជាប្រយោគ មិនមែនជាស្លាកទេ។ ម៉ូដែលរូបភាពអានការណែនាំដូចម៉ូដែលភាសាអានអត្ថបទ។ ប្រយោគពេញលេញល្អជាងពាក្យគន្លឹះបំបែកដោយសញ្ញាក្បៀស។ «A woman in her 30s at a rain-soaked Tokyo crosswalk at night» ល្អជាង «woman, 30s, Tokyo, rain, night»។
• តម្រង់គោលដៅ 30–80 ពាក្យ ហើយកុំលើសពី 100 ដាច់ខាត។ លើសពីនោះ ឃ្លាចុងក្រោយចាប់ផ្តើមបាត់បង់ឥទ្ធិពល។
• រៀបលំដាប់តាមរបៀបដែលម៉ូដែលអាន៖ កម្មវត្ថុ → សកម្មភាព ឬកាយវិការ → រចនាបថ និងអារម្មណ៍ → ទីតាំង និងពន្លឺ → ព័ត៌មានលម្អិតបច្ចេកទេស ដូចជាការដាក់ស៊ុម ជម្រៅវាល និងពណ៌។ អ្វីសំខាន់បំផុតដាក់មុនគេ។
• ធ្វើឱ្យកម្មវត្ថុមានលក្ខណៈជាក់ស្តែង។ «A man in his 40s with a salt-and-pepper beard» ជាកម្មវត្ថុមួយ។ «A person» ជាកន្លែងទំនេរដែលម៉ូដែលបំពេញដោយរូបមធ្យម។
• សម្រាប់រូបថត សូមសរសេរវាដូចរូបថត។ ដាក់ឈ្មោះកាមេរ៉ាពិត កែវថត និងហ្វីល ឬពន្លឺ — «shot on Kodak Portra 400, 85mm f/1.4, soft window light» — ហើយបន្ថែមព័ត៌មានលម្អិតដែលធ្វើឱ្យសមជាក់ស្តែង៖ រន្ធញើសស្បែក វាយនភាពក្រណាត់ ភាពមិនល្អឥតខ្ចោះតាមធម្មជាតិ។ សម្រាប់ឈុតដែលមានស្រទាប់ សូមពិពណ៌នាផ្ទៃខាងមុខ កណ្តាល និងខាងក្រោយជាឃ្លាដាច់ដោយឡែក ហើយភ្ជាប់ពណ៌ជាក់លាក់ទៅវត្ថុដោយប្រើតម្លៃ hex៖ «a jacket, color #8B0000»។
• លុបចោលពាក្យឥតប្រយោជន៍សម័យ SDXL។ «masterpiece, best quality, 8k» គ្មានឥទ្ធិពលអ្វីនៅទីនេះទេ ហើយវាក្យសម្ព័ន្ធទម្ងន់ដូចជា (word:1.3) មិនត្រូវបានវិភាគទេ។ កុំលាយទិសដៅផ្ទុយគ្នាដាច់ខាត — «photorealistic» និង «watercolor» ក្នុងការណែនាំតែមួយ ផ្តល់ជូនអ្នកនូវសូន្យទាំងពីរ។

ក្នុងការអនុវត្តជាក់ស្តែង៖ ជំនួសឱ្យ elderly fisherman, portrait, weathered face, harbor, morning, photorealistic, masterpiece, best quality, 8k សូមសរសេរតាមរបៀបដែលម៉ូដែលអានពិតប្រាកដ៖

An elderly fisherman in his 70s with a deeply weathered face and white
stubble, mending a net across his knees, looking down at his hands. Quiet,
unposed documentary mood. A small working harbor at first light, wooden
hulls and coiled rope behind him, mist over the water. Shot on Kodak Portra
400, 85mm f/1.4, soft overcast light, shallow depth of field, visible skin
texture and pores.

វាមិនមែនវែងដើម្បីវែងនោះទេ។ រាល់ឃ្លានីមួយៗជំនួសការសម្រេចចិត្តមួយ ដែលម៉ូដែលនឹងធ្វើដោយចៃដន្យ ដោយការសម្រេចចិត្តមួយដែលអ្នកបានធ្វើដោយចេតនា។

08កន្លែងដែលមុខងារនេះស្ថិតនៅ៖ កម្មវិធីជជែក មិនមែន API — និងគ្មានវីដេអូ

មានរឿងពីរនៅទីនេះ ដែលយើងចង់ប្រាប់អ្នកមុនពេលអ្នកចុះឈ្មោះ ជាជាងក្រោយពេលនោះ។

ការងាររូបភាពស្ថិតនៅក្នុងកម្មវិធីជជែក

ការបង្កើត ការកែសម្រួល និងការផ្សំរូបភាពច្រើន ទាំងអស់កើតឡើងនៅក្នុង កម្មវិធីជជែក Shannon។ ពួកវា មិន មាននៅលើ API /v1 ទេ។ API របស់ Shannon — /v1/chat/completions, /v1/messages និង /v1/responses ទាំងអស់ស្ទ្រីមបាន ទាំងអស់មានឯកសារនៅ shannon-ai.com/docs/api — បម្រើ អត្ថបទ និងការមើលឃើញ។ ការមើលឃើញមានន័យថាម៉ូដែល អាន រូបភាពដែលអ្នកផ្ញើទៅ៖ ការពិពណ៌នា ការវិភាគ ការចម្លងអត្ថបទ ការវែកញែកអំពីតារាង ឬរូបថតអេក្រង់។ វាមិនមានន័យថាបង្កើតរូបភាពទេ។ ប្រសិនបើអ្នករកឃើញទំព័រនេះដោយស្វែងរក «API បង្កើតរូបភាពគ្មានសេនស័រ» នោះជាចម្លើយត្រង់ ហើយយើងចង់និយាយត្រង់ឥឡូវនេះ ជាជាងទុកឱ្យអ្នករកឃើញវាក្រោយពេលរួមបញ្ចូលរួច។ អ្វីដែល API ពិតជាល្អសម្រាប់ គឺជាពាក់កណ្តាលមួយទៀតនៃបញ្ហាដដែល៖ អត្ថបទ និងការមើលឃើញគ្មានការចាប់សេនស័រ គ្មានស្រទាប់បដិសេធ គ្រាមភាសា API បី ដំណើរការលើចង្កោម GPU ផ្ទាល់ខ្លួនរបស់យើង។ លិបិក្រមស្រាវជ្រាវ មានកាតម៉ូដែលសម្រាប់ម៉ូដែលនីមួយៗ។

យើងបញ្ជាក់រឿងនេះឱ្យច្បាស់ ព្រោះ «កម្មវិធីបង្កើតរូបភាពគ្មានសេនស័រ» និង «កម្មវិធីបង្កើតវីដេអូគ្មានសេនស័រ» ស្ថិតនៅជិតគ្នាក្នុងលទ្ធផលស្វែងរក ហើយទំព័រដែលនៅស្ងៀមអំពីមុខងារដែលខ្វះ គឺកំពុងសង្ឃឹមថាអ្នកនឹងចុះឈ្មោះមុនពេលអ្នកកត់សម្គាល់។ រូបភាពត្រូវបានបង្កើតនៅលើ ចង្កោម GPU ផ្ទាល់ខ្លួនរបស់យើង។ វីដេអូមិនត្រូវបានបង្កើតនៅកន្លែងណាទាំងអស់ ព្រោះយើងមិនធ្វើវាទេ។

09ការប្រើប្រាស់ប្រកបដោយទំនួលខុសត្រូវ និយាយត្រង់ៗ

Shannon Lab LLC ជាក្រុមហ៊ុននៅរដ្ឋ New Mexico ដែលដំណើរការក្រោមច្បាប់សហរដ្ឋអាមេរិក។ ការដកតម្រងស្វ័យប្រវត្តិចេញ មិនបានដកច្បាប់ ឬគោលការណ៍របស់យើងចេញទេ។ អ្វីដែលវាធ្វើ គឺផ្លាស់ប្តូរការវិនិច្ឆ័យពីកម្មវិធីចាត់ថ្នាក់ដែលមើលមិនឃើញបរិបទ ទៅជាអ្នកជំនាញម្នាក់ដែលមើលឃើញ — ហើយដែលទទួលខុសត្រូវលើលទ្ធផល។

ខ្លឹមសារផ្លូវភេទដែលពាក់ព័ន្ធនឹងអនីតិជន ត្រូវបានហាមឃាត់ដាច់ខាត ហើយមិនមែនជាតំបន់ប្រផេះលើអ័ក្សណាមួយឡើយ។ ដូចគ្នាដែរចំពោះខ្លឹមសារដែលផលិតឡើងដើម្បីបៀតបៀន បរិហារកេរ្តិ៍ បោកបញ្ឆោត ឬក្លែងខ្លួនជាមនុស្សពិត — រួមទាំងរូបភាពផ្លូវភេទរបស់បុគ្គលពិតដែលអាចសម្គាល់បាន ដែលធ្វើឡើងដោយគ្មានការយល់ព្រមរបស់គាត់ — និងការប្រើប្រាស់ម៉ាក ឬរូបរាងរបស់ភាគីដទៃដើម្បីបញ្ឆោត។ ទាំងនេះមិនមែនជាប្រភេទតម្រងដែលចៃដន្យត្រូវបានបិទទេ ពួកវាជាការប្រើប្រាស់ដែលត្រូវបានហាមឃាត់ ហើយត្រូវបានអនុវត្តលើគណនី ជាជាងលើពាក្យគន្លឹះ ដែលជាកម្រិតដែលចេតនាពិតជាមើលឃើញ។ លក្ខខណ្ឌពេញលេញស្ថិតនៅ គោលការណ៍ប្រើប្រាស់ប្រកបដោយទំនួលខុសត្រូវ។ កិច្ចព្រមព្រៀងគឺត្រង់ៗ៖ ឧបករណ៍មួយដែលមិនសង្ស័យវិជ្ជាជីវៈរបស់អ្នក ជាថ្នូរនឹងការដែលអ្នកជាអ្នកជំនាញដូចដែលវាសន្មត់។

10សំណួរដែលសួរញឹកញាប់

11អត្ថបទផ្សេងទៀតក្នុងស៊េរីនេះ

អត្ថបទបំពេញបន្ថែមបួន ស្វែងយល់ស៊ីជម្រៅអំពីផ្នែកដែលអ្នកនឹងចំណាយពេលច្រើនបំផុត៖

• ការកែសម្រួលរូបភាព AI គ្មានសេនស័រ — ការណែនាំបែបបញ្ជា ការទប់អ្វីដែលនៅដដែល ការណែនាំអវិជ្ជមាន និងសមាមាត្រទំហំដែលទទួលមរតក។
• ការផ្សំរូបភាពច្រើនគ្មានសេនស័រ — លំដាប់តួនាទី ការផ្ទេរសម្លៀកបំពាក់ ផលិតផលនៅលើមនុស្ស ការដាក់កម្មវត្ថុចូលក្នុងឈុត។
• មគ្គុទ្ទេសក៍ការណែនាំរូបភាពគ្មានសេនស័រ — ប្រយោគជាជាងស្លាក ការដាក់កម្មវត្ថុមុនគេ ភាសាកាមេរ៉ា និងហ្វីល ពណ៌ hex និងពាក្យគ្មានឥទ្ធិពល។
• រូបភាព AI គ្មានសេនស័រ ធៀបនឹងមានតម្រង — សំណើដដែលឆ្លងកាត់ការរចនាទាំងពីរ ប្រភេទម្តងមួយៗ។

សម្រាប់ផ្នែកអត្ថបទ និងការមើលឃើញនៃវេទិកានេះ — ម៉ូដែលគ្មានការចាប់សេនស័រនៅពីក្រោយ API — សូមចាប់ផ្តើមនៅ លិបិក្រមស្រាវជ្រាវ។

---

Shannon Lab LLC រដ្ឋ New Mexico សហរដ្ឋអាមេរិក។ ការបង្កើតរូបភាព ការកែសម្រួល និងការផ្សំរូបភាពច្រើន គឺជាមុខងាររបស់កម្មវិធីជជែក Shannon ហើយមិនមាននៅលើ API /v1 ដែលបម្រើអត្ថបទ និងការមើលឃើញនោះទេ។ គ្មានការបង្កើតវីដេអូទេ។ សមាមាត្រទំហំ លំហូរបញ្ជាក់ និងប្រតិបត្តិការដែលបានពិពណ៌នានៅទីនេះ ឆ្លុះបញ្ចាំងពីផលិតផលគិតត្រឹមថ្ងៃទី 5 ខែកញ្ញា ឆ្នាំ 2026។