មគ្គុទ្ទេសក៍សរសេរការណែនាំ រូបភាព AI

មនុស្សភាគច្រើនមកដល់ជាមួយទម្លាប់សរសេរការណែនាំដែលរៀនពី SDXL៖ ខ្សែនាមបំបែកដោយសញ្ញាក្បៀស បុព្វបទពាក្យគុណភាព ទម្ងន់ក្នុងវង់ក្រចកពីរបី និងការណែនាំអវិជ្ជមានវែងស្មើនឹងការណែនាំវិជ្ជមាន។ ទម្លាប់ទាំងនោះត្រឹមត្រូវសម្រាប់ម៉ូដែលទាំងនោះ តែផ្តល់លទ្ធផលផ្ទុយនៅទីនេះ។ នេះជាកំណែខ្លីនៃអ្វីដែលដំណើរការពិតប្រាកដ — ហើយដោយសារ Shannon សរសេរការណែនាំបង្កើតរូបភាពជូនអ្នក ហើយបង្ហាញវាមុនពេលអ្វីមួយត្រូវបានបង្កើត វាក៏ជាមគ្គុទ្ទេសក៍សម្រាប់ ការអាន និងកែតម្រូវ អ្វីដែល Shannon ស្នើឡើងផងដែរ។

01ហេតុអ្វីអត្ថបទសេចក្តីឈ្នះស្លាក៖ ម៉ូដែលអានដូចម៉ូដែលភាសា

ម៉ូដែល diffusion ចាស់ៗដែលដំបូន្មានសរសេរការណែនាំភាគច្រើនត្រូវបានសរសេរសម្រាប់ បានប្រើអង្គចាប់អត្ថបទដែលដំណើរការជាក់ស្តែងដូចថង់គំនិតមួយ៖ វេយ្យាករណ៍មិនសូវសំខាន់ ហើយយុទ្ធសាស្ត្រឈ្នះគឺការគរនាមពាក់ព័ន្ធ ហើយលំអៀងវាដោយទម្ងន់។ ស៊ុបស្លាកគឺជាទម្រង់ការណែនាំត្រឹមត្រូវសម្រាប់អង្គចាប់អត្ថបទនោះ។

ម៉ូដែលរូបភាពរបស់ Shannon មិនដំណើរការបែបនោះទេ។ វាអានការណែនាំតាមរបៀបដែលម៉ូដែលភាសាអានអត្ថបទ ដូច្នេះ វាក្យសម្ព័ន្ធផ្ទុកអត្ថន័យ។ "Holding an umbrella against her shoulder" គឺជាទំនាក់ទំនងរវាងមនុស្សម្នាក់ វត្ថុមួយ និងផ្នែកមួយនៃរាងកាយ ខណៈ "umbrella, shoulder" គ្រាន់តែជារបស់ពីរដែលកើតមានក្នុងរូបប៉ុណ្ណោះ។ បុព្វបទដាក់ទីតាំងឲ្យវត្ថុ។ កិរិយាសព្ទបង្កើតកាយវិការ។ ឃ្លាភ្ជាប់ព័ត៌មានលម្អិតទៅនាមត្រឹមត្រូវ ជំនួសឲ្យការទុកឲ្យវាអណ្តែតពេញរូបភាព។

នេះជារូបភាពដដែល ដែលត្រូវបានស្នើសុំតាមរបៀបទាំងពីរ។

woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealistic

A woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.

មើលអ្វីដែលកំណែស្លាកមិនអាចបង្ហាញបាន។ វាមិនដែលនិយាយថាឆ័ត្រត្រូវបាន កាន់ ទេ ដូច្នេះវាអាចនឹងទៅដេកលើដីវិញ។ វាមិនដែលនិយាយថាពន្លឺនេអុងត្រូវបាន ឆ្លុះបញ្ចាំង ក្នុងផ្លូវក្រាលកៅស៊ូទេ គ្រាន់តែថាទាំងពីរមានវត្តមាន ដូច្នេះអ្នកទទួលបានផ្លាកសញ្ញា និងផ្លូវសើម ដោយគ្មានទំនាក់ទំនងខាងអុបទិករវាងវាទេ។ វាមិនដែលនិយាយថាស្ត្រីនោះកំពុងមើលទៅទីណា ដូច្នេះកាយវិការរបស់នាងគឺជាការបោះកាក់។ "Cinematic lighting" គឺជាស្លាកអារម្មណ៍ មិនមែនជាប្រភពពន្លឺទេ។ ហើយពាក្យប្រាំចុងក្រោយគឺជាសំឡេងរំខាន ដែលត្រូវបានអានជាពាក្យអង់គ្លេសអំពីការថតរូប ជាជាងជាឧបករណ៍បញ្ជា។

កំណែអត្ថបទសេចក្តីមិនវែងជាងព្រោះវាពីរោះទេ។ វាវែងជាងព្រោះវាឆ្លើយសំណួរដែលកំណែស្លាកទុកចោល។ នោះជាល្បិចទាំងមូល។

02តើការណែនាំរូបភាពគួរវែងប៉ុនណា?

តម្រង់ទៅរក 30 ដល់ 80 ពាក្យ។ កុំហួសពី 100 ពាក្យច្រើនពេក។ នេះជាឧបករណ៍លើកកម្ពស់គុណភាពដែលងាយស្រួលបំផុតដែលអ្នកមាន ហើយចុងទាំងសងខាងនៃចន្លោះនេះសុទ្ធតែសំខាន់។

ក្រោម 30 ពាក្យ សមាសភាព ពន្លឺ និងការដាក់ស៊ុមមិនត្រូវបានបញ្ជាក់ទេ ដូច្នេះម៉ូដែលជ្រើសរើសអ្វីដែលធម្មតាបំផុតតាមស្ថិតិ។ "A woman in a coffee shop" គឺជាការណែនាំត្រឹមត្រូវមួយដែលបង្កើតរូបភាពគួរឲ្យភ្លេច ព្រោះអ្នកបានប្រគល់រាល់ការសម្រេចចិត្តគួរឲ្យចាប់អារម្មណ៍ទាំងអស់ទៅឲ្យវា។

លើសពីប្រហែល 100 ពាក្យ បញ្ហាមួយផ្សេងទៀតលេចឡើង៖ ឃ្លាចុងក្រោយប្រកួតប្រជែងជាមួយឃ្លាដើមសម្រាប់តំបន់ដូចគ្នានៃរូបភាព ហើយជំនួសឲ្យការបូកបញ្ចូលព័ត៌មានលម្អិត អ្នកបែរជាទទួលបានការរលាយ។ ការរៀបរាប់ពន្លឺទីបីលុបចោលការរៀបរាប់ទីមួយ ហើយកម្មវត្ថុដែលអ្នកបានបង្កើតក្នុងប្រាំបីពាក្យដំបូងទទួលបានការយកចិត្តទុកដាក់តិចទៅៗតាមរាល់ប្រយោគដែលអ្នកបន្ថែម។ ការណែនាំវែងអានទៅដូចជាហ្មត់ចត់។ តែវាមិនបង្កើតរូបហ្មត់ចត់ទេ។

វិន័យ៖ សរសេរការណែនាំដែលអ្នកចង់បាន បន្ទាប់មកកាត់វាមកត្រឹមប្រយោគដែលនឹងផ្លាស់ប្តូររូបភាព បើដកចេញ។

03វិន័យលំដាប់៖ អ្វីសំខាន់បំផុតមុនគេ

ដោយសារម៉ូដែលអានតាមលំដាប់ ទីតាំងគឺជាការសង្កត់ន័យ៖ អ្វីដែលមកមុនកំណត់មូលដ្ឋានរូបភាព ហើយអ្វីដែលមកចុងក្រោយកែសម្រួលវា។ ដាក់វត្ថុតាមលំដាប់ដែលម៉ូដែលត្រូវការ៖

1. កម្មវត្ថុ — រូបនេះជារូបរបស់នរណា ឬអ្វី ដោយជាក់លាក់។
2. សកម្មភាព ឬកាយវិការ — ពួកគេកំពុងធ្វើអ្វី និងកាន់ខ្លួនបែបណា។
3. រចនាបថ ឬអារម្មណ៍ — រូបថត គំនូរប្រេង គំនូរបច្ចេកទេស និងសម្លេងដែលវាស្ថិតនៅ។
4. ទីកន្លែង និងពន្លឺ — រឿងនេះកើតឡើងនៅឯណា និងពន្លឺបែបណាបំភ្លឺវា។
5. បច្ចេកទេស — ការដាក់ស៊ុម កែវថត ជម្រៅវាល ព័ត៌មានលម្អិតពណ៌។

កំហុសដែលមនុស្សធ្វើដាក់ខ្លួនឯងញឹកញាប់បំផុតគឺការចាប់ផ្តើមដោយឃ្លាបច្ចេកទេស។ ការបើកដោយ "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" ប្រាប់ម៉ូដែលថា រូបរាង ជាកម្មវត្ថុ ហើយបុរសនោះគ្រាន់តែជាព័ត៌មានលម្អិត។ អ្នកទទួលបានស៊ុមស្អាតតែទទេ ដែលមានតួអង្គតូចមិនច្បាស់នៅក្នុងនោះ។

Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.

A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.

ធាតុទាំងអស់ពីកំណែទីមួយនៅតែមានក្នុងកំណែទីពីរ គ្មានអ្វីត្រូវបានដកចេញទេ។ ម៉ូដែលឥឡូវនេះគ្រាន់តែដឹងថារូបភាពនេះជារូប របស់អ្វី មុនពេលវាត្រូវបានប្រាប់ពីរបៀបថតវា — ហើយការរៀបលំដាប់ឡើងវិញនោះតែម្នាក់ឯង ផ្លាស់ប្តូរកម្មវត្ថុពីរបស់ចៃដន្យទៅជាចំណុចកណ្តាល។

04ត្រូវនិយាយឲ្យជាក់លាក់អំពីកម្មវត្ថុ

"A person" មិនមែនជាកម្មវត្ថុទេ វាជាកន្លែងទំនេរ — ហើយម៉ូដែលបំពេញកន្លែងទំនេរដោយមធ្យមភាគនៃអ្វីៗគ្រប់យ៉ាងដែលវាបានឃើញ ដែលនោះជាប្រភពនៃរូបរាងរលោង គ្មានអាយុ គ្មានបុគ្គលិកលក្ខណៈ។ ភាពជាក់លាក់ចំណាយប្រាំពាក្យ ហើយទិញបានមនុស្សពិតប្រាកដម្នាក់៖

ចាំមើលលំនាំ៖ អាយុ ឬសម័យកាល លក្ខណៈរចនាសម្ព័ន្ធមួយ និងភាពមិនល្អឥតខ្ចោះមួយដែលធ្វើឲ្យខុសពីគេ។ ធាតុទីបីនោះជាអ្វីដែលធ្វើឲ្យលទ្ធផលមានអារម្មណ៍ថាត្រូវបានថត ជាជាងត្រូវបានបង្កើត។ ធ្មេញបាក់មួយ ជាយសំពត់រហែក ផ្លាកសញ្ញាលាបពណ៌ពីលើ — ភាពមិនស៊ីមេទ្រីតូចៗគឺជាសញ្ញាប្រឆាំងភាពប្លាស្ទិកខ្លាំងបំផុតដែលអ្នកមាន ហើយវាស្ទើរតែមិនចំណាយអ្វីលើថវិកាពាក្យរបស់អ្នកទេ។

05ភាពដូចរូបថត៖ សរសេរសំណើជារូបថត

ភាពដូចរូបថតគឺជាសម្លេងលំនាំដើម លុះត្រាតែអ្នកសុំសិល្បៈ គំនូរ ឬអានីមេ។ ប៉ុន្តែពាក្យ "photorealistic" ធ្វើការបានតិចតួច។ អ្វីដែលបង្កើតបានរូបថតគឺការរៀបរាប់ពីសកម្មភាពថតរូប៖ កាមេរ៉ាពិត កែវថតពិត និងប្រភេទហ្វីល ឬប្រភពពន្លឺពិត។

ហេតុផលគឺត្រង់។ រាល់រូបភាពដែលមានចំណងជើង "Kodak Portra 400" ត្រូវបានផលិតដោយដំណើរការជាក់លាក់មួយ ដែលមានរចនាសម្ព័ន្ធគ្រាប់ ការធ្លាក់ចុះនៃពន្លឺភ្លឺ និងការបង្ហាញស្បែកជាក់លាក់ ហើយការបញ្ជាក់ឈ្មោះហ្វីលនោះនាំយកទាំងអស់នោះមក។ "8k ultra detailed" ធ្លាប់តែលេចឡើងលើគេហទំព័រលក់រូបភាពឥតបានការ ដូច្នេះវានាំយកមកនូវរូបភាពឥតបានការនោះ។ នេះជារូបមន្តជឿទុកចិត្តបានពីរបី ដែលនីមួយៗបង្កើតរូបភាពខុសគ្នាច្បាស់ពីកម្មវត្ថុដដែល៖

ផ្គូផ្គងព័ត៌មានលម្អិតបញ្ជាក់ភាពពិតទៅនឹងរូបមន្ត — វាយនភាពស្បែកកម្រិតរន្ធញើសគ្មានន័យទេនៅក្នុងរូបទូលាយ 24mm ដែលមុខមានកម្ពស់ត្រឹមប៉ែតសិបភីកសែល — រួចទើបបន្ថែមវា។ ព័ត៌មានលម្អិតបញ្ជាក់ភាពពិត គឺជាភស្តុតាងវាយនភាពដែលបង្ហាញថាកែវថតបានថតវាពិតមែន។ រន្ធញើសស្បែកមើលឃើញ និងរោមមុខម៉ត់។ ក្រណាត់ត្បាញនៃអាវលីនិន។ ធូលីអណ្តែតក្នុងធ្នូពន្លឺ។ ស្នាមកោសលើស្បែកជើងស្បែក។ សក់ប៉ើងធៀបនឹងផ្ទៃខាងក្រោយភ្លឺ។ ពីរឬបីគឺគ្រប់គ្រាន់ ហើយវាជាភាពខុសគ្នារវាងរូបគំនូរនៃមនុស្សម្នាក់ និងរូបថតនៃមនុស្សម្នាក់។

06ឈុតជាស្រទាប់៖ ផ្នែកខាងមុខ ផ្នែកកណ្តាល ផ្នែកខាងក្រោយ

ពេលឈុតមួយមានជម្រៅ ចូររៀបរាប់ប្លង់ទាំងបីដោយឡែកពីគ្នា និងតាមលំដាប់។ នេះជាបច្ចេកទេសមានប្រសិទ្ធភាពបំផុតសម្រាប់រូបភាពដែលគួរមានអារម្មណ៍ថាជាទីកន្លែងពិត ជាជាងផ្ទាំងខាងក្រោយ ហើយស្ទើរតែគ្មាននរណាធ្វើវាទេ។ បើគ្មានវា អ្នកទទួលបានភាពរាបស្មើ៖ អ្វីៗគ្រប់យ៉ាងដែលការណែនាំរៀបរាប់ធ្លាក់នៅចម្ងាយប្រហែលដូចគ្នា ដោយប្រកួតប្រជែងគ្នាក្នុងរបារកណ្តាលនៃស៊ុមដដែល។ ការដាក់ឈ្មោះប្លង់ផ្តល់ថវិកាជម្រៅឲ្យម៉ូដែលចំណាយ។

In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.

ការកែលម្អពីរ។ ដាក់អ្វីមួយនៅផ្នែកខាងមុខដែល ចេតនា មិនច្បាស់ — រូបថតពិតនៃឈុតជ្រៅស្ទើរតែតែងតែមានវា ហើយអវត្តមានរបស់វាជាសញ្ញាបញ្ចេញញឹកញាប់។ ហើយបញ្ជាក់ថាកម្មវត្ថុស្ថិតនៅប្លង់ណា៖ បើអ្នកដឹកជញ្ជូនកង់ជាចំណុចសំខាន់នៃរូបភាព នាងគួរនៅផ្នែកកណ្តាល បើមិនដូច្នេះទេ អគារ និងកែវកាហ្វេនឹងប្រកួតជាមួយនាងដើម្បីស៊ុម។

07ពណ៌ជាក់លាក់៖ លេខកូដ hex ភ្ជាប់ទៅវត្ថុ

សម្រាប់ការងារម៉ាក ភាពជាប់លាប់នៃសម្លៀកបំពាក់ ឬកន្លែងណាដែល "ក្រហម" មិនគ្រប់គ្រាន់ ចូរសរសេរលេខកូដ hex ជាទម្រង់ color #RRGGBB ហើយ ភ្ជាប់វាទៅវត្ថុដែលមានឈ្មោះ៖

...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F.

...#8B0000, #1E3A5F, dark red and navy color palette, moody...

ច្បាប់ទូទៅបី។ ប្រើ hex សម្រាប់ពណ៌ពីរ ឬបីដែលពិតជាសំខាន់ ហើយប្រើពាក្យធម្មតាសម្រាប់ពណ៌ដទៃ — ការណែនាំដែលមានលេខកូដ hex ប្រាំមួយចំណាយថវិកាភាគច្រើនរបស់វាទៅលើបន្ទះពណ៌។ ភ្ជាប់លេខកូដទៅវត្ថុដែលមានគែម មិនមែនទៅ "ពន្លឺ" ឬ "អារម្មណ៍" ទេ។ ហើយចាំថាវាបញ្ជាក់ពណ៌របស់វត្ថុ មិនមែនតម្លៃភីកសែលចុងក្រោយទេ៖ អាវពណ៌ #8B0000 ក្រោមពន្លឺបញ្ច្រាសម៉ោងមាសនឹងចេញឧណ្ហជាងបន្ទះពណ៌ ដូចវានឹងកើតឡើងក្នុងជីវិតពិត។

08ការជ្រើសរើសសមាមាត្រទំហំ

មានសមាមាត្រប្រាំដែលអាចប្រើបាន ហើយសមាមាត្រត្រឹមត្រូវជាធម្មតាត្រូវបានបញ្ជាក់ដោយប្រយោលពីកម្មវត្ថុ ប៉ុន្តែសំណើច្បាស់លាស់ពីអ្នកតែងតែឈ្នះ — សុំផ្ទាំងរូបភាព នោះអ្នកទទួលបាន tall ដោយមិនគិតពីអ្វីដែលខ្លឹមសារបញ្ជាក់ទេ។

ការធ្វើខុសរឿងនេះបង្កគ្រោះថ្នាក់ជាងអ្វីដែលមើលឃើញ។ តួអង្គឈរពេញខ្លួនក្នុងស៊ុម wide មិនផ្តល់ឲ្យអ្នកនូវតួអង្គតូចក្នុងស៊ុមធំទេ — ជាទូទៅវាផ្តល់ឲ្យអ្នកនូវតួអង្គដែលត្រូវកាត់ ព្រោះម៉ូដែលបំពេញទទឹង ហើយក្បាល ឬជើងចេញក្រៅស៊ុម។ ផ្គូផ្គងស៊ុមទៅនឹងអ័ក្សលេចធ្លោរបស់កម្មវត្ថុ នោះការត្អូញត្អែរអំពីសមាសភាពភាគច្រើននឹងរលាយបាត់។

ឥរិយាបថពីរដែលគួរចាំ៖ ការកែសម្រួលរក្សាសមាមាត្រទំហំរបស់រូបភាពដើមដោយស្វ័យប្រវត្តិ ដូច្នេះអ្នកមិនអាចប្តូរស៊ុមដោយការកែសម្រួលទេ ខណៈ ការផ្សំអនុញ្ញាតឲ្យអ្នកជ្រើសរើសផ្ទាំងគំនូរថ្មី — ជារឿយៗនេះជាវិធីស្អាតបំផុតដើម្បីប្តូររាងរបស់អ្វីមួយដែលអ្នកមានស្រាប់។

09ទម្លាប់ខុស៖ អ្វីដែលត្រូវឈប់ធ្វើ

ពាក្យគុណភាព៖ "masterpiece, best quality, 8k, ultra detailed"

ទាំងនេះជាឧបករណ៍បញ្ជាដែលសហគមន៍រកឃើញសម្រាប់ការចែកចាយទិន្នន័យបណ្តុះបណ្តាលចាស់ជាក់លាក់មួយ ដែលឃ្លាចំណងជើងខ្លះមានទំនាក់ទំនងជាមួយប្រភពរូបភាពខ្លះ។ វាមិនផ្ទេរមកទីនេះទេ។ នៅទីនេះវាត្រូវបានអានជាពាក្យអង់គ្លេសធម្មតា មិនរួមចំណែកអ្វីទាំងអស់ ហើយស៊ីផ្នែកមួយនៃថវិកាពាក្យដែលអ្នកត្រូវបានប្រាប់រួចហើយថាតឹងតែង។ អ្វីដែលត្រូវជំនួសគឺនិយាយថាព័ត៌មានលម្អិត មួយណា ដែលអ្នកចង់បាន៖ មិនមែន "ultra detailed" ទេ តែ "visible weave in the coat fabric and fine stubble along the jaw" — ចេតនាដដែល តែបង្ហាញជាអ្វីដែលម៉ូដែលអាចបង្កើតបាន។

វាក្យសម្ព័ន្ធទម្ងន់៖ (word:1.3), [word], {{word}}

មិនត្រូវបានវិភាគទេ។ វង់ក្រចក តង្កៀប សញ្ញាចុចពីរ និងលេខទាំងនោះធ្លាក់ជាអត្ថបទសុទ្ធ ហើយបើមានប្រសិទ្ធភាពអ្វី ក៏វាធ្វើឲ្យឃ្លាជុំវិញកាន់តែពិបាកអានប៉ុណ្ណោះ។ បើអ្នកចង់សង្កត់ន័យលើអ្វីមួយបន្ថែម ចូរប្រើឧបករណ៍ពីរដែលដំណើរការ៖ ផ្លាស់វាមកមុន ក្នុងការណែនាំ ហើយ ផ្តល់ពាក្យច្រើនជាងឲ្យវា។ "A crimson silk scarf, its fringed ends lifting in the wind" លើសពី "(red scarf:1.4)" តាមរាល់រង្វាស់ដែលសំខាន់។

ការណែនាំផ្ទុយគ្នា

ការលាយបញ្ចូលការណែនាំដែលមិនត្រូវគ្នាមិនធ្វើឲ្យវាលាយចូលគ្នាទេ វាបង្កើតមធ្យមភាគមិនស្ថិតស្ថេរដែលជាធម្មតាមិនបំពេញចិត្តភាគីណាមួយឡើយ។ អ្នកល្មើសញឹកញាប់៖

• មធ្យោបាយ — "photorealistic" បូក "watercolor" ឬ "oil painting" បូក "shot on 85mm"។ ជ្រើសមួយ ហើយប្តេជ្ញាតាមវា។
• ការដាក់ស៊ុម — "wide establishing shot" បូក "extreme close-up on her eyes" ឬ "full body" បូក "detailed facial pores"។
• ពន្លឺ — "harsh midday sun" បូក "soft golden hour glow" ឬ "low key, deep shadows" បូក "bright and airy"។
• សម័យកាល — "1970s film aesthetic" បូក "modern minimalist" បូក "cyberpunk"។
• ការគរដាក់រចនាបថ — សិល្បករបួន ឬប្រភេទបួនក្នុងពេលតែមួយ។ ឯកសារយោងពាក់ព័ន្ធពីរអាចដំណើរការបាន បួនលុបគ្នាទៅជាធម្មតា។
• ការរាលដាល — "rustic, weathered, ancient, timeworn wooden door" គឺជាគំនិតតែមួយសរសេរបួនដង ហើយរាល់ការធ្វើម្តងទៀតធ្វើឲ្យផ្នែកដទៃនៃការណែនាំរលាយ។

10គ្មានការណែនាំអវិជ្ជមាននៅក្នុងអត្ថបទទៅរូបភាពទេ

នេះជាទម្លាប់ខុសដែលចាប់អ្នកប្រើមានបទពិសោធន៍ខ្លាំងបំផុត ព្រោះនៅលើប្រព័ន្ធចាស់ ការណែនាំអវិជ្ជមានជាពាក់កណ្តាលនៃសិល្បៈនេះ។

សម្រាប់ការបង្កើតរូបភាព ច្បាប់នេះដាច់ខាត ហើយផ្ទុយនឹងវិចារណញាណបន្តិច៖ ការសរសេរ "no text, no watermark, no extra fingers" ចូលក្នុងការណែនាំ ធ្វើឲ្យរបស់ទាំងនោះកាន់តែទំនងជាលេចឡើង មិនមែនតិចទេ។ ម៉ូដែលអាន "no text" ជាប្រយោគមួយដែលមានគំនិត text ខាងក្នុង ហើយការបដិសេធជាសញ្ញាខ្សោយ ចំណែកនាមជាសញ្ញាខ្លាំង។ តាមពិតអ្នកបានស្នើសុំអក្សរ។ ចូរបញ្ជាក់ជាទម្រង់វិជ្ជមានជំនួសវិញជានិច្ច៖

សម្រាប់ ការកែសម្រួល និងការផ្សំ ការណែនាំអវិជ្ជមានមានពិត ហើយអ្នកគួរប្រើវា — តែសម្រាប់សំណល់រូបភាព មិនមែនសម្រាប់ខ្លឹមសារទេ។ សម្ភារៈល្អ៖ ស្លាកទឹក អក្សរដាក់ត្រួត អវយវៈស្ទួន ដៃខូចទ្រង់ទ្រាយ រង្វង់ភ្លឺពីការធ្វើឲ្យច្បាស់ហួស ការបែកជាប្លុក JPEG និងបន្ទាត់ថ្នេរតាមគែមរូបផ្សំ។ សម្ភារៈមិនល្អ៖ អ្វីៗអំពី អ្វី ដែលរូបភាពនោះជា ដែលជារឿងត្រូវដាក់ក្នុងការណែនាំវិញ។

11ការអានការណែនាំដែល Shannon សរសេរជូនអ្នក

នេះជាអ្វីដែលធ្វើឲ្យមគ្គុទ្ទេសក៍នេះប្រើប្រាស់បានភ្លាមៗ ជាជាងជាទ្រឹស្តី។ អ្នកមិនចាំបាច់សរសេរការណែនាំបង្កើតរូបភាពដោយខ្លួនឯងទេ។ អ្នកគ្រាន់តែសួរជាភាសាធម្មតា ជាភាសាណាក៏បាន Shannon ដឹងថាមានការស្នើសុំរូបភាព រៀបចំការណែនាំបង្កើតរូបភាពជាភាសាអង់គ្លេស ហើយ បង្ហាញវាជូនអ្នកនៅលើកាតបញ្ជាក់ មុនពេលអ្វីមួយត្រូវបានបង្កើត។ គ្មានអ្វីត្រូវបានបង្កើត និងគ្មានអ្វីត្រូវគិតលុយទេ រហូតដល់អ្នកបញ្ជាក់។

ដូច្នេះជំនាញដែលផ្តល់ផលច្រើនបំផុតមិនមែនការសរសេរការណែនាំពីដំបូងទេ — គឺ ការអាន អ្វីដែលមាននៅលើកាត។ សូមពិនិត្យតាមបញ្ជីនេះ៖

1. តើកម្មវត្ថុជាក់លាក់ទេ? បើកាតសរសេរថា "a person" ឬ "a woman" នោះអ្នកបានរកឃើញការកែលម្អធំបំផុតដែលអាចធ្វើបាន។ ផ្តល់អាយុ រូបរាង និងលក្ខណៈមួយឲ្យវា។
2. តើកម្មវត្ថុនៅមុនគេទេ? បើការណែនាំបើកដោយរចនាបថ ឬកាមេរ៉ា សូមស្នើឲ្យវាចាប់ផ្តើមដោយកម្មវត្ថុវិញ។
3. តើវាស្ថិតក្នុងចន្លោះទេ? ក្រោម 30 ពាក្យ សូមស្នើភាពជាក់លាក់បន្ថែមអំពីពន្លឺ និងទីកន្លែង។ លើស 100 ពាក្យ សូមស្នើឲ្យកាត់បន្ថយ។
4. តើមានប្រភពពន្លឺទេ? មិនមែនពាក្យអារម្មណ៍ទេ — ជាពន្លឺពិត៖ បង្អួច គោមភ្លើងផ្លូវ ភ្លើងហ្វ្លាស់ មេឃមានពពក ឬ softbox។
5. មានការផ្ទុយគ្នាទេ? ស្កេនរកមធ្យោបាយពីរ ការដាក់ស៊ុមពីរ ឬលក្ខខណ្ឌពន្លឺពីរក្នុងការណែនាំតែមួយ។
6. មានពាក្យអវិជ្ជមានលួចលាក់ទេ? បើកាតមាន "without" "no" ឬ "avoid" នោះជាការណែនាំអត្ថបទទៅរូបភាពដែលកំពុងស្នើសុំរបស់ដែលវាដាក់ឈ្មោះនោះឯង។
7. តើសមាមាត្រត្រឹមត្រូវសម្រាប់កម្មវត្ថុទេ? តួអង្គពេញខ្លួនក្នុង wide ជាការមិនត្រូវគ្នាបុរាណ។

ការកែតម្រូវធ្វើតាមការសន្ទនា៖ "make her early thirties with a scar through one eyebrow, shoot it on Portra at 85mm, and use portrait" ជាការណែនាំដ៏ល្អឥតខ្ចោះមួយ។ អ្នកទទួលបានកាតថ្មី ហើយបញ្ជាក់កាតនោះជំនួសវិញ។ គ្មានការពិន័យសម្រាប់ការធ្វើម្តងហើយម្តងទៀតទេ ព្រោះគ្មានអ្វីត្រូវបានបង្កើតនៅឡើយ។

ហើយ Shannon មិនបង្កើតរូបភាពដោយគ្មានការស្នើសុំទេ។ ការស្វាគមន៍ សំណួរ ឬរូបថតដែលអ្នកភ្ជាប់មកដើម្បីពិភាក្សា មិនធ្វើឲ្យវាបង្កើតរូបភាពទេ។ ការសុំឲ្យ Shannon មើល រូបភាព — រៀបរាប់វា អានវា វិភាគវា — ជាការងារមើលឃើញធម្មតា មិនមែនការបង្កើតរូបភាពទេ ហើយមិនចំណាយបន្ថែមឡើយ។

12របៀបដែលសិល្បៈនេះប្រែប្រួលសម្រាប់ការកែសម្រួល និងការផ្សំ

ច្បាប់ខាងលើត្រូវបានសរសេរសម្រាប់ការបង្កើតរូបភាព។ របៀបជិតខាងពីរផ្លាស់ប្តូរទម្រង់នៃការណែនាំ។

ការកែសម្រួលរូបភាពមួយសន្លឹក

ការណែនាំកែសម្រួលគឺជា បញ្ជា មិនមែនការរៀបរាប់ទេ៖ បញ្ជាក់អ្វីដែលផ្លាស់ប្តូរ និងអ្វីដែលនៅដដែល។ ការដាក់ឈ្មោះផ្នែកដែលមិនផ្លាស់ប្តូរជាឧបករណ៍លើកកម្ពស់គុណភាពធំបំផុតក្នុងផលិតផលនេះ — "Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is" រក្សាបានស្ថិរភាព ខណៈសំណើដដែលដោយគ្មានឃ្លានោះនឹងគូរមុខនាងឡើងវិញដោយស្ងាត់ស្ងៀម។ ត្រូវជាក់លាក់អំពីយុថ្កា៖ រក្សាមុខ កាយវិការ សក់ និងសម្លៀកបំពាក់ឲ្យដូចដើម។ រូបភាពប្រភពត្រូវប្រើតែមួយសន្លឹកគត់ ហើយលទ្ធផលរក្សាសមាមាត្រទំហំរបស់វា។

ការផ្សំរូបភាពពីរ ឬច្រើន

រាល់ពេលដែលធាតុមកពីរូបភាពច្រើនជាងមួយ — ការផ្ទេរសម្លៀកបំពាក់ ការដាក់វត្ថុចូលក្នុងឈុត មនុស្សពីរនាក់ក្នុងស៊ុមតែមួយ ផលិតផលលើមនុស្ស ឬរចនាបថពីរូបមួយជាមួយកម្មវត្ថុពីរូបមួយទៀត — ការណែនាំត្រូវតែ ដាក់ឈ្មោះតួនាទីរបស់រូបភាពនីមួយៗ តាមលំដាប់៖ "The woman from the first image wearing the red knitted sweater from the second image, standing in the same park." រូបភាពទីមួយជាកម្មវត្ថុ ឬឈុតសំខាន់ ចំណែករូបភាពក្រោយៗផ្គត់ផ្គង់ផ្នែកដែលត្រូវនាំចូល។ កុំបង្រួមសំណើពហុរូបភាពទៅជាប្រភពតែមួយបូកនឹងការរៀបរាប់ជាអត្ថបទ — ការផ្សំរូបភាពពិតគឺជាអ្វីដែលរក្សាបានរូបរាងពិតប្រាកដរបស់របស់ទាំងនោះ។

13ការសរសេរការណែនាំគ្មានសេនស័រ៖ និយាយអ្វីដែលអ្នកចង់មានន័យ

គ្មានតម្រងខ្លឹមសារនៅលើផ្លូវបង្កើតរូបភាព ហើយក៏គ្មានស្រទាប់បដិសេធនៅលើម៉ូដែលដែលសរសេរការណែនាំដែរ។ នោះជាចំណុចសំខាន់ទាំងស្រុងនៃផលិតផលនេះ៖ កម្មវិធីបង្កើតរូបភាពមានតម្រងបដិសេធការងារស្របច្បាប់ជាប្រចាំ — រូបអាក្រាតសិល្បៈ គំនូរវេជ្ជសាស្ត្រ និងកោសល្យវិច័យ រូបភាពស្រាវជ្រាវសន្តិសុខ អំពើហិង្សាក្នុងប្រឌិត ការចំអកនយោបាយ និងការងារម៉ាក និងរូបភាពដោយម្ចាស់សិទ្ធិ។ ពាក់កណ្តាលនៃសិល្បៈសរសេរការណែនាំនៅលើវេទិកាមានតម្រងគឺវិស្វកម្មពាក្យបំភ្លឺ ហើយពាក្យបំភ្លឺជាសត្រូវនៃរូបភាពត្រឹមត្រូវ។

ដូច្នេះមានរឿងមួយបន្ថែមទៀតត្រូវពិនិត្យលើកាត៖ ថាតើវារៀបរាប់កម្មវត្ថុពិតប្រាកដដោយពាក្យត្រង់ ជាជាងវាក្យសព្ទបំភ្លឺដែលមនុស្សរៀនពីឧបករណ៍មានតម្រង។ គំនូរកោសល្យវិច័យនៃរបួសមួយគួរនិយាយថារបួសនោះជាអ្វី។ ភាសាបំភ្លឺបង្កើតរូបភាពអន់ជាងគ្រប់ទីកន្លែង ព្រោះម៉ូដែលបង្កើតតាមអ្វីដែលពាក្យនិយាយ។

សមត្ថភាព និងការវិនិច្ឆ័យជារឿងពីរផ្សេងគ្នា។ Shannon Lab LLC ដំណើរការវាក្រោម គោលការណ៍ប្រើប្រាស់ប្រកបដោយទំនួលខុសត្រូវ ដែលបានផ្សព្វផ្សាយ៖ ការបង្កើតរូបភាពគ្មានតម្រងជាឧបករណ៍វិជ្ជាជីវៈ ហើយការយល់ព្រម សិទ្ធិ និងច្បាប់ នៅតែអនុវត្តចំពោះអ្វីដែលអ្នកបង្កើត។

14តើ API ស្ថិតនៅត្រង់ណា

ចំណុចត្រឹមត្រូវមួយសម្រាប់អ្នកអានដែលមកពីការស្វែងរក API៖ ការបង្កើត ការកែសម្រួល និងការផ្សំរូបភាព ស្ថិតនៅក្នុងកម្មវិធីជជែក Shannon មិនមែននៅលើ API /v1 ទេ។ API បម្រើអត្ថបទ និងការមើលឃើញ — វាអាចអាន រៀបរាប់ និងវិភាគរូបភាពដែលអ្នកផ្ញើទៅវា តាមគ្រប់គ្រាមភាសាទាំងបី (/v1/chat/completions, /v1/messages, /v1/responses ទាំងអស់ជាស្ទ្រីម) — តែវាមិនបង្កើតរូបភាពទេ។ បើអ្នកកំពុងសាងសង់ដំណើរការដែលត្រូវយល់រូបភាព ឯកសារ API ជាកន្លែងចាប់ផ្តើម។ បើអ្នកចង់បង្កើតរូបភាព នោះជាកម្មវិធីជជែក ហើយអ្វីៗគ្រប់យ៉ាងក្នុងមគ្គុទ្ទេសក៍នេះអនុវត្តនៅទីនោះ។ រូបភាពត្រូវបានបង្កើតនៅលើចង្កោម GPU ផ្ទាល់ខ្លួនរបស់យើង។

15សំណួរដែលសួរញឹកញាប់

អានបន្ថែម៖ ការបង្កើតរូបភាព AI គ្មានសេនស័រ · ការកែសម្រួលរូបភាព AI គ្មានសេនស័រ · គោលការណ៍ប្រើប្រាស់ប្រកបដោយទំនួលខុសត្រូវ · ឯកសារ API · ការស្រាវជ្រាវ Shannon ទាំងអស់។ ការណែនាំនៅទីនេះទាញចេញពីការសាកល្បងផ្ទាល់ខ្លួនរបស់យើងលើម៉ូដែលរូបភាពរបស់ Shannon ចំណែកដំបូន្មានដែលសរសេរសម្រាប់ប្រព័ន្ធ diffusion មុនៗ ជាទូទៅមិនអាចផ្ទេរមកបានទេ។