AI сүрөт промпт колдонмосу
Shannon'дун Сүрөт модели промптту тил модели катары окуйт. Ушул бир факт аны кантип жазуу керектигин толугу менен өзгөртөт — эң оболу үтүр менен бөлүнгөн тегдерди таштоодон башталат.
Кыскача
Ачкыч сөз тегдерин эмес, толук сүйлөмдөр менен агылган проза жазыңыз. 30–80 сөзгө умтулуңуз. Модель окуган тартипте жазыңыз: субъект → аракет → стиль → чөйрө жана жарык → техникалык, эң маанилүүсү биринчи. Субъект жөнүндө конкреттүү болуңуз. Фотография кааласаңыз, аны фотография катары жазыңыз — камераны, объективди жана пленканы же жарыкты атаңыз. Так түстөрдү аталган объекттерге color #RRGGBB түрүндө тиркеңиз. Беш аспект катышынын бирин тандаңыз. Ошондой эле SDXL доорундагы адаттарды таштаңыз: «masterpiece, best quality, 8k» жок, (word:1.3) салмактары жок жана тексттен сүрөттө терс промпт жок — каалаган нерсеңизди гана сүрөттөңүз. Оңдоо менен бириктирүү болсо терс промптту кабыл алат.
Адамдардын көбү SDXL'де үйрөнгөн промпт адаттары менен келет: үтүр менен бөлүнгөн зат атоочтордун тизмеги, сапат токендеринен турган кириш сөз, кашаага алынган бир нече салмак жана оң промпттой эле узун терс промпт. Ал адаттар ошол моделдер үчүн туура болчу жана бул жерде тескери натыйжа берет. Бул — чындап иштеген нерсенин кыскача варианты, ал эми Shannon жаратуу промптун сиз үчүн жазып, эч нерсе рендерленээрден мурун көрсөткөндүктөн, бул ошондой эле Shannon сунуштаган нерсени окуп, оңдоо боюнча колдонмо.
01Эмне үчүн проза тегден артык: модель тил модели катары окуйт
Промпт боюнча кеңештердин көбү жазылган эски диффузия моделдери иш жүзүндө түшүнүктөрдүн баштыгындай иштеген текст кодировкалагычын колдончу: грамматиканын мааниси дээрлик жок эле, ал эми жеңүүчү стратегия тиешелүү зат атоочторду үймөктөп, аларды салмактар менен жылдыруу болчу. Ошол кодировкалагыч үчүн тег шорпосу промпттун туура формасы эле.
Shannon'дун Сүрөт модели андай иштебейт. Ал промптту тил модели текст окугандай окуйт, ошондуктан синтаксис маани алып жүрөт. «Holding an umbrella against her shoulder» — бул адам, буюм жана дене мүчөсүнүн ортосундагы мамиле; «umbrella, shoulder» — жөн эле кокустан бар болгон эки нерсе. Жандоочтор нерселерди жайгаштырат. Этиштер поза жаратат. Сүйлөмчөлөр деталды бүт сүрөттүн үстүндө калкып жүрбөстөн, туура зат атоочко бекитет.
Ошол эле сүрөт эки жол менен суралгандагы мисалы.
woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealisticA 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.Тег вариантынын эмнени айта албаганына көңүл буруңуз. Ал кол чатырдын кармалып турганын эч жерде айтпайт, ошондуктан ал жерде жатып калышы мүмкүн. Ал неондун асфальтта чагылышып жатканын эч жерде айтпайт, экөө тең бар экенин гана айтат, ошондуктан сиз бири-бирине оптикалык байланышы жок вывескаларды жана суу баскан көчөнү аласыз. Ал аялдын кайда карап турганын эч жерде айтпайт, ошондуктан анын позасы — тыйын ыргытуу. «Cinematic lighting» — жарык булагы эмес, маанайдын энбелгиси. Ал эми акыркы беш токен — башкаруу туткасы эмес, фотография жөнүндөгү англисче сөздөр катары окулган шуулдак.
Проза варианты кооз болгону үчүн узун эмес. Ал тег варианты ачык калтырган суроолорго жооп бергени үчүн узун. Бүт куулук ушул.
02Сүрөт промпту канчалык узун болушу керек?
30дан 80 сөзгө чейин умтулуңуз. 100дөн көп ашпаңыз. Бул — колуңуздагы эң оңой сапат рычагы, ал эми диапазондун эки чети тең маанилүү.
Болжол менен 30 сөздөн азда композиция, жарык жана кадрлоо аныкталбай калат, ошондуктан модель статистикалык жактан эң кадимкисин тандайт. «A woman in a coffee shop» — жарактуу промпт, бирок ал унутулуп кете турган сүрөт жаратат, анткени сиз бардык кызыктуу чечимди өткөрүп бердиңиз.
Болжол менен 100 сөздөн жогору башка ката пайда болот: кийинки сүйлөмчөлөр сүрөттүн ошол эле аймактары үчүн мурункулары менен атаандашат жана деталь топтолгондун ордуна суюлат. Үчүнчү жарык сүрөттөмөсү биринчисин жокко чыгарат, ал эми алгачкы сегиз сөздө орноткон субъектиңиз ар бир кошумча сүйлөм менен салыштырмалуу азыраак көңүл алат. Узун промпттор кылдат болуп окулат. Бирок кылдат болуп рендерленбейт.
Тартип: каалаган промптуңузду жазыңыз, анан аны алып салганда сүрөттү өзгөртө турган сүйлөмдөргө чейин кыскартыңыз.
03Тартип тартиби: эң маанилүүсү биринчи
Модель ырааттуу окугандыктан, орун — басым дегени: биринчи келгени сүрөттү бекитет, акыркысы аны тууралайт. Нерселерди моделге керек болгон тартипте коюңуз:
- Субъект — бул сүрөт ким же эмне жөнүндө экени, конкреттүү.
- Аракет же поза — алар эмне кылып жатканы, кандай турганы.
- Стиль же маанай — фотография, майлуу боёк, техникалык иллюстрация жана анын регистри.
- Чөйрө жана жарык — бул кайда болуп жатканы жана ага кандай жарык түшкөнү.
- Техникалык — кадрлоо, объектив, талаа тереңдиги, түс тактыгы.
Эң кеңири таралган өз колу менен жасалган ката — техникалык сүйлөмчөдөн баштоо. «Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper» деп баштоо моделге көрүнүш субъект экенин, ал эми эркек деталь экенин айтат. Сиз ичинде кичинекей, айкын эмес фигурасы бар кооз, бош кадрды аласыз.
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.Биринчи варианттагы ар бир элемент экинчисинде сакталды; эч нерсе таштаган жок. Модель эми аны кантип тартууну билээрден мурун сүрөт эмне жөнүндө экенин билет — жана ушул кайра иреттөөнүн өзү субъектти кокустуктан борборго жылдырат.
04Субъект жөнүндө конкреттүү болуңуз
«A person» — субъект эмес, ал орун ээлөөчү — ал эми модель орун ээлөөчүлөрдү өзү көргөн нерселердин орточосу менен толтурат, ошол жалтырак, жашсыз, мүнөзсүз көрүнүш так ошондон келип чыгат. Конкреттүүлүк беш сөзгө турат жана сизге конкреттүү адамды алып берет:
| Бүдөмүк | Конкреттүү |
|---|---|
| a person | a man in his forties with a salt-and-pepper beard and deep smile lines |
| a woman | a woman in her late twenties with a dark undercut and a chipped front tooth |
| an old building | a four-story brick warehouse with painted-over signage and boarded upper windows |
| food | a bowl of ramen with a soft-boiled egg halved on top, steam rising |
Үлгүгө көңүл буруңуз: жашы же доору, бир структуралык өзгөчөлүк, бир айырмалоочу кемчилик. Натыйжаны жаратылган эмес, сүрөткө тартылган сыяктуу кылган нерсе — ошол үчүнчүсү. Чабылган тиш, тозгон этек, боёлуп калган вывеска — майда асимметриялар пластмассага каршы эң күчтүү сигнал жана алар сөз бюджетиңизден дээрлик эч нерсе албайт.
05Фотореализм: сурамды фотография катары жазыңыз
Арт, иллюстрация же аниме сурамайынча, фотореализм — демейки регистр. Бирок «photorealistic» деген сөз аз иш аткарат. Фотографияны жараткан нерсе — сүрөт тартуу актысын сүрөттөө: чыныгы камера, чыныгы объектив жана чыныгы пленка же жарык булагы.
Себеби жөнөкөй. «Kodak Portra 400» деп жазылган ар бир сүрөт өзүнүн даана структурасы, жарык өткөрүүсү жана тери түсү бар конкреттүү процесс менен жасалган, ал эми пленканы атоо ошолордун баарын чакырат. «8k ultra detailed» болсо болгону сток-сайттардын спамында гана кездешкен, ошондуктан ал сток-сайт спамын чакырат. Бир нече ишенимдүү рецепт, алардын ар бири бир эле субъекттин таптакыр башка сүрөтүн берет:
| Рецепт | Эмне берет |
|---|---|
| Kodak Portra 400, 85mm f/1.4, soft window light | Жылуу, кечиримдүү тери түсү; жумшак ажыратуу; редакциялык портрет |
| Ilford HP5 pushed to 1600, 35mm, available light | Даанактуу ак-кара, контрасттуу, көчө документалистикасынын энергиясы |
| Digital medium format, 80mm, single softbox at 45° | Таза коммерциялык студия көрүнүшү, көзөмөлдөнгөн жарык кемүүсү, товар деңгээли |
| 135mm f/2, backlit at golden hour, atmospheric haze | Кысылган фон, контур жарыгы, романтикалуу телеобъектив көрүнүшү |
Негиздөөнү рецептке дал келтириңиз — жүзү сексен пиксель бийиктиктеги 24mm кең кадрда пор деңгээлиндеги тери текстурасынын мааниси жок — анан аны кошуңуз. Негиздөөчү деталь — бул объектив чындап ушуну жазып алганынын текстуралык далили. Көрүнгөн тери порлору жана жүздөгү жумшак түктөр. Зыгыр көйнөктүн токулушу. Жарык нурундагы чаң бүртүкчөлөрү. Булгаары өтүктөгү сыйрылган жер. Жарык фондо учуп турган чачтар. Экөө же үчөө жетиштүү, ал эми алар адамдын рендери менен адамдын фотографиясынын ортосундагы айырма.
06Катмарлуу көрүнүштөр: алдыңкы, ортоңку, арткы план
Көрүнүштүн тереңдиги болгондо, үч планды өзүнчө жана тартиби менен сүрөттөңүз. Бул — фон эмес, чыныгы жер сыяктуу сезилиши керек болгон сүрөттөр үчүн эң натыйжалуу ыкма жана муну дээрлик эч ким кылбайт. Ансыз сиз жалпактыкты аласыз: промптто аталгандын баары болжол менен бирдей аралыкта, кадрдын ошол эле ортоңку тилкеси үчүн атаандашып турат. Пландарды атоо моделге сарптай турган тереңдик бюджетин берет.
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.Эки тактоо. Алдыңкы планга атайын фокустан чыгарылган бир нерсе коюңуз — терең көрүнүштөрдүн чыныгы фотографияларында ал дээрлик дайыма болот, ал эми анын жоктугу кеңири белгилүү белги. Ошондой эле субъект кайсы планда турганын айтыңыз: эгер курьер сүрөттүн максаты болсо, ал ортоңку планда болушу керек, антпесе мунара менен кофе стаканы кадр үчүн аны менен күрөшөт.
07Так түстөр: объекттерге тиркелген hex коддору
Бренд иши, костюмдун ырааттуулугу же «кызыл» жетишсиз болгон каалаган жер үчүн hex кодун color #RRGGBB түрүндө жазып, аны аталган объектке тиркеңиз:
...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...Үч практикалык эреже. Hex'ти чындап маанилүү эки-үч түс үчүн колдонуп, калганын жөнөкөй сөз менен жазыңыз — алты hex коду бар промпт бюджетинин көбүн боёк үлгүлөрүнө коротот. Кодду «жарыкка» же «маанайга» эмес, чеги бар объектке байлаңыз. Ошондой эле ал акыркы пиксель маанисин эмес, объекттин түсүн көрсөтөрүн унутпаңыз: алтын саат нурунда арт жактан жарыктандырылган #8B0000 пальто үлгүдөн жылуураак чыгат, тагыраак айтканда, жашоодогудай.
08Аспект катышын тандоо
Беш катыш бар жана туурасы адатта субъекттен келип чыгат, бирок сиздин ачык сурамыңыз ар дайым жеңет — тушкагаз сурасаңыз, мазмун эмнени сунуштаса да tall аласыз.
| Катыш | Эмне үчүн эң ылайыктуу | Эмне үчүн |
|---|---|---|
| square | Демейки. Ортого коюлган жалгыз объекттер, иконкалар, симметриялуу композициялар, социалдык постор | Үстөмдүк кылган огу жок, ошондуктан кадрдын өз жактуулугу эч нерсени кыркпайт |
| portrait | Адамдар, толук же жарым дене; мунара, дарак, бөтөлкө сыяктуу бийик объекттер | Турган фигурага башынан бутуна чейин, кичирейтпей орун берет |
| landscape | Пейзаж, интерьер, адамдар тобу, товарды чөйрөсү менен көрсөтүү | Чөйрөнүн чындап чөйрө болушуна горизонталдуу орун берет |
| wide | Кинематографиялык кадрлар, тасма кадрлары, баннерлер, баш сүрөттөр | Эң кең вариант; күчтүү бош мейкиндик, анаморфтук сезим |
| tall | Постерлер, китеп мукабалары, телефон тушкагаздары, вертикалдуу социалдык форматтар | portrait'тен бийигирээк; текст же асман үчүн атайын орун калтырат |
Мында жаңылышуу көрүнгөндөн да зыяндуу. wide кадрдагы толук боюндагы турган фигура сизге чоң кадрдагы кичинекей фигураны бербейт — ал адатта кыркылган фигураны берет, анткени модель туурасын толтурат да, баш же буттар кадрдан чыгып кетет. Кадрды субъекттин үстөмдүк кылган огуна дал келтириңиз, ошондо композиция боюнча даттануулардын көбү жоголот.
Эстеп калууга арзырлык эки жүрүм-турум: оңдоо баштапкы сүрөттүн аспект катышын автоматтык түрдө сактайт, ошондуктан оңдоо менен кайра кадрлай албайсыз, ал эми бириктирүү жаңы холст тандоого мүмкүндүк берет — көбүнчө колуңуздагы нерсенин формасын өзгөртүүнүн эң таза жолу.
09Кеңири жайылган каталар: эмнени токтотуу керек
Сапат токендери: «masterpiece, best quality, 8k, ultra detailed»
Булар белгилүү бир эски үйрөтүү бөлүштүрүүсү үчүн коомчулук тапкан туткалар эле, анда айрым баяндама сөз айкаштары айрым сүрөт булактары менен корреляцияланчу. Алар башка моделге өтпөйт. Бул жерде алар кадимки англис сөздөрү катары окулат, эч нерсе кошпойт жана сизге тар экени айтылган сөз бюджетинин бир бөлүгүн жеп коёт. Алардын ордуна кайсы деталь керек экенин айтыңыз: «ultra detailed» эмес, «visible weave in the coat fabric and fine stubble along the jaw» — ошол эле ниет, бирок модель рендерлей ала турган нерсе катары айтылган.
Салмак синтаксиси: (word:1.3), [word], {{word}}
Талданбайт. Кашаалар, чарчы кашаалар, кош чекиттер жана сандар сөзмө-сөз текст болуп түшөт жана айланасындагы сүйлөмчөнү окууну кыйындатат. Бир нерсеге көбүрөөк басым кааласаңыз, чындап иштеген эки рычагды колдонуңуз: аны промптто эртерээк жылдырыңыз жана ага көбүрөөк сөз бериңиз. «A crimson silk scarf, its fringed ends lifting in the wind» бардык маанилүү өлчөм боюнча «(red scarf:1.4)» дегенден оор басат.
Карама-каршы багыттар
Шайкеш келбеген көрсөтмөлөрдү аралаштыруу аларды кошпойт; ал адатта экөөнү тең канааттандырбаган туруксуз орточону жаратат. Көп кездешкендери:
- Каражат — «photorealistic» плюс «watercolor»; «oil painting» плюс «shot on 85mm». Бирөөнү тандап, ага бек туруңуз.
- Кадрлоо — «wide establishing shot» плюс «extreme close-up on her eyes»; «full body» плюс «detailed facial pores».
- Жарык — «harsh midday sun» плюс «soft golden hour glow»; «low key, deep shadows» плюс «bright and airy».
- Доор — «1970s film aesthetic» плюс «modern minimalist» плюс «cyberpunk».
- Стилдерди үймөктөө — бир эле учурда төрт сүрөтчү же төрт жанр. Бири-бирине жакын эки шилтеме иштеши мүмкүн; төртөө бири-бирин жокко чыгарып, жалпылыкка айланат.
- Чачылуу — «rustic, weathered, ancient, timeworn wooden door» — бул төрт жолу жазылган бир идея, ал эми ар бир кайталоо промпттун калганын суюлтат.
10Тексттен сүрөттө терс промпт жок
Бул — тажрыйбалуу колдонуучуларды эң катуу кармаган ката, анткени эски стектерде терс промпт чеберчиликтин жарымы эле.
| Операция | Терс промпт | Эмне кылуу керек |
|---|---|---|
| Тексттен сүрөт (жаратуу) | Колдоого алынбайт | Каалаган нерсеңизди гана сүрөттөңүз. Эч качан «no X» деп жазбаңыз. |
| Бир сүрөттү оңдоо | Колдоого алынат | Керексиз артефакттарды ошол жерге коюңуз, көрсөтмөнү оң формада кармаңыз. |
| Эки же андан көптү бириктирүү | Колдоого алынат | Ошол эле — артефакттар терсинде, ролдор оңунда. |
Жаратуу үчүн эреже абсолюттук жана бир аз интуицияга каршы: промптко «no text, no watermark, no extra fingers» деп жазуу бул нерселерди азайтпайт, көбөйтөт. Модель «no text» дегенди text түшүнүгү камтылган сүйлөм катары окуйт; тануу — алсыз сигнал, ал эми зат атооч — күчтүү. Сиз чындыгында текст сурап койдуңуз. Анын ордуна дайыма оң формасын айтыңыз:
| Мунун ордуна | Мындай жазыңыз |
|---|---|
| no background clutter | a clean seamless gray backdrop |
| not blurry | tack sharp on the eyes, f/8 |
| no other people | alone in an empty street at dawn |
| no modern objects | a 1930s kitchen with enamelware and a cast-iron stove |
| no cartoon style | shot on Kodak Portra 400, 85mm, natural skin texture |
Оңдоо жана бириктирүү үчүн терс промпт бар жана аны колдонуу керек — бирок мазмун үчүн эмес, артефакттар үчүн. Жакшы материал: суу белгиси, текст катмары, кайталанган мүчөлөр, бурмаланган колдор, ашыкча курчутуу гало эффекттери, JPEG блоктору, композиттин четиндеги тигиш сызыктары. Жаман материал: сүрөт эмне жөнүндө экенине тиешелүү нерсенин баары, анын орду көрсөтмөдө.
11Shannon сиз үчүн жазган промптту окуу
Бул колдонмону теориялык эмес, дароо колдонууга жарактуу кылган нерсе мына. Жаратуу промптун өзүңүз жазуунун кереги жок. Сиз каалаган тилде, жөнөкөй сөз менен сурайсыз; Shannon сүрөт суралып жатканын таанып, англисче жаратуу промптун түзөт жана эч нерсе рендерленээрден мурун аны ырастоо карточкасында көрсөтөт. Сиз ырастамайынча эч нерсе жаратылбайт жана эсептелбейт.
Ошондуктан эң көп пайда берген көндүм — промптту нөлдөн жазуу эмес, карточкадагысын окуу. Ушул тизме боюнча жүрүп чыгыңыз:
- Субъект конкреттүүбү? Эгер карточкада «a person» же «a woman» деп турса, сиз колдо болгон эң чоң жакшыртууну таптыңыз. Ага жаш, дене түзүлүшү, өзгөчөлүк бериңиз.
- Субъект биринчиби? Эгер промпт стилден же камерадан башталса, анын ордуна субъект менен башташын сураңыз.
- Диапазондобу? 30 сөздөн азда жарык менен чөйрө боюнча көбүрөөк тактык сураңыз. 100дөн ашса, кыскартууну сураңыз.
- Жарык булагы барбы? Маанай сөзү эмес — чыныгы жарык: терезе, көчө фонары, вспышка, булуттуу асман, софтбокс.
- Карама-каршылык барбы? Бир эле промптто эки каражат, эки кадрлоо же эки жарык шарты бар-жогун караңыз.
- Жашырынган тануулар барбы? Эгер карточкада «without», «no» же «avoid» болсо, бул — өзү атаган нерсени сурап жаткан тексттен сүрөт промпту.
- Катыш субъектке туура келеби?
wideкадрдагы толук боюндагы фигура — классикалык дал келбестик.
Оңдоолор маек түрүндө: «аны отуздун башындагы, бир кашында тырыгы бар кыл, Portra'да 85mm менен тарт жана portrait колдон» — толук жарактуу көрсөтмө. Сиз жаңы карточка аласыз да, ошону ырастайсыз. Кайталоо үчүн эч кандай айып жок, анткени азырынча эч нерсе рендерленген жок.
Ошондой эле Shannon сурабай туруп жаратпайт. Саламдашуу, суроо же талкуулоо үчүн тиркеген сүрөтүңүз рендерди иштетпейт. Shannon'дон сүрөттү кароону суроо — аны сүрөттөө, окуу, талдоо — кадимки көрүү иши, жаратуу эмес жана кошумча эч нерсеге турбайт.
12Оңдоо жана бириктирүү үчүн чеберчилик кантип өзгөрөт
Жогорудагы эрежелер жаратуу үчүн жазылган. Жанаша эки режим промпттун формасын өзгөртөт.
Бир сүрөттү оңдоо
Оңдоо промпту — сүрөттөмө эмес, көрсөтмө: эмне өзгөрөрүн жана эмне калаарын айтыңыз. Өзгөрбөй турган бөлүктөрдү атоо — продуктадагы сапаттын эң чоң рычагы: «Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is» бекем турат, ал эми ошол сүйлөмчөсүз ошол эле сурам анын жүзүн үнсүз кайра тартып коёт. Бекитүүнү конкреттүү айтыңыз: жүзү, позасы, чачы жана кийими өзгөрүүсүз калсын. Так бир булак сүрөт колдонулат, ал эми чыгуу анын аспект катышын сактайт.
Эки же андан көп сүрөттү бириктирүү
Элементтер бирден ашык сүрөттөн келгенде — кийимди өткөрүү, объектти көрүнүшкө коюу, эки адамды бир кадрга коюу, товарды адамдын үстүндө көрсөтүү, бир сүрөттүн стилин экинчисинин субъекти менен — промпт ар бир сүрөттүн ролун тартиби менен атоого тийиш: «The woman from the first image wearing the red knitted sweater from the second image, standing in the same park.» Биринчи сүрөт — негизги субъект же көрүнүш; кийинки сүрөттөр алынып келе жаткан бөлүктөрдү берет. Көп сүрөттүү сурамды бир булак плюс текст сүрөттөмөсү кылып кыскартпаңыз — ошол нерселердин чындап кандай көрүнөрүн сактаган нерсе чыныгы сүрөттөрдү бириктирүү.
13Цензурасыз промпт жазуу: ойлогонуңузду айтыңыз
Жаратуу жолунда мазмун чыпкасы жок жана промптту жазган моделде баш тартуу катмары жок. Продукттун бүт мааниси ушунда: чыпкаланган генераторлор мыйзамдуу иштен дайыма баш тартат — көркөм жылаңач денелер, медициналык жана соттук-медициналык иллюстрация, коопсуздук изилдөөсүнүн сүрөттөрү, көркөм чыгармадагы зордук-зомбулук, саясий сатира, укук ээси аткарган бренд жана окшоштук иштери. Чыпкаланган платформалардагы промпт чеберчилигинин жарымы — эвфемизм инженериясы, ал эми эвфемизм — так сүрөттүн душманы.
Ошондуктан карточкадан текшере турган дагы бир нерсе бар: ал чыныгы субъектти адамдар чыпкаланган куралдардан үйрөнгөн бүдөмүк лексика менен эмес, жөнөкөй сөз менен сүрөттөшү керек. Жараттын соттук-медициналык иллюстрациясы жараттын эмне экенин айтышы керек. Бүдөмүк тил бардык жерде начарыраак сүрөт жаратат, анткени модель сөздөр эмне десе, ошону рендерлейт.
Жөндөмдүүлүк менен чечим кабыл алуу — өзүнчө нерселер. Shannon Lab LLC муну жарыяланган Жоопкерчиликтүү колдонуу саясатынын алкагында иштетет: чыпкасыз жаратуу — кесиптик курал, ал эми макулдук, укуктар жана мыйзам сиз жасаган нерсеге дагы деле тиешелүү.
Бир беттик текшерүү тизмеси
- Үтүр менен бөлүнгөн тегдер эмес, толук сүйлөмдөгү проза.
- 30–80 сөз. Сүрөттү өзгөртпөй турган нерсенин баарын кыркыңыз.
- Субъект → аракет → стиль → чөйрө жана жарык → техникалык.
- Конкреттүү субъект: жашы, бир структуралык өзгөчөлүк, бир кемчилик.
- Фотография: камераны, объективди жана пленканы же жарык булагын атаңыз.
- Терең көрүнүштөр: алдыңкы, ортоңку, арткы план өзүнчө аталсын.
- Так түстөр аталган объектке байланган
color #RRGGBBтүрүндө. - Катышты субъекттин үстөмдүк кылган огунан тандаңыз.
- Кадрлоого дал келген эки же үч негиздөөчү текстура.
- Сапат токендери жок, салмак синтаксиси жок, карама-каршы багыттар жок.
- Тексттен сүрөттө тануулар жок. Тануулар оңдоо менен бириктирүү үчүн жана артефакттар үчүн гана.
14API кайда туура келет
API издеп келген окурмандар үчүн бир тактык: сүрөт жаратуу, оңдоо жана бириктирүү /v1 API'де эмес, Shannon чат колдонмосунда жашайт. API текст менен көрүүнү тейлейт — ал сиз жөнөткөн сүрөттөрдү үч диалекттин баарында (/v1/chat/completions, /v1/messages, /v1/responses, баары агым менен) окуй, сүрөттөй жана талдай алат — бирок аларды жаратпайт. Эгер сиз сүрөттөрдү түшүнүшү керек болгон процесс курсаңыз, API документациясынан баштаңыз. Эгер сүрөт жасагыңыз келсе, бул — чат колдонмосу жана бул колдонмодогунун баары ошол жерде колдонулат. Сүрөттөр өз GPU кластерибизде рендерленет.
15Көп берилүүчү суроолор
AI сүрөт промпту канчалык узун болушу керек?
30дан 80 сөзгө чейин умтулуңуз жана эч качан 100дөн көп ашпаңыз. 30 сөздөн азда сиз композицияны, жарыкты жана кадрлоону кокустукка калтырып жатасыз. 100 сөздөн ашканда кийинки сүйлөмдөр мурункулары менен атаандаша баштайт жана деталь топтолгондун ордуна жуулуп кете баштайт.
Ачкыч сөз тегдерин жазайынбы же толук сүйлөмдөрдүбү?
Толук сүйлөмдөрдү. Shannon'дун Сүрөт модели промптту тил модели текст окугандай окуйт, ошондуктан грамматика маалымат алып жүрөт. «A woman in her 30s at a rain-soaked Tokyo crosswalk at night» ырааттуу көрүнүш жаратат; «woman, 30s, Tokyo, rain, night» болсо бири-бири менен байланышы жок бош сын-белгилердин үймөгүн жаратат.
Тексттен сүрөт үчүн терс промпт колдонсом болобу?
Жок. Shannon'догу тексттен сүрөт терс промпт кабыл албайт, ошондуктан каалаган нерсеңизди гана сүрөттөңүз жана промпттун өзүнө эч качан «no X» деп жазбаңыз — нерсени атоо аны чакырып алат. Сүрөт оңдоо жана сүрөт бириктирүү терс промптту колдойт, ал эми суу белгиси, текст катмары же кайталанган мүчөлөр сыяктуу керексиз артефакттардын орду так ошол жерде.
«masterpiece, best quality, 8k» сыяктуу токендер сүрөттү жакшыртабы?
Жок. Булар моделдердин эски муунунун туткалары болчу жана бул жерде эч кандай маалымат алып жүрбөйт — алар жөн эле сөз катары окулат жана сиздин 30–80 сөздүк бюджетиңиздин бир бөлүгүн эч нерсе айтпастан коротот. (word:1.3) сыяктуу салмак синтаксиси да талданбайт; ал сөзмө-сөз текст болуп түшөт. Анын ордуна каалаган чыныгы деталды сүрөттөңүз.
Так түстү кантип алам?
Hex кодун color #RRGGBB түрүндө жазып, аны конкреттүү аталган объектке тиркеңиз, мисалы «a wool jacket, color #8B0000». Объектсиз бош калган hex коду байлана турган эч нерсеси жок. Аны чындап маанилүү эки-үч түс үчүн колдонуп, калганын сөз менен сүрөттөңүз.
Shannon API аркылуу сүрөт жарата аламбы?
Жок. Сүрөт жаратуу, оңдоо жана бириктирүү Shannon чат колдонмосунда болот. /v1 API текст менен көрүүнү тейлейт — ал сиз жөнөткөн сүрөттөрдү окуп, талдай алат, бирок аларды жаратпайт. Бул колдонмодогунун баары чат колдонмосуна тиешелүү.
Чыныгы промптто сынап көрүңүз
Каалаган тилде сураңыз. Карточканы окуңуз. Оңдоңуз. Анан ырастаңыз.
Shannon чатын ачуу Дагы изилдөөлөрСиз промптту ырастамайынча эч нерсе рендерленбейт жана эч нерсе эсептелбейт
Тектеш окуу: Цензурасыз AI сүрөт жаратуу · Цензурасыз AI сүрөт оңдоо · Жоопкерчиликтүү колдонуу саясаты · API документациясы · Бардык Shannon изилдөөлөрү. Бул жердеги көрсөтмөлөр Shannon'дун Сүрөт моделин өзүбүз сынагандан алынган; мурунку диффузия стектери үчүн жазылган кеңештер адатта бул жерге өтпөйт.