സെൻസർ ചെയ്യാത്ത AI ഇമേജ് എഡിറ്റർ
ഒരു വാക്യം എഴുതി നിലവിലുള്ള ഒരു ചിത്രം മാറ്റുക, ശൈലി മാറ്റുക, വെളിച്ചം മാറ്റുക, വസ്ത്രം മാറ്റുക, അല്ലെങ്കിൽ കേടുപാട് തീർക്കുക. മാസ്കില്ല, ഫിൽട്ടറില്ല, നിരസനമില്ല — ഒപ്പം മറ്റെല്ലാം കൂട്ടിയാലും അതിനെക്കാൾ പ്രധാനമായ ഒരൊറ്റ സങ്കേതവും.
TL;DR
സാധാരണ വാക്കുകളിലുള്ള ഒരു നിർദ്ദേശത്തിൽ നിന്ന് Shannon കൃത്യമായി ഒരു ചിത്രം എഡിറ്റ് ചെയ്യുന്നു — ബ്രഷില്ല, മാസ്കില്ല, തിരഞ്ഞെടുപ്പില്ല. ആ നിർദ്ദേശം എന്ത് മാറുന്നു എന്നും എന്ത് അതേപടി നിൽക്കുന്നു എന്നും പറയണം, കാരണം മോഡൽ ഫ്രെയിം മുഴുവൻ വീണ്ടും ഉണ്ടാക്കുകയാണ്: മാറ്റമില്ലാത്തതെന്ന് നിങ്ങൾ പേരെടുത്ത് പറയാത്തതെല്ലാം വ്യതിചലിക്കാൻ സ്വതന്ത്രമാണ്. മാറാത്ത ഭാഗങ്ങൾക്ക് പേരിടുന്നത് — "മുഖം, ഭാവം, വസ്ത്രം എന്നിവ അതേപടി നിലനിർത്തുക" — നിങ്ങൾക്കുള്ള ഏറ്റവും വലിയ ഗുണനിലവാര ഉപാധിയാണ്. എഡിറ്റിംഗ് പാത നെഗറ്റീവ് പ്രോംപ്റ്റ് സ്വീകരിക്കുന്നു (ടെക്സ്റ്റ്-ടു-ഇമേജ് സ്വീകരിക്കുന്നില്ല); നിർദ്ദേശത്തിൽ "X വേണ്ട" എന്ന് എഴുതുന്നതിനു പകരം അനാവശ്യ ആർട്ടിഫാക്റ്റുകൾ അവിടെ ഇടുക. ഔട്ട്പുട്ട് ഉറവിടത്തിന്റെ വീക്ഷണാനുപാതം സ്വയമേവ പിന്തുടരുന്നു. വീഡിയോ നിർമ്മാണമില്ല, ഒരു ചിത്രത്തിന് ചലനം നൽകാൻ വഴിയുമില്ല. എഡിറ്റിംഗ് ചാറ്റ് ആപ്പിൽ ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിലാണ് നടക്കുന്നത്, ഉള്ളടക്ക ഫിൽട്ടറോ നിരസന പാളിയോ ഇല്ലാതെ.
ഒരു സെൻസർ ചെയ്യാത്ത AI ഇമേജ് എഡിറ്റർ തിരയുന്ന മിക്കവർക്കും ഒരു ചിത്രവും ഒരു പ്രശ്നവുമുണ്ട്: പശ്ചാത്തലം ശരിയല്ല, വെളിച്ചം പരന്നതാണ്, ജാക്കറ്റിന്റെ നിറം തെറ്റാണ്, ഫ്രെയിമിൽ ഒരു അപരിചിതൻ നിൽക്കുന്നു, സ്കാനിൽ ഒരു മടക്ക് കടന്നുപോകുന്നു — അല്ലെങ്കിൽ എഡിറ്റ് തികച്ചും നിയമാനുസൃതമാണ്, എന്നിട്ടും അവരുടെ ഇപ്പോഴത്തെ ടൂൾ അതിൽ തൊടാൻ വിസമ്മതിക്കുന്നു. ഇത് അത് നന്നായി ചെയ്യുന്നതിനെക്കുറിച്ചാണ്: ഏത് എഡിറ്ററിനാണ് ഏറ്റവും കൂടുതൽ സ്ലൈഡറുകൾ എന്നല്ല, മറിച്ച് ലക്ഷ്യത്തിലെത്തുന്ന ഒരു എഡിറ്റിനെ, നിങ്ങൾ ശ്രദ്ധിക്കാത്ത നേരത്ത് നിങ്ങളുടെ വിഷയത്തിന്റെ മുഖം നിശ്ശബ്ദമായി പുനർനിർമ്മിക്കുന്ന ഒരു എഡിറ്റിൽ നിന്ന് വേർതിരിക്കുന്ന ആ ഒരു ശീലത്തെക്കുറിച്ചാണ്.
01നിർദ്ദേശാധിഷ്ഠിത എഡിറ്റിംഗ് യഥാർത്ഥത്തിൽ എന്താണ്
പരമ്പരാഗത AI എഡിറ്റിംഗ് ബുദ്ധിമുട്ടുള്ള ഭാഗം നിങ്ങളെക്കൊണ്ട് തന്നെ ചെയ്യിക്കുന്നു: ഒരു ക്യാൻവാസ് തുറക്കുക, മാറ്റേണ്ട ഭാഗത്ത് ഒരു മാസ്ക് വരയ്ക്കുക, അതിനുള്ളിൽ എന്ത് വേണമെന്ന് വിവരിക്കുന്ന ഒരു വാചകം ടൈപ്പ് ചെയ്യുക. കൃത്യമാണ്, സാവധാനമാണ്, നിങ്ങളുടെ മാറ്റത്തിന് വ്യക്തമായ ഒരു അതിർവര ഇല്ലാത്ത നിമിഷം ഉപയോഗശൂന്യവുമാണ് — ഒരു വെളിച്ചമാറ്റം, രൂപരേഖ തന്നെ മാറ്റുന്ന ഒരു വസ്ത്രമാറ്റം, ചിത്രമാകെ ബാധിക്കുന്ന ഒരു കളർ ഗ്രേഡ്.
Shannon നേരെ മറിച്ചാണ് പ്രവർത്തിക്കുന്നത്. നിങ്ങൾ ഒന്നും തിരഞ്ഞെടുക്കുന്നില്ല. ചിത്രത്തെക്കുറിച്ച് ഏത് ഭാഷയിലും ഒരു വാക്യം എഴുതുന്നു, നിങ്ങളുടെ വാക്കുകളിൽ നിന്ന് ഭാഗം ഊഹിച്ചെടുക്കപ്പെടുന്നു. തിരഞ്ഞെടുപ്പ് ജോലിയല്ല, ഫലമാണ് വേണ്ടത് എന്നുള്ളവർക്ക് അത് ഇതിനെ പ്രായോഗികമായ സെൻസർ ചെയ്യാത്ത ഇൻപെയിന്റിംഗ് ബദലാക്കുന്നു — ആദ്യം മനസ്സിലാക്കേണ്ട ഒരു യാന്ത്രിക പരിണതഫലത്തോടെ:
ഒരു എഡിറ്റ് എന്നത് ചിത്രത്തിന്റെ ഒരു ഭാഗത്ത് ഒട്ടിക്കുന്ന ഒരു പാച്ചല്ല — ഉറവിട ചിത്രത്തെ ആധാരമാക്കി ഫ്രെയിം മുഴുവൻ വീണ്ടും റെൻഡർ ചെയ്യുന്നതാണ്. ഇമേജ് മോഡൽ നിങ്ങളുടെ ഒറിജിനൽ വായിക്കുന്നു, നിർദ്ദേശം വായിക്കുന്നു, ഒറിജിനൽ പ്ലസ് മാറ്റം എന്നതാകേണ്ട ഒരു പുതിയ ചിത്രം ഉണ്ടാക്കുന്നു. ഒന്നും യാന്ത്രികമായി ഉറപ്പിച്ചു നിർത്തിയിട്ടില്ല. ഓരോ എഡിറ്റിലും ഓരോ പിക്സലും വീണ്ടും ചർച്ചയ്ക്ക് വിധേയമാണ്.
അതുകൊണ്ടാണ് മാസ്ക് ടൂളിൽ കുറ്റമറ്റതായിരുന്ന "മഴ നനഞ്ഞ ടോക്കിയോ തെരുവ്" എന്നത്, അതിൽ അല്പം വ്യത്യസ്തയായ ഒരാൾ നിൽക്കുന്ന നിലയിൽ തിരികെ വരുന്നത്. മാസ്ക് ടൂളിൽ ആ വ്യക്തി തൊടാൻ പാടില്ലെന്ന് മാസ്ക് പറഞ്ഞിരുന്നു; ഇവിടെ അത് നിങ്ങളുടെ വാക്യം പറയണം. നേട്ടം: മാസ്കുകൾക്ക് ചെയ്യാനാവാത്തത് നിർദ്ദേശ എഡിറ്റിംഗ് ചെയ്യുന്നു — സൂര്യനെ നീക്കിയാൽ നിഴലുകളും അതിനൊപ്പം നിൽക്കുന്നു, ഒരു വസ്ത്രം മാറ്റിയാൽ തുണി നിലവിലുള്ള ഭാവത്തിനു മേൽ മടങ്ങുന്നു, കോമ്പോസിഷൻ നിലനിർത്തിക്കൊണ്ട് ഒരു ഫോട്ടോഗ്രാഫിനെ മഷിയും പരന്ന നിറവുമാക്കി മാറ്റുന്നു. ആ എഡിറ്റുകൾക്ക് വരയ്ക്കാൻ ഒരു അതിരില്ല; അവ ഫ്രെയിമാകെ പരന്നുകിടക്കുന്ന ബന്ധങ്ങളാണ്.
02ആങ്കറിംഗ്: ഏറ്റവും വലിയ ഗുണനിലവാര ഉപാധി
ഓരോ എഡിറ്റ് നിർദ്ദേശവും രണ്ട് വാക്യാംശങ്ങളായി എഴുതുക എന്നതാണ് ആങ്കറിംഗ്: മാറ്റ വാക്യാംശം (എന്ത് വ്യത്യസ്തമാകണം, പോസിറ്റീവായും വ്യക്തമായും പറഞ്ഞത്) ഒപ്പം നിലനിർത്തൽ വാക്യാംശം (തൊടാതെ അതിജീവിക്കേണ്ട ഭാഗങ്ങൾ, നിർദ്ദിഷ്ട നാമങ്ങളായി പേരെടുത്ത് പറഞ്ഞത്). രണ്ടും ഭാരം താങ്ങുന്നവയാണ് — മാറ്റ വാക്യാംശം മാത്രമായാൽ അതൊരു ആഗ്രഹം മാത്രം. ഈ പേജിൽ നിന്ന് ഒരു കാര്യം മാത്രം എടുക്കുന്നെങ്കിൽ ഇത്: എന്ത് മാറുന്നു എന്ന് എത്ര ചിത്രാത്മകമായി വിവരിക്കുന്നു എന്നതല്ല, എന്ത് അതേപടി നിൽക്കുന്നു എന്ന് എത്ര വ്യക്തമായി പേരെടുത്ത് പറയുന്നു എന്നതാണ് നിങ്ങളുടെ ഫലത്തെ നിർണ്ണയിക്കുന്നത്.
ആങ്കർ ചെയ്യാത്ത നിർദ്ദേശങ്ങൾ വ്യതിചലിക്കുന്ന മൂന്ന് വഴികൾ
- വ്യക്തിത്വ വ്യതിചലനം. മുഖം ഏകദേശം ശരിയായി തിരികെ വരുന്നു — അല്പം വ്യത്യസ്തമായ മൂക്ക്, നിശ്ശബ്ദമായി ഭംഗിയാക്കിയ താടിയെല്ല്. ഏറ്റവും ദോഷകരമായ പരാജയം, കാരണം ഫോണിൽ അത് കാണാൻ പ്രയാസമാണ്, ആ വ്യക്തിയെ അറിയാവുന്നവർക്ക് അത് പ്രകടവുമാണ്.
- അനുബന്ധ ശൈലിമാറ്റം. നിങ്ങൾ ഒരു പുതിയ പശ്ചാത്തലം ചോദിച്ചു; കിട്ടിയത് ഒരു പുതിയ കളർ ഗ്രേഡും പുതിയ ലെൻസും, മുമ്പ് വരയുള്ളതായിരുന്ന ഒരു സ്വെറ്ററും കൂടിയാണ്. ഉറവിടത്തിൽ നിന്നുള്ള ഒരു വ്യത്യാസമായല്ല, മുഴുവൻ ലക്ഷ്യ ചിത്രത്തിന്റെയും വിവരണമായാണ് മോഡൽ നിർദ്ദേശം വായിച്ചത്.
- വിശേഷണങ്ങളിൽ നിന്നുള്ള പരിധിവ്യാപനം. "കൂടുതൽ നാടകീയം," "കൂടുതൽ വൃത്തിയായി," "കൂടുതൽ പ്രൊഫഷണൽ" — ഇവ ഒരു വസ്തുവിനും പേരിടുന്നില്ല. നാമമില്ലാത്ത ഒരു വിശേഷണം എല്ലാത്തിനും ബാധകമാണ്, അതുകൊണ്ട് എല്ലാം അനങ്ങുന്നു.
ആങ്കർ പദാവലി
ആങ്കറുകൾ പ്രവർത്തിക്കുന്നത് വ്യക്തമായ നാമങ്ങളായാണ്. "അത് അതുപോലെ നിലനിർത്തുക" ദുർബലമാണ് — ഏത് സാമ്യമാണ് നിങ്ങൾക്ക് പ്രധാനമെന്ന് മോഡലിന് അറിയാനാവില്ല. നിങ്ങളുടെ എഡിറ്റിന് പ്രധാനമായ മൂന്ന് മുതൽ അഞ്ച് വരെ ഇനങ്ങൾ തിരഞ്ഞെടുത്ത് അവയ്ക്ക് നേരിട്ട് പേരിടുക.
| നിങ്ങൾ മാറ്റുന്നത് | വ്യക്തമായി പേരിടേണ്ട ആങ്കറുകൾ |
|---|---|
| പശ്ചാത്തലം / ചുറ്റുപാട് | മുഖവും മുഖഭാവങ്ങളും, മുടിയുടെ രീതി, ഭാവം, കൈകൾ, വസ്ത്രം, ക്യാമറ കോൺ, ക്രോപ്പ്, വിഷയത്തിന്മേലുള്ള വെളിച്ചം |
| വെളിച്ചം / അന്തരീക്ഷം | മുഖം, ഭാവപ്രകടനം, ചർമ്മ ടെക്സ്ചർ, ഭാവം, വസ്ത്രം, പശ്ചാത്തലത്തിലുള്ളത്, ഫ്രെയിമിംഗ് |
| വസ്ത്രം / വേഷം | മുഖം, താടി അല്ലെങ്കിൽ മുടി, ഭാവം, കൈകൾ, ശരീര അനുപാതങ്ങൾ, പശ്ചാത്തലം, വെളിച്ചത്തിന്റെ ദിശ, കളർ ഗ്രേഡ് |
| ശൈലി / മാധ്യമം | കോമ്പോസിഷൻ, ഭാവം, മുടിയുടെ നീളം, വസ്ത്രത്തിന്റെ രൂപങ്ങൾ, വിഷയങ്ങളുടെ എണ്ണം, ക്രോപ്പ് |
| വസ്തു നീക്കൽ / കേടുപാട് തീർക്കൽ | ഫ്രെയിമിലെ മറ്റെല്ലാം — വിഷയം, ചുറ്റുമുള്ള നിർമ്മിതികൾ, ഗ്രെയിൻ, ടോണാലിറ്റി, കോൺട്രാസ്റ്റ്, നിറം |
| ഒരു വസ്തുവിന്റെ നിറം | ചിത്രത്തിലെ മറ്റെല്ലാ നിറങ്ങളും, ഒപ്പം മാറ്റുന്ന വസ്തുവിന്റെ ടെക്സ്ചറും വസ്തുവും |
അവസാന വരി ശ്രദ്ധിക്കുക. നിറം മാറ്റൽ നിശ്ശബ്ദമായാണ് പിഴയ്ക്കുന്നത്, കാരണം "ജാക്കറ്റ് ചുവപ്പാക്കുക" എന്നത് ജാക്കറ്റിനെ പുതുതായി പണിയാൻ ക്ഷണിക്കുന്നു — പുതിയ വെട്ട്, പുതിയ വസ്തു, പുതിയ മടക്കുകൾ. ആങ്കർ ചെയ്താൽ: "നിലവിലുള്ള ജാക്കറ്റിന്റെ നിറം കടും ചുവപ്പാക്കുക, അതിന്റെ കൃത്യമായ വെട്ട്, തുന്നലുകൾ, തുണിയുടെ ടെക്സ്ചർ, അത് തൂങ്ങിക്കിടക്കുന്ന രീതി എന്നിവ നിലനിർത്തിക്കൊണ്ട്." ഒരു വാക്യാംശത്തിന്റെ വ്യത്യാസം, നാടകീയമായി മെച്ചപ്പെട്ട ഫലം.
03പ്രായോഗിക ഉദാഹരണങ്ങൾ: ദുർബലമായ നിർദ്ദേശം, അത് വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്, ആങ്കർ ചെയ്ത പുനർലേഖനം
താഴെയുള്ള ഓരോ ജോടിയും ഒരേ ഉദ്ദേശ്യം രണ്ടുവട്ടം എഴുതിയതാണ്. നടുവിലുള്ള രോഗനിർണ്ണയമാണ് മറ്റിടങ്ങളിലേക്ക് കൊണ്ടുപോകാവുന്ന ഭാഗം.
A. പശ്ചാത്തലം മാറ്റിസ്ഥാപിക്കൽ
വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്: ഇത് ഒരു വ്യത്യാസമല്ല, ഒരു ലക്ഷ്യ ചിത്രമാണ് വിവരിക്കുന്നത്. ആ സ്ത്രീയെക്കുറിച്ച് ഒന്നും സംരക്ഷിക്കപ്പെടുന്നില്ല, ക്യാമറയെ നിശ്ചലമാക്കി നിർത്തുന്നതും ഒന്നുമില്ല; അതിനാൽ വിശ്വസനീയമായ ഒരു രംഗം പണിയുന്നതിനിടെ മോഡൽ അവളെയും വീണ്ടും ഫ്രെയിം ചെയ്ത് വീണ്ടും റെൻഡർ ചെയ്യുന്നു.
എന്താണ് മാറിയത്: നിലനിർത്തൽ വാക്യാംശം വ്യക്തിത്വവും വേഷവും ഫ്രെയിമിംഗും ഉറപ്പിക്കുന്നു, അവസാന ഭാഗം ചേരുവ ഏത് വഴിക്ക് പരിഹരിക്കപ്പെടണമെന്ന് പറയുന്നു — പശ്ചാത്തലം വിഷയത്തിന്റെ വെളിച്ചത്തിന് വഴങ്ങുന്നു, മറിച്ചല്ല.
B. വെളിച്ചം മാറ്റൽ
വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്: "നല്ലത്" എന്നത് നാമമില്ലാത്ത ഒരു വിശേഷണമാണ്. മോഡലിന് ഒരു നിർവചനം കണ്ടുപിടിക്കേണ്ടിവരുന്നു, ഒരു പുനർറെൻഡറിൽ നന്നായി കാണപ്പെടാനുള്ള ഏറ്റവും എളുപ്പവഴി മിനുസപ്പെടുത്തിയ ചർമ്മവും വെളുപ്പിച്ച പല്ലുകളും മെലിഞ്ഞ താടിയെല്ലുമാണ്. നിങ്ങൾ വെളിച്ചം ചോദിച്ചു, കിട്ടിയത് ഒരു റീടച്ചാണ്.
എന്താണ് മാറിയത്: വെളിച്ചം ഭൗതികമായി വിവരിച്ചിരിക്കുന്നു — ദിശ, ഗുണം, താപനില, കുറഞ്ഞുവരവ്. ചർമ്മ ടെക്സ്ചർ വ്യക്തമായി ആങ്കർ ചെയ്തിരിക്കുന്നു, കാരണം അത് മിനുസപ്പെടുത്തി ഇല്ലാതാക്കാൻ ഒരു മോഡലിന് ഏറ്റവും പ്രലോഭനം തോന്നുന്നത് വെളിച്ചം മാറ്റുമ്പോഴാണ്.
C. ഒരാളുടെ വേഷം മാറ്റൽ
വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്: ഒരു സ്യൂട്ട് രൂപരേഖ മാറ്റുന്നു, അതിനാൽ ഉടൽ വീണ്ടും റെൻഡർ ചെയ്യേണ്ടിവരുന്നു — അതിനു മുകളിലെ തലയും സാധാരണ അതിനൊപ്പം പോകുന്നു. ആങ്കർ ചെയ്യാത്ത വേഷ എഡിറ്റുകളാണ് പശ്ചാത്തലം മാറ്റലിന് ശേഷം വ്യക്തിത്വ വ്യതിചലനത്തിന്റെ രണ്ടാമത്തെ വലിയ ഉറവിടം.
എന്താണ് മാറിയത്: "അയാളുടെ ഇപ്പോഴത്തെ നിൽപ്പിന് ഇണങ്ങുംവിധം തയ്ച്ചത്" എന്നത് വസ്ത്രത്തെ ഭാവത്തിന് കീഴ്പ്പെടുത്തുന്നു. കൈകൾ പ്രത്യേകം ആങ്കർ ചെയ്തിരിക്കുന്നു, കാരണം വേഷ എഡിറ്റുകൾ ഏറ്റവും പ്രകടമായി തകരുന്നത് കൈകളിലാണ്.
D. ഒരു ഫോട്ടോഗ്രാഫിന്റെ ശൈലി മാറ്റൽ
വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്: ഒരു ശൈലിപ്പേര് മാത്രം എല്ലാം വിട്ടുകൊടുക്കുന്നു — കോമ്പോസിഷൻ, ക്രോപ്പ്, മുടി, വേഷം, ആളുകളുടെ എണ്ണം — ഒപ്പം "ആനിമേ" എന്നത് പരസ്പരം ചേരാത്ത മുപ്പത് വർഷത്തെ പാരമ്പര്യങ്ങളാണ്. നിങ്ങൾക്ക് കിട്ടുന്നത് മറ്റൊരു രംഗത്തിന്റെ മികച്ച ഒരു ചിത്രീകരണമാണ്.
എന്താണ് മാറിയത്: ശൈലി എഡിറ്റുകൾക്ക് വ്യത്യസ്തമായ ഒരു ആങ്കർ വേണം. ടെക്സ്ചർ ആങ്കർ ചെയ്യാനാവില്ല — മാറ്റിസ്ഥാപിക്കപ്പെടുന്നത് തന്നെ ടെക്സ്ചറാണ് — അതിനാൽ നിങ്ങൾ ഘടന ആങ്കർ ചെയ്യുന്നു: കോമ്പോസിഷൻ, ഭാവം, രൂപരേഖകൾ, ക്രോപ്പ്, വിഷയങ്ങളുടെ എണ്ണം. സെൽ ആനിമേഷനു കീഴിൽ "ഫോട്ടോറിയലിസ്റ്റിക് ചർമ്മം" നിലനിർത്താൻ ആവശ്യപ്പെടുന്നത് ഒരു വൈരുദ്ധ്യമാണ്.
E. എന്തെങ്കിലും നീക്കം ചെയ്യൽ
വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്: ഒരു നിഷേധവും ആ ആശയത്തെ മോഡലിന്റെ മുന്നിൽ തന്നെ വയ്ക്കുന്നു, ഒഴിഞ്ഞ ഇടം എന്ത് നിറയ്ക്കുമെന്ന് ഒന്നും പറയുന്നുമില്ല. നീക്കം ചെയ്യലുകൾക്ക് ലക്ഷ്യത്തെയും നിറയ്ക്കലിനെയും കുറിച്ചുള്ള പോസിറ്റീവ് പ്രസ്താവന വേണം.
എന്താണ് മാറിയത്: ലക്ഷ്യത്തിന് വസ്തു, നിറം, സ്ഥാനം എന്നിവയാൽ പേരിട്ടിരിക്കുന്നു; നിറയ്ക്കൽ വ്യക്തമാക്കിയിരിക്കുന്നു, അതിനാൽ നടപ്പാത വേണ്ടിടത്ത് മോഡൽ ഒരു ചത്വരം കണ്ടുപിടിക്കുന്നില്ല; "മറ്റെല്ലാം" യഥാർത്ഥ നാമങ്ങളായി എഴുതിയിരിക്കുന്നു.
F. കേടായ ഒരു ഫോട്ടോഗ്രാഫ് നന്നാക്കൽ
വ്യതിചലിക്കുന്നത് എന്തുകൊണ്ട്: "ശരിയാക്കുക" എന്നത് "മെച്ചപ്പെടുത്തുക" എന്ന് വായിക്കപ്പെടുന്നു, ഒരു പഴയ ഫോട്ടോഗ്രാഫിനെ മെച്ചപ്പെടുത്തുക എന്നാൽ അതിനെ ആധുനികമാക്കുക എന്നാണ് — കൂടുതൽ വൃത്തിയുള്ള ചർമ്മം, കൂടിയ കോൺട്രാസ്റ്റ്, പിന്നെ ഇനി നിങ്ങളുടെ മുത്തശ്ശിയുടേതല്ലാത്ത ഒരു മുഖം.
എന്താണ് മാറിയത്: കേടുപാടുകൾ എണ്ണിപ്പറഞ്ഞിരിക്കുന്നു, അതിനാൽ "ശരിയാക്കുക" എന്നതിന് നിർവചിതമായ ഒരു പരിധിയുണ്ട്; ഗ്രെയിനും ടോണാലിറ്റിയും ആങ്കർ ചെയ്തിരിക്കുന്നു, കാരണം അവയാണ് പ്രിന്റിനെ ആ കാലഘട്ടത്തിന്റേതായി തോന്നിപ്പിക്കുന്നത്. ആ മൂന്ന് വിലക്കുകൾ നിഷേധത്തിന് സ്ഥാനമുള്ള അപൂർവ സന്ദർഭമാണ് — അവ വസ്തുക്കളെക്കുറിച്ചല്ല, പ്രക്രിയയെക്കുറിച്ചുള്ള നിർദ്ദേശങ്ങളാണ്.
നല്ലൊരു നിർദ്ദേശത്തിന്റെ ആകൃതി
25 മുതൽ 60 വരെ വാക്കുകൾ ലക്ഷ്യമിടുക, കോമ കൊണ്ട് വേർതിരിച്ച കീവേഡ് ടാഗുകളല്ല, പൂർണ്ണ വാക്യങ്ങളായി — ഇമേജ് മോഡൽ പ്രോംപ്റ്റുകൾ വായിക്കുന്നത് ഒരു ഭാഷാ മോഡൽ വായിക്കുന്നതുപോലെയാണ്, അതിനാൽ ഗദ്യം ടാഗ് കൂട്ടത്തെ തോൽപ്പിക്കുന്നു. SDXL കാലത്തെ ചവർ (masterpiece, best quality, 8k) ഒഴിവാക്കുക, (word:1.3) പോലുള്ള വെയ്റ്റ് സിന്റാക്സും; ഇവിടെ അവ ഒന്നും ചെയ്യുന്നില്ല. ഒരു നിർദ്ദേശത്തിന് ഒരു മാറ്റം മാത്രം — ഒരേ വാക്യത്തിലെ പരസ്പരബന്ധമില്ലാത്ത രണ്ട് മാറ്റങ്ങൾ ശ്രദ്ധയ്ക്കായി മത്സരിക്കുന്നു, രണ്ടും പാതി ചെയ്ത നിലയിൽ തിരികെ വരുന്നു.
04നെഗറ്റീവ് പ്രോംപ്റ്റ് — ടെക്സ്റ്റ്-ടു-ഇമേജിൽ നിന്ന് വ്യത്യസ്തമായി ഇവിടെ പിന്തുണയ്ക്കുന്നു
ഇത് പലരെയും കുഴപ്പിക്കുന്നു, അതിനാൽ വ്യക്തമായി പറയാം:
| പാത | ഉറവിട ചിത്രങ്ങൾ | നെഗറ്റീവ് പ്രോംപ്റ്റ് | വീക്ഷണാനുപാതം | പ്രോംപ്റ്റ് രൂപം |
|---|---|---|---|---|
| ടെക്സ്റ്റ്-ടു-ഇമേജ് | 0 | പിന്തുണയ്ക്കുന്നില്ല | തിരഞ്ഞെടുക്കുന്നു (സ്ഥിരം ചതുരം) | വിവരണാത്മക ഗദ്യം |
| ഒരു ചിത്രം എഡിറ്റ് ചെയ്യൽ | കൃത്യമായി 1 | പിന്തുണയ്ക്കുന്നു | ഉറവിടത്തിൽ നിന്ന് പിന്തുടരുന്നു | നിർദ്ദേശം: മാറ്റം + നിലനിർത്തൽ |
| 2+ ചിത്രങ്ങൾ യോജിപ്പിക്കൽ | 2 അല്ലെങ്കിൽ കൂടുതൽ | പിന്തുണയ്ക്കുന്നു | പുതിയ ക്യാൻവാസ് തിരഞ്ഞെടുക്കാം | റോൾ പേരിട്ട ഗദ്യം |
ടെക്സ്റ്റ്-ടു-ഇമേജ് നെഗറ്റീവ് പ്രോംപ്റ്റ് ഒട്ടും സ്വീകരിക്കുന്നില്ല — ഒന്നുമില്ലായ്മയിൽ നിന്ന് ഉണ്ടാക്കുമ്പോൾ, വേണ്ടത് മാത്രം വിവരിക്കുക എന്നത് തന്നെയാണ് അച്ചടക്കം (സെൻസർ ചെയ്യാത്ത AI ഇമേജ് നിർമ്മാണം കാണുക). എഡിറ്റിംഗ് വ്യത്യസ്തമാണ്: നിങ്ങൾക്ക് ഇതിനകം ഒരു ഉറവിടമുണ്ട്, ഒരു പുനർറെൻഡറിന്റെ സ്വഭാവഗതമായ പരാജയങ്ങൾ അറിയാവുന്നതും പേരിടാവുന്നതുമാണ്; അതിനാൽ അടിച്ചമർത്താൻ നെഗറ്റീവ് പ്രോംപ്റ്റിന് വ്യക്തമായ എന്തെങ്കിലും ഉണ്ട്.
അതിൽ എന്ത് ഉൾപ്പെടുന്നു
ആർട്ടിഫാക്റ്റുകൾ, അവ മാത്രം. അതൊരു തകരാർ പട്ടികയാണ്, രണ്ടാമതൊരു നിർദ്ദേശ ചാനലല്ല:
- extra fingers, fused fingers, malformed hands — ഒരാളെ വീണ്ടും റെൻഡർ ചെയ്യുന്ന ഏത് എഡിറ്റും.
- warped text, garbled lettering, misspelled signage — ഫ്രെയിമിൽ ബോർഡുകളോ ലേബലുകളോ പാക്കേജിംഗോ ഉള്ള എന്തും.
- duplicated limbs, duplicated railing, repeated windows — നീക്കം ചെയ്യലുകളും പശ്ചാത്തല വിപുലീകരണങ്ങളും.
- smeared texture, blurry patch, halo around the subject, visible seam — പശ്ചാത്തലം മാറ്റലും വസ്തു നീക്കലും.
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — വെളിച്ചം മാറ്റൽ, പോർട്രെയ്റ്റ് എഡിറ്റുകൾ, പൊതു ശുചിത്വം.
അതിൽ എന്ത് ഉൾപ്പെടുന്നില്ല
ഉള്ളടക്ക തീരുമാനങ്ങൾ. തൊപ്പി പോകണമെങ്കിൽ നിർദ്ദേശം "തൊപ്പി നീക്കം ചെയ്യുക" എന്നാണ് — "hat" എന്നെഴുതിയ ഒരു നെഗറ്റീവ് പ്രോംപ്റ്റല്ല. നിങ്ങളുടെ ഉറവിടത്തിൽ ഉള്ള കാര്യങ്ങൾ നെഗറ്റീവ് പ്രോംപ്റ്റ് വിശ്വസനീയമായി നീക്കം ചെയ്യുന്നില്ല; റെൻഡറിൽ തകരാറുകൾ വരാതിരിക്കാൻ അത് നിരുത്സാഹപ്പെടുത്തുന്നു എന്നു മാത്രം. അവിടെ ഉള്ളടക്കം ഇട്ടാൽ രണ്ട് വശത്തും നഷ്ടമാണ്: തൊപ്പി അവിടെത്തന്നെ നിൽക്കും, വളഞ്ഞ കൈകളെ അടിച്ചമർത്താമായിരുന്ന ഒരു സ്ഥാനം നഷ്ടപ്പെടുകയും ചെയ്യും.
നിയമത്തിന്റെ മറുപകുതി നിങ്ങളുടെ നിർദ്ദേശത്തിന് ബാധകമാണ്: അതിൽ "X വേണ്ട" എന്ന് എഴുതുന്നത് നിർത്തുക. "കാറുകളില്ലാത്ത ഒരു തെരുവ്," "കണ്ണടയില്ലാത്ത ഒരു പോർട്രെയ്റ്റ്" — രണ്ടും അനാവശ്യ ആശയത്തെ വാക്യത്തിൽ കൊണ്ടുവന്ന് അതിനെ നിഷേധിക്കാൻ മോഡലിനോട് ആവശ്യപ്പെടുന്നു — ഭാഷ നന്നായി കൈകാര്യം ചെയ്യുന്ന, ഇമേജ് കണ്ടീഷനിംഗ് മോശമായി കൈകാര്യം ചെയ്യുന്ന ഒരു ജോലി. പകരം എന്ത് വേണമെന്ന് പറയുക: "വൃത്തിയുള്ള ടാർ റോഡുള്ള ഒഴിഞ്ഞ ഒരു തെരുവ്," "മറയില്ലാത്ത കണ്ണുകളുള്ള ഒരു പോർട്രെയ്റ്റ്." ഉദാഹരണം F-ൽ കണ്ടതുപോലെ ഒരേയൊരു അപവാദം പ്രക്രിയയെക്കുറിച്ചുള്ള നിർദ്ദേശമാണ് — "ഷാർപ്പൻ ചെയ്യരുത്," "നിറം മാറ്റരുത്" — അത് ഒരു വസ്തുവിന് പേരിടുകയല്ല, ഒരു പ്രവർത്തനത്തെ നിരാകരിക്കുകയാണ്.
ജോലി വിഭജനം, ഒരൊറ്റ വരിയിൽ
നിർദ്ദേശം: എന്ത് മാറുന്നു, എന്ത് അതേപടി നിൽക്കുന്നു — പോസിറ്റീവായി പറഞ്ഞത്. നെഗറ്റീവ് പ്രോംപ്റ്റ്: ഒരു റെൻഡർ വികലമാകാവുന്ന വഴികൾ. അവ വേറിട്ടു നിർത്തിയാൽ രണ്ടും മെച്ചപ്പെടും.
05ഒരൊറ്റ ഉറവിട ചിത്രം, Shannon അത് എങ്ങനെ തിരഞ്ഞെടുക്കുന്നു
ഒരു എഡിറ്റ് കൃത്യമായി ഒരു ഉറവിട ചിത്രത്തിലാണ് പ്രവർത്തിക്കുന്നത്: ഒന്നുകിൽ സംഭാഷണത്തിൽ ഇതിനകമുള്ള ഒരു ചിത്രം — നേരത്തെ ചേർത്തതോ നിങ്ങൾക്കായി ഉണ്ടാക്കിയതോ — അല്ലെങ്കിൽ നിങ്ങൾ ഇപ്പോൾ അയക്കുന്ന സന്ദേശത്തോട് ചേർത്ത ഒന്ന്. ത്രെഡിന് പുറത്തുനിന്ന് ഒന്നും എടുക്കുന്നില്ല, എഡിറ്റ് പാത ഒരിക്കലും നിശ്ശബ്ദമായി രണ്ട് ചിത്രങ്ങൾ കൂട്ടിച്ചേർക്കുന്നുമില്ല. ഒന്നിലധികം ചിത്രങ്ങളിൽ നിന്നുള്ള ഘടകങ്ങൾ നിങ്ങളുടെ ഉദ്ദേശ്യത്തിന് ആവശ്യമെങ്കിൽ — ഫോട്ടോ A-യിലെ വേഷം ഫോട്ടോ B-യിലെ വ്യക്തിയുടെ മേൽ — അത് ഒരു സംയോജനമാണ്, ഓരോ ചിത്രത്തിന്റെയും റോൾ ക്രമത്തിൽ പേരിടുന്ന വ്യത്യസ്തമായ പ്രോംപ്റ്റ് രൂപത്തോടെ.
തുടർചോദ്യങ്ങളും ഏറ്റവും പുതിയ പ്രസക്ത ചിത്രവും
ഒരു ചിത്രം സംഭാഷണത്തിൽ വന്നുകഴിഞ്ഞാൽ, ചെറിയ തുടർചോദ്യങ്ങൾ നിങ്ങൾ പ്രതീക്ഷിക്കുന്നതുപോലെ പ്രവർത്തിക്കുന്നു. "ഇത് കുറച്ചുകൂടി ഇരുട്ടാക്കൂ." "ഇനി സൂര്യാസ്തമയത്തിൽ നോക്കൂ." ഇവ ത്രെഡിലെ ഏറ്റവും പുതിയ പ്രസക്ത ചിത്രത്തെ ആധാരമാക്കി പരിഹരിക്കപ്പെടുന്നു — സാധാരണ നിങ്ങൾക്ക് ഇപ്പോൾ കിട്ടിയ ഫലം — അതിനാൽ ചെറിയ നിർദ്ദേശങ്ങളുടെ ഒരു ശ്രേണി എഡിറ്റുകളുടെ ഒരു അടുക്കുപോലെ പെരുമാറുന്നു. മൂന്ന് പരിണതഫലങ്ങൾ:
- ഓരോ ചുവടായി ആവർത്തിക്കുക. ഓരോ തുടർചോദ്യവും മറ്റൊരു പൂർണ്ണ പുനർറെൻഡറാണ്, അതിനാൽ "ഇത് ഇരുട്ടാക്കൂ, അവളുടെ കോട്ട് മാറ്റൂ, ക്യാമറ താഴ്ത്തൂ" എന്നത് ഒരൊറ്റ പാസിനായി മല്ലിടുന്ന മൂന്ന് എഡിറ്റുകളാണ്. മൂന്ന് സന്ദേശങ്ങൾ അയക്കുക; ഇഷ്ടപ്പെട്ടിടത്ത് നിർത്തുക.
- തലമുറ നഷ്ടം ശ്രദ്ധിക്കുക. ചെറിയ വ്യതിയാനങ്ങൾ കൂടിക്കൂടി വരുന്നു; തുടർച്ചയായ ആറാമത്തെ എഡിറ്റാകുമ്പോഴേക്കും ഒരൊറ്റ ചുവടും തെറ്റായി തോന്നിയില്ലെങ്കിലും ഒരു മുഖം ഒറിജിനലിൽ നിന്ന് ഏറെ അകലെയാകാം. വ്യതിചലനം ശ്രദ്ധിച്ചാൽ ഒട്ടിക്കൽ നിർത്തുക — ഒറിജിനൽ ഫയൽ വീണ്ടും ചേർത്ത്, ഇതുവരെ നിങ്ങൾക്ക് വേണമെന്ന് മനസ്സിലായതെല്ലാം ഉൾക്കൊള്ളുന്ന ഒരൊറ്റ സംയുക്ത നിർദ്ദേശം എഴുതുക.
- നീണ്ട ത്രെഡിൽ വ്യക്തമായി പറയുക. പല ചിത്രങ്ങൾ കളിയിലുള്ളപ്പോൾ "ഞാൻ നേരത്തെ ചേർത്ത കടൽത്തീര ഫോട്ടോ ഉപയോഗിച്ച്, …" എന്നത് അവ്യക്തത നീക്കുന്നു.
ഒരു ആങ്കർ ചേർക്കാനുള്ള അവസാന അവസരമാണ് സ്ഥിരീകരണ കാർഡ്
നിങ്ങൾ സംസാരിക്കുന്ന ഏത് ഭാഷയിലും സാധാരണ വാക്കുകളിൽ ചോദിക്കുന്നു. ഒരു ഇമേജ് പ്രവർത്തനമാണ് ആവശ്യപ്പെടുന്നതെന്ന് Shannon തീരുമാനിക്കുന്നു, അന്തിമ നിർദ്ദേശം സ്വയം ഇംഗ്ലീഷിൽ എഴുതുന്നു, ഒന്നും റെൻഡർ ചെയ്യും മുമ്പ് ഒരു സ്ഥിരീകരണ കാർഡിൽ അത് നിങ്ങൾക്ക് കാണിക്കുന്നു. നിങ്ങൾ സ്ഥിരീകരിക്കും വരെ ഒന്നും ഉണ്ടാക്കുന്നില്ല, ഒന്നും ബില്ല് ചെയ്യുന്നുമില്ല. ആ കാർഡ് വായിക്കുക — ഒന്നും ചെലവാക്കും മുമ്പ് വിട്ടുപോയ ഒരു നിലനിർത്തൽ വാക്യാംശം പിടികൂടുന്നത് അവിടെയാണ്.
ബന്ധപ്പെട്ട രണ്ട് പെരുമാറ്റങ്ങൾ: Shannon ഒരിക്കലും ക്ഷണിക്കാതെ ചിത്രം ഉണ്ടാക്കുന്നില്ല — ഒരു അഭിവാദ്യമോ ചോദ്യമോ യാദൃച്ഛികമായി ചേർത്ത ഒരു ഫോട്ടോയോ ഒരു ഇമേജ് പ്രവർത്തനത്തിന് കാരണമാകുന്നില്ല. ഒരു ചിത്രം വെറുതെ നോക്കാൻ Shannon-നോട് പറയുന്നത് — അത് വിവരിക്കുക, അതിലെ എഴുത്ത് വായിക്കുക, കോമ്പോസിഷൻ എന്തുകൊണ്ട് ശരിയാകുന്നില്ല എന്ന് പറയുക — സാധാരണ വിഷൻ ജോലിയാണ്, ഒരു നിർമ്മാണമല്ല, അതിന് അധിക ചെലവുമില്ല. "ഈ ഫോട്ടോയിൽ നിങ്ങൾ എന്ത് മാറ്റും?" എന്നത് സൗജന്യ ഉപദേശമാണ്; അത് പ്രാവർത്തികമാക്കുന്നതാണ് എഡിറ്റ്.
06വീക്ഷണാനുപാതം സ്വയമേവ പിന്തുടരപ്പെടുന്നു
എഡിറ്റ് ചെയ്ത ഒരു ചിത്രം അതിന്റെ ഉറവിടത്തിന്റെ അതേ വീക്ഷണാനുപാതത്തിലാണ് തിരികെ വരുന്നത്. നിങ്ങൾ ഒന്ന് തിരഞ്ഞെടുക്കുന്നില്ല, തിരഞ്ഞെടുക്കേണ്ട ആവശ്യവുമില്ല: 4:5 പോർട്രെയ്റ്റ് 4:5 ആയി തുടരുന്നു, 16:9 സ്റ്റിൽ 16:9 ആയി തുടരുന്നു, അസൗകര്യമുള്ള ഒരു ഫോൺ സ്ക്രീൻഷോട്ട് അതിന്റെ അനുപാതം നിലനിർത്തുന്നു. നിങ്ങളുടെ ചിത്രത്തെ നിശ്ശബ്ദമായി വീണ്ടും ഫ്രെയിം ചെയ്യുന്ന ഒരു എഡിറ്റ് ഒരു എഡിറ്റാകില്ല — അത് ഒരു ക്രോപ്പും ഒറിജിനൽ അതിരുകൾക്ക് പുറത്ത് എന്താണെന്നതിനെക്കുറിച്ചുള്ള ഒരു ഊഹവുമാകും.
അത് മറ്റ് രണ്ട് പാതകളിൽ നിന്നുള്ള യഥാർത്ഥ വ്യത്യാസമാണ്. ടെക്സ്റ്റ്-ടു-ഇമേജ് square (സ്ഥിരം), portrait, landscape, wide (സിനിമാറ്റിക്), tall (പോസ്റ്ററുകളും വാൾപേപ്പറുകളും) എന്നിവയിൽ നിന്ന് തിരഞ്ഞെടുക്കാൻ ആവശ്യപ്പെടുന്നു, വ്യക്തമായ ഒരു അഭ്യർത്ഥന എപ്പോഴും ജയിക്കുന്നു; സംയോജനത്തിൽ പുതിയ ക്യാൻവാസ് തിരഞ്ഞെടുക്കാം, കാരണം പിന്തുടരാൻ ഒരൊറ്റ ഉറവിടമില്ല. അതിനാൽ നിങ്ങൾക്ക് വ്യത്യസ്തമായ ഒരു ആകൃതി വേണമെങ്കിൽ അത് ഒരു എഡിറ്റല്ല — 1:1 ഉൽപ്പന്ന ചിത്രം 16:9 ബാനറാക്കുക എന്നാൽ ഒരിക്കലും ഫോട്ടോയെടുക്കാത്ത പിക്സലുകൾ കണ്ടുപിടിക്കുക എന്നാണ്. ഒരു പുതിയ ക്യാൻവാസിലേക്ക് ഉണ്ടാക്കിയോ യോജിപ്പിച്ചോ, മനഃപൂർവ്വം അത് ചെയ്യുക.
07വീഡിയോ നിർമ്മാണമില്ല
ആളുകൾ ചോദിക്കുന്നതുകൊണ്ട്, വ്യക്തമായി പറയുന്നു
Shannon വീഡിയോ ഉണ്ടാക്കുന്നില്ല, ചിത്രങ്ങൾക്ക് ചലനം നൽകുന്നുമില്ല. ഇമേജ്-ടു-വീഡിയോ പാതയില്ല, "ഈ ഫോട്ടോ അനക്കൂ" ഇല്ല, ലൂപ്പില്ല, സിനിമാഗ്രാഫില്ല. ഇത് പ്രിവ്യൂവിലുള്ളതോ ഉടൻ വരാനുള്ളതോ ആയ ഒരു കഴിവല്ല — അത് ഉൽപ്പന്നത്തിൽ നിലവിലില്ല, ഈ പേജിലെ ഒന്നും മറിച്ചൊരു സൂചനയായി വായിക്കരുത്.
Shannon 3 ചിത്രങ്ങളുമായി ചെയ്യുന്നത് കൃത്യമായി മൂന്ന് കാര്യങ്ങളാണ്: പുതിയൊരു ചിത്രം ഉണ്ടാക്കുക, നിലവിലുള്ള ഒരു ചിത്രം എഡിറ്റ് ചെയ്യുക, രണ്ടോ അതിലധികമോ ചിത്രങ്ങൾ ഒന്നാക്കി യോജിപ്പിക്കുക. ഇവിടെയുള്ളതെല്ലാം അതിൽ രണ്ടാമത്തേതിനുള്ളിലാണ്.
ഇത് രണ്ടുവട്ടം പറയേണ്ടതുണ്ട്, കാരണം "AI ഇമേജ് എഡിറ്റർ", "AI വീഡിയോ ജനറേറ്റർ" എന്നിവ ആളുകളുടെ മനസ്സിൽ അടുത്തടുത്തായിക്കഴിഞ്ഞു, നിങ്ങളുടെ ഫോട്ടോയുടെ വെളിച്ചം സന്തോഷത്തോടെ മാറ്റിത്തരുന്ന ഒരു ടൂൾ അതിനെ അനക്കാൻ ഒരു ബട്ടൺ മാത്രം അകലെയാണെന്ന് തോന്നിപ്പിക്കുന്നു. അങ്ങനെയല്ല — അത് പത്താം മിനിറ്റിലല്ല, ആദ്യ മിനിറ്റിൽ തന്നെ നിങ്ങൾ അറിയണം.
08നിർമ്മാണത്തെക്കാൾ എഡിറ്റിംഗിന് സെൻസർ ഇല്ലായ്മ കൂടുതൽ പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്
ഫിൽട്ടർ ചെയ്ത എഡിറ്ററുകൾ ഫിൽട്ടർ ചെയ്ത ജനറേറ്ററുകളിൽ നിന്ന് വ്യത്യസ്തമായാണ് പരാജയപ്പെടുന്നത്, സാധാരണ കൂടുതൽ മോശമായും. ഒരു ഫിൽട്ടർ ചെയ്ത ജനറേറ്റർ നിങ്ങളുടെ പ്രോംപ്റ്റ് നിരസിക്കുന്നു; നിങ്ങൾ മാറ്റിയെഴുതി വീണ്ടും ശ്രമിക്കുന്നു. ഒരു ഫിൽട്ടർ ചെയ്ത എഡിറ്ററിന് നിങ്ങളുടെ നിർദ്ദേശത്തിലെ ഒരു വാക്ക് വായിക്കും മുമ്പ് ഉറവിട ചിത്രം തന്നെ നിരസിക്കാനാകും. ഒരു കേസ് റിപ്പോർട്ടിനായി ഒരു ക്ലിനിക്കൽ മുറിവിന്റെ ഫോട്ടോ അപ്‌ലോഡ് ചെയ്താൽ ഇൻപുട്ടിൽ തന്നെ അത് നിരസിക്കപ്പെടുന്നു. ഒരു മടക്ക് നന്നാക്കാൻ ഒരു ചരിത്ര യുദ്ധ ഫോട്ടോ അപ്‌ലോഡ് ചെയ്താൽ ഫ്രെയിമിലെ തോക്ക് സംഭാഷണം അവസാനിപ്പിക്കുന്നു. നിയമാനുസൃതമായ ജോലി, വർഗ്ഗപരമായ നിരസനം, സഹായിക്കുമായിരുന്ന ഒരു പുനർലേഖനവുമില്ല.
ഔട്ട്പുട്ടിൽ ഉള്ളടക്ക ഫിൽട്ടറില്ലാതെയും നിർദ്ദേശം എഴുതുന്ന മോഡലിൽ നിരസന പാളിയില്ലാതെയുമാണ് Shannon ഇമേജ് പാത പ്രവർത്തിപ്പിക്കുന്നത്. ഈ സാധാരണ ജോലികൾ സാധ്യമാക്കുന്നത് അതാണ്:
- കലാപരമായ നഗ്നചിത്രങ്ങളും ഫിഗർ ജോലിയും — സമ്മതമുള്ള മുതിർന്ന വിഷയങ്ങളുമായി പ്രവർത്തിക്കുന്ന കലാകാരന്മാർക്കും ഫോട്ടോഗ്രാഫർമാർക്കും വേണ്ടിയുള്ള റീടച്ചിംഗ്, വെളിച്ചം മാറ്റൽ, ശൈലി മാറ്റൽ.
- മെഡിക്കൽ, ഫോറൻസിക് ചിത്രീകരണം — മുഖ്യധാരാ എഡിറ്ററുകൾ കണ്ടമാത്രയിൽ നിരസിക്കുന്ന, അധ്യയന സാമഗ്രികൾക്കും കേസ് റിപ്പോർട്ടുകൾക്കും പുനർനിർമ്മാണ ജോലിക്കും വേണ്ടി വൃത്തിയാക്കിയ ക്ലിനിക്കൽ ചിത്രങ്ങൾ.
- സുരക്ഷാ ഗവേഷണ ചിത്രങ്ങൾ — ഫിഷിംഗ്-ബോധവൽക്കരണ പരിപാടികൾക്കും റെഡ്-ടീം റിപ്പോർട്ടിംഗിനും വേണ്ടിയുള്ള സ്ക്രീൻഷോട്ടുകൾ, ഭൗതിക സുരക്ഷാ ഫോട്ടോഗ്രാഫുകൾ, ഹാർഡ്‌വെയർ ഡോക്യുമെന്റേഷൻ.
- കഥയിലെ അക്രമം — ഒരു മുറിവോ ആയുധമോ വിഷയമാകുന്ന സിനിമ, ഗെയിം, കോമിക്സ് നിർമ്മാണ കല.
- രാഷ്ട്രീയ ആക്ഷേപഹാസ്യവും എഡിറ്റോറിയൽ ചിത്രീകരണവും — പിന്നിൽ നൂറ്റാണ്ടുകളുടെ ചരിത്രമുണ്ട്, ഫിൽട്ടർ ചെയ്ത ടൂളുകളിൽ ഏതാണ്ട് പിന്തുണയില്ല.
- അവകാശമുള്ളവരുടെ ബ്രാൻഡും രൂപവുമായി ബന്ധപ്പെട്ട ജോലി — നിങ്ങളുടെ സ്വന്തം ഉൽപ്പന്ന ഫോട്ടോഗ്രാഫി, ലോഗോ ലോക്കപ്പുകൾ, പോർട്രെയ്റ്റുകൾ, ബുദ്ധിമുട്ടുള്ള കുടുംബ ശേഖരങ്ങൾ — നിങ്ങൾക്ക് അനുവാദമുണ്ടോ എന്ന് ഒരു ക്ലാസിഫയറുമായി തർക്കിക്കാതെ.
സെൻസർ ഇല്ലാത്തത് ഉത്തരവാദിത്തമില്ലാത്തതല്ല. Shannon പ്രവർത്തിപ്പിക്കുന്നത് Shannon Lab LLC (ന്യൂ മെക്സിക്കോ, യുഎസ്എ) ആണ്, പ്രസിദ്ധീകരിച്ച ഒരു ഉത്തരവാദിത്ത ഉപയോഗ നയത്തിന് കീഴിൽ; യഥാർത്ഥ പരിധികൾ അവിടെയാണ് — ഒരു മുറിവിന്റെ ഫോട്ടോയോടുള്ള ക്ലാസിഫയറിന്റെ അസ്വസ്ഥതയെക്കുറിച്ചല്ല, നിയമത്തെയും ദോഷത്തെയും കുറിച്ചുള്ളവ. യാന്ത്രികമായ നിരസനത്തിന്റെ അഭാവം ടൂളിനെക്കുറിച്ചുള്ള ഒരു പ്രസ്താവനയാണ്, നിങ്ങൾ ഉണ്ടാക്കുന്നതിനുള്ള നിങ്ങളുടെ ഉത്തരവാദിത്തത്തെക്കുറിച്ചല്ല.
09API എവിടെ ചേരുന്നു — എവിടെ ചേരുന്നില്ല
ഒരു API തിരച്ചിലിൽ നിന്ന് എത്തുന്ന വായനക്കാർക്ക് ഇത് പതിവായ ഒരു തെറ്റായ വഴിത്തിരിവാണ്. ഇമേജ് നിർമ്മാണവും എഡിറ്റിംഗും നടക്കുന്നത് Shannon ചാറ്റ് ആപ്പിലാണ്, API-യിലല്ല. മൂന്ന് /v1 ഭാഷാഭേദങ്ങൾ — /v1/chat/completions (OpenAI രൂപം), /v1/messages (Anthropic രൂപം), /v1/responses, എല്ലാം സ്ട്രീമിംഗ്, എല്ലാം ഒരേ മോഡലുകളിൽ — ടെക്സ്റ്റും വിഷനും നൽകുന്നു. വിഷൻ എന്നാൽ നിങ്ങൾ അയക്കുന്ന ചിത്രങ്ങൾ മോഡലുകൾ വായിക്കുന്നു എന്നാണ്: അവ വിവരിക്കുന്നു, എഴുത്ത് പകർത്തുന്നു, ഒരു ചാർട്ട് വിശകലനം ചെയ്യുന്നു. അവ ചിത്രങ്ങൾ ഉണ്ടാക്കുകയോ മാറ്റുകയോ ചെയ്യുന്നു എന്നല്ല.
എന്നിട്ടും ഒരു ഉപകാരപ്രദമായ രീതി ബാക്കിയുണ്ട്: വിഷനും സെൻസർ ചെയ്യാത്ത ഒരു ടെക്സ്റ്റ് മോഡലും ചേർന്നാൽ അത് ശക്തമായ ഒരു നിർദ്ദേശ-രചനാ സഹായിയാണ്. നിങ്ങളുടെ ഉറവിട ചിത്രം API-ക്ക് അയക്കുക, ഫ്രെയിമിൽ എന്താണുള്ളതെന്ന് വിവരിക്കാനും മാറ്റത്തിനും ആങ്കറുകൾക്കും പേരിടുന്ന ഒരു ആങ്കർ ചെയ്ത നിർദ്ദേശം തയ്യാറാക്കാനും പറയുക, പിന്നെ ആ നിർദ്ദേശം ചാറ്റിൽ പ്രവർത്തിപ്പിക്കുക — നിങ്ങൾ മറന്നുപോകുമായിരുന്ന ആങ്കറുകൾ അത് പിടിച്ചെടുക്കുന്നു. അഭ്യർത്ഥനയുടെയും പ്രതികരണത്തിന്റെയും രൂപങ്ങൾ API ഡോക്യുമെന്റേഷനിലുണ്ട്.
10പതിവ് ചോദ്യങ്ങൾ
എന്താണ് സെൻസർ ചെയ്യാത്ത AI ഇമേജ് എഡിറ്റർ?
നിലവിലുള്ള ഒരു ചിത്രവും സാധാരണ വാക്കുകളിലുള്ള ഒരു നിർദ്ദേശവും സ്വീകരിച്ച് എഡിറ്റ് ചെയ്ത ചിത്രം തിരികെ നൽകുന്ന ഒരു എഡിറ്ററാണ് അത് — ഔട്ട്പുട്ടിൽ ഉള്ളടക്ക ഫിൽട്ടറില്ല, നിർദ്ദേശം എഴുതുന്ന മോഡലിൽ നിരസന പാളിയുമില്ല. Shannon ചാറ്റ് ആപ്പിനുള്ളിൽ ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിലാണ് അത് പ്രവർത്തിക്കുന്നത്; അതുകൊണ്ട് ഫിൽട്ടർ ചെയ്ത എഡിറ്ററുകൾ നിരസിക്കുന്ന ജോലികൾ — കലാപരമായ നഗ്നചിത്ര റീടച്ചിംഗ്, മെഡിക്കൽ, ഫോറൻസിക് ചിത്രീകരണം, സുരക്ഷാ ഗവേഷണ ചിത്രങ്ങൾ, കഥയിലെ അക്രമം, രാഷ്ട്രീയ ആക്ഷേപഹാസ്യം — നിരസിക്കപ്പെടാതെ ചെയ്യപ്പെടുന്നു.
പശ്ചാത്തലം മാത്രം മാറ്റാൻ പറഞ്ഞപ്പോൾ മുഖം എന്തുകൊണ്ടാണ് മാറുന്നത്?
കാരണം ഒരു നിർദ്ദേശ എഡിറ്റ് നിങ്ങളുടെ മനസ്സിലുള്ള ഭാഗം മാത്രമല്ല, ഉറവിട ചിത്രത്തെ ആധാരമാക്കി ഫ്രെയിം മുഴുവൻ വീണ്ടും ഉണ്ടാക്കുകയാണ് — മാറ്റമില്ലാത്തതെന്ന് നിങ്ങൾ പേരെടുത്ത് പറയാത്തതെല്ലാം വ്യതിചലിക്കാൻ സ്വതന്ത്രമാണ്. പരിഹാരം ആങ്കറിംഗ് ആണ്: "മുഖം, മുടിയുടെ രീതി, ഭാവം, വസ്ത്രം എന്നിവ അതേപടി നിലനിർത്തുക, ഒരേ ക്യാമറ കോണും ക്രോപ്പും" എന്ന മട്ടിൽ ഒരു നിലനിർത്തൽ വാക്യാംശം ചേർക്കുക. മാറാത്ത ഭാഗങ്ങൾക്ക് പേരിടുന്നതാണ് നിങ്ങൾക്കുള്ള ഏറ്റവും വലിയ ഗുണനിലവാര ഉപാധി.
Shannon ഇമേജ് എഡിറ്റിംഗ് നെഗറ്റീവ് പ്രോംപ്റ്റ് പിന്തുണയ്ക്കുന്നുണ്ടോ?
അതെ. ഒട്ടും സ്വീകരിക്കാത്ത ടെക്സ്റ്റ്-ടു-ഇമേജിൽ നിന്ന് വ്യത്യസ്തമായി, എഡിറ്റിംഗ്, ബഹു-ഇമേജ് സംയോജന പാതകൾ രണ്ടും ഒന്ന് പിന്തുണയ്ക്കുന്നു. നിർദ്ദേശത്തിൽ "X വേണ്ട" എന്ന് എഴുതുന്നതിനു പകരം അനാവശ്യ ആർട്ടിഫാക്റ്റുകൾക്കായി അത് ഉപയോഗിക്കുക — അധിക വിരലുകൾ, വളഞ്ഞ അക്ഷരങ്ങൾ, ഇരട്ടിച്ച കൈവരികൾ, പരന്നുപോയ ടെക്സ്ചർ, പ്ലാസ്റ്റിക് ചർമ്മം, വാട്ടർമാർക്കുകൾ. ഉള്ളടക്ക തീരുമാനങ്ങൾ നിർദ്ദേശത്തിൽ, പോസിറ്റീവായി പറയണം; ആർട്ടിഫാക്റ്റ് അടിച്ചമർത്തൽ നെഗറ്റീവ് പ്രോംപ്റ്റിൽ.
Shannon-ന് എന്റെ ചിത്രത്തിന് ചലനം നൽകാനോ അതിനെ വീഡിയോ ആക്കാനോ കഴിയുമോ?
ഇല്ല. Shannon വീഡിയോ ഉണ്ടാക്കുന്നില്ല, ചിത്രങ്ങൾക്ക് ചലനം നൽകുന്നുമില്ല. ഇമേജ്-ടു-വീഡിയോ പാതയില്ല, അങ്ങനെയൊന്ന് പ്രഖ്യാപിക്കുന്നുമില്ല. Shannon 3 പുതിയൊരു ചിത്രം ഉണ്ടാക്കുന്നു, നിലവിലുള്ള ഒരു ചിത്രം എഡിറ്റ് ചെയ്യുന്നു, അല്ലെങ്കിൽ രണ്ടോ അതിലധികമോ ചിത്രങ്ങൾ ഒന്നാക്കി യോജിപ്പിക്കുന്നു — ഈ മൂന്ന് കാര്യങ്ങൾ, അതിനപ്പുറം ഒന്നുമില്ല.
ഒരു എഡിറ്റ് എത്ര ഉറവിട ചിത്രങ്ങൾ ഉപയോഗിക്കുന്നു?
കൃത്യമായി ഒന്ന്: ഒന്നുകിൽ സംഭാഷണത്തിൽ ഇതിനകമുള്ള ഒരു ചിത്രം, അല്ലെങ്കിൽ നിങ്ങളുടെ ഇപ്പോഴത്തെ സന്ദേശത്തോട് ചേർത്ത ഒന്ന്. രണ്ടോ അതിലധികമോ ചിത്രങ്ങളിൽ നിന്ന് ഘടകങ്ങൾ വരണമെങ്കിൽ — ഒരു ഫോട്ടോയിലെ വസ്ത്രം മറ്റൊരു ഫോട്ടോയിലെ വ്യക്തിയുടെ മേൽ — അത് ഒരു എഡിറ്റല്ല, ഒരു സംയോജനമാണ്; രണ്ടാമത്തേത് വാക്കുകളിൽ വിവരിക്കുന്നതിനു പകരം യഥാർത്ഥ ചിത്രങ്ങൾ നൽകുകയാണ് വേണ്ടത്.
ഞാൻ ഒരു മാസ്ക് വരയ്ക്കുകയോ ഇൻപെയിന്റിംഗ് ഉപയോഗിക്കുകയോ വേണോ?
വേണ്ട. ബ്രഷോ ലാസോയോ മാസ്ക് ലെയറോ ഇല്ല. നിങ്ങൾ മാറ്റം ഒരു വാക്യത്തിൽ വിവരിക്കുന്നു, നിങ്ങളുടെ ഭാഷയിൽ നിന്ന് ഭാഗം ഊഹിച്ചെടുക്കപ്പെടുന്നു; അതുകൊണ്ടാണ് കൃത്യമായ നാമങ്ങൾ പ്രധാനമാകുന്നത്: "വലതുവശത്ത് നിർത്തിയിട്ട വെള്ളി കാർ" എന്നത് "ആ സാധനം" എന്നതിനെക്കാൾ എത്രയോ നന്നായി ലക്ഷ്യം പിടിക്കുന്നു. തിരഞ്ഞെടുപ്പ് ജോലിയില്ലാതെ ഫലം വേണ്ടവർക്ക് അതാണ് Shannon-നെ പ്രായോഗികമായ സെൻസർ ചെയ്യാത്ത ഇൻപെയിന്റിംഗ് ബദലാക്കുന്നത്.
Shannon API വഴി എനിക്ക് ചിത്രങ്ങൾ എഡിറ്റ് ചെയ്യാമോ?
ഇല്ല. ഇമേജ് നിർമ്മാണവും എഡിറ്റിംഗും Shannon ചാറ്റ് ആപ്പിലാണ്. /v1 ഭാഷാഭേദങ്ങൾ — /v1/chat/completions, /v1/messages, /v1/responses — ടെക്സ്റ്റും വിഷനും നൽകുന്നു: നിങ്ങൾ അയക്കുന്ന ചിത്രങ്ങൾ അവ വായിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നു, പക്ഷേ ഉണ്ടാക്കുകയോ എഡിറ്റ് ചെയ്യുകയോ ചെയ്യുന്നില്ല. API-യുടെ വിഷൻ കൊണ്ട് ആങ്കർ ചെയ്ത നിർദ്ദേശം തയ്യാറാക്കി, പിന്നെ ചാറ്റിൽ എഡിറ്റ് നടത്തുന്നതാണ് സാധാരണ രീതി.
ഒരു ഫിൽട്ടറുമായി തർക്കിക്കാതെ ഒരു ചിത്രം എഡിറ്റ് ചെയ്യുക
ഒരു ഫോട്ടോ ചേർക്കുക, ഒരു വാക്യം എഴുതുക, എന്ത് അതേപടി നിൽക്കണമെന്ന് പേരിടുക.
എഡിറ്റിംഗ് തുടങ്ങുക API ഡോക്യുമെന്റേഷൻ വായിക്കുകചിത്രങ്ങൾ ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിൽ റെൻഡർ ചെയ്യുന്നു · നിങ്ങൾ കാർഡ് സ്ഥിരീകരിക്കും വരെ ഒന്നും റെൻഡർ ചെയ്യുകയോ ബില്ല് ചെയ്യുകയോ ഇല്ല
Shannon AI പ്രവർത്തിപ്പിക്കുന്നത് ന്യൂ മെക്സിക്കോ, യുഎസ്എയിലെ Shannon Lab LLC ആണ്. ഇമേജ് നിർമ്മാണം, എഡിറ്റിംഗ്, സംയോജനം എന്നിവ Shannon 3-ന്റെ ചാറ്റ് ആപ്പ് സവിശേഷതകളാണ്; /v1 API ടെക്സ്റ്റും വിഷനും മാത്രം നൽകുന്നു. ഉൽപ്പന്നത്തിൽ വീഡിയോ നിർമ്മാണമില്ല. എഡിറ്റിംഗ് കൃത്യമായി ഒരു ഉറവിട ചിത്രം സ്വീകരിക്കുന്നു, അതിന്റെ വീക്ഷണാനുപാതം പിന്തുടരുന്നു. സെൻസർ ചെയ്യാത്ത ഇമേജ് പാതകളുടെ ഉപയോഗം ഉത്തരവാദിത്ത ഉപയോഗ നയത്തിന് വിധേയമാണ്.