സെൻസർ ചെയ്യാത്ത AI ഇമേജ് ജനറേറ്റർ

"സെൻസർ ചെയ്യാത്ത AI ഇമേജ് ജനറേറ്റർ" തിരയുന്ന മിക്കവരും അതിരുകടന്ന എന്തെങ്കിലും തേടിയല്ല വരുന്നത്. ജീവചിത്രരചനയ്ക്കുള്ള റഫറൻസ് നിഷേധിക്കപ്പെട്ട ചിത്രകാരന്മാർ, ശരീരശാസ്ത്ര ചിത്രം നിഷേധിക്കപ്പെട്ട വൈദ്യശാസ്ത്ര എഴുത്തുകാർ, പരിശീലന അവതരണത്തിന് വേണ്ടിയിരുന്ന വ്യാജ ലോഗിൻ സ്ക്രീൻ നിഷേധിക്കപ്പെട്ട സുരക്ഷാ ഗവേഷകർ, യുദ്ധരംഗം നിഷേധിക്കപ്പെട്ട നോവലിസ്റ്റുകൾ, ഒരു രാഷ്ട്രീയക്കാരനെ വരയ്ക്കാൻ നിഷേധിക്കപ്പെട്ട കാർട്ടൂണിസ്റ്റുകൾ — ഇവരാണ് അവർ. അവരുടെ ജോലി ഹാനികരമാണെന്ന് ഫിൽട്ടർ തീരുമാനിച്ചതല്ല. തനിക്ക് പറയാനാവില്ലെന്ന് അത് തീരുമാനിച്ചു, തെറ്റാകുന്നതിനേക്കാൾ വിലകുറഞ്ഞത് നിരസിക്കുന്നതാണ്. ഇതിന് പകരം Shannon എന്ത് ചെയ്യുന്നു, നിങ്ങൾ ഒരു അഭ്യർത്ഥന ടൈപ്പ് ചെയ്യുന്ന നിമിഷം മുതൽ ആ പ്രവാഹം എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നാണ് ഈ ലേഖനം വിശദീകരിക്കുന്നത്.

01ഒരു ഇമേജ് ജനറേറ്ററിന് "സെൻസർ ചെയ്യാത്തത്" എന്നതിന്റെ യഥാർത്ഥ അർത്ഥം എന്ത്?

ഈ വാക്ക് അർത്ഥശൂന്യമാകുവോളം അയഞ്ഞ രീതിയിൽ ഉപയോഗിക്കപ്പെടുന്നു, അതിനാൽ ഇതാ കൃത്യമായ പതിപ്പ്. ഒരു ആധുനിക ഇമേജ് ഉൽപ്പന്നത്തിൽ ഒരു അഭ്യർത്ഥനയ്ക്ക് മരിക്കാൻ കഴിയുന്ന കുറഞ്ഞത് നാല് ഇടങ്ങളുണ്ട്:

1. ഇൻപുട്ട് വർഗ്ഗീകരണം — മറ്റെന്തെങ്കിലും സംഭവിക്കും മുമ്പ് നിങ്ങളുടെ വാചകം വിഷയ വിഭാഗങ്ങൾക്കെതിരെ വിലയിരുത്തപ്പെടുന്നു, ഉയർന്ന സ്കോർ അഭ്യർത്ഥനയെ കൊല്ലുന്നു.
2. പ്രോംപ്റ്റ് മാറ്റിയെഴുത്ത് — ഒരു അസിസ്റ്റന്റ് നിശ്ശബ്ദമായി നിങ്ങളുടെ പ്രോംപ്റ്റ് "മെച്ചപ്പെടുത്തുന്നു", പ്രായോഗികമായി അതിനർത്ഥം നിങ്ങൾ ചോദിച്ച പ്രത്യേക കാര്യം ഉരച്ചുകളയുന്നു എന്നാണ്.
3. അസിസ്റ്റന്റിലെ ഒരു നിരസന പാളി — നിങ്ങളോട് സംസാരിക്കുന്ന മോഡൽ അഭ്യർത്ഥന കൈമാറാൻ വിസമ്മതിക്കുന്നു, സാധാരണയായി എന്തുകൊണ്ട് സഹായിക്കാനാവില്ല എന്നതിനെക്കുറിച്ചുള്ള ഒരു ഖണ്ഡികയോടെ.
4. ഔട്ട്പുട്ട് വർഗ്ഗീകരണം — റെൻഡർ ചെയ്ത ശേഷം പൂർത്തിയായ ചിത്രം വിലയിരുത്തി തടഞ്ഞുവയ്ക്കുന്നു, അതായത് ജനറേഷൻ കത്തിച്ചു, ഒന്നും കിട്ടിയതുമില്ല.

Shannon-ൽ ജനറേഷൻ പാതയിൽ ഉള്ളടക്ക ഫിൽട്ടറില്ല, പ്രോംപ്റ്റ് എഴുതുന്ന മോഡലിൽ നിരസന പാളിയുമില്ല. നിങ്ങളുടെ അഭ്യർത്ഥന ഒരു വിഷയ ബ്ലോക്ക്‌ലിസ്റ്റിനെതിരെ വിലയിരുത്തപ്പെടുന്നില്ല, കൂടുതൽ സുരക്ഷിതമായ ഒന്നിലേക്ക് നിശ്ശബ്ദമായി മാറ്റിയെഴുതപ്പെടുന്നില്ല, അതിലെ ഒരു വാക്ക് ഒരു അപകട വിഭാഗവുമായി യോജിച്ചു എന്നതിന്റെ പേരിൽ നിരസിക്കപ്പെടുന്നുമില്ല. നിങ്ങളുടെ സന്ദേശം വായിക്കുന്ന മോഡൽ, നിങ്ങൾ യഥാർത്ഥത്തിൽ ചോദിച്ചത് പ്രതിഫലിപ്പിക്കുന്ന ഒരു ജനറേഷൻ പ്രോംപ്റ്റ് എഴുതുന്നു, പിന്നെ പരിശോധിക്കാൻ അത് നിങ്ങൾക്ക് കൈമാറുന്നു.

"സെൻസർ ചെയ്യാത്തത്" എന്നാൽ അല്ലാത്തത്: എല്ലാ റെൻഡറും ഒരു മാസ്റ്റർപീസ് ആണെന്നോ ശരീരഘടനയും ഭൗതികശാസ്ത്രവും എപ്പോഴും ശരിയായി വരുമെന്നോ ഉള്ള അവകാശവാദമല്ല അത് — അവ ശേഷിയുടെ ചോദ്യങ്ങളാണ്, പ്രോംപ്റ്റ് ഗൈഡിൽ സത്യസന്ധമായി വിവരിച്ചിട്ടുണ്ട്. എന്തും ആകാമെന്നുള്ള അവകാശവാദവുമല്ല. Shannon Lab LLC ഒരു ഉത്തരവാദിത്ത ഉപയോഗ നയം നടപ്പാക്കുന്നു, ഒരു യാന്ത്രിക ഫിൽട്ടറിന്റെ അഭാവമാണ് ആ നയത്തിന് പകരം ഭാരം വഹിക്കേണ്ടിവരുന്നതിന്റെ കൃത്യമായ കാരണം. ഒരു മൂർച്ചയില്ലാത്ത ആയുധം നീക്കുന്നത് ഉപകരണം കൈയിലുള്ള മനുഷ്യന്റെ നിലവാരം ഉയർത്തുന്നു; അത് ഇല്ലാതാക്കുന്നില്ല.

02നിരസന പ്രശ്നം: ഫിൽട്ടർ ചെയ്ത ജനറേറ്ററുകൾ തടയുന്ന നിയമാനുസൃതമായ ജോലി

ഉള്ളടക്ക ഫിൽട്ടറുകൾ പുറമേയുള്ള സവിശേഷതകൾ അനുസരിച്ചാണ് വർഗ്ഗീകരിക്കുന്നത്, കാരണം വലിയ തോതിൽ വിലകുറച്ച് അവയ്ക്ക് ചെയ്യാനാവുന്നത് അതുമാത്രമാണ്. അവ വാക്കുകളും പിക്സലുകളും കാണുന്നു. ഉദ്ദേശ്യമോ പ്രൊഫഷണൽ സന്ദർഭമോ ചോദിക്കുന്നത് ആരാണെന്നോ അവ കാണുന്നില്ല. ആ വിടവിലാണ് നാശം സംഭവിക്കുന്നത്, ഉൽപ്പന്നങ്ങൾക്കിടയിൽ അത് അതിശയകരമാംവിധം സ്ഥിരതയുള്ളതുമാണ്: ഒരേ ഘടനാപരമായ കാരണത്താൽ ഒരേ ഏതാനും വിഭാഗങ്ങൾ എല്ലായിടത്തും നിരസിക്കപ്പെടുന്നു.

ജോലിയുടെ വിഭാഗം	ഫിൽട്ടർ എന്തുകൊണ്ട് നിരസിക്കുന്നു	യഥാർത്ഥത്തിൽ ചോദിച്ചത്
കലാ നഗ്നചിത്രവും & രൂപപഠനവും	നഗ്നത കണ്ടെത്തുന്ന ക്ലാസിഫയറുകൾക്ക് ഫൈൻ ആർട്ട് പാരമ്പര്യത്തെ അശ്ലീലത്തിൽ നിന്ന് വേർതിരിക്കാനാവില്ല, അതിനാൽ ശരീരം തന്നെ അപകട സൂചനയാകുന്നു.	ജീവചിത്രരചനാ റഫറൻസ്, ശരീരഘടനാ പഠനം, ഒരു ശിൽപ ആശയം — അഞ്ച് നൂറ്റാണ്ടായി കലാ പരിശീലനത്തിന്റെ അടിത്തറ.
മെഡിക്കൽ ചിത്രീകരണം	ശസ്ത്രക്രിയാ ഭാഗങ്ങൾ, മുറിവുകൾ, ആന്തരിക ശരീരഘടന എന്നിവ അക്രമ ചിത്രങ്ങളിൽ പരിശീലിപ്പിച്ച ഒരു ക്ലാസിഫയറിന് രക്തരൂഷിതമായി തോന്നുന്നു.	ഒരു പാഠപുസ്തക ചിത്രം, രോഗി-വിദ്യാഭ്യാസ ഡയഗ്രം, ഒരു ത്വക്ക്‌രോഗ അവതരണം, ഒരു ജേണൽ ചിത്രം.
ഫോറൻസിക് ചിത്രീകരണം	പരിക്കിന്റെ മാതൃകകളും സംഭവസ്ഥല പുനർനിർമ്മാണങ്ങളും പിക്സൽ സ്ഥിതിവിവരക്കണക്കുകൾ കൊണ്ട് അക്രമ ഉള്ളടക്കത്തിൽ നിന്ന് വേർതിരിക്കാനാവില്ല.	ഒരു കോടതി തെളിവ്, ഒരു അപകട-വിശകലന പുനർനിർമ്മാണം, അന്വേഷകർക്കുള്ള ഒരു പരിശീലന ചിത്രം.
സുരക്ഷാ ഗവേഷണ ചിത്രങ്ങൾ	വിശ്വസനീയമായ ഒരു വ്യാജ സൈൻ-ഇൻ സ്ക്രീൻ, ആളുകളെ തിരിച്ചറിയാൻ പഠിപ്പിക്കാൻ ഉദ്ദേശിച്ച ആ ദുരുപയോഗം പോലെ തന്നെയാണ് കാണപ്പെടുന്നത്.	ഫിഷിംഗ്-ബോധവൽക്കരണ പരിശീലന സാമഗ്രി, ഒരു റെഡ്-ടീം റിപ്പോർട്ട് ചിത്രം, ഒരു സമ്മേളന അവതരണ സ്ലൈഡ്.
കഥയിലെ അക്രമം	ഹാനിയുടെ ഏത് ചിത്രീകരണവും ഹാനിയായി വിലയിരുത്തപ്പെടുന്നു; ഫിൽട്ടറിന് ആഖ്യാന ചട്ടക്കൂട് എന്ന സങ്കൽപ്പമില്ല.	ഒരു യുദ്ധ നോവലിന്റെ കവർ ചിത്രം, ഒരു ഗ്രാഫിക് നോവൽ പാനൽ, ഒരു സ്റ്റോറിബോർഡ്, ഒരു ഗെയിം ആശയം, ഒരു ചരിത്ര യുദ്ധരംഗം.
രാഷ്ട്രീയ ആക്ഷേപഹാസ്യം	തിരിച്ചറിയാവുന്ന ഒരു പൊതുവ്യക്തിയും അനുകൂലമല്ലാത്ത സന്ദർഭവും ചേരുമ്പോൾ രൂപ, അപകീർത്തി നിയമങ്ങൾ ഒരുമിച്ച് ഉണരുന്നു.	ഒരു എഡിറ്റോറിയൽ കാർട്ടൂൺ — ഫോട്ടോഗ്രഫിയെക്കാൾ പഴക്കമുള്ള, സംരക്ഷിത അഭിപ്രായ സ്വാതന്ത്ര്യ രൂപം.
ബ്രാൻഡ് & രൂപ സംബന്ധിയായ ജോലി	വ്യാപാരമുദ്ര, രൂപ ബ്ലോക്ക്‌ലിസ്റ്റുകൾ അവകാശമുള്ളവർ ഉൾപ്പെടെ എല്ലാവർക്കും ഒരുപോലെ ബാധകമാണ്.	സ്വന്തം ക്ലയന്റിന്റെ പാക്കേജിംഗ് മാതൃകയുണ്ടാക്കുന്ന ഒരു ഏജൻസി; സ്വന്തം ടൂർ പോസ്റ്റർ ഉണ്ടാക്കുന്ന ഒരു സംഗീതജ്ഞൻ.

ആ അവസാന വരി ശ്രദ്ധിച്ചു നോക്കൂ, കാരണം അത് മുഴുവൻ രൂപകൽപ്പനയും തുറന്നുകാട്ടുന്നു. ഒരു മൊത്തത്തിലുള്ള രൂപ തടയൽ അവകാശമുള്ളയാളെ ലംഘകനെപ്പോലെ തന്നെ കാണുന്നു: ഒരു ബ്രാൻഡിന്റെയോ മുഖത്തിന്റെയോ മേൽ ഏറ്റവും ശക്തമായ അവകാശമുള്ള ആൾക്ക് ഒരു അപരിചിതന് കിട്ടുന്ന അതേ സന്ദേശം കൊണ്ട് നിരസനം കിട്ടുന്നു. ഒരു ഫിൽട്ടറിനും അത് പരിഹരിക്കാനാവില്ല, കാരണം കാണാതെപോയ വിവരം പ്രോംപ്റ്റിലില്ല — അത് ചോദിക്കുന്നത് ആരാണ് എന്നതിലാണ്, ഒരു ക്ലാസിഫയർ അത് ഒരിക്കലും അറിയുന്നില്ല. ഇതേ അസമമിതി എല്ലാ വരിയിലൂടെയും ഓടുന്നു. പിക്സലുകളിൽ ഒന്നും ശരീരശാസ്ത്ര ചിത്രത്തെ അശ്ലീലത്തിൽ നിന്നോ ഫോറൻസിക് പുനർനിർമ്മാണത്തെ രക്തരൂഷിത ദൃശ്യത്തിൽ നിന്നോ വേർതിരിക്കുന്നില്ല. ജീവനക്കാരെ പരിശീലിപ്പിക്കാൻ ഉണ്ടാക്കിയ ഫിഷിംഗ് മാതൃകയെ അവരെ വഞ്ചിക്കാൻ ഉണ്ടാക്കിയ ഒന്നിൽ നിന്ന് ഒന്നും വേർതിരിക്കുന്നില്ല: രൂപകൽപ്പന പ്രകാരം അവ ഒരേ ചിത്രമാണ്. രണ്ടാമത്തേത് പിടിക്കാൻ കവാടം പണിതാൽ നിങ്ങൾ എപ്പോഴും ആദ്യത്തേതും പിടിക്കും.

അപൂർവ്വമായി കണക്കാക്കപ്പെടുന്ന ഒരു രണ്ടാം ചെലവുമുണ്ട്: ആളുകൾ എങ്ങനെ എഴുതുന്നു എന്നതിലെ മരവിപ്പ്. മൂന്ന് നിരസനങ്ങൾക്ക് ശേഷം നിങ്ങൾ പ്രതിരോധപരമായി എഴുതിത്തുടങ്ങുന്നു — ഒഴിഞ്ഞുമാറി, മൃദുവാക്കി, പ്രധാനപ്പെട്ട വിശദാംശം ഉപേക്ഷിച്ച്, ഒരു രക്ഷാകവചമെന്നോണം "അഭിരുചിയോടെ" എന്ന് ചേർത്ത്. ഔട്ട്പുട്ട് മോശമാകുന്നത് മോഡൽ മോശമായതുകൊണ്ടല്ല, നിങ്ങൾ ആഗ്രഹിച്ചത് വിവരിക്കുന്നത് നിർത്തിയതുകൊണ്ടാണ്. കൃത്യമായി ഇക്കാരണത്താലാണ് സെൻസർ ചെയ്യാത്ത ഒരു ജനറേറ്റർ ഭാഗികമായി ഒരു ഗുണനിലവാര സവിശേഷത കൂടിയാകുന്നത്: നിങ്ങൾക്ക് യഥാർത്ഥ വിവരണം എഴുതാം, അതിനാൽ യഥാർത്ഥ ചിത്രം കിട്ടുന്നു.

03Shannon-ന്റെ റെൻഡറിന്-മുമ്പ്-സ്ഥിരീകരണ പ്രവാഹം എങ്ങനെ പ്രവർത്തിക്കുന്നു

ഫിൽട്ടർ നീക്കുന്നത് വ്യക്തമായ ഒരു ചോദ്യം ഉയർത്തുന്നു: അഭ്യർത്ഥന ഒന്നും പരിശോധിക്കുന്നില്ലെങ്കിൽ, ഒരു തെറ്റിദ്ധാരണ നിങ്ങൾ ആഗ്രഹിക്കാത്തതും പണം കൊടുക്കുമെന്ന് പ്രതീക്ഷിക്കാത്തതുമായ ഒരു റെൻഡറായി മാറുന്നത് എന്ത് തടയും? Shannon-ന്റെ ഉത്തരം മറ്റൊരു യാന്ത്രിക കവാടമല്ല. പ്രോംപ്റ്റ് നിങ്ങൾക്ക് കാണിച്ച് ചോദിക്കുക എന്നതാണ്.

നാല് ഘട്ടങ്ങൾ

1. നിങ്ങൾ ഏത് ഭാഷയിലും സാധാരണ വാക്കുകളിൽ ചോദിക്കുന്നു. പ്രത്യേക വാക്യഘടനയില്ല, /imagine കമാൻഡില്ല, പാരാമീറ്റർ സ്ട്രിംഗില്ല. ഒരാളോട് വിവരിക്കുന്നതുപോലെ നിങ്ങൾ ആഗ്രഹിക്കുന്നത് വിവരിക്കുക. നിങ്ങൾ എഴുതുന്ന ഭാഷയിൽ Shannon പ്രവർത്തിക്കുന്നു.
2. ഒരു ചിത്രമാണ് ആവശ്യപ്പെടുന്നതെന്ന് Shannon തീരുമാനിക്കുന്നു. ഇത് ഉദ്ദേശ്യത്തെക്കുറിച്ചുള്ള ഒരു വിവേചനമാണ്, കീവേഡ് ചേർച്ചയല്ല. ഒരു ഫോട്ടോഗ്രാഫിനെ കുറിച്ച് സംസാരിക്കുന്നത് ഒന്ന് ആവശ്യപ്പെടലല്ല.
3. ജനറേഷൻ പ്രോംപ്റ്റ് Shannon സ്വയം ഇംഗ്ലീഷിൽ എഴുതുന്നു. നിങ്ങൾ ഏത് ഭാഷയിൽ ചോദിച്ചാലും പ്രോംപ്റ്റ് ഇംഗ്ലീഷിലാണ് രചിക്കുന്നത് — നിങ്ങളുടെ വിവരണം, ഇമേജ് മോഡൽ ഏറ്റവും നന്നായി പ്രതികരിക്കുന്ന വിഷയം-ആദ്യം, ഗദ്യരൂപത്തിലേക്ക് വികസിപ്പിച്ച്, ഒരു വീക്ഷണാനുപാതം തിരഞ്ഞെടുത്ത്, ചെറിയ അഭ്യർത്ഥന വിട്ടുപോകുന്ന കൃത്യമായ വിശദാംശങ്ങൾ നിറച്ച്.
4. സ്ഥിരീകരണ കാർഡ് പ്രത്യക്ഷപ്പെടുന്നു — എന്നിട്ട് നിൽക്കുന്നു. ഒന്നും റെൻഡർ ചെയ്യും മുമ്പ് Shannon എഴുതിയ പൂർണ്ണ പ്രോംപ്റ്റ് നിങ്ങൾ കാണുന്നു. നിങ്ങൾ സ്ഥിരീകരിക്കും വരെ ഒന്നും ഉണ്ടാക്കുന്നില്ല, ഒന്നും ബില്ല് ചെയ്യുന്നുമില്ല. നിങ്ങൾക്ക് അത് അംഗീകരിക്കാം, നിരസിക്കാം, അല്ലെങ്കിൽ എന്ത് മാറ്റണമെന്ന് Shannon-നോട് പറഞ്ഞ് പുതുക്കിയ ഒരു കാർഡ് വാങ്ങാം.

ഇത് ഒരു ഫിൽട്ടറിനേക്കാൾ മെച്ചമായിരിക്കുന്നത് എന്തുകൊണ്ട്

ഒരു ഫിൽട്ടർ എന്നത് നിങ്ങളെക്കുറിച്ച്, അദൃശ്യമായി, തനിക്കില്ലാത്ത വിവരം ഉപയോഗിച്ച് എടുക്കുന്ന ഒരു തീരുമാനമാണ്. ഒരു സ്ഥിരീകരണ കാർഡ് എന്നത് നിങ്ങൾ എടുക്കുന്ന തീരുമാനമാണ്, ദൃശ്യമായി, ലഭ്യമായ എല്ലാ വിവരവും ഉപയോഗിച്ച്. അതിന്റെ ഫലങ്ങൾ കൂടിച്ചേരുന്നു:

• അപ്രതീക്ഷിത ചാർജുകളില്ല. റെൻഡറാണ് ചെലവേറിയ ഘട്ടം, കാർഡ് ആദ്യം വരുന്നു — അതിനാൽ തെറ്റായി വായിച്ച ഒരു അഭ്യർത്ഥന നിങ്ങൾക്ക് ഒരു നോട്ടം മാത്രമേ ചെലവാകൂ, ഒരു ജനറേഷനല്ല.
• റെൻഡറിന് മുമ്പ് വ്യതിയാനം പിടിക്കാം. ഒരു പ്രത്യേക തരം വെളിച്ചത്തിനായി നിങ്ങൾ ജാപ്പനീസിൽ ചോദിച്ചിട്ട് ഇംഗ്ലീഷ് പ്രോംപ്റ്റ് സൂക്ഷ്മമായി വ്യത്യസ്തമായി വന്നാൽ, മുപ്പത് സെക്കൻഡിന് ശേഷം ഒരു ചിത്രത്തിലല്ല, വാചകത്തിൽ തന്നെ നിങ്ങൾ അത് കാണുന്നു.
• പ്രോംപ്റ്റ് പഠിപ്പിക്കുന്നു. "ഒരു വയലിനിസ്റ്റിന്റെ വിഷാദമാർന്ന ഛായാചിത്രം" എന്നതിനെ ക്യാമറ, ലെൻസ്, വെളിച്ചം, പശ്ചാത്തലം എന്നിവയുള്ള ഒരു പൂർണ്ണ ഖണ്ഡികയാക്കി Shannon വികസിപ്പിക്കുന്നത് വായിക്കുന്നതാണ് ഇമേജ് മോഡൽ എന്തിനോട് പ്രതികരിക്കുന്നു എന്ന് പഠിക്കാനുള്ള ഏറ്റവും വേഗമേറിയ വഴി.
• അവ്യക്തത നിങ്ങൾക്ക് അനുകൂലമായി തീരുന്നു. ഫിൽട്ടർ ചെയ്ത ഒരു ഉൽപ്പന്നം സൂക്ഷ്മതയോടെ ഊഹിച്ച് പലപ്പോഴും നിരസിക്കുന്നിടത്ത്, Shannon തന്റെ ഏറ്റവും നല്ല വ്യാഖ്യാനം എഴുതി നിങ്ങളെ അത് തിരുത്താൻ അനുവദിക്കുന്നു.

ഒരു ഉദാഹരണം. നിങ്ങൾ പോർച്ചുഗീസിൽ ഏകദേശം ഇങ്ങനെ ടൈപ്പ് ചെയ്യുന്നു: "പഴയ തിയേറ്ററിലെ എന്റെ ബാൻഡിന്റെ ഷോയ്ക്ക് ഒരു പോസ്റ്റർ ഉണ്ടാക്കൂ, പരുക്കൻ, 70-കളുടെ മട്ടിൽ." Shannon ഒരു ഇമേജ് അഭ്യർത്ഥന തിരിച്ചറിയുന്നു, പോസ്റ്റർ എന്ന് പറഞ്ഞതിനാൽ tall തിരഞ്ഞെടുക്കുന്നു, എന്നിട്ട് എഴുതുന്നു:

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.

നിങ്ങൾക്ക് വേണ്ടിയിരുന്നത് നാലല്ല അഞ്ച് ബാൻഡ് അംഗങ്ങളാണെന്ന് നിങ്ങൾ ശ്രദ്ധിക്കുന്നത് ആ കാർഡിലാണ്. നിങ്ങൾ അത് പറയുന്നു, കാർഡ് പുതുക്കുന്നു, അതിന് ശേഷം മാത്രമേ എന്തെങ്കിലും റെൻഡർ ചെയ്യുന്നുള്ളൂ. ഫിൽട്ടർ ചെയ്ത ഒരു ഉൽപ്പന്നത്തിൽ നിങ്ങൾ ആദ്യം തെറ്റായ ചിത്രത്തിന് പണം കൊടുത്തേനെ.

04ക്ഷണിക്കാതെ Shannon ഒരിക്കലും ചിത്രം ഉണ്ടാക്കുന്നില്ല

വിപരീത പരാജയ രീതിയും അത്രതന്നെ പ്രധാനമാണ്. ചിത്രം ഉണ്ടാക്കാൻ അമിത ഉത്സാഹമുള്ള ഒരു ഉൽപ്പന്നം മടുപ്പിക്കുന്നതാണ്: ഒരു സ്ക്രീൻഷോട്ട് ഒട്ടിച്ച് അതിനെക്കുറിച്ച് ചോദിക്കുമ്പോൾ "മെച്ചപ്പെടുത്തിയ" ഒരു പതിപ്പ് തിരികെ കിട്ടുന്നു; ഒരു ശൈലിയായി "ഇത് ഒന്ന് സങ്കൽപ്പിക്കൂ" എന്ന് പറയുമ്പോൾ ഒരു ചിത്രം കിട്ടുന്നു. Shannon ഇത് ചെയ്യുന്നില്ല.

• ഒരു അഭിവാദ്യം അഭ്യർത്ഥനയല്ല. ഹലോ പറഞ്ഞാൽ ഒരു മറുപടി കിട്ടും, ഒരു റെൻഡറല്ല.
• ഒരു ചോദ്യം അഭ്യർത്ഥനയല്ല. ഒരു നല്ല ആൽബം കവർ എന്താണെന്ന് ചോദിച്ചാൽ ആൽബം കവറുകളെക്കുറിച്ചുള്ള ഉത്തരം കിട്ടും.
• യാദൃച്ഛികമായി ചേർത്ത ഒരു ഫോട്ടോ അഭ്യർത്ഥനയല്ല. ചർച്ച ചെയ്യാൻ ഒരു ചിത്രം സംഭാഷണത്തിലേക്ക് ഇടുന്നത് ഒരു എഡിറ്റ് തുടങ്ങുന്നില്ല.
• ചിത്രങ്ങളെക്കുറിച്ച് സംസാരിക്കുന്നത് ഒന്ന് ആവശ്യപ്പെടലല്ല. ഒരു ചിത്രം, ഒരു ഫോട്ടോഗ്രാഫറുടെ സങ്കേതം, അല്ലെങ്കിൽ ഒരു ഡിസൈൻ ബ്രീഫ് ചർച്ച ചെയ്യുന്നത് സംഭാഷണമായി തന്നെ തുടരുന്നു.

ഒപ്പം ദൈനംദിന ജോലിയിൽ ആളുകൾക്ക് ഏറ്റവും ഉപകാരപ്രദമായി തോന്നുന്ന അനുബന്ധ കാര്യം: ഒരു ചിത്രം നോക്കാൻ Shannon-നോട് പറയുന്നത് സാധാരണ ഇമേജ് വായനയാണ്, ഒരു ജനറേഷനല്ല. ഈ ഫോട്ടോ വിവരിക്കൂ, ഈ സ്ക്രീൻഷോട്ടിലെ വാചകം വായിക്കൂ, ഈ ലേഔട്ടിൽ എന്താണ് കുഴപ്പമെന്ന് പറയൂ, ഈ കൈയക്ഷരക്കുറിപ്പ് പകർത്തിയെഴുതൂ, ഈ ചെടി ഏതെന്ന് തിരിച്ചറിയൂ — ഇതെല്ലാം വായനയാണ്, നിർമ്മാണമല്ല. ഇത് സ്ഥിരീകരണ കാർഡ് ഉണ്ടാക്കുന്നില്ല, സാധാരണ സംഭാഷണത്തിനപ്പുറം അധിക ചെലവുമില്ല. ജനറേഷൻ എന്നത് മുന്നിൽ ദൃശ്യമായ ഒരു കവാടമുള്ള, വേറിട്ടതും ബോധപൂർവ്വവുമായ ഒരു പ്രവൃത്തിയാണ്; ബാക്കിയെല്ലാം വെറും സംസാരമാണ്.

05വീക്ഷണാനുപാതങ്ങൾ: അഞ്ച് രൂപങ്ങൾ, നിങ്ങളുടേത് ജയിക്കുന്നു

ഫ്രെയിമിംഗ് അലങ്കാരമല്ല. അത് രചന മാറ്റുന്നു, മോഡൽ വിശദാംശങ്ങൾ എങ്ങനെ വിതരണം ചെയ്യുന്നു എന്ന് മാറ്റുന്നു, ഫലം നിങ്ങൾ ഉദ്ദേശിക്കുന്നിടത്ത് ചേരുമോ എന്നും നിശ്ചയിക്കുന്നു. Shannon അഞ്ച് അനുപാതങ്ങൾ നൽകുന്നു, നിങ്ങളുടെ വിവരണത്തിൽ നിന്ന് യുക്തിസഹമായ ഒന്ന് ഊഹിക്കുന്നു, നിങ്ങൾ ഒരു മുൻഗണന പറയുന്ന നിമിഷം അതിന് വഴങ്ങുന്നു.

അനുപാതം	എന്തിന് ഉപയോഗിക്കണം	കുറിപ്പുകൾ
square	പൊതു ഉപയോഗം, ഉൽപ്പന്ന ചിത്രങ്ങൾ, ഐക്കണുകൾ, സോഷ്യൽ പോസ്റ്റുകൾ, ഒറ്റ വസ്തുക്കൾ.	സ്ഥിരസ്ഥിതി. അഭ്യർത്ഥനയിൽ ഒരു രൂപവും സൂചിപ്പിക്കാത്തപ്പോൾ തിരഞ്ഞെടുക്കുന്നു.
portrait	ആളുകൾ, ഒറ്റ രൂപങ്ങൾ, ഉയരമുള്ള വിഷയങ്ങൾ, പുസ്തക കവറുകൾ, കഥാപാത്ര ചിത്രങ്ങൾ.	നിൽക്കുന്ന ഒരാളുടെ തലയോ കാലുകളോ മുറിയാതെ ഇടം നൽകുന്നു.
landscape	പ്രകൃതിദൃശ്യങ്ങൾ, അകത്തളങ്ങൾ, ആൾക്കൂട്ടങ്ങൾ, പശ്ചാത്തലം സ്ഥാപിക്കുന്ന ഷോട്ടുകൾ.	ഉയരത്തേക്കാൾ വീതിയുള്ള എന്തിനും സ്വാഭാവികമായ രൂപം.
wide	സിനിമാറ്റിക് ഫ്രെയിമിംഗ്, ബാനറുകൾ, ഹെഡ്ഡറുകൾ, വിശാല ദൃശ്യങ്ങൾ.	landscape-നേക്കാൾ വീതി. മോഡലിനെ ചലച്ചിത്ര രചനയിലേക്ക് തള്ളുന്നു.
tall	പോസ്റ്ററുകൾ, ഫോൺ വാൾപേപ്പറുകൾ, ലംബ ലേഔട്ടുകൾ, പരിപാടി നോട്ടീസുകൾ.	portrait-നേക്കാൾ ഉയരം. പോസ്റ്റർ അക്ഷരങ്ങൾ സാധാരണ ഇരിക്കുന്നിടത്ത് ഇടം വിടുന്നു.

രണ്ട് പ്രായോഗിക കുറിപ്പുകൾ. നിങ്ങളുടെ വ്യക്തമായ അഭ്യർത്ഥന എപ്പോഴും ജയിക്കുന്നു — wide എന്ന് പറഞ്ഞാൽ, ഒറ്റയ്ക്ക് നിൽക്കുന്ന ഒരാൾക്കായാലും, wide കിട്ടും. അനുപാതം ഉള്ളടക്കവുമായി ഇടപെടുകയും ചെയ്യുന്നു: ഒരു വീതിയേറിയ ഫ്രെയിം വശങ്ങൾ നിറയ്ക്കാൻ മോഡലിനെ ക്ഷണിക്കുന്നു, അതിനാൽ ഒരാളുടെ wide ഛായാചിത്രത്തിന് ചുറ്റും ഒരു പരിസരം വളരാൻ പ്രവണതയുണ്ട്; വീതിയേറിയ ഫ്രെയിമിൽ അടുത്ത മുഖം വേണമെങ്കിൽ അത് പറയുക ("tight head-and-shoulders framing, background falling away"). എഡിറ്റിംഗ് മനഃപൂർവ്വം വ്യത്യസ്തമായി പെരുമാറുന്നു — ഒരു എഡിറ്റ് ഉറവിട ചിത്രത്തിന്റെ വീക്ഷണാനുപാതം സ്വയമേവ നിലനിർത്തുന്നു, കാരണം നിങ്ങൾ മാറ്റാൻ പറഞ്ഞ ഒരു ചിത്രത്തിന്റെ ആകൃതി മാറ്റുന്നത് മിക്കവാറും ഒരിക്കലും നിങ്ങൾ ഉദ്ദേശിച്ചതല്ല. ചിത്രങ്ങൾ യോജിപ്പിക്കുമ്പോൾ പുതിയൊരു ക്യാൻവാസ് തിരഞ്ഞെടുക്കാൻ അനുവദിക്കുന്നു, കാരണം ഔട്ട്പുട്ട് യഥാർത്ഥത്തിൽ ഒരു പുതിയ രചനയാണ്.

06നിങ്ങൾക്ക് യഥാർത്ഥത്തിൽ എന്തുണ്ടാക്കാം

മൂന്ന് പ്രവർത്തനങ്ങൾ. അവ തമ്മിലുള്ള അതിര് കൃത്യമായി പറയേണ്ടതുണ്ട്, കാരണം തെറ്റായ ഒന്ന് തിരഞ്ഞെടുക്കുന്നതാണ് നിരാശാജനകമായ ഫലത്തിന്റെ ഏറ്റവും സാധാരണ കാരണം.

പുതിയൊരു ചിത്രം ഉണ്ടാക്കുക

വാചകം അകത്ത്, ചിത്രം പുറത്ത്. കല, ചിത്രീകരണം അല്ലെങ്കിൽ ആനിമേ ചോദിക്കുന്നില്ലെങ്കിൽ ഫോട്ടോറിയലിസമാണ് സ്ഥിരസ്ഥിതി — അതിനാൽ ഒരു പെയിന്റിംഗ് വേണമെങ്കിൽ പെയിന്റിംഗ് എന്ന് പറയുക. Shannon-ലെ ടെക്സ്റ്റ്-ടു-ഇമേജ് നെഗറ്റീവ് പ്രോംപ്റ്റ് സ്വീകരിക്കുന്നില്ല: നിങ്ങൾക്ക് വേണ്ടത് മാത്രം വിവരിക്കുക. "കാറുകൾ വേണ്ട, ആളുകൾ വേണ്ട" എന്ന് എഴുതിയാൽ നിങ്ങൾ ഒഴിവാക്കിയ കാര്യം തന്നെ വരാൻ പ്രവണതയുണ്ട്, കാരണം മോഡൽ നാമം വായിക്കുന്നു, നിഷേധം വായിക്കുന്നില്ല.

നിലവിലുള്ള ഒരു ചിത്രം എഡിറ്റ് ചെയ്യുക

കൃത്യമായി ഒരു ഉറവിട ചിത്രം — ഇതിനകം സംഭാഷണത്തിലുള്ളത്, അല്ലെങ്കിൽ ഇപ്പോഴത്തെ സന്ദേശത്തോട് ചേർത്തത് — ഒപ്പം എന്ത് മാറുന്നു, എന്ത് നിലനിൽക്കുന്നു എന്ന് പറയുന്ന ഒരു നിർദ്ദേശവും. മാറാത്ത ഭാഗങ്ങൾക്ക് പേരിടുന്നതാണ് ഈ സിസ്റ്റത്തിലെ ഏറ്റവും വലിയ ഒറ്റ ഗുണനിലവാര ഉപകരണം: "പശ്ചാത്തലം നിയോൺ പ്രതിഫലനങ്ങളുള്ള മഴയുള്ള രാത്രി നഗരവീഥിയാക്കി മാറ്റുക, സ്ത്രീയെ ഉള്ളതുപോലെ തന്നെ നിലനിർത്തുക" എന്നത് വിഷയത്തെ പിടിച്ചുനിർത്തുന്നത് "പശ്ചാത്തലം മാറ്റുക" എന്നത് ചെയ്യാത്ത വിധത്തിലാണ്. എഡിറ്റിംഗ് നെഗറ്റീവ് പ്രോംപ്റ്റ് പിന്തുണയ്ക്കുന്നു, അതിനാൽ വേണ്ടാത്ത ഘടകങ്ങൾ നിർദ്ദേശത്തിലല്ല, അവിടെയാണ് ചേരേണ്ടത്.

രണ്ടോ അതിലധികമോ ചിത്രങ്ങൾ യോജിപ്പിക്കുക

ഘടകങ്ങൾ ഒന്നിലധികം ചിത്രത്തിൽ നിന്ന് വരുമ്പോഴെല്ലാം: വസ്ത്ര കൈമാറ്റം, X എന്ന വസ്തുവിനെ Y എന്ന രംഗത്തിൽ ഇടുക, A എന്ന ആൾക്കൊപ്പം B എന്ന ആൾ, ഉൽപ്പന്നം-ഒരാളുടെ-മേൽ, അല്ലെങ്കിൽ ഒരു ചിത്രത്തിന്റെ ശൈലിയും മറ്റൊന്നിന്റെ വിഷയവും. പ്രോംപ്റ്റ് ഓരോ ചിത്രത്തിന്റെയും പങ്ക് ക്രമത്തിൽ പേരെടുത്ത് പറയണം — ആദ്യ ചിത്രം പ്രധാന വിഷയമോ രംഗമോ ആണ്, പിന്നീടുള്ള ചിത്രങ്ങൾ കൊണ്ടുവരുന്ന ഭാഗങ്ങൾ നൽകുന്നു. ഒരു ബഹു-ഇമേജ് ജോലിയെ ഒരു ഉറവിടവും മറ്റേതിന്റെ വാചക വിവരണവുമായി ചുരുക്കരുത്; യഥാർത്ഥ രണ്ടാം ചിത്രം ഉപയോഗിക്കുന്നതാണ് അതിന്റെ യഥാർത്ഥ രൂപം നിലനിർത്തുന്നത് — വിവരിക്കുന്നതിന് പകരം യോജിപ്പിക്കുന്നതിന്റെ മുഴുവൻ കാരണവും അതാണ്.

മറ്റ് ഉപകരണങ്ങൾ നിരസിക്കുന്ന വിഷയങ്ങൾ

കൃത്യമായി പറഞ്ഞാൽ, മുകളിലെ വിഭാഗങ്ങളിൽ നിന്ന് എടുത്താൽ, തർക്കമില്ലാതെ ഇവിടെ നടക്കുന്ന ജോലി ഇത്തരത്തിലുള്ളതാണ്:

• ചിത്രീകരണത്തിനും ശിൽപ റഫറൻസിനും ഫൈൻ ആർട്ട് പരിശീലനത്തിനുമുള്ള രൂപപഠനങ്ങളും കലാ നഗ്നചിത്രങ്ങളും.
• മെഡിക്കൽ, ശരീരഘടനാ ചിത്രീകരണം — ശസ്ത്രക്രിയാ ദൃശ്യങ്ങൾ, ത്വക്ക്‌രോഗ അവതരണങ്ങൾ, രോഗി-വിദ്യാഭ്യാസ ചിത്രങ്ങൾ — ഒപ്പം റിപ്പോർട്ടുകൾക്കും തെളിവുകൾക്കും അന്വേഷക പരിശീലനത്തിനുമുള്ള ഫോറൻസിക് പുനർനിർമ്മാണം.
• സുരക്ഷാ ഗവേഷണ ദൃശ്യങ്ങൾ: വ്യാജ ഇന്റർഫേസുകൾ, സോഷ്യൽ എൻജിനീയറിംഗ് സാഹചര്യങ്ങൾ, ഫിഷിംഗ്-ബോധവൽക്കരണ പരിശീലന സാമഗ്രികൾ.
• കഥയ്ക്കുള്ളിലെ അക്രമവും പരിക്കും: നോവൽ കവറുകൾ, ഗ്രാഫിക് നോവൽ പാനലുകൾ, സ്റ്റോറിബോർഡുകൾ, ഗെയിം കൺസെപ്റ്റ് ആർട്ട്, ചരിത്ര യുദ്ധരംഗങ്ങൾ, ഹൊറർ, ബോഡി ഹൊറർ.
• പൊതുവ്യക്തികൾ ഉൾപ്പെടുന്ന രാഷ്ട്രീയ ആക്ഷേപഹാസ്യവും എഡിറ്റോറിയൽ കാർട്ടൂണിംഗും.
• അവകാശം കൈവശമുള്ള കക്ഷി ചെയ്യുന്ന ബ്രാൻഡ്, പാക്കേജിംഗ്, രൂപ സംബന്ധിയായ ജോലി.

ആ പട്ടിക ഉൽപ്പന്നം എന്ത് തടയുന്നില്ല എന്ന് വിവരിക്കുന്നു. നിയമമോ ഉത്തരവാദിത്ത ഉപയോഗ നയമോ അവഗണിക്കാനുള്ള അനുമതിയല്ല അത്; അതിരുകൾ എവിടെയാണെന്ന് 09-ാം ഭാഗം വ്യക്തമായി പറയുന്നു.

07ഇമേജ് മോഡലിന് മനസ്സിലാകുന്ന ഒരു പ്രോംപ്റ്റ് എങ്ങനെ എഴുതാം

Shannon നിങ്ങൾക്കായി പ്രോംപ്റ്റ് എഴുതുന്നു, അതിനാൽ ഇത് പഠിക്കേണ്ട ആവശ്യം ഒരിക്കലുമില്ല — പക്ഷേ കാർഡ് തിരുത്താവുന്നതാണ്, ഇമേജ് മോഡൽ എങ്ങനെ വായിക്കുന്നു എന്നറിയുന്നത് കൃത്യമായി നയിക്കാൻ നിങ്ങളെ സഹായിക്കുന്നു. ചുരുക്കപ്പതിപ്പ്; പൂർണ്ണ വിവരണം പ്രോംപ്റ്റ് ഗൈഡിലുണ്ട്:

• ടാഗുകളല്ല, ഗദ്യം എഴുതുക. ഒരു ഭാഷാ മോഡൽ വാചകം വായിക്കുന്നതുപോലെയാണ് ഇമേജ് മോഡൽ പ്രോംപ്റ്റുകൾ വായിക്കുന്നത്. കോമ കൊണ്ട് വേർതിരിച്ച കീവേഡുകളേക്കാൾ പൂർണ്ണ വാക്യങ്ങൾ മെച്ചമാണ്. "A woman in her 30s at a rain-soaked Tokyo crosswalk at night" എന്നത് "woman, 30s, Tokyo, rain, night" എന്നതിനേക്കാൾ മികച്ച ഫലം നൽകുന്നു.
• 30–80 വാക്കുകൾ ലക്ഷ്യമിടുക, 100 കടക്കരുത്. അതിനപ്പുറം പിന്നീടുള്ള ഭാഗങ്ങൾക്ക് സ്വാധീനം നഷ്ടപ്പെടാൻ തുടങ്ങുന്നു.
• മോഡൽ വായിക്കുന്ന ക്രമത്തിൽ എഴുതുക: വിഷയം → പ്രവൃത്തി അല്ലെങ്കിൽ ഭാവം → ശൈലിയും മാനസികാവസ്ഥയും → പശ്ചാത്തലവും വെളിച്ചവും → ഫ്രെയിമിംഗ്, ഡെപ്ത് ഓഫ് ഫീൽഡ്, നിറം പോലുള്ള സാങ്കേതിക വിശദാംശങ്ങൾ. ഏറ്റവും പ്രധാനപ്പെട്ടത് ആദ്യം.
• വിഷയം കൃത്യമാക്കുക. "A man in his 40s with a salt-and-pepper beard" ഒരു വിഷയമാണ്. "A person" എന്നത് മോഡൽ ഒരു ശരാശരി കൊണ്ട് നിറയ്ക്കുന്ന ഒരു ശൂന്യതയാണ്.
• ഫോട്ടോഗ്രാഫുകൾക്ക്, ഒരു ഫോട്ടോഗ്രാഫ് പോലെ എഴുതുക. ഒരു യഥാർത്ഥ ക്യാമറ, ലെൻസ്, ഫിലിം അല്ലെങ്കിൽ വെളിച്ചം പേരെടുത്ത് പറയുക — "shot on Kodak Portra 400, 85mm f/1.4, soft window light" — ഒപ്പം അടിസ്ഥാനമുറപ്പിക്കുന്ന വിശദാംശം ചേർക്കുക: ചർമ്മ സുഷിരങ്ങൾ, തുണിയുടെ നെയ്ത്ത്, സ്വാഭാവിക അപൂർണ്ണതകൾ. പല തലങ്ങളുള്ള രംഗങ്ങൾക്ക് മുൻഭാഗം, മധ്യഭാഗം, പശ്ചാത്തലം എന്നിവ വേറിട്ട ഭാഗങ്ങളായി വിവരിക്കുക, കൃത്യമായ നിറങ്ങൾ ഒരു ഹെക്സ് മൂല്യം കൊണ്ട് വസ്തുക്കളോട് ചേർത്തുവയ്ക്കുക: "a jacket, color #8B0000".
• SDXL കാലത്തെ ചവറ് ഒഴിവാക്കുക. "masterpiece, best quality, 8k" ഇവിടെ ഒന്നും ചെയ്യുന്നില്ല, (word:1.3) പോലുള്ള വെയ്റ്റ് വാക്യഘടന വായിക്കപ്പെടുന്നുമില്ല. പരസ്പരവിരുദ്ധമായ നിർദ്ദേശങ്ങൾ ഒരിക്കലും കൂട്ടിക്കലർത്തരുത് — ഒരേ പ്രോംപ്റ്റിൽ "photorealistic" ഉം "watercolor" ഉം ചേർത്താൽ രണ്ടും കിട്ടില്ല.

പ്രായോഗികമായി: elderly fisherman, portrait, weathered face, harbor, morning, photorealistic, masterpiece, best quality, 8k എന്നതിന് പകരം, മോഡൽ യഥാർത്ഥത്തിൽ വായിക്കുന്ന വിധത്തിൽ എഴുതുക:

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.

ഇത് വെറുതെ നീളം കൂട്ടിയതല്ല. ഓരോ ഭാഗവും, അല്ലെങ്കിൽ മോഡൽ യാദൃച്ഛികമായി എടുക്കുമായിരുന്ന ഒരു തീരുമാനത്തിന് പകരം നിങ്ങൾ ബോധപൂർവ്വം എടുത്ത ഒന്ന് വയ്ക്കുന്നു.

08ഇത് എവിടെയാണ്: ചാറ്റ് ആപ്പിൽ, API-യിലല്ല — ഒപ്പം വീഡിയോ ഇല്ല

നിങ്ങൾ സൈൻ അപ്പ് ചെയ്തതിന് ശേഷമല്ല, അതിന് മുമ്പ് പറയാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്ന രണ്ട് കാര്യങ്ങൾ.

ഇമേജ് ജോലി ചാറ്റ് ആപ്പിലാണ്

ജനറേഷൻ, എഡിറ്റിംഗ്, ബഹു-ഇമേജ് സംയോജനം എന്നിവയെല്ലാം Shannon ചാറ്റ് ആപ്പിലാണ് നടക്കുന്നത്. അവ /v1 API-യിൽ ലഭ്യമല്ല. Shannon-ന്റെ API — /v1/chat/completions, /v1/messages, /v1/responses, എല്ലാം സ്ട്രീമിംഗ്, എല്ലാം shannon-ai.com/docs/api ൽ രേഖപ്പെടുത്തിയത് — ടെക്സ്റ്റും ഇമേജ് വായനയുമാണ് നൽകുന്നത്. ഇമേജ് വായന എന്നാൽ നിങ്ങൾ അയക്കുന്ന ചിത്രങ്ങൾ മോഡലുകൾ വായിക്കുന്നു എന്നാണ്: വിവരിക്കൽ, വിശകലനം, പകർത്തിയെഴുത്ത്, ഒരു ചാർട്ടിനെക്കുറിച്ചോ സ്ക്രീൻഷോട്ടിനെക്കുറിച്ചോ ചിന്തിക്കൽ. അവ ഉണ്ടാക്കൽ എന്നല്ല. "സെൻസർ ചെയ്യാത്ത ഇമേജ് ജനറേഷൻ API" തിരഞ്ഞാണ് ഈ പേജ് കണ്ടെത്തിയതെങ്കിൽ, അതാണ് സത്യസന്ധമായ ഉത്തരം; ഇന്റഗ്രേറ്റ് ചെയ്ത ശേഷം നിങ്ങൾ കണ്ടെത്തുന്നതിനേക്കാൾ ഇപ്പോൾ തുറന്നു പറയുന്നതാണ് നല്ലത്. API നല്ലത് ഇതേ പ്രശ്നത്തിന്റെ മറുപകുതിക്കാണ്: സെൻസർ ചെയ്യാത്ത ടെക്സ്റ്റും ഇമേജ് വായനയും, നിരസന പാളിയില്ലാതെ, മൂന്ന് API ഭാഷ്യങ്ങളിൽ, ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിൽ. ഗവേഷണ സൂചികയിൽ ഓരോ മോഡലിനും ഒരു മോഡൽ കാർഡുണ്ട്.

ഞങ്ങൾ ഇത് വ്യക്തമായി പറയുന്നത്, "സെൻസർ ചെയ്യാത്ത ഇമേജ് ജനറേറ്റർ", "സെൻസർ ചെയ്യാത്ത വീഡിയോ ജനറേറ്റർ" എന്നിവ തിരയൽ ഫലങ്ങളിൽ അടുത്തടുത്ത് നിൽക്കുന്നതുകൊണ്ടാണ്; ഇല്ലാത്ത ഒരു സവിശേഷതയെക്കുറിച്ച് അവ്യക്തമായി തുടരുന്ന ഒരു പേജ്, നിങ്ങൾ ശ്രദ്ധിക്കും മുമ്പ് സൈൻ അപ്പ് ചെയ്യുമെന്ന് പ്രതീക്ഷിക്കുകയാണ്. ചിത്രങ്ങൾ റെൻഡർ ചെയ്യുന്നത് ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിലാണ്. വീഡിയോ എവിടെയും റെൻഡർ ചെയ്യുന്നില്ല, കാരണം ഞങ്ങൾ അത് ചെയ്യുന്നില്ല.

09ഉത്തരവാദിത്ത ഉപയോഗം, വ്യക്തമായി

Shannon Lab LLC അമേരിക്കൻ ഐക്യനാടുകളിലെ നിയമത്തിന് കീഴിൽ പ്രവർത്തിക്കുന്ന ഒരു ന്യൂ മെക്സിക്കോ കമ്പനിയാണ്. ഒരു യാന്ത്രിക ഫിൽട്ടർ നീക്കുന്നത് നിയമത്തെയോ ഞങ്ങളുടെ നയത്തെയോ നീക്കുന്നില്ല. അത് ചെയ്യുന്നത്, സന്ദർഭം കാണാനാവാത്ത ഒരു ക്ലാസിഫയറിൽ നിന്ന് വിവേചനം കാണാൻ കഴിയുന്ന — ഫലത്തിന് ഉത്തരവാദിയായ — ഒരു പ്രൊഫഷണലിലേക്ക് മാറ്റുക എന്നതാണ്.

പ്രായപൂർത്തിയാകാത്തവർ ഉൾപ്പെടുന്ന ലൈംഗിക ഉള്ളടക്കം പൂർണ്ണമായും നിരോധിതമാണ്, ഒരു തലത്തിലും അതൊരു ചാരനിറ മേഖലയല്ല. ഒരു യഥാർത്ഥ വ്യക്തിയെ ഉപദ്രവിക്കാനോ അപകീർത്തിപ്പെടുത്താനോ വഞ്ചിക്കാനോ ആൾമാറാട്ടം നടത്താനോ ഉണ്ടാക്കുന്ന ഉള്ളടക്കവും — സമ്മതമില്ലാതെ ഉണ്ടാക്കുന്ന, തിരിച്ചറിയാവുന്ന ഒരു യഥാർത്ഥ വ്യക്തിയുടെ ലൈംഗിക ചിത്രങ്ങൾ ഉൾപ്പെടെ — വഞ്ചിക്കാൻ മറ്റൊരു കക്ഷിയുടെ ബ്രാൻഡോ രൂപമോ ഉപയോഗിക്കുന്നതും അങ്ങനെ തന്നെ. ഇവ യാദൃച്ഛികമായി ഓഫ് ചെയ്തുവച്ച ഫിൽട്ടർ വിഭാഗങ്ങളല്ല; ഉൽപ്പന്നത്തിന്റെ നിരോധിത ഉപയോഗങ്ങളാണ്, കീവേഡുകൾക്കെതിരെയല്ല അക്കൗണ്ടുകൾക്കെതിരെയാണ് അവ നടപ്പാക്കുന്നത് — ഉദ്ദേശ്യം യഥാർത്ഥത്തിൽ ദൃശ്യമാകുന്ന തലം അതാണ്. പൂർണ്ണ വ്യവസ്ഥകൾ ഉത്തരവാദിത്ത ഉപയോഗ നയത്തിലുണ്ട്. ഉടമ്പടി ലളിതമാണ്: നിങ്ങളുടെ തൊഴിലിനെ സംശയിക്കാത്ത ഒരു ഉപകരണം, പകരം അത് കരുതുന്ന ആ പ്രൊഫഷണൽ നിങ്ങൾ ആയിരിക്കുക.

10പതിവ് ചോദ്യങ്ങൾ

11ഈ പരമ്പരയിലെ ബാക്കിയുള്ളവ

നിങ്ങൾ യഥാർത്ഥത്തിൽ സമയം ചെലവഴിക്കുന്ന ഭാഗങ്ങളിൽ നാല് അനുബന്ധ ലേഖനങ്ങൾ ആഴത്തിൽ പോകുന്നു:

• സെൻസർ ചെയ്യാത്ത AI ഇമേജ് എഡിറ്റിംഗ് — നിർദ്ദേശ പ്രോംപ്റ്റുകൾ, നിലനിൽക്കുന്നത് ഉറപ്പിക്കൽ, നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ, പാരമ്പര്യമായി കിട്ടുന്ന വീക്ഷണാനുപാതം.
• സെൻസർ ചെയ്യാത്ത ബഹു-ഇമേജ് സംയോജനം — പങ്ക് ക്രമപ്പെടുത്തൽ, വസ്ത്ര കൈമാറ്റം, ഉൽപ്പന്നം-ഒരാളുടെ-മേൽ, വിഷയം-രംഗത്തിലേക്ക്.
• സെൻസർ ചെയ്യാത്ത ഇമേജ് പ്രോംപ്റ്റ് ഗൈഡ് — ടാഗുകൾക്ക് പകരം ഗദ്യം, വിഷയം-ആദ്യം ക്രമം, ക്യാമറ, ഫിലിം ഭാഷ, ഹെക്സ് നിറങ്ങൾ, നിർജ്ജീവ ടോക്കണുകൾ.
• സെൻസർ ചെയ്യാത്തതും ഫിൽട്ടർ ചെയ്തതുമായ ഇമേജ് AI — ഒരേ അഭ്യർത്ഥനകൾ രണ്ട് രൂപകൽപ്പനകളിലൂടെയും, വിഭാഗം തിരിച്ച്.

പ്ലാറ്റ്ഫോമിന്റെ ടെക്സ്റ്റ്, ഇമേജ് വായനാ ഭാഗത്തിന് — API യുടെ പിന്നിലുള്ള സെൻസർ ചെയ്യാത്ത മോഡലുകൾ — ഗവേഷണ സൂചികയിൽ തുടങ്ങുക.

---

Shannon Lab LLC, New Mexico, USA. ഇമേജ് നിർമ്മാണം, എഡിറ്റിംഗ്, ബഹു-ഇമേജ് സംയോജനം എന്നിവ Shannon ചാറ്റ് ആപ്പിന്റെ സവിശേഷതകളാണ്, ടെക്സ്റ്റും ഇമേജ് വായനയും നൽകുന്ന /v1 API-യിൽ അവ ലഭ്യമല്ല. വീഡിയോ നിർമ്മാണമില്ല. ഇവിടെ വിവരിച്ച വീക്ഷണാനുപാതങ്ങൾ, സ്ഥിരീകരണ പ്രവാഹം, പ്രവർത്തനങ്ങൾ എന്നിവ 2026 സെപ്റ്റംബർ 5 വരെയുള്ള ഉൽപ്പന്നത്തെ പ്രതിഫലിപ്പിക്കുന്നു.