AI зургийн промптын гарын авлага
Shannon-ы Зургийн Загвар промптыг хэлний загвар шиг уншдаг. Ганцхан энэ баримт нь промптыг хэрхэн бичих ёстойг бүхэлд нь өөрчилдөг — таслалаар тусгаарласан шошгоо хаяхаас эхэлнэ.
Товчхондоо
Бүтэн өгүүлбэрээр, урсаж байгаа бичвэр бич, түлхүүр үгийн шошго биш. 30–80 үг зорь. Загварын уншдаг дарааллаар нь эрэмбэл: субьект → үйлдэл → хэв маяг → орчин ба гэрэлтүүлэг → техник, хамгийн чухлыг нь эхэнд. Субьектээ тодорхой хэл. Хэрэв гэрэл зураг хүсэж байгаа бол гэрэл зураг мэт бич — камер, линз, хальс эсвэл гэрлээ нэрлэ. Яг тодорхой өнгийг нэрлэсэн объектод color #RRGGBB хэлбэрээр хавсарга. Таван талын харьцааны нэгийг сонго. Мөн SDXL-ийн үеийн зуршлаа хая: "masterpiece, best quality, 8k" хэрэггүй, (word:1.3) жин хэрэггүй, текстээс зураг үүсгэхэд сөрөг промпт байхгүй — зөвхөн хүссэн зүйлээ дүрсэл. Засварлах ба нэгтгэх нь сөрөг промптыг авдаг.
Ихэнх хүн SDXL дээр сурсан промптын зуршилтайгаа ирдэг: таслалаар тусгаарласан нэрсийн жагсаалт, чанарын токенуудын оршил, хаалтанд бичсэн хэдэн жин, эерэгтэйгээ адил урт сөрөг промпт. Эдгээр зуршил тэр загваруудад зөв байсан ч энд эсрэг үр дүн өгнө. Энэ бол үнэхээр ажилладаг зүйлийн товч хувилбар — мөн Shannon үүсгэх промптыг танд зориулж бичээд, юу ч зурагдахаас өмнө харуулдаг тул энэ нь Shannon-ы санал болгосныг уншиж, засах гарын авлага ч бас юм.
01Яагаад бүтэн өгүүлбэр шошгыг давдаг вэ: загвар хэлний загвар шиг уншдаг
Промптын зөвлөгөөний ихэнх нь бичигдсэн тэр хуучин диффузийн загварууд практикт ойлголтын уут шиг ажилладаг текст кодлогч ашигладаг байсан: хэлзүй бараг хамаагүй, ялах стратеги нь холбогдох нэр үгсийг овоолж, тэдгээрийг жингээр хазайлгах явдал байв. Тэр кодлогчид шошгоны шөл нь яг зөв хэлбэрийн промпт байлаа.
Shannon-ы Зургийн Загвар тэгж ажилладаггүй. Энэ нь промптыг хэлний загвар текст уншдаг шиг уншдаг тул өгүүлбэрзүй утга дамжуулдаг. "Шүхрээ мөрөндөө тулган барьж байгаа" гэдэг нь хүн, эд зүйл, биеийн хэсэг гурвын хоорондын харилцаа юм; "шүхэр, мөр" гэдэг нь зүгээр л зэрэгцэн орших хоёр зүйл. Угтвар үгс зүйлсийг байрлуулдаг. Үйл үгс байрлалыг бүтээдэг. Гишүүн өгүүлбэрүүд нарийн ширийнийг зураг даяар хөвүүлэхийн оронд зөв нэр үгэнд нь наадаг.
Ижилхэн зургийг хоёр аргаар хүссэн жишээ энд байна.
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.Шошгоны хувилбар юуг илэрхийлж чадахгүйг хар. Тэр шүхрийг барьж байгаа гэж хэлээгүй тул газар хэвтэж ч магадгүй. Неоныг асфальт дээр тусаж байна гэж хэлээгүй, зөвхөн хоёул байгаа гэсэн тул та тэмдэг ба нойтон гудамжийг оптикийн ямар ч харилцаагүйгээр авна. Эмэгтэй хаашаа харж байгааг хэлээгүй тул түүний байрлал нь зоос шидэхтэй адил. "Cinematic lighting" бол уур амьсгалын шошго болохоос гэрлийн эх үүсвэр биш. Сүүлийн таван токен нь чимээ шуугиан бөгөөд удирдах бариул биш, гэрэл зургийн тухай англи үг болж уншигдана.
Бүтэн өгүүлбэрийн хувилбар нь чамирхсан учраас урт биш. Шошгоны хувилбар нээлттэй орхисон асуултуудад хариулсан учраас урт. Бүх нууц нь тэр.
02Зургийн промпт хэр урт байх ёстой вэ?
30-аас 80 үгийг зорь. 100-аас хэтэрч болохгүй. Энэ бол танд байгаа хамгийн хялбар чанарын хөшүүрэг бөгөөд мужийн хоёр үзүүр хоёулаа чухал.
Ойролцоогоор 30 үгээс доош бол зохиомж, гэрэл, хүрээлэлт тодорхойлогдоогүй тул загвар статистикийн хувьд хамгийн энгийн зүйлийг сонгоно. "Кофе шопд байгаа эмэгтэй" гэдэг бол хүчинтэй промпт мөн ч мартагдам зураг гаргана, учир нь та сонирхолтой шийдвэр бүрийг өөр хүнд даалгачихсан.
Ойролцоогоор 100 үгээс дээш бол өөр төрлийн бүтэлгүйтэл гарч ирнэ: хожуу гишүүн өгүүлбэрүүд зургийн ижил бүсийн төлөө эхнийхтэйгээ өрсөлдөж, нарийн ширийн зүйл хуримтлагдахын оронд шингэрч сулардаг. Гурав дахь гэрэлтүүлгийн тайлбар нь эхнийхийг үгүй хийж, эхний найман үгэнд тогтоосон субьект тань нэмсэн өгүүлбэр тутамдаа харьцангуй бага анхаарал авна. Урт промптууд нягт нямбай мэт уншигддаг. Гэвч нягт нямбай зурагддаггүй.
Сахилга бат нь ийм: хүссэн промптоо бичээд, дараа нь хасахад зураг өөрчлөгдөх байсан өгүүлбэрүүд рүү нь буцаан хас.
03Дарааллын сахилга бат: хамгийн чухал зүйл эхэндээ
Загвар дараалан уншдаг тул байрлал бол онцлол юм: эхэнд ирсэн нь зургийг зангуудаж, сүүлд ирсэн нь түүнийг тохируулна. Загварын шаардах дарааллаар нь тавь:
- Субьект — энэ зураг хэн, юуны тухай болохыг тодорхойгоор.
- Үйлдэл эсвэл байрлал — тэд юу хийж байна, хэрхэн барьж байна.
- Хэв маяг эсвэл уур амьсгал — гэрэл зураг, тосон будаг, техник зурган чимэглэл, мөн ямар өнгө аястай.
- Орчин ба гэрэлтүүлэг — энэ хаана болж байна, ямар гэрэл түүн дээр тусаж байна.
- Техник — хүрээлэлт, линз, талбайн гүн, өнгөний нарийвчлал.
Хамгийн түгээмэл өөртөө учруулах шарх бол техникийн хэсгээс эхлэх явдал. "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" гэж эхлэх нь харагдах байдал нь субьект бөгөөд эр хүн нь нарийн ширийн зүйл гэж загварт хэлж байгаа хэрэг. Та бяцхан бүдэг дүрстэй, гоё мөртлөө хоосон кадр авна.
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.Эхний хувилбарын элемент бүр хоёр дахьд нь амьд үлдсэн; юу ч хасагдаагүй. Зүгээр л одоо загвар зургийг хэрхэн авахыг хэлж өгөхөөс өмнө энэ нь юуны тухай болохыг мэдэж байна — тэр эрэмбийн өөрчлөлт ганцаараа субьектийг санамсаргүй байдлаас гол байр руу нь оруулж байна.
04Субьектээ тодорхой хэл
"Нэг хүн" бол субьект биш, орлуулагч юм — загвар орлуулагчийг өөрийн үзсэн бүхний дунджаар дүүргэдэг бөгөөд гялгар, насгүй, төрхгүй харагдац яг эндээс гардаг. Тодорхой байдал таван үг зарцуулаад тодорхой нэг хүнийг худалдаж авдаг:
| Бүрхэг | Тодорхой |
|---|---|
| нэг хүн | буурал сахалтай, инээмсэглэлийн гүн үрчлээтэй дөч гаруй насны эрэгтэй |
| нэг эмэгтэй | хар богино тайрсан үстэй, урд шүд нь цуурсан хорь гаруй насны эмэгтэй |
| хуучин барилга | дээгүүр нь будсан хуучин хаягтай, дээд давхрын цонх нь банзаар хаагдсан дөрвөн давхар тоосгон агуулах |
| хоол | хагас зүссэн зөөлөн чанасан өндөгтэй, уур савсарсан рамены аяга |
Хэв маягийг нь ажигла: нас эсвэл цаг үе, нэг бүтцийн шинж, нэг ялгах согог. Гурав дахь зүйл нь үр дүнг үүсгэсэн биш авсан гэрэл зураг мэт мэдрүүлдэг. Цуурсан шүд, элэгдсэн зах, дээгүүр нь будсан хаяг — жижиг тэгш бус байдал бол хуванцар шинжийн эсрэг байгаа хамгийн хүчтэй дохио бөгөөд таны үгийн төсвөөс бараг юу ч авдаггүй.
05Фотореализм: хүсэлтээ гэрэл зураг мэт бич
Хэрэв та урлаг, зурган чимэглэл, аниме гэж хүсээгүй бол фотореализм нь өгөгдмөл өнгө аяс юм. Гэвч "photorealistic" гэдэг үг бага ажил хийдэг. Гэрэл зураг гаргадаг зүйл бол гэрэл зураг авах үйлдлийг дүрслэх явдал: бодит камер, бодит линз, бодит хальс эсвэл гэрлийн эх үүсвэр.
Шалтгаан нь энгийн. "Kodak Portra 400" гэж тайлбарласан зураг бүр нь өөрийн гэсэн үрлийн бүтэц, гэрлийн уналт, арьсны дүрслэлтэй тодорхой процессоор хийгдсэн бөгөөд хальсыг нэрлэх нь тэр бүхнийг дуудаж авчирдаг. "8k ultra detailed" гэдэг нь зөвхөн фото банкны спам дээр л гарч байсан тул фото банкны спамыг дуудаж авчирна. Ижил субьектийн эрс өөр зураг гаргадаг хэдэн найдвартай жор:
| Жор | Юу өгөх вэ |
|---|---|
| Kodak Portra 400, 85mm f/1.4, soft window light | Дулаан, зөөлөн арьсны өнгө; тослог зааг; сэтгүүлийн хөрөг |
| Ilford HP5 pushed to 1600, 35mm, available light | Үрлэн хар цагаан, эрс тодрол, гудамжны баримтат эрч |
| Digital medium format, 80mm, single softbox at 45° | Цэвэрхэн арилжааны студийн төрх, хяналттай гэрлийн уналт, бүтээгдэхүүний зэрэглэл |
| 135mm f/2, backlit at golden hour, atmospheric haze | Шахагдсан дэвсгэр, ирмэгийн гэрэл, романтик телефото төрх |
Үндэслэлийг жортойгоо тааруул — нүүр нь ердөө наян пиксель өндөр байх 24mm өргөн кадрт арьсны нүх сүвний нарийвчлал ямар ч утгагүй — дараа нь нэм. Үндэслэх нарийн ширийн гэдэг нь линз үүнийг үнэхээр бичиж авсан гэдгийн бүтцийн нотолгоо юм. Харагдах арьсны нүх сүв, нүүрний нарийн үс. Маалинган цамцны нэхмэл. Гэрлийн баганад хөвөх тоос. Савхин гутлын зурвас. Цайвар дэвсгэр дээрх сагссан үс. Хоёр, гурав нь хангалттай бөгөөд тэдгээр нь хүний дүрслэл ба хүний гэрэл зураг хоёрын ялгаа болдог.
06Давхарласан дүр зураг: урд талбар, дунд талбар, арын дэвсгэр
Дүр зураг гүнтэй үед гурван хавтгайг тусад нь, дараалалтайгаар дүрсэл. Энэ бол дэвсгэр биш газар мэт мэдрэгдэх ёстой зурагт хамгийн үр дүнтэй арга бөгөөд үүнийг бараг хэн ч хийдэггүй. Үүнгүйгээр та хавтгай байдлыг авна: промптод дурдсан бүхэн ойролцоогоор ижил зайд бууж, кадрын ижил дунд зурвасын төлөө өрсөлдөнө. Хавтгайг нэрлэх нь загварт зарцуулах гүний төсөв өгдөг.
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.Хоёр нарийвчлал. Урд талбарт санаатайгаар фокусаас гаргасан ямар нэг зүйл тавь — гүн дүр зургийн бодит гэрэл зурагт бараг үргэлж ийм зүйл байдаг бөгөөд түүний байхгүй байдал нь түгээмэл шинж тэмдэг юм. Мөн субьект аль хавтгайд байгааг хэл: хэрэв дугуйт шуудангийн ажилтан зургийн гол цэг бол тэр дунд талбарт байх ёстой, эс тэгвээс цамхаг ба кофены аяга түүнтэй кадрын төлөө тэмцэнэ.
07Яг тодорхой өнгө: объектод хавсаргасан hex код
Брэндийн ажил, хувцасны залгамж чанар, эсвэл "улаан" гэдэг нь хангалттай тодорхой биш бусад тохиолдолд hex кодыг color #RRGGBB хэлбэрээр бичээд нэрлэсэн объектод хавсарга:
...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...Гурван ерөнхий дүрэм. Үнэхээр чухал хоёр, гурван өнгөнд hex ашиглаж, бусдад нь энгийн үг хэрэглэ — зургаан hex кодтой промпт төсвийнхөө ихэнхийг будгийн дээж дээр зарцуулна. Кодыг ирмэгтэй объектод холбо, "гэрэлтүүлэг" эсвэл "уур амьсгал"-д хэзээ ч бүү холбо. Мөн энэ нь эцсийн пикселийн утгыг биш, объектын өнгийг зааж байгааг санаарай: алтан цагийн ар гэрэлд #8B0000 хүрэм дээжээсээ илүү дулаан харагдана, яг л амьдрал дээр байдаг шиг.
08Талын харьцааг сонгох
Таван харьцаа байдаг бөгөөд зөв нь ихэвчлэн субьектээс шууд гардаг, гэхдээ таны тодорхой хүсэлт үргэлж дийлнэ — ханын зураг хүсвэл контент юу гэж байгаагаас үл хамааран tall авна.
| Харьцаа | Хэнд тохирох | Яагаад |
|---|---|---|
| square | Өгөгдмөл. Төвд байрлах ганц объект, дүрс тэмдэг, тэгш хэмт зохиомж, сошиал пост | Давамгайлах тэнхлэг байхгүй тул кадр өөрөө хазайлт үүсгэн юуг ч тайрахгүй |
| portrait | Хүн, бүтэн эсвэл хагас бие; цамхаг, мод, шил зэрэг өндөр субьект | Зогсож байгаа дүрд толгойноос хөл хүртэл жижигрүүлэлгүй зай өгнө |
| landscape | Байгалийн зураг, дотоод засал, бүлэг хүмүүс, орчинтойгоо бүтээгдэхүүний зураг | Орчин үнэхээр орчин болох хэвтээ зайтай |
| wide | Кино кадр, киноны хэсэг, баннер, толгой хэсгийн зураг | Хамгийн өргөн сонголт; хүчтэй сөрөг зай, анаморф мэдрэмж |
| tall | Постер, номын хавтас, утасны ханын зураг, босоо сошиал формат | Portrait-аас өндөр; бичвэр эсвэл тэнгэрт зориудаар зай үлдээнэ |
Үүнийг буруу сонгох нь харагдахаас илүү хортой. wide кадрт бүтэн биеэр зогсож байгаа дүр нь том кадрт байгаа жижиг дүрийг өгдөггүй — ихэвчлэн тайрагдсан дүрийг өгдөг, учир нь загвар өргөнийг дүүргэж, толгой эсвэл хөл нь кадраас гарна. Кадрыг субьектийн давамгайлах тэнхлэгт тааруул, тэгвэл зохиомжийн гомдлын ихэнх нь алга болно.
Санахад зохих хоёр зан төлөв: засварлалт нь эх зургийн талын харьцааг автоматаар хадгална, тиймээс засварлаж байгаад дахин хүрээлж болохгүй, харин нэгтгэх нь шинэ зотон сонгох боломж өгнө — аль хэдийн байгаа зүйлийнхээ хэлбэрийг өөрчлөх хамгийн цэвэрхэн арга нь ихэвчлэн энэ.
09Буруу хэв маяг: юуг зогсоох вэ
Чанарын токен: "masterpiece, best quality, 8k, ultra detailed"
Эдгээр нь тодорхой тайлбарын хэллэгүүд тодорхой зургийн эх сурвалжтай хамааралтай байсан хуучин сургалтын тодорхой түгэлтэд зориулж олон нийтийн олж илрүүлсэн бариулууд байв. Тэдгээр нь дамжин шилждэггүй. Энд тэдгээрийг энгийн англи үг болгон уншиж, юу ч нэмэхгүй бөгөөд танд аль хэдийн чанга гэж хэлсэн үгийн төсвийн нэг хэсгийг иддэг. Оронд нь ямар нарийн ширийнийг хүсэж байгаагаа хэл: "ultra detailed" биш харин "хүрэмний даавууны харагдах нэхмэл ба эрүү дагуух нарийн сахлын үндэс" — ижил санаа, харин загварын зурж чадах зүйл болгон илэрхийлсэн.
Жингийн синтакс: (word:1.3), [word], {{word}}
Задлан шинжлэгддэггүй. Хаалт, дөрвөлжин хаалт, цэг таслал ба тоонууд шууд текст болж буудаг бөгөөд аль эсэргүүцвэл эргэн тойрны гишүүн өгүүлбэрийг уншихад хэцүү болгоно. Хэрэв ямар нэг зүйлд илүү анхаарал хандуулахыг хүсвэл ажилладаг хоёр хөшүүргийг ашигла: промпт дотор урагш зөө, мөн илүү олон үг өг. "A crimson silk scarf, its fringed ends lifting in the wind" нь "(red scarf:1.4)"-ийг чухал бүх хэмжүүрээр давна.
Зөрчилдөх заавар
Хоорондоо нийцэхгүй зааврыг хольсноор тэдгээр нь хольцлогддоггүй; аль алиныг нь хангадаггүй тогтворгүй дундаж гардаг. Байнгын гэмт этгээдүүд:
- Орчин хэрэгсэл — "photorealistic" дээр "watercolor"; "oil painting" дээр "shot on 85mm". Нэгийг нь сонгож, түүндээ тууштай бай.
- Хүрээлэлт — "wide establishing shot" дээр "extreme close-up on her eyes"; "full body" дээр "detailed facial pores".
- Гэрэлтүүлэг — "harsh midday sun" дээр "soft golden hour glow"; "low key, deep shadows" дээр "bright and airy".
- Цаг үе — "1970s film aesthetic" дээр "modern minimalist" дээр "cyberpunk".
- Хэв маягийн овоолго — нэг дор дөрвөн зураач эсвэл дөрвөн төрөл. Хоорондоо холбоотой хоёр лавлагаа ажиллаж болно; дөрөв нь бие биеэ үгүй хийж ердийн зүйл болгодог.
- Тархалт — "rustic, weathered, ancient, timeworn wooden door" бол нэг санааг дөрвөн удаа бичсэн хэрэг бөгөөд давталт бүр промптын үлдсэн хэсгийг шингэрүүлнэ.
10Текстээс зураг үүсгэхэд сөрөг промпт байхгүй
Энэ бол туршлагатай хэрэглэгчдийг хамгийн хүчтэй барьдаг буруу хэв маяг, учир нь хуучин системүүд дээр сөрөг промпт нь ур чадварын тал хувь байлаа.
| Үйлдэл | Сөрөг промпт | Юу хийх вэ |
|---|---|---|
| Текстээс зураг (үүсгэх) | Дэмжигдэхгүй | Зөвхөн хүссэн зүйлээ дүрсэл. "X байхгүй" гэж хэзээ ч бүү бич. |
| Нэг зураг засварлах | Дэмжигдэнэ | Хүсээгүй гажгуудыг тэнд тавь, зааврыг эерэг байлга. |
| Хоёр ба түүнээс дээшийг нэгтгэх | Дэмжигдэнэ | Ижилхэн — гажгууд сөрөгт, үүрэг нь эерэгт. |
Үүсгэлтийн хувьд дүрэм нь үнэмлэхүй бөгөөд бага зэрэг эсрэгээрээ санагдана: "no text, no watermark, no extra fingers" гэж промпт дотор бичих нь тэдгээр зүйлийг бага биш, илүү магадлалтай болгоно. Загвар "no text"-ийг text гэсэн ойлголт агуулсан өгүүлбэр гэж уншина; үгүйсгэл бол сул дохио, нэр үг бол хүчтэй дохио. Та үр дүнд нь текст хүссэн болж таарна. Оронд нь үргэлж эерэг хэлбэрээр нь хэл:
| Үүний оронд | Ингэж бич |
|---|---|
| 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 |
Засварлах ба нэгтгэх үед сөрөг промпт байдаг бөгөөд та үүнийг ашиглах ёстой — гэхдээ контентод биш, гажигт зориулж. Сайн материал: ус тэмдэг, текст давхарга, давхардсан мөч, мушгирсан гар, хэт хурцлалтын туяа, JPEG блоклолт, нийлмэл ирмэг дагуух оёдлын шугам. Муу материал: зураг юуны тухай болох талаарх бүх зүйл, тэр нь зааварт хамаарна.
11Shannon-ы танд зориулж бичсэн промптыг унших нь
Энэ гарын авлагыг онолын биш, шууд хэрэглээний болгодог зүйл энд байна. Та үүсгэх промптыг өөрөө бичих шаардлагагүй. Та энгийн үгээр, ямар ч хэл дээр асууна; Shannon зураг хүсэж байгааг таньж, англи хэл дээрх үүсгэх промптыг зохиогоод, юу ч зурагдахаас өмнө баталгаажуулах карт дээр танд харуулна. Та баталгаажуулах хүртэл юу ч үүсгэгдэхгүй, ямар ч төлбөр тооцогдохгүй.
Тиймээс хамгийн их үр өгөөжтэй ур чадвар бол промптыг эхнээс нь бичих биш — карт дээрх промптыг унших явдал юм. Энэ жагсаалтыг дагаж яв:
- Субьект тодорхой байна уу? Хэрэв карт дээр "нэг хүн" эсвэл "нэг эмэгтэй" гэж байвал та боломжтой хамгийн том сайжруулалтыг олсон байна. Нас, бие галбир, нэг шинж чанар өг.
- Субьект эхэндээ байна уу? Хэрэв промпт хэв маяг эсвэл камераар эхэлж байвал субьектээр эхлүүлэхийг хүс.
- Мужид багтаж байна уу? 30 үгээс доош бол гэрэл ба орчны талаар илүү тодорхой болгохыг хүс. 100-аас дээш бол хасахыг хүс.
- Гэрлийн эх үүсвэр байна уу? Уур амьсгалын үг биш — жинхэнэ гэрэл: цонх, гудамжны гэрэл, гэрэл цацруулагч, үүлэрхэг тэнгэр, softbox.
- Зөрчил байна уу? Нэг промпт дотор хоёр орчин хэрэгсэл, хоёр хүрээлэлт, эсвэл хоёр гэрэлтүүлгийн нөхцөл байгаа эсэхийг шалга.
- Нуугдмал үгүйсгэл байна уу? Хэрэв карт дээр "without", "no", "avoid" гэсэн үг байвал тэр нь нэрлэсэн зүйлээ хүсэж байгаа текстээс зураг үүсгэх промпт юм.
- Харьцаа нь субьектэд тохирч байна уу?
wideдотор бүтэн биеэр зогсох дүр бол сонгодог тохироогүй тохиолдол.
Засварууд нь яриа хэлцлийн шинжтэй: "түүнийг гуч гаруй настай, нэг хөмсгөөр нь сорвитой болго, Portra дээр 85mm-ээр ав, portrait ашигла" гэдэг бол төгс сайн заавар. Та шинэ карт авч, түүнийг нь баталгаажуулна. Давтахад ямар ч торгууль байхгүй, учир нь юу ч хараахан зурагдаагүй.
Мөн Shannon уриагүй зураг үүсгэдэггүй. Мэндчилгээ, асуулт, эсвэл хэлэлцэхээр хавсаргасан гэрэл зураг нь рендерийг эхлүүлэхгүй. Shannon-оос зургийг харахыг — дүрслэх, унших, шинжлэхийг — хүсэх нь үүсгэлт биш, ердийн харааны ажил бөгөөд нэмэлт төлбөргүй.
12Засварлах ба нэгтгэхэд ур чадвар хэрхэн өөрчлөгддөг вэ
Дээрх дүрмүүд үүсгэлтэд зориулж бичигдсэн. Зэргэлдээх хоёр горим промптын хэлбэрийг өөрчилдөг.
Нэг зураг засварлах
Засварын промпт бол дүрслэл биш заавар юм: юу өөрчлөгдөж, юу хэвээр үлдэхийг хэл. Өөрчлөгдөхгүй хэсгүүдийг нэрлэх нь бүтээгдэхүүн дэх чанарын хамгийн том хөшүүрэг — "Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is" гэвэл бүрэн бүтэн үлдэх бөгөөд тэр хэсэггүй ижил хүсэлт нь түүний царайг чимээгүйхэн дахин зурчихдаг. Зангууны талаар тодорхой бай: царай, байрлал, үс, хувцсыг яг хэвээр үлдээ. Яг нэг эх зураг ашиглагдана, гарц нь түүний талын харьцааг хадгална.
Хоёр ба түүнээс дээш зургийг нэгтгэх
Элементүүд нэгээс олон зургаас ирж байгаа бол — хувцас шилжүүлэх, объектыг дүр зураг руу оруулах, нэг кадрт хоёр хүн, бүтээгдэхүүнийг хүн дээр, нэг зургийн хэв маягийг нөгөөгийн субьекттэй — промпт нь зураг бүрийн үүргийг дараалалтайгаар нэрлэх ёстой: "The woman from the first image wearing the red knitted sweater from the second image, standing in the same park." Эхний зураг нь гол субьект эсвэл дүр зураг; дараагийн зургууд оруулж ирэх хэсгүүдийг өгнө. Олон зургийн хүсэлтийг нэг эх зураг дээр текст дүрслэл нэмсэн болгож битгий хураангуйл — жинхэнэ зургуудыг нэгтгэх нь тэдгээр зүйл яг ямар харагддагийг хадгалдаг.
13Цензургүй промпт бичих: хэлэх гэснээ шууд хэл
Үүсгэх замд контент шүүлтүүр байхгүй, промпт бичдэг загварт татгалзах давхарга байхгүй. Энэ бол бүтээгдэхүүний бүхий л учир шалтгаан: шүүлттэй генераторууд хууль ёсны ажлаас байнга татгалздаг — урлагийн нүцгэн зураг, эмнэлгийн ба шүүх шинжилгээний зурган чимэглэл, аюулгүй байдлын судалгааны зураг, уран зохиол дахь хүчирхийлэл, улс төрийн шог зураг, эрх эзэмшигчийн брэнд ба дүр төрхийн ажил. Шүүлттэй платформууд дээрх промптын ур чадварын тал хувь нь зөөлрүүлсэн үг зохиох явдал бөгөөд зөөлрүүлсэн үг бол үнэн зөв зургийн дайсан.
Тиймээс карт дээр шалгах бас нэг зүйл байна: тэр нь шүүлттэй хэрэгслээс сурсан бүрхэг үгсийн санг биш, жинхэнэ субьектийг энгийн үгээр дүрсэлж байгаа эсэх. Шархны шүүх шинжилгээний зурган чимэглэл нь шарх нь юу болохыг хэлэх ёстой. Бүрхэг хэл бүх газарт муу зураг гаргана, учир нь загвар үгийн хэлснийг зурдаг.
Чадвар ба шүүлт бол өөр өөр зүйл. Shannon Lab LLC үүнийг нийтэлсэн Хариуцлагатай ашиглалтын бодлого-ын дор ажиллуулдаг: шүүлтгүй үүсгэлт бол мэргэжлийн хэрэгсэл бөгөөд зөвшөөрөл, эрх, хууль тань бүтээсэн зүйлд тань бүгд хэвээр хамаарна.
Нэг хуудасны шалгах жагсаалт
- Таслалаар тусгаарласан шошго биш, бүтэн өгүүлбэрт бичвэр.
- 30–80 үг. Зургийг өөрчлөхгүй бүхнийг хас.
- Субьект → үйлдэл → хэв маяг → орчин ба гэрэлтүүлэг → техник.
- Тодорхой субьект: нас, нэг бүтцийн шинж, нэг согог.
- Гэрэл зураг: камер, линз, хальс эсвэл гэрлийн эх үүсвэрийг нэрлэ.
- Гүн дүр зураг: урд талбар, дунд талбар, арын дэвсгэрийг тусад нь нэрлэ.
- Яг тодорхой өнгийг нэрлэсэн объектод холбосон
color #RRGGBBхэлбэрээр. - Харьцааг субьектийн давамгайлах тэнхлэгээс сонго.
- Хүрээлэлттэй тааруулсан хоёр, гурван үндэслэх бүтэц.
- Чанарын токен хэрэггүй, жингийн синтакс хэрэггүй, зөрчилдөх заавар хэрэггүй.
- Текстээс зураг үүсгэхэд үгүйсгэл байхгүй. Үгүйсгэл нь засварлах ба нэгтгэхэд, зөвхөн гажигт зориулагдана.
14API хаана оршдог вэ
API хайлтаас ирсэн уншигчдад зориулсан нэг үнэн зүйл: зураг үүсгэх, засварлах ба нэгтгэх нь /v1 API дээр биш, Shannon чат аппад байдаг. API нь текст ба зураг унших үйлчилгээ үзүүлдэг — таны илгээсэн зургийг гурван аялгуу (/v1/chat/completions, /v1/messages, /v1/responses, бүгд урсгалтай) дээр уншиж, дүрсэлж, шинжилж чадна — харин үүсгэдэггүй. Хэрэв та зургийг ойлгох шаардлагатай урсгал бүтээж байгаа бол API-ийн баримт бичиг-ээс эхлэх нь зөв. Хэрэв та зураг хийхийг хүсэж байвал тэр нь чат апп бөгөөд энэ гарын авлагад байгаа бүхэн тэнд хамаарна. Зургууд бидний өөрсдийн GPU кластер дээр зурагдана.
15Түгээмэл асуултууд
AI зургийн промпт хэр урт байх ёстой вэ?
30-аас 80 үгийг зорь, 100-аас хэтэрч болохгүй. 30 үгээс доош бол зохиомж, гэрэлтүүлэг, хүрээлэлтийг санамсаргүй байдалд орхиж байгаа хэрэг. 100 үгээс хойш сүүлийн хэсгүүд нь эхнийхтэйгээ өрсөлдөж эхэлж, нарийн ширийн зүйл хуримтлагдахын оронд угаагдаж арилж эхэлдэг.
Би түлхүүр үгийн шошго бичих үү, бүтэн өгүүлбэр бичих үү?
Бүтэн өгүүлбэр. Shannon-ы Зургийн Загвар промптыг хэлний загвар текст уншдаг шиг уншдаг тул хэлзүй нь мэдээлэл дамжуулдаг. "Шөнийн бороонд норсон Токиогийн гарц дээр зогсох гуч гаруй насны эмэгтэй" гэвэл уялдаа холбоотой дүр зураг гарна; "эмэгтэй, 30 нас, Токио, бороо, шөнө" гэвэл хоорондоо ямар ч холбоогүй сул шинжүүдийн овоолго гарна.
Текстээс зураг үүсгэхэд сөрөг промпт ашиглаж болох уу?
Үгүй. Shannon дээр текстээс зураг үүсгэх нь сөрөг промпт авдаггүй тул зөвхөн хүссэн зүйлээ дүрсэл, промпт дотроо хэзээ ч "X байхгүй" гэж бичиж болохгүй — ямар нэг зүйлийг нэрлэх нь түүнийг дуудаж авчрах хандлагатай. Зураг засварлах ба зураг нэгтгэх нь сөрөг промптыг дэмждэг бөгөөд ус тэмдэг, текст давхарга, давхардсан мөч зэрэг хүсээгүй гажгуудыг яг тэнд бичих нь зөв.
"masterpiece, best quality, 8k" гэх мэт токенууд зургийг сайжруулдаг уу?
Үгүй. Тэдгээр нь загваруудын өмнөх үеийн бариулууд байсан бөгөөд энд ямар ч мэдээлэл дамжуулдаггүй — зүгээр л үг болж уншигдаад, юу ч хэлэлгүйгээр таны 30–80 үгийн төсвийн нэг хэсгийг иддэг. (word:1.3) гэх мэт жингийн синтакс ч бас задлан шинжлэгддэггүй; шууд текст болж буудаг. Оронд нь өөрийн хүсэж буй бодит нарийн ширийнийг дүрсэл.
Би яг тодорхой өнгийг хэрхэн авах вэ?
Hex кодыг color #RRGGBB хэлбэрээр бичээд, нэрлэсэн тодорхой объектод хавсарга, жишээ нь "ноосон хүрэм, color #8B0000". Объектоос салангид хөвж яваа hex код холбогдох юмгүй үлддэг. Үнэхээр чухал хоёр, гурван өнгөнд үүнийг ашиглаж, үлдсэнийг нь үгээр дүрсэл.
Би Shannon API-аар зураг үүсгэж болох уу?
Үгүй. Зураг үүсгэх, засварлах ба нэгтгэх нь Shannon чат аппад явагдана. /v1 API нь текст ба зураг унших үйлчилгээ үзүүлдэг — таны илгээсэн зургийг уншиж шинжилж чадна, харин үүсгэдэггүй. Энэ гарын авлагад байгаа бүхэн чат аппад хамаарна.
Бодит промпт дээр туршиж үз
Ямар ч хэлээр асуу. Картыг унш. Тохируул. Дараа нь баталгаажуул.
Shannon чатыг нээх Бусад судалгааТа промптыг баталгаажуулах хүртэл юу ч зурагдахгүй, ямар ч төлбөр тооцогдохгүй
Холбоотой унших зүйл: Цензургүй AI зураг үүсгэлт · Цензургүй AI зураг засварлалт · Хариуцлагатай ашиглалтын бодлого · API-ийн баримт бичиг · Shannon-ы бүх судалгаа. Энд өгсөн зөвлөмж нь Shannon-ы Зургийн Загвар дээр хийсэн бидний өөрсдийн туршилтаас гаралтай; өмнөх үеийн диффузийн системд зориулж бичсэн зөвлөгөө ерөнхийдөө дамжин шилждэггүй.