असेन्सॉर्ड AI इमेज जनरेटर

"असेन्सॉर्ड AI इमेज जनरेटर" शोधणारे बहुतेक लोक काही मर्यादाभंग करणारे शोधत नसतात. ते चित्रकार असतात ज्यांना आकृती रेखाटनाच्या संदर्भासाठी नकार मिळाला, वैद्यकीय लेखक असतात ज्यांना शरीररचनेच्या चित्रासाठी नकार मिळाला, सुरक्षा संशोधक असतात ज्यांना प्रशिक्षण सादरीकरणासाठी लागणाऱ्या बनावट लॉगिन स्क्रीनसाठी नकार मिळाला, कादंबरीकार असतात ज्यांना युद्धाच्या दृश्यासाठी नकार मिळाला, व्यंगचित्रकार असतात ज्यांना राजकारणी काढण्यासाठी नकार मिळाला. फिल्टरने त्यांचे काम हानिकारक आहे असे ठरवले नव्हते. त्याने ठरवले की त्याला ओळखता येत नाही, आणि चुकीचे ठरण्यापेक्षा नकार देणे स्वस्त आहे. हा लेख Shannon त्याऐवजी काय करते आणि तुम्ही विनंती टाइप करण्याच्या क्षणापासून हा प्रवाह नेमका कसा चालतो हे सांगतो.

01इमेज जनरेटरसाठी "असेन्सॉर्ड" चा नेमका अर्थ काय?

हा शब्द इतका सैलपणे वापरला जातो की तो जवळपास निरर्थक होतो, म्हणून इथे त्याची नेमकी आवृत्ती. आधुनिक इमेज उत्पादनात विनंती मरू शकते अशी किमान चार ठिकाणे असतात:

1. इनपुट वर्गीकरण — इतर काहीही होण्याआधीच तुमच्या मजकुराला विषय श्रेणींनुसार गुण दिले जातात, आणि जास्त गुण मिळाल्यास विनंती संपते.
2. प्रॉम्प्ट पुनर्लेखन — एक सहायक गुपचूप तुमचा प्रॉम्प्ट "सुधारतो", ज्याचा व्यवहारात अर्थ तुम्ही मागितलेली नेमकी गोष्ट घासून काढणे असा होतो.
3. सहायकावरचा नकार स्तर — तुमच्याशी बोलणारे मॉडेल विनंती पुढे पाठवण्यास नकार देते, सहसा ते का मदत करू शकत नाही याच्या परिच्छेदासह.
4. आउटपुट वर्गीकरण — तयार झालेल्या प्रतिमेला रेंडरनंतर गुण दिले जातात आणि ती रोखली जाते, त्यामुळे तुमचे जनरेशन वाया जाते आणि हाती काहीच लागत नाही.

Shannon वर जनरेशन मार्गावर कंटेंट फिल्टर नाही आणि प्रॉम्प्ट लिहिणाऱ्या मॉडेलवर नकार स्तर नाही. तुमच्या विनंतीला विषयांच्या ब्लॉकलिस्टवर गुण दिले जात नाहीत, ती गुपचूप अधिक सुरक्षित स्वरूपात पुन्हा लिहिली जात नाही, आणि तिच्यातील एखादा शब्द धोक्याच्या श्रेणीशी जुळला म्हणून ती नाकारली जात नाही. तुमचा संदेश वाचणारे मॉडेल तुम्ही प्रत्यक्षात जे मागितले ते प्रतिबिंबित करणारा जनरेशन प्रॉम्प्ट लिहिते, आणि मग तो तपासण्यासाठी तुमच्याकडे देते.

"असेन्सॉर्ड" म्हणजे काय नाही: प्रत्येक रेंडर उत्कृष्ट कलाकृती असेल किंवा शरीररचना व भौतिकशास्त्र नेहमी बरोबर येईल असा हा दावा नाही — ते क्षमतेचे प्रश्न आहेत, ज्यांची प्रामाणिक चर्चा प्रॉम्प्ट मार्गदर्शिकेत आहे. काहीही चालेल असाही हा दावा नाही. Shannon Lab LLC एक जबाबदार वापर धोरण चालवते, आणि स्वयंचलित फिल्टर नसणे हेच त्या धोरणाला अधिक वजन देते. बोथट हत्यार काढून टाकल्याने ते हत्यार हाताळणाऱ्या माणसाकडून अपेक्षा वाढतात; अपेक्षा नाहीशा होत नाहीत.

02नकाराची समस्या: फिल्टर लावलेले जनरेटर अडवत असलेले वैध काम

कंटेंट फिल्टर वरवरच्या वैशिष्ट्यांनुसार वर्गीकरण करतात, कारण मोठ्या प्रमाणावर स्वस्तात तेवढेच त्यांना करता येते. त्यांना शब्द आणि पिक्सेल दिसतात. उद्देश, व्यावसायिक संदर्भ किंवा कोण विचारत आहे हे त्यांना दिसत नाही. याच पोकळीत नुकसान होते, आणि उत्पादनांमध्ये ते उल्लेखनीयरीत्या सुसंगत आहे: त्याच काही श्रेण्यांना सर्वत्र नकार मिळतो, त्याच रचनात्मक कारणासाठी.

कामाची श्रेणी	फिल्टर नकार का देतो	प्रत्यक्षात काय मागितले होते
कलात्मक न्यूड आणि आकृती अभ्यास	न्यूडिटी वर्गीकरणकर्ते ललितकला परंपरा आणि अश्लीलता वेगळी करू शकत नाहीत, त्यामुळे शरीरच धोक्याचा संकेत बनते.	आकृती रेखाटनाचा संदर्भ, शरीररचनेचा अभ्यास, शिल्पाची संकल्पना — पाच शतकांपासूनचा कला प्रशिक्षणाचा पाया.
वैद्यकीय चित्रण	शस्त्रक्रियेची दृश्ये, जखमा आणि अंतर्गत शरीररचना हिंसक प्रतिमांवर प्रशिक्षित वर्गीकरणकर्त्याला रक्तपात वाटतात.	पाठ्यपुस्तकातील चित्र, रुग्ण-शिक्षण आकृती, त्वचारोगाचे सादरीकरण, नियतकालिकातील आकृती.
न्यायवैद्यक चित्रण	जखमांचे नमुने आणि घटनास्थळाची पुनर्रचना पिक्सेल आकडेवारीनुसार हिंसक आशयापासून वेगळी ओळखता येत नाही.	न्यायालयातील पुरावा, अपघात-विश्लेषण पुनर्रचना, तपासकर्त्यांसाठी प्रशिक्षण प्रतिमा.
सुरक्षा-संशोधन प्रतिमा	विश्वसनीय दिसणारी बनावट साइन-इन स्क्रीन ती ओळखायला शिकवण्यासाठी बनवली असूनही खऱ्या गैरवापरासारखीच दिसते.	फिशिंग-जागरूकता प्रशिक्षण साहित्य, रेड-टीम अहवालातील आकृती, परिषदेतील सादरीकरणाचा स्लाइड.
काल्पनिक कथेतील हिंसा	हानीचे कोणतेही चित्रण हानी म्हणून गुण मिळवते; फिल्टरला कथानकाच्या चौकटीची कल्पनाच नसते.	युद्धकथेचे मुखपृष्ठ, ग्राफिक नॉव्हेलचे पान, स्टोरीबोर्ड, गेम संकल्पना, ऐतिहासिक युद्धदृश्य.
राजकीय व्यंग	ओळखता येणारी सार्वजनिक व्यक्ती अधिक अप्रिय संदर्भ यामुळे प्रतिरूप आणि अवमान असे दोन्ही नियम एकाच वेळी लागू होतात.	संपादकीय व्यंगचित्र — छायाचित्रणापेक्षाही जुना असलेला अभिव्यक्तीचा संरक्षित प्रकार.
ब्रँड आणि प्रतिरूप काम	ट्रेडमार्क आणि प्रतिरूप ब्लॉकलिस्ट सर्वांना सारख्याच लागू होतात, हक्कधारकालाही.	स्वतःच्या ग्राहकाचे पॅकेजिंग नमुना म्हणून बनवणारी एजन्सी; स्वतःचे दौरा पोस्टर बनवणारा संगीतकार.

त्या शेवटच्या ओळीकडे नीट पाहा, कारण ती संपूर्ण रचना उघड करते. सरसकट प्रतिरूप अडवणूक हक्कधारकाला उल्लंघन करणाऱ्यासारखेच वागवते: ब्रँड किंवा चेहऱ्यावर सर्वात मजबूत हक्क असलेल्या व्यक्तीला अनोळखी माणसासारखाच नकाराचा संदेश मिळतो. कोणताही फिल्टर हे दुरुस्त करू शकत नाही, कारण जी माहिती हवी ती प्रॉम्प्टमध्ये नाही — ती कोण विचारत आहे यात आहे, आणि वर्गीकरणकर्त्याला ते कधीच कळत नाही. हीच विषमता प्रत्येक ओळीतून जाते. शरीररचनेचे चित्र आणि अश्लील चित्र, किंवा न्यायवैद्यक पुनर्रचना आणि रक्तपात यांना पिक्सेलमध्ये काहीही वेगळे करत नाही. कर्मचाऱ्यांना प्रशिक्षण देण्यासाठी बनवलेले फिशिंग नमुना पान आणि त्यांना फसवण्यासाठी बनवलेले पान यांच्यात काहीही फरक नाही: रचनेनुसारच ती एकसारखी प्रतिमा असते. दुसरी पकडण्यासाठी दरवाजा बांधा आणि तुम्ही नेहमीच पहिलीही पकडता.

क्वचितच मोजला जाणारा दुसरा खर्चही आहे: लोक कसे लिहितात यावरचा गोठवणारा परिणाम. तीन नकारांनंतर तुम्ही बचावात्मक लिहू लागता — सावधगिरी, सौम्य शब्द, महत्त्वाचा तपशील वगळणे, ताईत म्हणून "सुरुचिपूर्ण" जोडणे. आउटपुट खराब होते ते मॉडेल खराब झाल्यामुळे नाही तर तुम्हाला काय हवे ते तुम्ही वर्णन करणे थांबवल्यामुळे. नेमके याच कारणासाठी असेन्सॉर्ड जनरेटर अंशतः गुणवत्तेचे वैशिष्ट्य आहे: तुम्ही खरे वर्णन लिहू शकता, म्हणून तुम्हाला खरी प्रतिमा मिळते.

03Shannon चा रेंडरपूर्वी-पुष्टी प्रवाह कसा चालतो

फिल्टर काढून टाकल्याने एक स्पष्ट प्रश्न निर्माण होतो: विनंती कोणी तपासत नसेल, तर एखादा गैरसमज तुम्हाला नको असलेला आणि ज्यासाठी पैसे देण्याची अपेक्षा नव्हती असा रेंडर होण्यापासून काय रोखते? Shannon चे उत्तर आणखी एक स्वयंचलित दरवाजा नाही. ते आहे तुम्हाला प्रॉम्प्ट दाखवून विचारणे.

चार पायऱ्या

1. तुम्ही कोणत्याही भाषेत, साध्या शब्दांत विचारता. खास वाक्यरचना नाही, /imagine आदेश नाही, पॅरामीटर स्ट्रिंग नाही. तुम्ही एखाद्या माणसाला वर्णन कराल तसेच तुम्हाला काय हवे ते वर्णन करता. तुम्ही ज्या भाषेत लिहिता त्याच भाषेत Shannon काम करते.
2. Shannon ठरवते की प्रतिमेची मागणी होत आहे. हा हेतूबद्दलचा निर्णय आहे, कीवर्ड जुळणी नाही. छायाचित्राबद्दल बोलणे म्हणजे छायाचित्र मागणे नव्हे.
3. Shannon स्वतः इंग्रजीत जनरेशन प्रॉम्प्ट लिहिते. तुम्ही कोणत्याही भाषेत विचारले असले तरी प्रॉम्प्ट इंग्रजीत रचला जातो — तुमचे वर्णन विषय-प्रथम, गद्य-शैलीच्या त्या स्वरूपात विस्तारले जाते ज्याला इमेज मॉडेल सर्वोत्तम प्रतिसाद देते, आस्पेक्ट रेशो निवडून आणि छोट्या विनंतीत राहून गेलेला ठोस तपशील भरून.
4. पुष्टीकरण कार्ड दिसते — आणि थांबते. काहीही रेंडर होण्यापूर्वी Shannon ने लिहिलेला संपूर्ण प्रॉम्प्ट तुम्हाला दिसतो. तुम्ही पुष्टी करेपर्यंत काहीही तयार होत नाही आणि काहीही बिल होत नाही. तुम्ही तो मंजूर करू शकता, नाकारू शकता, किंवा Shannon ला काय बदलायचे ते सांगून सुधारित कार्ड मिळवू शकता.

हे फिल्टरपेक्षा चांगले का आहे

फिल्टर हा तुमच्याबद्दल, अदृश्यपणे, त्याच्याकडे नसलेल्या माहितीच्या आधारे घेतलेला निर्णय असतो. पुष्टीकरण कार्ड हा तुमच्याकडून, उघडपणे, उपलब्ध सर्व माहितीच्या आधारे घेतलेला निर्णय असतो. त्याचे परिणाम एकावर एक चढतात:

• अनपेक्षित शुल्क नाही. रेंडर हा महागडा टप्पा आहे, आणि कार्ड आधी येते — त्यामुळे चुकीच्या समजलेल्या विनंतीची किंमत एक नजर आहे, एक जनरेशन नाही.
• रेंडरपूर्वीच भरकटणे तुम्ही पकडता. तुम्ही जपानीमध्ये विशिष्ट प्रकारच्या प्रकाशासाठी विचारले असेल आणि इंग्रजी प्रॉम्प्ट सूक्ष्मपणे वेगळा आला असेल, तर ते तुम्हाला मजकुरातच दिसते, तीस सेकंदांनंतर चित्रात नाही.
• प्रॉम्प्ट शिकवतो. "एका व्हायोलिनवादकाचे उदास पोर्ट्रेट" चा Shannon कॅमेरा, लेन्स, प्रकाश आणि परिसरासह पूर्ण परिच्छेदात कसा विस्तार करते हे वाचणे म्हणजे इमेज मॉडेल कशाला प्रतिसाद देते हे शिकण्याचा सर्वात जलद मार्ग.
• संदिग्धता तुमच्या बाजूने सुटते. फिल्टर लावलेले उत्पादन सावधपणे अंदाज बांधते आणि बरेचदा नकार देते, तिथे Shannon स्वतःचा सर्वोत्तम अर्थ लिहिते आणि तो दुरुस्त करू देते.

एक उदाहरण. तुम्ही पोर्तुगीजमध्ये साधारण असे टाइप करता, "माझ्या बँडच्या जुन्या थिएटरमधील कार्यक्रमासाठी पोस्टर बनव, थोडे खरखरीत, 70 च्या दशकासारखे." Shannon प्रतिमेची विनंती ओळखते, तुम्ही पोस्टर म्हटल्यामुळे tall निवडते, आणि लिहिते:

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.

त्याच कार्डवर तुमच्या लक्षात येते की तुम्हाला चार नव्हे तर पाच बँड सदस्य हवे होते. तुम्ही तसे सांगता, कार्ड अद्ययावत होते, आणि तेव्हाच काहीतरी रेंडर होते. फिल्टर लावलेल्या उत्पादनात तुम्ही आधी चुकीच्या प्रतिमेचे पैसे भरले असते.

04Shannon कधीही न मागता प्रतिमा तयार करत नाही

उलट प्रकारचे अपयशही तितकेच महत्त्वाचे आहे. प्रतिमा तयार करण्यास उतावीळ असलेले उत्पादन थकवणारे असते: तुम्ही स्क्रीनशॉटबद्दल विचारण्यासाठी तो पेस्ट करता आणि तुम्हाला "सुधारित" आवृत्ती परत मिळते; तुम्ही वाक्प्रचार म्हणून "कल्पना करा" म्हणता आणि तुम्हाला चित्र मिळते. Shannon असे करत नाही.

• अभिवादन ही विनंती नाही. नमस्कार म्हटल्याने उत्तर मिळते, रेंडर नाही.
• प्रश्न ही विनंती नाही. चांगले अल्बम मुखपृष्ठ कशामुळे होते असे विचारल्यास तुम्हाला अल्बम मुखपृष्ठांबद्दल उत्तर मिळते.
• सहज जोडलेले छायाचित्र ही विनंती नाही. चर्चेसाठी संभाषणात प्रतिमा टाकल्याने संपादन सुरू होत नाही.
• प्रतिमांबद्दल बोलणे म्हणजे प्रतिमा मागणे नव्हे. एखादे चित्र, छायाचित्रकाराचे तंत्र किंवा डिझाइन ब्रीफ यावरची चर्चा संभाषणच राहते.

आणि याचा परिणाम, जो रोजच्या कामात लोकांना सर्वात उपयुक्त वाटतो: Shannon ला प्रतिमा पाहायला सांगणे हे सामान्य व्हिजन काम आहे, जनरेशन नाही. हे छायाचित्र वर्णन कर, या स्क्रीनशॉटमधला मजकूर वाच, या मांडणीत काय चुकले आहे ते सांग, हा हस्तलिखित मजकूर उतरवून लिही, ही वनस्पती ओळख — हे सर्व वाचणे आहे, बनवणे नाही. यातून पुष्टीकरण कार्ड येत नाही आणि सामान्य संभाषणापलीकडे काहीही अतिरिक्त खर्च होत नाही. जनरेशन ही वेगळी, जाणीवपूर्वक केलेली कृती आहे जिच्यासमोर दृश्यमान दरवाजा आहे, आणि बाकी सर्व केवळ बोलणे आहे.

05आस्पेक्ट रेशो: पाच आकार, आणि तुमचाच जिंकतो

चौकट ही सजावट नाही. ती रचना बदलते, मॉडेल तपशील कसा वाटते ते बदलते, आणि निकाल तुम्हाला जिथे ठेवायचा आहे तिथे बसतो की नाही तेही बदलते. Shannon पाच रेशो देते, तुमच्या वर्णनावरून योग्य तो ओळखते, आणि तुम्ही पसंती सांगताच तिला मान देते.

रेशो	कशासाठी वापरावा	टिपा
square	सर्वसाधारण वापर, उत्पादन छायाचित्रे, आयकॉन, सोशल पोस्ट, एकल वस्तू.	डीफॉल्ट. विनंतीत आकार सुचवणारे काहीही नसल्यास निवडला जातो.
portrait	व्यक्ती, एकल आकृत्या, उंच विषय, पुस्तकांची मुखपृष्ठे, पात्र कला.	उभ्या आकृतीला डोके किंवा पाय न कापता जागा देतो.
landscape	निसर्गदृश्ये, आतील भाग, माणसांचे समूह, स्थळदर्शक दृश्ये.	उंचीपेक्षा रुंद असलेल्या कोणत्याही गोष्टीसाठी नैसर्गिक आकार.
wide	चित्रपटासारखी चौकट, बॅनर, हेडर, विस्तीर्ण दृश्ये.	landscape पेक्षा रुंद. मॉडेलला चित्रपटासारख्या रचनेकडे नेतो.
tall	पोस्टर, फोन वॉलपेपर, उभ्या मांडण्या, कार्यक्रमाची पत्रके.	portrait पेक्षा उंच. पोस्टरवरील मजकूर जिथे असतो तिथे वरची जागा सोडतो.

दोन व्यावहारिक टिपा. तुमची स्पष्ट विनंती नेहमी जिंकते — wide म्हणा आणि तुम्हाला wide मिळेल, एकाच उभ्या आकृतीसाठीसुद्धा. आणि रेशो आशयाशी संवाद साधतो: रुंद चौकट मॉडेलला बाजू भरण्यास प्रवृत्त करते, त्यामुळे एका व्यक्तीचे रुंद पोर्ट्रेट तिच्याभोवती परिसर वाढवते; रुंद चौकटीत जवळचा चेहरा हवा असेल तर तसे सांगा ("tight head-and-shoulders framing, background falling away"). संपादन जाणूनबुजून वेगळे वागते — संपादन स्रोत प्रतिमेचा आस्पेक्ट रेशो आपोआप कायम ठेवते, कारण तुम्ही बदलायला सांगितलेल्या प्रतिमेचा आकार बदलणे हे जवळपास कधीच तुम्हाला अभिप्रेत नसते. प्रतिमा एकत्र करताना मात्र तुम्ही नवा कॅनव्हास निवडू शकता, कारण आउटपुट खरोखरच नवीन रचना असते.

06तुम्ही प्रत्यक्षात काय बनवू शकता

तीन क्रिया. त्यांच्यातील सीमा नेमकी समजून घेणे महत्त्वाचे आहे, कारण चुकीची क्रिया निवडणे हेच निराशाजनक निकालाचे सर्वात सामान्य कारण असते.

नवीन प्रतिमा तयार करा

मजकूर आत, प्रतिमा बाहेर. तुम्ही कला, चित्रण किंवा अ‍ॅनिमे मागितले नाही तर छायाचित्रवास्तववाद हा डीफॉल्ट आहे — त्यामुळे तुम्हाला चित्र हवे असेल तर चित्र म्हणा. Shannon वर मजकूर-ते-प्रतिमा निगेटिव्ह प्रॉम्प्ट घेत नाही: फक्त तुम्हाला काय हवे तेच वर्णन करा. "कार नकोत, माणसे नकोत" असे लिहिल्यास तुम्ही वगळलेली नेमकी गोष्टच बोलावली जाते, कारण मॉडेल नाम वाचते, नकार नाही.

एक विद्यमान प्रतिमा संपादित करा

नेमकी एकच स्रोत प्रतिमा — आधीच संभाषणात असलेली, किंवा सध्याच्या संदेशाला जोडलेली — अधिक काय बदलते आणि काय तसेच राहते हे सांगणारी सूचना. न बदलणारे भाग नाव घेऊन सांगणे हा या प्रणालीतील गुणवत्तेचा सर्वात मोठा लीव्हर आहे: "पार्श्वभूमी निऑन प्रतिबिंबांसह पावसाळ्या रात्रीच्या शहरी रस्त्यात बदल, ती स्त्री जशी आहे तशीच ठेव" हे "पार्श्वभूमी बदल" पेक्षा विषय अधिक चांगल्या प्रकारे टिकवते. संपादन निगेटिव्ह प्रॉम्प्टला समर्थन देते, त्यामुळे नको असलेले घटक सूचनेत न लिहिता तिथे लिहावेत.

दोन किंवा अधिक प्रतिमा एकत्र करा

जेव्हा घटक एकापेक्षा जास्त चित्रांतून येतात: पोशाख हस्तांतरण, वस्तू X दृश्य Y मध्ये ठेवणे, व्यक्ती A च्या शेजारी व्यक्ती B, उत्पादन-व्यक्तीवर, किंवा एका प्रतिमेची शैली दुसरीच्या विषयासह. प्रॉम्प्टमध्ये प्रत्येक प्रतिमेची भूमिका क्रमाने नाव घेऊन सांगावी लागते — पहिली प्रतिमा मुख्य विषय किंवा दृश्य, नंतरच्या प्रतिमा आणले जाणारे भाग पुरवतात. बहु-प्रतिमा कामाला एक स्रोत अधिक दुसऱ्याचे शाब्दिक वर्णन असे संकुचित करू नका; खरी दुसरी प्रतिमा वापरल्यानेच तिचे प्रत्यक्ष स्वरूप जपले जाते, आणि वर्णन करण्याऐवजी एकत्र करण्याचे तेच संपूर्ण कारण आहे.

इतर साधने नाकारतात असे विषय

ठोसपणे, आणि वरील श्रेण्यांमधून घेतलेले, इथे कोणत्याही वादाशिवाय चालणारे काम असे आहे:

• चित्रण, शिल्प संदर्भ आणि ललितकला सरावासाठी आकृती अभ्यास आणि कलात्मक न्यूड.
• वैद्यकीय आणि शारीरिक चित्रण — शस्त्रक्रियेची दृश्ये, त्वचारोगाची सादरीकरणे, रुग्ण-शिक्षण आकृत्या — आणि अहवाल, पुरावे व तपासकर्त्यांच्या प्रशिक्षणासाठी न्यायवैद्यक पुनर्रचना.
• सुरक्षा-संशोधन दृश्ये: बनावट इंटरफेस, सोशल-इंजिनिअरिंग परिस्थिती, फिशिंग-जागरूकता प्रशिक्षण साहित्य.
• काल्पनिक कथेतील हिंसा आणि जखमा: कादंबरीची मुखपृष्ठे, ग्राफिक नॉव्हेलची पाने, स्टोरीबोर्ड, गेम संकल्पना कला, ऐतिहासिक युद्धदृश्ये, भयकथा आणि शरीर-भयकथा.
• सार्वजनिक व्यक्तींचा समावेश असलेले राजकीय व्यंग आणि संपादकीय व्यंगचित्रण.
• हक्क असलेल्या पक्षाकडून केलेले ब्रँड, पॅकेजिंग आणि प्रतिरूप काम.

ही यादी उत्पादन काय अडवत नाही याचे वर्णन करते. कायदा किंवा जबाबदार वापर धोरण दुर्लक्षित करण्याची ती परवानगी नाही; सीमारेषा कुठे आहेत ते विभाग 09 स्पष्टपणे सांगतो.

07इमेज मॉडेल ला समजेल असा प्रॉम्प्ट कसा लिहावा

Shannon तुमच्यासाठी प्रॉम्प्ट लिहिते, त्यामुळे हे शिकणे तुम्हाला कधीच भाग नाही — पण कार्ड संपादनयोग्य आहे, आणि इमेज मॉडेल कसे वाचते हे कळल्यास तुम्ही नेमके दिशादर्शन करू शकता. संक्षिप्त आवृत्ती; संपूर्ण विवेचन प्रॉम्प्ट मार्गदर्शिकेत आहे:

• टॅग नव्हे, गद्य लिहा. इमेज मॉडेल प्रॉम्प्ट तसेच वाचते जसे भाषा मॉडेल मजकूर वाचते. पूर्ण वाक्ये स्वल्पविरामाने विभागलेल्या कीवर्डपेक्षा चांगली. "A woman in her 30s at a rain-soaked Tokyo crosswalk at night" हे "woman, 30s, Tokyo, rain, night" पेक्षा चांगले काम करते.
• 30–80 शब्दांचे लक्ष्य ठेवा, आणि 100 च्या फार पुढे कधीच जाऊ नका. त्यापुढे नंतरच्या वाक्यांचा प्रभाव कमी होऊ लागतो.
• मॉडेल ज्या क्रमाने वाचते त्या क्रमाने मांडा: विषय → कृती किंवा मुद्रा → शैली आणि मूड → परिसर आणि प्रकाश → चौकट, डेप्थ ऑफ फील्ड आणि रंग यांसारखा तांत्रिक तपशील. सर्वात महत्त्वाची गोष्ट आधी.
• विषय ठोस करा. "A man in his 40s with a salt-and-pepper beard" हा विषय आहे. "A person" ही रिकामी जागा आहे जी मॉडेल सरासरीने भरते.
• छायाचित्रांसाठी, ते छायाचित्र म्हणूनच लिहा. खरा कॅमेरा, लेन्स, आणि फिल्म किंवा प्रकाश नाव घेऊन सांगा — "shot on Kodak Portra 400, 85mm f/1.4, soft window light" — आणि आधार देणारा तपशील जोडा: त्वचेची छिद्रे, कापडाची वीण, नैसर्गिक अपूर्णता. स्तरित दृश्यांसाठी अग्रभाग, मध्यभाग आणि पार्श्वभूमी वेगवेगळ्या वाक्यांत वर्णन करा, आणि वस्तूंना नेमके रंग hex मूल्याने जोडा: "a jacket, color #8B0000".
• SDXL-काळातील निरुपयोगी शब्द वगळा. "masterpiece, best quality, 8k" इथे काहीही करत नाही, आणि (word:1.3) सारखी वेट वाक्यरचना वाचली जात नाही. परस्परविरोधी दिशा कधीही मिसळू नका — एका प्रॉम्प्टमध्ये "photorealistic" आणि "watercolor" दिल्यास तुम्हाला यातले काहीच मिळत नाही.

व्यवहारात: elderly fisherman, portrait, weathered face, harbor, morning, photorealistic, masterpiece, best quality, 8k ऐवजी मॉडेल प्रत्यक्षात जसे वाचते तसे लिहा:

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.

हे केवळ लांबीसाठी लांब नाही. प्रत्येक वाक्य मॉडेलने अन्यथा यादृच्छिकपणे घेतलेला एक निर्णय तुम्ही जाणीवपूर्वक घेतलेल्या निर्णयाने बदलते.

08हे कुठे आहे: चॅट अ‍ॅपमध्ये, API मध्ये नाही — आणि व्हिडिओ नाही

इथे दोन गोष्टी आहेत ज्या तुम्ही साइन अप केल्यानंतर नव्हे तर आधीच सांगणे आम्हाला योग्य वाटते.

प्रतिमांचे काम चॅट अ‍ॅपमध्ये आहे

जनरेशन, एडिटिंग आणि बहु-प्रतिमा संयोजन हे सर्व Shannon चॅट अ‍ॅपमध्ये होते. ते /v1 API वर उपलब्ध नाहीत. Shannon चे API — /v1/chat/completions, /v1/messages आणि /v1/responses, सर्व स्ट्रीमिंगसह, सर्व shannon-ai.com/docs/api वर दस्तऐवजीकृत — मजकूर आणि व्हिजन पुरवते. व्हिजन म्हणजे मॉडेल तुम्ही पाठवलेल्या प्रतिमा वाचतात: वर्णन, विश्लेषण, उतरवून लिहिणे, आलेख किंवा स्क्रीनशॉटवर तर्क करणे. त्याचा अर्थ त्या तयार करणे नव्हे. तुम्ही "असेन्सॉर्ड इमेज जनरेशन API" शोधताना हे पान सापडले असेल, तर तेच प्रामाणिक उत्तर आहे, आणि तुम्ही एकत्रीकरण केल्यानंतर ते कळण्यापेक्षा आम्ही आताच स्पष्ट बोलणे पसंत करतो. API ज्यासाठी चांगले आहे तो त्याच समस्येचा दुसरा अर्धा भाग: असेन्सॉर्ड मजकूर आणि व्हिजन, नकार स्तर नाही, तीन API बोली, आमच्या स्वतःच्या GPU क्लस्टरवर. संशोधन निर्देशिकेत प्रत्येक मॉडेलसाठी मॉडेल कार्ड आहे.

आम्ही हे स्पष्ट सांगतो कारण "असेन्सॉर्ड इमेज जनरेटर" आणि "असेन्सॉर्ड व्हिडिओ जनरेटर" शोध निकालांत जवळजवळ असतात, आणि नसलेल्या वैशिष्ट्याबद्दल अस्पष्ट राहणारे पान तुमच्या लक्षात येण्याआधीच तुम्ही साइन अप करावे अशी आशा बाळगत असते. प्रतिमा आमच्या स्वतःच्या GPU क्लस्टरवर रेंडर होतात. व्हिडिओ कुठेही रेंडर होत नाही, कारण आम्ही तो करत नाही.

09जबाबदार वापर, स्पष्ट शब्दांत

Shannon Lab LLC ही न्यू मेक्सिकोमधील कंपनी असून ती अमेरिकेच्या कायद्यांतर्गत काम करते. स्वयंचलित फिल्टर काढून टाकल्याने कायदा किंवा आमचे धोरण काढून टाकले जात नाही. त्याने एवढेच होते की निर्णय संदर्भ न पाहू शकणाऱ्या वर्गीकरणकर्त्याकडून तो पाहू शकणाऱ्या व्यावसायिकाकडे जातो — आणि निकालासाठी जबाबदार असणाऱ्याकडे.

अल्पवयीनांचा समावेश असलेला लैंगिक आशय पूर्णपणे प्रतिबंधित आहे आणि तो कोणत्याही अर्थाने संदिग्ध क्षेत्र नाही. तसेच खऱ्या व्यक्तीचा छळ करण्यासाठी, बदनामी करण्यासाठी, फसवणूक करण्यासाठी किंवा तोतयागिरी करण्यासाठी तयार केलेला आशय — ज्यात खऱ्या, ओळखता येणाऱ्या व्यक्तीच्या संमतीशिवाय बनवलेल्या लैंगिक प्रतिमांचा समावेश आहे — आणि फसवण्यासाठी दुसऱ्याचा ब्रँड किंवा प्रतिरूप वापरणेही प्रतिबंधित आहे. या बंद केलेल्या फिल्टर श्रेण्या नाहीत; या उत्पादनाचे प्रतिबंधित वापर आहेत, जे कीवर्डवर नव्हे तर खात्यांवर लागू केले जातात, कारण हेतू प्रत्यक्षात त्याच पातळीवर दिसतो. संपूर्ण अटी जबाबदार वापर धोरणात आहेत. सौदा सरळ आहे: तुमच्या व्यवसायावर शंका न घेणारे साधन, त्याबदल्यात तुम्ही ते गृहीत धरत असलेले व्यावसायिक असणे.

10वारंवार विचारले जाणारे प्रश्न

11या मालिकेतील उर्वरित लेख

तुम्ही प्रत्यक्षात जिथे वेळ घालवाल त्या भागांत चार सहचर लेख खोलवर जातात:

• असेन्सॉर्ड AI इमेज एडिटिंग — सूचना प्रॉम्प्ट, काय तसेच ठेवायचे ते अँकर करणे, निगेटिव्ह प्रॉम्प्ट, वारशाने मिळणारा आस्पेक्ट रेशो.
• असेन्सॉर्ड बहु-प्रतिमा संयोजन — भूमिका क्रम, पोशाख हस्तांतरण, उत्पादन-व्यक्तीवर, विषय-दृश्यात.
• असेन्सॉर्ड इमेज प्रॉम्प्ट मार्गदर्शिका — टॅगऐवजी गद्य, विषय-प्रथम क्रम, कॅमेरा आणि फिल्मची भाषा, hex रंग, निरुपयोगी टोकन.
• असेन्सॉर्ड विरुद्ध फिल्टर लावलेले इमेज AI — त्याच विनंत्या दोन्ही रचनांमधून, श्रेणीनिहाय.

प्लॅटफॉर्मच्या मजकूर आणि व्हिजन बाजूसाठी — API मागील असेन्सॉर्ड मॉडेलसाठी — संशोधन निर्देशिकेपासून सुरुवात करा.

---

Shannon Lab LLC, न्यू मेक्सिको, USA. इमेज जनरेशन, एडिटिंग आणि बहु-प्रतिमा संयोजन ही Shannon चॅट अ‍ॅपची वैशिष्ट्ये आहेत आणि ती /v1 API वर उपलब्ध नाहीत, जे मजकूर आणि व्हिजन पुरवते. व्हिडिओ जनरेशन नाही. इथे वर्णन केलेले आस्पेक्ट रेशो, पुष्टीकरण प्रवाह आणि क्रिया 5 सप्टेंबर 2026 पर्यंतचे उत्पादन दर्शवतात.