AI आउटफिट ट्रान्सफर, असेन्सॉर्ड

लोकांना प्रत्यक्षात लागणारे बहुतेक इमेज काम “मला एका गोष्टीचे चित्र बनवून दे” असे नसते. ते असते “हे जॅकेट या व्यक्तीवर घाल,” “ही खुर्ची या खोलीत ठेव,” “हे उत्पादन त्या हातात छायाचित्रित कर.” या सगळ्यांना एकाहून अधिक छायाचित्रांमधले साहित्य लागते, आणि या सगळ्या एकाच पद्धतीने फसतात: एक प्रतिमा जोडली जाते, दुसरीचे शब्दांत वर्णन केले जाते, आणि परत येते असे काहीतरी जे विश्वासार्ह दिसते पण तुमच्या मालकीची ती गोष्ट नसते. यावरचा उपाय तुम्हाला वाटतो त्यापेक्षा लहान आहे, आणि तो सर्वत्र चालतो.

01“प्रतिमा एकत्र करणे” म्हणजे काय, आणि ते कुठे होते

Shannon 3 प्रतिमांसोबत तीन वेगळ्या गोष्टी करते: ती वर्णनावरून नवी प्रतिमा तयार करते, ती एक विद्यमान प्रतिमा एडिट करते, आणि ती दोन किंवा अधिक प्रतिमा एकत्र करून एक नवी बनवते. या तिघांचे नियम वेगळे आहेत, आणि चुकीची निवड करणे ही गुणवत्ता ढासळण्याची पहिली जागा असते.

अंतिम चित्राला एकाहून अधिक छायाचित्रांमधले साहित्य लागत असेल तेव्हा संयोजन वापरा: पोशाख आणि कपडे बदलणे, दृश्यात वस्तू ठेवणे, व्यक्ती A शेजारी व्यक्ती B, खऱ्या मॉडेलच्या हातात खरे उत्पादन, एका प्रतिमेची शैली दुसरीच्या विषयावर लावणे. एकाच वेळी दोन चित्रांकडे बोट दाखवता आले असते तर बरे झाले असते असे तुम्हाला वाटत असेल, तर तीच ही क्रिया.

हे सर्व Shannon चॅट अ‍ॅपमध्ये, सामान्य संभाषणात होते. ते /v1 API वर नाही — API मजकूर आणि व्हिजन पुरवते, म्हणजे ते नव्या प्रतिमा तयार करण्याऐवजी तुम्ही पाठवलेल्या प्रतिमा वाचते. तुम्ही API शोधातून आला असाल, तर हेच प्रामाणिक उत्तर आहे; एंडपॉइंट काय पुरवतात यासाठी API दस्तऐवजीकरण पाहा. प्रतिमा आमच्या स्वतःच्या GPU क्लस्टरवर रेंडर होतात.

तुम्ही तुमच्या भाषेत, साध्या शब्दांत विचारता. Shannon ओळखते की प्रतिमेची मागणी होत आहे, जनरेशन सूचना स्वतः इंग्रजीत लिहिते, आणि काहीही रेंडर होण्यापूर्वी ती तुम्हाला पुष्टीकरण कार्डवर दाखवते. तुम्ही पुष्टी करेपर्यंत काहीही तयार होत नाही आणि काहीही बिल होत नाही — आणि बहु-प्रतिमा कामात भूमिका आणि क्रम तुमच्या अपेक्षेप्रमाणे आले का हे तपासण्याची जागा तेच कार्ड आहे. Shannon कधीही न मागता प्रतिमा तयार करत नाही: अभिवादन, प्रश्न किंवा सहज जोडलेला फोटो रेंडर सुरू करत नाही.

02नियम: प्रत्येक प्रतिमेची भूमिका, क्रमाने नाव घेऊन सांगा

सूचनेत प्रत्येक प्रतिमा काय पुरवते हे सांगावेच लागते, आणि ते प्रतिमा ज्या क्रमाने दिल्या त्या क्रमाने सांगावे लागते. हेच संपूर्ण तंत्र आहे; खालचे सर्व काही म्हणजे तोच नियम एका ठरावीक कामाला लावलेला आहे.

पहिली प्रतिमा हा पाया असतो — मुख्य विषय, किंवा दृश्य, अंतिम चित्र यांपैकी ज्यापासून जास्त बनलेले असेल ते. तो ओळख, पवित्रा, फ्रेमिंग, प्रकाश आणि तुम्ही बदलायला न सांगितलेले सर्व काही ठरवतो. नंतरच्या प्रतिमा स्रोत असतात: आत आणले जाणारे भाग. वाक्य असे लिहा की क्रमाने प्रतिमा हातात घेतलेला अनोळखी माणूसही ते काम हाताने करू शकेल.

चालते
पहिल्या प्रतिमेतील स्त्री, दुसऱ्या प्रतिमेतील लाल विणलेला
स्वेटर घालून, त्याच बागेत, तोच पवित्रा आणि तोच दुपारनंतरचा
प्रकाश, तिचा चेहरा आणि केस अपरिवर्तित.

फसते
या दोन प्रतिमा एकत्र कर.   फोटो मर्ज कर.   यांना एकत्र ठेव.

फसणाऱ्या आवृत्त्या त्या लहान आहेत म्हणून फसत नाहीत, तर कोणते चित्र म्हणजे व्यक्ती आणि कोणते म्हणजे स्वेटर हे त्या कधीच सांगत नाहीत म्हणून फसतात. तीन सवयी हा नियम विश्वासार्ह बनवतात:

• क्रमदर्शक भाषा स्पष्टपणे वापरा. “पहिल्या प्रतिमेतील”, “दुसऱ्या प्रतिमेतील”. दोन शब्द, आणि संदिग्धता संपली.
• काय तसेच राहते ते सांगा. “तिचा चेहरा, केस आणि पवित्रा जसाच्या तसा ठेवा.” अपरिवर्तित भागांना नाव देणे हा Shannon करत असलेल्या प्रत्येक प्रतिमा-क्रियेतला सर्वात मोठा गुणवत्तेचा लीव्हर आहे, आणि तो इथे सर्वात जास्त महत्त्वाचा आहे, कारण संयोजनात भरकटण्यासाठी दोन किंवा अधिक गोष्टी असतात.
• टॅग नव्हे, गद्य लिहा. इमेज मॉडेल सूचना भाषा मॉडेल वाक्य वाचते तशा वाचते, त्यामुळे स्वल्पविरामाने वेगळ्या केलेल्या कीवर्डपेक्षा पूर्ण वाक्ये सरस ठरतात. 30 ते 80 शब्दांचे ध्येय ठेवा, आणि SDXL-काळातील निरुपयोगी शब्द (“masterpiece, best quality, 8k”) व (word:1.3) सारखी वजन-वाक्यरचना टाळा.

एका प्रतिमेत एकाहून अधिक गोष्टी असतील, तेव्हा तुम्हाला तिच्यातून काय हवे त्याचे नाव सांगा. दुसरी प्रतिमा स्वेटर घातलेल्या मॉडेलचा कॅटलॉग फोटो असेल, तर “दुसऱ्या प्रतिमेतील स्त्रीने घातलेला लाल विणलेला स्वेटर” असे म्हटल्याने तुम्हाला कपडा हवा आहे, मॉडेल नाही, हे स्पष्ट होते. नुसते “दुसरी प्रतिमा” म्हणालात तर तिचा चेहराही मिळू शकतो.

कामानुसार भूमिकांचे साचे

काम	पहिली प्रतिमा	दुसरी प्रतिमा	सूचनेचा आकार
आउटफिट ट्रान्सफर	ती व्यक्ती	तो कपडा	“पहिल्या प्रतिमेतील [व्यक्ती], दुसऱ्या प्रतिमेतील [कपडा] घालून, [काय तसेच राहते]”
दृश्यातील वस्तू	ते दृश्य	ती वस्तू	“पहिल्या प्रतिमेतील [खोली], तिच्यात दुसऱ्या प्रतिमेतील [वस्तू] [कुठे] ठेवलेली, [प्रकाशा]शी जुळणारी”
व्यक्ती + व्यक्ती	व्यक्ती A आणि परिसर	व्यक्ती B	“पहिल्या प्रतिमेतील [पुरुष], दुसऱ्या प्रतिमेतील [स्त्री] शेजारी उभा, [स्थाने, नजरेच्या रेषा]”
व्यक्तीवर उत्पादन	मॉडेल किंवा दृश्य	ते उत्पादन	“पहिल्या प्रतिमेतील [मॉडेल], दुसऱ्या प्रतिमेतील [उत्पादन] धरून, [पकड, लेबलची दिशा]”
स्टाइल ट्रान्सफर	तो विषय	शैलीचा संदर्भ	“पहिल्या प्रतिमेतील [विषय], दुसऱ्या प्रतिमेच्या [शैलीचे घटक] मध्ये रेंडर केलेला, [विषय अपरिवर्तित]”

03बहुतेक प्रयत्न बिघडवणारी चूक: जोडण्याऐवजी वर्णन करणे

ही चूक गाजावाजा करण्याजोगी आहे, कारण ती कितीतरी जास्त वेळा होते आणि कारण ती यशस्वी झाल्यासारखी दिसते. वापरकर्त्याकडे दोन छायाचित्रे असतात — त्यांचा क्लायंट आणि क्लायंटचे उत्पादन, किंवा ते स्वतः आणि त्यांच्या मालकीचे जॅकेट. ते एक जोडतात, आणि दुसरे टाइप करतात.

ती चूक
[एका स्त्रीचा एक फोटो जोडतात]
“तिला लाल विणलेला स्वेटर घाल, केबल विण, थोडा जाडसर,
गुंडाळलेल्या कॉलरचा.”

परत येते ती लाल विणलेला स्वेटर घातलेली स्त्री. स्वेटर चांगला आहे. पण तो तो स्वेटर नाही. केबल नक्षी कल्पित आहे, रंग वेगळा लाल आहे, रिबिंगची खोली चुकीची आहे, कॉलर उलट बाजूने गुंडाळली आहे, आणि खऱ्या कपड्याला ओळखू देणाऱ्या लहान असमानता — एक दुरुस्ती, एक ओढलेला धागा, कोपरांवरचा ताण — नाहीशा झाल्या आहेत, कारण त्या वाक्यात त्यांतले काहीच नव्हते.

मजकूर ही तूट असलेली वाहिनी आहे, छायाचित्र नाही. काळजीपूर्वक लिहिलेले वाक्य एखाद्या वस्तूची फार तर डझनभर वैशिष्ट्ये वाहून नेते; छायाचित्र हजारो वाहून नेते, ज्यात तुम्ही कधीही लिहायचा विचार केला नसता ती आणि तुम्हाला नावही देता येणार नाहीत तीही येतात. जोडण्याऐवजी वर्णन करणे म्हणजे तुम्ही विचारही न केलेले सर्व काही फेकून देणे — आणि तेच बहुतांश असते. जोडल्याने खरे रूप टिकते, कारण खरे रूप तिथे हजर असते.

कसोटी सोपी आहे. चित्राचा मुद्दाच जर ते तेच असणे हा असेल — तोच ठरावीक कपडा, तीच व्यक्ती, तेच नेमके उत्पादन, तीच खोली — तर ती जोडा. ओळखपरेडमधून ती वस्तू तुम्ही निवडू शकत असाल आणि निकाल तुम्ही निवडलेल्याशीच जुळणे महत्त्वाचे असेल, तर वर्णनाने काम होणार नाही.

वर्णन करण्याचे एक वैध कारणही आहे: जेव्हा ती गोष्ट अजून अस्तित्वातच नसते, किंवा जेव्हा तुम्हाला सर्वसाधारण आवृत्तीच हवी असते. कोणीही न विणलेला स्वेटर रचणे, एखादी संकल्पना ढोबळपणे मांडणे — ते टेक्स्ट-टू-इमेज काम आहे, आणि तिथे वर्णन योग्य आहे कारण जिची ओळख टिकवायची अशी खरी वस्तूच नसते. ज्या क्षणी खरी वस्तू कामात येते, त्या क्षणी तिचे छायाचित्रही येते.

याच्याशी संबंधित अर्धी चूक: दोन्ही प्रतिमा जोडून तरीही दुसरीचे तपशीलवार वर्णन करणे. विशेषणे छायाचित्राशी भांडू शकतात — खरा कपडा बारीक विणीचा असताना “जाडसर” लिहिले की तुम्ही विरोधाभास आणला. दुसऱ्या प्रतिमेचे वर्णन तुम्हाला तिचा कोणता भाग हवा हे ओळखू येईल एवढेच करा.

04पोशाख आणि कपडे बदलणे

दोन प्रतिमांचे हे प्रमाणभूत काम. व्यक्ती आधी आणि कपडा नंतर जोडा. कपड्याची प्रतिमा फ्लॅट-ले असो, हँगरवरचा फोटो असो, कॅटलॉग फोटो असो, किंवा तो घातलेली दुसरी कोणी व्यक्ती असो — तुम्हाला त्यातला कोणता भाग हवा हे सांगितले तर सगळे चालते.

आउटफिट ट्रान्सफर
पहिल्या प्रतिमेतील स्त्री, दुसऱ्या प्रतिमेतील लाल विणलेला
स्वेटर घालून. तिचा चेहरा, केस, पवित्रा आणि बागेची पार्श्वभूमी
अगदी जशी आहे तशी ठेवा, तोच मऊ ढगाळ प्रकाश ठेवून. स्वेटर
तिच्या देहावर नैसर्गिकपणे पडावा, आणि मूळ कपड्याची केबल नक्षी
व कॉलर तशीच राहावी.

निगेटिव्ह प्रॉम्प्ट: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting

तीन गोष्टी इथे काम करतात: भूमिका क्रमाने नाव घेऊन सांगितल्या आहेत, अपरिवर्तित भागांची यादी मोठ्याने दिली आहे (यामुळेच चेहरा भरकटणे थांबते), आणि शेवटची वाक्यरचना मॉडेलला सांगते की कपड्याचे स्वतःचे तपशील हाच मुद्दा आहे — ती नसेल तर संयोजने रंग आणि आकृतिबंध टिकवतात पण पोत गुपचूप गुळगुळीत करून टाकतात.

• फिट हा भौतिक दावा आहे, म्हणून तो करा. “तिच्या देहावर नैसर्गिकपणे पडतो”, “कमरेशी बसणारा”, “मनगटापर्यंत येणारी बाही” — नाहीतर कपडा घालणाऱ्याच्या नव्हे तर स्रोताच्या प्रमाणात येऊ शकतो.
• आच्छादन ही अवघड बाब आहे. हात एकमेकांवर घेतलेले असतील किंवा बॅगेचा पट्टा छातीवरून जात असेल, तर त्याचे काय होते ते सांगा. तिथली संदिग्धता तीच नेहमीची वितळलेल्या बाहीची विकृती तयार करते.
• जास्त कपडे म्हणजे जास्त प्रतिमा. आधी व्यक्ती, मग वरचा कपडा, मग पँट, मग बूट — आणि त्यांचा उल्लेख सातत्याने दुसरी, तिसरी आणि चौथी प्रतिमा असाच करा. मध्येच “बुटाचा फोटो” असे म्हणायला सुरुवात करू नका.

05दृश्यात वस्तू ठेवणे

इथे भूमिका उलट्या होतात: दृश्य आधी येते, कारण अंतिम चित्र मुख्यतः दृश्यापासूनच बनलेले असते, आणि वस्तू हा आत आणला जाणारा भाग असतो. इंटीरियर मॉकअप, न विकत घेतलेल्या फर्निचरने खोली सजवणे, रस्त्यावर वाहन ठेवणे, गॅलरीत शिल्प ठेवणे — प्रत्येक वेळी हाच आकार.

दृश्यातील वस्तू
पहिल्या प्रतिमेतील बैठकीची खोली, तिच्यात दुसऱ्या प्रतिमेतील
हिरवी मखमली आरामखुर्ची डावीकडे खिडकीशेजारी ठेवलेली, कॅमेराच्या
दिशेने किंचित वळलेली आणि फ्रेममध्ये अंदाजे कमरेइतक्या उंचीची.
खोलीच्या उबदार दुपारनंतरच्या प्रकाशाशी जुळवा, खुर्चीच्या उजवीकडे
गालिच्यावर एक मऊ सावली पडलेली. खोलीचा उरलेला भाग आणि कॅमेरा
कोन अपरिवर्तित ठेवा.

निगेटिव्ह प्रॉम्प्ट: floating object, cut-out edges, duplicate
shadows, mismatched color temperature

इथे अपयशाचा प्रकार ओळखीचा नाही, तो भौतिकशास्त्राचा आहे. स्वतःचाच प्रकाश टिकवून ठेवणारी वस्तू चिकटवल्यासारखी दिसते, आणि का ते सांगता आले नाही तरी पाहणारे ते तत्काळ ओळखतात. एकट्या वस्तूच्या छायाचित्राला माहीत नसू शकणाऱ्या तीन गोष्टींवर तुमचे शब्द खर्च करा: स्थान (फ्रेममध्ये कुठे, कशाच्या संदर्भात), सेंटिमीटरमध्ये नव्हे तर दृश्याच्या संदर्भात आकारमान (“साधारण कमरेइतक्या उंचीची”, “दाराच्या मुठीइतकी उंच”), आणि प्रकाश व सावली — दिशा, गुणवत्ता, आणि सावली कुठे पडते. शेवटची गोष्टच जोडकामाचे छायाचित्रात रूपांतर करते.

06व्यक्ती A शेजारी व्यक्ती B

कधीही एका खोलीत नसलेली दोन माणसे: पिढ्यांपलीकडची कौटुंबिक छायाचित्रे, सह-संस्थापक प्रवासात असताना काढलेले संस्थापकाचे पोर्ट्रेट, दोन कलाकार असलेले पोस्टर. हे चालते, आणि यासाठी एकाच विषयाच्या कामाला न लागणाऱ्या दोन गोष्टी लागतात.

दोन माणसे
पहिल्या प्रतिमेतील पुरुष, दुसऱ्या प्रतिमेतील स्त्रीशेजारी उभा,
दोघेही पहिल्या प्रतिमेतील त्याच दगडी गच्चीवर. तो डावीकडे उभा
आहे, ती त्याच्या उजवीकडे, खांदे जवळजवळ एकमेकांना टेकलेले,
दोघेही एकाच नजरेच्या उंचीवर कॅमेराकडे पाहत आहेत. दोघांचे चेहरे,
केशरचना आणि कपडे त्यांच्या स्वतःच्या छायाचित्रांप्रमाणेच ठेवा,
आणि दोघांवर डावीकडून येणारा एकच मऊ संध्याकाळचा प्रकाश टाका.

कॅनव्हास: landscape
निगेटिव्ह प्रॉम्प्ट: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

त्या दोन जास्तीच्या गोष्टी: परस्पर भूमिती — कोण कोणत्या बाजूला, किती अंतरावर, कोणाची नजर कुठे, आणि परस्पर उंची, कारण वेगवेगळ्या क्रॉपच्या दोन पोर्ट्रेटवरून एक व्यक्ती दुसरीपेक्षा एका डोक्याने उंच आहे हे मॉडेलला कळण्याचा मार्ग नसतो — आणि स्पष्टपणे सांगितलेला एकच सामायिक प्रकाश, कारण तुम्ही दोन प्रकाश-वातावरणे एकत्र करत आहात आणि त्यातले एकच जिंकावे लागते.

नवा कॅनव्हास आस्पेक्ट निवडणे इथेच खरे उपयोगी पडते: दोन पोर्ट्रेट-दिशेच्या स्रोतांपासून वाईट पोर्ट्रेट-दिशेचा समूह फोटो होतो, म्हणून landscape किंवा wide मागा. आणि एक उघड गोष्ट एकदा सांगून टाकतो — खऱ्या व्यक्तीला ती नसलेल्या प्रतिमेत टाकणे हे शक्तिशाली आहे आणि आपोआप निर्धोक नाही. हक्क किंवा संमती बाळगा; आमचे जबाबदार वापर धोरण ही त्याची छोटी आवृत्ती आहे.

07व्यक्तीवर उत्पादन, आणि असेन्सॉर्ड उत्पादन छायाचित्रण

व्यावसायिक दृष्ट्या हेच संयोजन स्वतःचा खर्च भरून काढते. तुमच्याकडे पांढऱ्या पार्श्वभूमीवरचा उत्पादनाचा फोटो आहे आणि तुमच्याकडे एक मॉडेल, एक हात, एक स्वयंपाकघर, एक वर्कबेंच आहे. ती एकत्र केल्याने स्टुडिओत एक दिवस न घालवता लाइफस्टाइल छायाचित्र मिळते — आणि त्यात तयार केलेली अंदाजे प्रतिकृती नव्हे तर तुमचे खरे उत्पादन असते, आणि वापरण्याजोगे विपणन साहित्य व माफी मागावी लागणारा मॉकअप यांतला संपूर्ण फरक तोच आहे.

व्यक्तीवर उत्पादन
पहिल्या प्रतिमेतील स्त्री, दुसऱ्या प्रतिमेतील अंबर काचेची सीरम
बाटली उजव्या हातात छातीच्या उंचीपर्यंत उचलून धरलेली, लेबल
कॅमेराकडे आणि पूर्ण वाचता येईल असे, तिची बोटे बाटलीभोवती
नैसर्गिकपणे गुंडाळलेली आणि लेबल न झाकणारी. तिचा चेहरा, केस
आणि स्वयंपाकघराची पार्श्वभूमी अपरिवर्तित ठेवा. Kodak Portra 400
वर शूट केलेले, 85mm f/1.4, डावीकडून मऊ खिडकीचा प्रकाश.

कॅनव्हास: portrait
निगेटिव्ह प्रॉम्प्ट: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

उत्पादन कामासाठी खास अशा दोन भर. पकड: वस्तू धरलेले हात हीच संयोजनात सर्वात जास्त वेळा बिघडणारी जागा असते, म्हणून कोणता हात, कोणत्या उंचीवर, आणि बोटे लेबल न झाकता नैसर्गिकपणे गुंडाळलेली हे सांगा. छायाचित्रीय हाताळणी: कॅमेरा, लेन्स आणि फिल्म किंवा प्रकाशस्रोताचे नाव सांगा. आउटपुट हे काढलेले छायाचित्र वाटले पाहिजे, एकत्र केलेली दोन छायाचित्रे नव्हे — आणि ते छायाचित्र म्हणूनच लिहिणे तुम्हाला तिथे नेते.

असेन्सॉर्ड असणे इथे वाटते त्यापेक्षा अधिक सामान्य पद्धतीने महत्त्वाचे ठरते. फिल्टर लावलेले जनरेटर सामान्य, कायदेशीर व्यापाराच्या अख्ख्या श्रेण्या नाकारतात: अंतर्वस्त्र आणि जलतरण पोशाखाच्या कॅटलॉग, तंबाखू आणि व्हेप हार्डवेअर, मद्य, बंदुकीचे सुटे भाग, प्रौढ आरोग्य उत्पादने, जिथे कायदेशीर आहे तिथे कॅनाबिस, वैद्यकीय उपकरणे, टॅक्टिकल आणि शिकारीचे साहित्य. ते हक्कधारकाने स्वतः केलेले ब्रँड आणि प्रतिरूप कामही नाकारतात. यातले काहीही अपवादात्मक नाही; एजन्सीत हा नेहमीचा मंगळवार असतो. Shannon च्या जनरेशन मार्गावर कंटेंट फिल्टर नाही आणि प्रॉम्प्ट लिहिणाऱ्या मॉडेलवर नकार स्तर नाही, त्यामुळे काम पुढे जाते आणि हक्कांचा प्रश्न जिथे असायला हवा तिथे — तुमच्याकडेच — राहतो.

08एका प्रतिमेतून शैली, दुसरीतून विषय

विषय आधी, शैलीचा संदर्भ नंतर. हे काम वेगळे ठरते कारण इथे तुम्ही वस्तू नव्हे तर एक गुणधर्म उसना घेत आहात, त्यामुळे कोणते गुणधर्म ते नाव घेऊन सांगावे लागते — आणि संदर्भ प्रतिमेचा स्वतःचा विषय व रचना सोबत येत नाहीत हेही सांगावे लागते.

शैलीचा संदर्भ
पहिल्या प्रतिमेतील पुरुषाचे पोर्ट्रेट, दुसऱ्या प्रतिमेच्या दृश्य
शैलीत रेंडर केलेले: तेच फिकट टील आणि गेरू रंगपटल, दिसणारा
कोरड्या ब्रशचा पोत, आणि सपाट एकसारखा प्रकाश. त्याचा चेहरा,
हावभाव आणि पवित्रा ओळखता येईल असा आणि अपरिवर्तित ठेवा.
दुसऱ्या प्रतिमेचा विषय, पार्श्वभूमी किंवा रचना आणू नका.

निगेटिव्ह प्रॉम्प्ट: second face, borrowed background, photographic
texture

शैलीचे घटक स्पष्टपणे नाव घेऊन सांगा, कारण एकटे “दुसऱ्या प्रतिमेच्या शैलीत” हे अपुरे आहे: रंगपटल (किंवा नेमके रंग, नाव घेतलेल्या वस्तूला जोडून color #8B0000 असे लिहिलेले), ब्रशकाम किंवा ग्रेन, प्रकाशाची गुणवत्ता, रेषेची जाडी, अमूर्ततेची पातळी, कडांची हाताळणी. तो लुक ठरवणारे दोन-तीन निवडा; सहाही नाव घेतले तर त्यांची सरासरी होते. आणि परस्परविरोधी दिशा मिसळू नका — “फोटोरिअलिस्टिक” अधिक “जलरंग” यातून मिश्रण नव्हे तर गोंधळ तयार होतो. तुम्हाला फक्त रंगपटल उसना घेणारे छायाचित्र हवे असेल, तर नेमके तेच सांगा.

09निगेटिव्ह प्रॉम्प्ट आणि नवा कॅनव्हास आस्पेक्ट निवडणे

संयोजन आणि एडिटिंगसाठी असलेल्या पण टेक्स्ट-टू-इमेजसाठी नसलेल्या दोन क्षमता, आणि दोन्ही कमी वापरल्या जातात.

निगेटिव्ह प्रॉम्प्ट

प्रतिमा एकत्र करताना निगेटिव्ह प्रॉम्प्ट चालतो. नको असलेले दोष तिथे जातात — आणि ते सूचनेत न जाता तिथेच जाणे महत्त्वाचे आहे, कारण मुख्य सूचनेत “जास्तीची बोटे नकोत” लिहिणे म्हणजे तुम्हाला जे हवे त्याच श्वासात तुम्ही जे टाळू पाहत आहात त्याचेही नाव घेणे. वगळण्याच्या गोष्टी त्यांच्या स्वतःच्या वाहिनीत ठेवा. सातत्याने जागा मिळवणाऱ्या नोंदी:

• शरीररचना — जास्तीची बोटे, दुप्पट झालेले अवयव, विकृत हात, दुसरा चेहरा.
• जोडकामाच्या खुणा — कापल्यासारख्या कडा, दिसणारी सांध्याची रेषा, तरंगणारी वस्तू, दुप्पट सावल्या, विषयाभोवतीचे वलय.
• प्रकाशातील विसंगती — न जुळणारे रंगतापमान, विसंगत सावलीची दिशा, दोन विषयांमधले असमान एक्सपोजर.
• पोतातील अपयश — प्लास्टिकसारखी त्वचा, गुळगुळीत केलेले कापड, वेडावाकडा लेबल मजकूर, न वाचता येणारा लोगो.

तुमच्या प्रतिमेसाठी संभवणाऱ्या मोजक्याच गोष्टींपुरते ते मर्यादित ठेवा. तीस गोष्टींची यादी असलेला निगेटिव्ह प्रॉम्प्ट ही विखुरलेली सूचना असते, प्रभावी नव्हे.

कॅनव्हास आस्पेक्ट

एका प्रतिमेच्या एडिटिंगला स्रोत प्रतिमेचा आस्पेक्ट रेशो आपोआप मिळतो — स्रोत एकच असतो, आणि त्याचा आकार हेच उत्तर असते. संयोजनाला असा कोणताही डीफॉल्ट नाही, त्यामुळे तुम्ही नवा कॅनव्हास आस्पेक्ट निवडू शकता, आणि बऱ्याचदा निवडायलाही हवा, कारण एका स्रोताला शोभणारा आकार संयोजनाला क्वचितच शोभतो.

आस्पेक्ट	कशासाठी सर्वोत्तम	संयोजनातला नेहमीचा वापर
square	डीफॉल्ट, सोशल फीड	एका बदललेल्या घटकासह एकच विषय
portrait	माणसे, उंच विषय	आउटफिट ट्रान्सफर, एका मॉडेलने धरलेले उत्पादन
landscape	निसर्गदृश्ये, समूह	शेजारी उभी दोन माणसे, खोलीत ठेवलेली वस्तू
wide	सिनेमॅटिक चौकट	समूह फोटो, वातावरणासह उत्पादन दृश्ये, बॅनर
tall	पोस्टर, फोन वॉलपेपर	पूर्ण उंचीचे पोशाख फोटो, पोस्टर मांडणी

स्पष्ट विनंती नेहमी जिंकते. काहीच न म्हणाल्यास तुम्हाला चौरस मिळतो — दोन माणसांच्या आणि पूर्ण उंचीच्या पोशाख कामासाठी हा चुकीचा आकार आहे, त्यामुळे एक शब्द खर्च करणे फायद्याचे आहे.

10Shannon कोणत्या प्रतिमा वापरते: संभाषण की हा संदेश

प्रतिमा संयोजनात येण्याचे दोन मार्ग आहेत, आणि तुम्ही कोणत्यावर अवलंबून आहात हे माहीत असल्याने क्रमाचे बहुतेक घोटाळे टळतात.

सध्याच्या संदेशाला जोडलेली. थेट मार्ग: सूचना घेऊन जाणाऱ्या संदेशाला सर्व काही, तुम्ही ज्या क्रमाने उल्लेख करणार आहात त्याच क्रमाने जोडा, म्हणजे “पहिली प्रतिमा” आणि “दुसरी प्रतिमा” यांचा अर्थ दिसतो तोच असतो. डीफॉल्ट म्हणून हाच वापरा.

संभाषणात आधीच असलेली. धाग्यात आधी पाठवलेली चित्रे उपलब्ध राहतात आणि त्यांचा उल्लेख सामान्य भाषेत करता येतो — “मी आधी पाठवलेला फोटो”, “आधीचा स्वेटरचा फोटो”, “तू बनवलेली दुसरी आवृत्ती”. Shannon तो संदर्भ धाग्याशी जुळवते, आणि लांब सत्रात हे खरोखर सोयीचे ठरते: तुम्ही एका निकालावर काम करत राहू शकता आणि मग सर्व काही पुन्हा अपलोड न करता नवा घटक आणू शकता.

दोन्हींसाठी सुरक्षा एकच आहे. पुष्टीकरण कार्ड काहीही रेंडर होण्यापूर्वी सूचना दाखवते, तिने निवडलेल्या क्रमासह. ते वाचा. भूमिका उलट्या आल्या असतील — स्वेटर पाया म्हणून, व्यक्ती स्रोत म्हणून — तर तसे सांगा आणि एकही पिक्सेल तयार किंवा बिल होण्यापूर्वी ते दुरुस्त होते. तरीही, धागा लांब आणि प्रतिमांनी भरलेला असेल तेव्हा तुम्हाला हव्या असलेल्या प्रतिमा पुन्हा जोडा; सहा चित्रे मागे गेल्यावर “दुसरी प्रतिमा” कोणत्याही वाचकासाठी संदिग्ध असते.

Shannon ला एका प्रतिमेकडे बघायला सांगणे — तिचे वर्णन कर, लेबल वाच, कापड कोणते ते सांग — हे साधे व्हिजन काम आहे, जनरेशन नाही. त्याचा जास्तीचा खर्च नाही आणि संयोजनापूर्वीची ती चांगली तपासणी आहे: Shannon च्या वर्णनात तुम्हाला महत्त्वाचा असलेला तपशील येत नसेल, तर तुमच्या सूचनेत त्याचे नाव घ्यायला हवे.

11असेन्सॉर्ड, आणि त्याचा प्रत्यक्ष अर्थ काय

जनरेशन मार्गावर कंटेंट फिल्टर नाही आणि प्रॉम्प्ट लिहिणाऱ्या मॉडेलवर नकार स्तर नाही. फिल्टर लावलेली साधने संयोजनातच सर्वात स्पष्टपणे अपयशी ठरतात, कारण तुमच्या मालकीच्या प्रतिमा एकत्र करणे आणि तुमच्याकडे नसायला हव्यात अशा प्रतिमा एकत्र करणे यांतला फरक नकार-प्रणालीला ओळखता येत नाही — म्हणून ती दोन्ही अडवते.

ती साधने नियमितपणे नाकारतात ते काम काही विलक्षण नाही: कलात्मक न्यूड आणि आकृती अभ्यास, वैद्यकीय व न्यायवैद्यक चित्रण, सुरक्षा-संशोधन प्रतिमा, पुस्तकांच्या मुखपृष्ठांसाठी व गेम आर्टसाठी काल्पनिक कथेतील हिंसा, राजकीय व्यंग, आणि वर दिलेल्या कायदेशीर उत्पादन श्रेण्या. यातले प्रत्येक वैध व्यावसायिक काम आहे, जे कीवर्ड फिल्टरला गैरवापरापासून वेगळे ओळखता येत नाही.

असेन्सॉर्ड म्हणजे बेजबाबदार नव्हे. तुम्ही खऱ्या वस्तूंची आणि बऱ्याचदा खऱ्या माणसांची छायाचित्रे पुरवत आहात; हक्क आणि संमती सांभाळणे तुमचे काम आहे, आणि निकालाची जबाबदारीही तुमचीच. Shannon Lab LLC ही न्यू मेक्सिकोमधील कंपनी प्रकाशित जबाबदार वापर धोरणाखाली चालते — इतरांच्या प्रतिरूपाशी संबंधित काम सुरू करण्यापूर्वी पाच मिनिटे खर्च करण्याजोगे.

12सुरुवात करण्यापूर्वी माहीत असाव्यात अशा मर्यादा

व्हिडिओ जनरेशन नाही. Shannon प्रतिमांना अ‍ॅनिमेट करत नाही आणि यांपैकी कोणत्याही क्रियेतून, कोणत्याही स्वरूपात व्हिडिओ तयार करत नाही — एका प्रतिमेतून नाही, संयोजनातून नाही, प्रायोगिक पर्याय म्हणूनही नाही. तुमच्या कामाचा शेवट हालचालीत होत असेल, तर शेवटच्या टप्प्यासाठी हे साधन नाही. उत्पादन असेच आहे, हा भविष्याचा इशारा नाही.

इतर प्रामाणिक मर्यादा, आणि त्यांवरचे उपाय:

• बारीक मजकूर हा सर्वात कमजोर भाग आहे. लहान अक्षरे, दाटीवाटीचा पॅकेजिंग मजकूर आणि लांब अनुक्रमांक अपूर्ण येऊ शकतात. महत्त्वाचा मजकूर मोठा येईल अशी उत्पादनाची चौकट ठेवा, निगेटिव्ह प्रॉम्प्टमध्ये warped label text टाका, आणि पूर्ण आकारात तपासा.
• आकारमानातली टोकाची विसंगती अवघड आहे. 4000 पिक्सेलचा उत्पादन फोटो आणि खोलीचा लहान थंबनेल एकत्र केल्यास मॉडेलला काम करायला फारसे काही उरत नाही. प्रत्येक स्रोताची तुमच्याकडची सर्वोत्तम प्रत वापरा.
• जास्त आच्छादन काय हस्तांतरित होऊ शकते ते मर्यादित करते. घडी घालून छायाचित्रित केलेला, ज्याची पाठ कधीच दिसली नाही असा कपडा — त्याची पाठ प्रामाणिकपणे कल्पून काढता येत नाही. संयोजनात पाठ दिसणार असेल, तर पाठही पुरवा.
• जास्त प्रतिमा म्हणजे गोंधळाला जास्त वाव. शिस्तबद्ध क्रमदर्शक नावांसह चार स्रोत हाताळता येतात, पण इथे निष्काळजीपणा परवडत नाही — कामाला लागतील तेवढ्याच प्रतिमा वापरा, त्याहून जास्त नाही.
• एकाच वेळी दोन मोठे बदल भांडतात. आधी पोशाख बदला, पुष्टी करा, मग पार्श्वभूमी बदला. एका ओझ्याने लादलेल्या सूचनेपेक्षा क्रमाक्रमाने केलेल्या एडिट जवळपास प्रत्येक वेळी सरस ठरतात, आणि प्रत्येक टप्पा तपासणे स्वस्त असते.

13वारंवार विचारले जाणारे प्रश्न

---

इमेज जनरेशन, एडिटिंग आणि बहु-प्रतिमा संयोजन ही Shannon चॅट अ‍ॅपची वैशिष्ट्ये आहेत; /v1/chat/completions, /v1/messages आणि /v1/responses हे एंडपॉइंट मजकूर आणि व्हिजन पुरवतात, म्हणजे ते प्रतिमा तयार करण्याऐवजी वाचतात. व्हिडिओ जनरेशन नाही. आस्पेक्ट पर्याय, निगेटिव्ह-प्रॉम्प्ट समर्थन आणि पुष्टीकरण वर्तन 5 सप्टेंबर 2026 पर्यंत लागू आहे. संबंधित: असेन्सॉर्ड AI इमेज जनरेशन · असेन्सॉर्ड AI इमेज एडिटिंग · जबाबदार वापर · API दस्तऐवजीकरण · संशोधन निर्देशिका.