Trasferiment ta' Lbies bl-AI, Bla Ċensura
Kif tgħaqqad żewġ immaġni jew aktar f'waħda fuq Shannon — trasferiment ta' lbies, oġġett-fi-xena, persuna ħdejn persuna, prodott-fuq-persuna — u r-regola waħda li tagħmel kollox jaħdem.
Fil-qosor
Waħħal l-immaġni u iddeskrivi r-riżultat filwaqt li ssemmi x'jikkontribwixxi kull immaġni, f'ordni. L-ewwel immaġni hi s-suġġett jew ix-xena prinċipali; l-immaġni ta' wara jipprovdu l-partijiet li qed jiddaħħlu. "Il-mara mill-ewwel immaġni liebsa l-pulower tal-labar aħmar mit-tieni immaġni, weqfa fl-istess park." Tikkollassax xogħol b'żewġ immaġni f'immaġni waħda flimkien ma' deskrizzjoni bil-kliem tal-oħra — libsa deskritta ssir libsa ġenerika; il-vera waħda tibqa' l-vera waħda. It-tgħaqqid jappoġġja prompt negattiv u jħallik tagħżel proporzjon ġdid tat-tila. M'hemm ebda filtru tal-kontenut u ebda saff ta' rifjut — u ebda ġenerazzjoni ta' vidjo.
Il-biċċa l-kbira tax-xogħol fuq l-immaġni li n-nies verament għandhom bżonn mhuwiex "agħmilli ritratt ta' xi ħaġa." Hu "poġġi din il-ġakketta fuq din il-persuna," "waqqa' dan is-siġġu f'din il-kamra," "ifotografa dan il-prodott f'dik l-id." Dawk kollha jeħtieġu materjal minn aktar minn ritratt wieħed, u kollha jfallu bl-istess mod: immaġni waħda titwaħħal, l-oħra tiġi deskritta bil-kliem, u tirritorna xi ħaġa plawżibbli li mhix il-ħaġa li għandek. Is-soluzzjoni hi iżgħar milli kont tistenna, u taħdem kullimkien.
01X'inhu "tgħaqqid ta' immaġni", u fejn iseħħ
Shannon 3 jagħmel tliet affarijiet distinti bl-immaġni: jiġġenera immaġni ġdida minn deskrizzjoni, jeditja immaġni eżistenti waħda, u jgħaqqad żewġ immaġni jew aktar f'waħda ġdida. Għandhom regoli differenti, u l-għażla tal-waħda ħażina hi l-ewwel post fejn il-kwalità tonqos.
Uża t-tgħaqqid kull darba li r-ritratt lest jeħtieġ materjal minn aktar minn ritratt wieħed: trasferiment ta' lbies, li tpoġġi oġġett f'xena, il-persuna A ħdejn il-persuna B, prodott veru miżmum minn mudell veru, l-istil ta' immaġni waħda applikat għas-suġġett ta' oħra. Jekk issib ruħek tixtieq tkun tista' turi lejn żewġ ritratti f'daqqa, dik hi l-operazzjoni.
Dan kollu jseħħ fl-app taċ-chat ta' Shannon, f'konverżazzjoni ordinarja. Mhux fuq l-API /v1 — l-API taqdi test u viżjoni, jiġifieri taqra immaġni li tibgħatilha minflok toħloq ġodda. Jekk wasalt hawn minn tfittxija tal-API, dik hi t-tweġiba onesta; ara d-dokumentazzjoni tal-API għal dak li l-endpoints tabilħaqq jaqdu. L-immaġni jiġu renderjati fuq il-cluster GPU tagħna stess.
Titlob b'lingwaġġ sempliċi, bi kwalunkwe lingwa titkellem biha. Shannon jiddeċiedi li qed tintalab immaġni, jikteb hu stess l-istruzzjoni tal-ġenerazzjoni bl-Ingliż, u jurihielek fuq karta ta' konferma qabel ma jiġi renderjat xejn. Xejn ma jiġi ġġenerat u xejn ma jiġi ffatturat qabel ma tikkonferma — u għal xogħol b'diversi immaġni dik il-karta hi fejn tiċċekkja li r-rwoli u l-ordni ħarġu kif ridt. Shannon qatt ma jiġġenera mingħajr ma jintalab: tislima, mistoqsija, jew ritratt imwaħħal b'mod każwali ma jqajmux render.
02Ir-regola: semmi r-rwol ta' kull immaġni, f'ordni
L-istruzzjoni trid tgħid x'jikkontribwixxi kull immaġni, u trid tgħidha fl-ordni li ngħataw l-immaġni. Dik hi t-teknika kollha; kollox hawn taħt hi dik ir-regola applikata għal xogħol speċifiku.
L-ewwel immaġni hi l-bażi — is-suġġett prinċipali, jew ix-xena, liema minnhom hu li r-ritratt lest hu magħmul l-aktar minnha. Tistabbilixxi l-identità, il-poża, l-inkwadratura, id-dawl u kull ħaġa li ma tlabtx tinbidel. L-immaġni ta' wara huma sorsi: il-partijiet li qed jiddaħħlu. Ikteb is-sentenza b'tali mod li barrani jżomm l-immaġni fl-ordni jkun jista' jwettaq ix-xogħol bl-idejn.
Taħdem
Il-mara mill-ewwel immaġni liebsa l-pulower tal-labar aħmar
mit-tieni immaġni, weqfa fl-istess park, l-istess poża u l-istess
dawl ta' wara nofsinhar, wiċċha u xagħarha mingħajr tibdil.
Tfalli
Għaqqad dawn iż-żewġ immaġni. Ħallat ir-ritratti. Poġġihom flimkien.
Il-verżjonijiet li jfallu ma jfallux għax huma qosra imma għax qatt ma jgħidu liema ritratt hu l-persuna u liema hu l-pulower. Tliet drawwiet jagħmlu r-regola affidabbli:
- Uża lingwaġġ ordinali b'mod espliċitu. "Mill-ewwel immaġni", "mit-tieni immaġni". Erba' kliem, u l-ambigwità sparixxiet.
- Għid x'jibqa' l-istess. "Żomm wiċċha, xagħarha u l-poża identiċi." Li ssemmi l-partijiet li ma jinbidlux hi l-akbar lieva ta' kwalità f'kull operazzjoni ta' immaġni li jagħmel Shannon, u tgħodd l-aktar hawn, għax kompożizzjoni għandha żewġ affarijiet jew aktar li tista' tiddevja minnhom.
- Ikteb proża, mhux tags. L-Image Model jaqra l-istruzzjonijiet kif mudell tal-lingwa jaqra sentenza, għalhekk sentenzi sħaħ jirbħu fuq kliem mifrud b'virgoli. Immira għal 30 sa 80 kelma, u aqbeż il-ħmieġ mill-era ta' SDXL ("masterpiece, best quality, 8k") u sintassi ta' piż bħal
(word:1.3).
Meta immaġni jkun fiha aktar minn ħaġa waħda, semmi l-parti li trid minnha. Jekk it-tieni immaġni hi ritratt tal-katalgu ta' mudell liebsa l-pulower, "il-pulower tal-labar aħmar liebsa l-mara fit-tieni immaġni" tgħid li trid il-libsa, mhux il-mudell. Ħalliha "it-tieni immaġni" u tista' tikseb wiċċha wkoll.
Mudelli ta' rwoli skont ix-xogħol
| Xogħol | Ewwel immaġni | Tieni immaġni | Forma tal-istruzzjoni |
|---|---|---|---|
| Trasferiment ta' lbies | Il-persuna | Il-libsa | "Il-[persuna] mill-ewwel immaġni liebsa l-[libsa] mit-tieni immaġni, [x'jibqa']" |
| Oġġett f'xena | Ix-xena | L-oġġett | "Il-[kamra] mill-ewwel immaġni bl-[oġġett] mit-tieni immaġni imqiegħed [fejn], jaqbel [id-dawl]" |
| Persuna + persuna | Persuna A u l-ambjentazzjoni | Persuna B | "Ir-[raġel] mill-ewwel immaġni weqaf ħdejn il-[mara] mit-tieni immaġni, [pożizzjonijiet, direzzjoni tal-ħarsa]" |
| Prodott fuq persuna | Il-mudell jew ix-xena | Il-prodott | "Il-[mudell] mill-ewwel immaġni żżomm il-[prodott] mit-tieni immaġni, [qbid, tikketta lejn il-kamera]" |
| Trasferiment tal-istil | Is-suġġett | Ir-referenza tal-istil | "Is-[suġġett] mill-ewwel immaġni renderjat fl-[assi tal-istil] tat-tieni immaġni, [suġġett mingħajr tibdil]" |
03L-iżball li jħassar l-aktar tentattivi: tiddeskrivi minflok twaħħal
Dan hu l-iżball li jistħoqqlu attenzjoni, għax bil-bogħod hu l-aktar wieħed komuni u għax jidher li ħadem. L-utent għandu żewġ ritratti — il-klijent tiegħu u l-prodott tal-klijent tiegħu, jew lilu nnifsu u ġakketta li għandu. Iwaħħal waħda, u jikteb l-oħra.
L-iżball
[iwaħħal ritratt wieħed ta' mara]
"Poġġi pulower tal-labar aħmar fuqha, cable knit, ftit oħxon,
b'kullar imdawwar."
Dak li jirritorna hi mara b'pulower tal-labar aħmar. Hu pulower tajjeb. Mhuwiex il-pulower. Il-mudell tal-labar hu vvintat, iż-żebgħa hi aħmar differenti, il-fond tal-kustolji hu ħażin, il-kullar idawwar id-direzzjoni l-ħażina, u l-asimmetriji żgħar li jagħmlu libsa vera rikonoxxibbli — tiswija, ġbid, l-estensjoni fl-imgħaksa — sparixxew, għax xejn fis-sentenza ma kien fihom.
It-test hu kanal li jitlef informazzjoni u ritratt le. Sentenza attenta ġġorr forsi tużżana attributi ta' oġġett; ir-ritratt iġorr eluf, inkluż kull wieħed li qatt ma kont taħseb biex tiktbu u dawk li ma tistax issemmihom. Li tiddeskrivi minflok twaħħal tarmi kollox li ma ħsibtx dwaru, li hi l-biċċa l-kbira minnha. Li twaħħal iżomm id-dehra vera għax id-dehra vera hi preżenti.
It-test hu sempliċi. Jekk il-punt tar-ritratt hu li hi dik waħda — dik il-libsa speċifika, dik il-persuna, dak il-prodott eżatt, dik il-kamra — waħħlu. Jekk tista' tagħżel l-oġġett minn fost bosta u jgħodd li r-riżultat jaqbel ma' dak li kont tagħżel, deskrizzjoni ma tagħmilhiex.
Il-verżjoni f'linja waħda
Libsa deskritta ssir libsa ġenerika. Il-vera waħda tibqa' l-vera waħda. L-istess jgħodd għat-tieni wiċċ, il-prodott, is-siġġu u l-kamra: li twaħħal iżomm l-identità, li tiddeskrivi tissostitwiha b'medja.
Hemm każ leġittimu għad-deskrizzjoni: meta l-ħaġa għadha ma teżistix, jew meta verżjoni ġenerika hi dak li trid. Li tiddisinja pulower li ħadd ma nissġu, li tabbozza kunċett — dak hu xogħol ta' test-għal-immaġni, u deskrizzjoni hi t-triq it-tajba għax m'hemm ebda oġġett veru li qed iżżomm l-identità tiegħu. Malli oġġett veru jidħol fil-brief, jidħol ukoll ir-ritratt tiegħu.
Nofs żball relatat: twaħħal iż-żewġ immaġni u xorta tiddeskrivi t-tieni waħda fid-dettall. L-aġġettivi jistgħu jiġġieldu mar-ritratt — tikteb "oħxon" meta l-libsa vera hi rqiqa u introduċejt kontradizzjoni. Iddeskrivi t-tieni immaġni biżżejjed biss biex tidentifika liema parti minnha trid.
04Trasferiment ta' lbies
Ix-xogħol kanoniku b'żewġ immaġni. Waħħal il-persuna l-ewwel u l-libsa t-tieni. L-immaġni tal-libsa tista' tkun mifruxa ċatta, ritratt fuq mgħallqa, ritratt tal-katalgu, jew xi ħadd ieħor liebsa — kollha jaħdmu, sakemm tgħid liema parti minnha trid.
Trasferiment ta' lbies
Il-mara mill-ewwel immaġni liebsa l-pulower tal-labar aħmar mit-
tieni immaġni. Żomm wiċċha, xagħarha, il-poża u l-isfond tal-park
eżattament kif inhuma, bl-istess dawl ratba mgħajjem. Il-pulower
għandu jinżel b'mod naturali fuq il-fisqija tagħha, bil-mudell
tal-labar u l-kullar tal-libsa oriġinali intatti.
Prompt negattiv: mudell tal-labar mgħawweġ, kmiem żejda, idejn
mgħawġa, drapp li jidher tal-plastik, dawl li ma jaqbilx
Tliet affarijiet jagħmlu x-xogħol: ir-rwoli huma msemmija f'ordni, il-partijiet mhux mibdula huma elenkati b'leħen għoli (li hu dak li jwaqqaf il-wiċċ milli jiddevja), u l-klawsola tal-aħħar tgħid lill-mudell li d-dettalji tal-libsa nnifisha huma l-punt — mingħajrha, il-kompożizzjonijiet għandhom it-tendenza li jżommu l-kulur u s-silwett filwaqt li bil-kwiet ilaxxu t-teksura.
- Il-qies hu dikjarazzjoni fiżika, għalhekk agħmilha. "Tinżel b'mod naturali fuq il-fisqija tagħha", "imfassla fuq il-qadd", "kmiem li jispiċċaw fl-imgħaksa" — inkella l-libsa tista' tasal bil-proporzjonijiet tas-sors minflok ta' min qed jilbisha.
- L-okklużjoni hi l-każ diffiċli. Jekk id-dirgħajn huma mgħaqqda jew ċintorin ta' basket jaqsam is-sider, għid x'jiġrilu. Ambigwità hemm tipproduċi l-artefatt klassiku tal-kummiedju mdewweb.
- Aktar ilbies ifisser aktar immaġni. Persuna l-ewwel, imbagħad il-parti ta' fuq, imbagħad il-qalziet, imbagħad iż-żraben — u irreferi għalihom bħala t-tieni, it-tielet u r-raba' immaġni b'mod konsistenti. Tinbidilx għal "ir-ritratt taż-żarbun" f'nofs it-triq.
05Ipoġġi oġġett f'xena
Hawn ir-rwoli jinbidlu: ix-xena tiġi l-ewwel, għax ix-xena hi dak li r-ritratt lest hu magħmul l-aktar minnha, u l-oġġett hu l-parti li qed tiddaħħal. Mockups ta' interni, li tarma kamra b'għamara li għadek ma xtritx, li twaqqa' vettura fuq triq, li tqiegħed skultura f'galerija — l-istess forma kull darba.
Oġġett f'xena
Is-salott mill-ewwel immaġni bil-poltruna tal-vellut aħdar mit-
tieni immaġni imqiegħda ħdejn it-tieqa fuq ix-xellug, imdawra
ftit lejn il-kamera u weqfa madwar l-għoli tal-qadd fil-qafas.
Aqbel mad-dawl sħun ta' tard wara nofsinhar tal-kamra, b'dell
ratba jaqa' fuq il-lemin tal-poltruna fuq il-mafrex. Żomm il-bqija
tal-kamra u l-angolu tal-kamera mingħajr tibdil.
Prompt negattiv: oġġett li jidher jitajjar, truf maqtugħa,
dellijiet irduppjati, temperatura tal-kulur li ma taqbilx
Il-mod ta' falliment hawn mhuwiex l-identità, hi l-fiżika. Oġġett li jżomm id-dawl tiegħu stess jidher imwaħħal, u l-viżitaturi jinnutawh minnufih anke jekk ma jistgħux jgħidu għaliex. Onfoq il-kliem tiegħek fuq it-tliet affarijiet li ritratt ta' oġġett iżolat ma jistax jaf: il-pożizzjonament (fejn fil-qafas, relattiv għal xiex), il-qies f'termini tax-xena minflok ċentimetri ("madwar l-għoli tal-qadd", "għoli daqs il-manku tal-bieb"), u d-dawl u d-dell — direzzjoni, kwalità, u fejn jaqa' d-dell. Dik tal-aħħar hi dak li jibdel kompożizzjoni f'ritratt.
06Persuna A ħdejn persuna B
Żewġ nies li qatt ma kienu fl-istess kamra: ritratti tal-familja mill-ġenerazzjonijiet, ritratt ta' fundatur meta l-kofundatur kien qed ivvjaġġa, poster b'żewġ performers. Taħdem, u teħtieġ żewġ affarijiet li x-xogħol b'suġġett wieħed ma jeħtiġux.
Żewġ nies
Ir-raġel mill-ewwel immaġni weqaf ħdejn il-mara mit-tieni immaġni,
it-tnejn fuq l-istess terrazza tal-ġebel mill-ewwel immaġni. Hu
weqaf fuq ix-xellug, hi weqfa fuq il-lemin tiegħu, l-ispallejn
kważi jmissu, it-tnejn iħarsu lejn il-kamera fl-istess livell tal-
għajnejn. Żomm iż-żewġ uċuħ, l-istili tax-xagħar u l-ilbies
eżattament kif kienu fir-ritratti tagħhom stess, u dawwal it-tnejn
bl-istess dawl ratab tal-għaxija mix-xellug.
Tila: landscape
Prompt negattiv: tonalità tal-ġilda li ma taqbilx, estremitajiet
irduppjati, linja ta' ġunta bejn is-suġġetti, dawl mhux ugwali
Iż-żewġ affarijiet żejda: il-ġeometrija relattiva — min hu fuq liema naħa, kemm bogħod, id-direzzjoni tal-ħarsa ta' kull wieħed, u l-għoli relattiv, għax żewġ ritratti differenti fil-qtugħ ma jagħtu ebda mod lill-mudell biex jaf li persuna waħda hi ras itwal — u dawl wieħed maqsum, imsemmi b'mod espliċitu, għax qed tħallat żewġ ambjenti ta' dawl u wieħed irid jirbaħ.
Dan hu wkoll fejn l-għażla ta' proporzjon ġdid tat-tila tistħoqqilha postha: żewġ sorsi bl-orjentazzjoni portrait jagħmlu ritratt tal-grupp bl-orjentazzjoni portrait ħażin, għalhekk itlob landscape jew wide. U għid l-ovvju darba: li tpoġġi persuna vera f'immaġni li ma kinitx fiha hi qawwija u mhijiex bla ħsara awtomatikament. Kellek id-drittijiet jew il-kunsens; il-politika ta' użu responsabbli tagħna hi l-verżjoni qasira.
07Prodott-fuq-persuna, u fotografija ta' prodotti bla ċensura
Kummerċjalment, din hi l-kompożizzjoni li tħallas lilha nnifisha. Għandek ritratt ta' prodott fuq abjad u għandek mudell, id, kċina, bank tax-xogħol. It-tgħaqqid tagħhom jagħtik ritratt ta' stil ta' ħajja mingħajr ġurnata ta' studio — u b'il-prodott veru tiegħek fih minflok approssimazzjoni ġġenerata, li hi d-differenza kollha bejn materjal ta' kummerċjalizzazzjoni utli u mockup li trid tiskuża ruħek għalih.
Prodott fuq persuna
Il-mara mill-ewwel immaġni żżomm il-flixkun tal-ħġieġ tal-kulur
kambraġ tas-serum mit-tieni immaġni f'idha l-leminija, merfugħa
sal-għoli tas-sider, it-tikketta lejn il-kamera u tinqara kompletament,
subgħajha mdawra b'mod naturali mal-flixkun mingħajr ma jgħattu
t-tikketta. Żomm wiċċha, xagħarha u l-isfond tal-kċina mingħajr
tibdil. Meħud b'Kodak Portra 400, 85mm f/1.4, dawl ratba mit-tieqa
mix-xellug.
Tila: portrait
Prompt negattiv: test tat-tikketta mgħawweġ, subgħajn żejda,
flixkun li jidher jitajjar, riflessjonijiet irduppjati, ġilda tal-plastik
Żewġ żidiet speċifiċi għax-xogħol tal-prodotti. Il-qbid: idejn li jżommu oġġetti hu fejn il-kompożizzjoni l-aktar spiss tmur ħażin, għalhekk għid liema id, f'liema għoli, u li s-subgħajn jitwal mad-dawra b'mod naturali mingħajr ma jgħattu t-tikketta. It-trattament fotografiku: semmi kamera, lenti u film jew sors tad-dawl. L-output għandu jinqara bħala ritratt li ttieħed, mhux żewġ ritratti li tgħaqqdu, u li tiktbu bħala ritratt hu dak li jwassalek hemm.
Bla ċensura tgħodd hawn b'mod aktar bażiku milli tidher. Ġeneraturi ffiltrati jirrifjutaw kategoriji sħaħ ta' kummerċ ordinarju u legali: katalgi tal-lengerija u l-ilbies tal-għawm, ħardwer tat-tabakk u l-vape, alkoħol, aċċessorji tal-armi tan-nar, prodotti tal-benesseri adulti, cannabis fejn hu legali, apparat mediku, tagħmir tattiku u tal-kaċċa. Jirrifjutaw ukoll xogħol fuq marki u xbihat magħmul mid-detentur tad-drittijiet innifsu. Xejn minn dan mhu każ estrem; hu Tlieta normali f'aġenzija. Shannon m'għandu ebda filtru tal-kontenut fuq il-mogħdija tal-ġenerazzjoni u ebda saff ta' rifjut fuq il-mudell li jikteb il-prompt, għalhekk ix-xogħol jgħaddi u l-mistoqsija tad-drittijiet tibqa' miegħek, fejn tappartjeni.
08L-istil minn immaġni waħda, is-suġġett minn oħra
Suġġett l-ewwel, referenza tal-istil it-tieni. Dak li jagħmel dan ix-xogħol differenti hu li qed tissellef kwalità minflok oġġett, għalhekk trid issemmi liema kwalitajiet — u tgħid li s-suġġett u l-kompożizzjoni tar-referenza nfisha mhumiex ġejjin magħha.
Referenza tal-istil
Ir-ritratt tar-raġel mill-ewwel immaġni renderjat fl-istil viżiv
tat-tieni immaġni: l-istess paletta mxejta ta' teal u oker, teksura
viżibbli ta' pinzell xott, u dawl ċatt ugwali. Żomm wiċċu,
l-espressjoni u l-poża rikonoxxibbli u mingħajr tibdil. Tgħaddix
is-suġġett, l-isfond jew il-kompożizzjoni tat-tieni immaġni.
Prompt negattiv: it-tieni wiċċ, sfond misluf, teksura fotografika
Semmi l-assi tal-istil b'mod espliċitu, għax "fl-istil tat-tieni immaġni" waħdu mhux speċifikat biżżejjed: paletta (jew kuluri eżatti, miktuba bħala color #8B0000 imwaħħla ma' oġġett imsemmi), xogħol tal-pinzell jew grain, kwalità tad-dawl, ħxuna tal-linji, livell ta' astrazzjoni, trattament tat-truf. Agħżel it-tnejn jew tlieta li jiddefinixxu d-dehra; li ssemmi s-sitta kollha jagħmlilhom medja. U tħallatx direzzjonijiet konfliġġenti — "photorealistic" flimkien ma' "watercolor" jipproduċi taħwid, mhux taħlita. Jekk trid ritratt li sempliċement jissellef paletta, għid eżattament hekk.
09Prompts negattivi u l-għażla ta' proporzjon ġdid tat-tila
Żewġ kapaċitajiet li jeżistu għat-tgħaqqid u l-editjar imma mhux għat-test-għal-immaġni, u t-tnejn mhumiex użati biżżejjed.
Il-prompt negattiv
It-tgħaqqid ta' immaġni jappoġġja prompt negattiv. Artefatti mhux mixtieqa jmorru hemm — u jgħodd li jmorru hemm minflok fl-istruzzjoni, għax li tikteb "ebda subgħajn żejda" fl-istruzzjoni prinċipali ssemmi l-ħaġa li qed tipprova tevita fl-istess nifs ta' kull ma trid. Poġġi l-esklużjonijiet f'kanal tagħhom stess. L-entrati li jistħoqqilhom postha b'mod konsistenti:
- Anatomija — subgħajn żejda, estremitajiet irduppjati, idejn imħassra, it-tieni wiċċ.
- Sinjali ta' kompożizzjoni artifiċjali — truf maqtugħa, linja ta' ġunta viżibbli, oġġett li jidher jitajjar, dellijiet irduppjati, ħalo madwar is-suġġett.
- Dawl li ma jaqbilx — temperatura tal-kulur li ma taqbilx, direzzjoni tad-dell inkonsistenti, esponiment mhux ugwali bejn is-suġġetti.
- Fallimenti tat-teksura — ġilda tal-plastik, drapp mlixx żżejjed, test tat-tikketta mgħawweġ, logo li ma jinqrax.
Żommha għal dawk li huma plawżibbli għall-immaġni tiegħek. Prompt negattiv li jelenka tletin ħaġa hu struzzjoni diffuża, mhux waħda qawwija.
Il-proporzjon tat-tila
L-editjar ta' immaġni waħda jiret il-proporzjon tal-immaġni sors awtomatikament — hemm sors wieħed, u l-forma tiegħu hi t-tweġiba. It-tgħaqqid m'għandu ebda default bħal dan, għalhekk tista' tagħżel proporzjon ġdid tat-tila, u ta' spiss għandek, għax il-forma li kienet tajba għal sors wieħed rarament hi tajba għall-kompożizzjoni.
| Proporzjon | Użah għal | Użu tipiku fil-kompożizzjoni |
|---|---|---|
| square | Default, feeds soċjali | Suġġett wieħed b'element trasferit wieħed |
| portrait | Nies, suġġetti twal | Trasferiment ta' lbies, prodott miżmum minn mudell wieħed |
| landscape | Xenarji, gruppi | Żewġ nies ħdejn xulxin, oġġett imqiegħed f'kamra |
| wide | Inkwadratura ċinematika | Ritratti ta' gruppi, xeni ta' prodotti ambjentali, banners |
| tall | Posters, sfondi tat-telefon | Ritratti sħaħ ta' lbies, layouts ta' posters |
Talba espliċita dejjem tirbaħ. Ma tgħid xejn u tikseb square — il-forma ħażina għall-biċċa l-kbira tax-xogħol b'żewġ persuni u tal-lbies sħiħ, għalhekk tistħoqqilha kelma.
10Liema immaġni juża Shannon: il-konverżazzjoni kontra dan il-messaġġ
Hemm żewġ modi kif immaġni tidħol f'kompożizzjoni, u li tkun taf fuq liema wieħed qed tistrieħ jipprevjeni l-biċċa l-kbira tal-konfużjonijiet fl-ordni.
Imwaħħla mal-messaġġ attwali. Il-mogħdija diretta: waħħal kollox mal-messaġġ li jġorr l-istruzzjoni, fl-ordni li beħsiebek tirreferi għaliha, u "l-ewwel immaġni" u "t-tieni immaġni" ifissru eżattament dak li jidhru. Agħżel dan bħala default.
Diġà fil-konverżazzjoni. Ritratti mibgħuta qabel fil-ħjut jibqgħu disponibbli u jistgħu jiġu riferiti b'lingwaġġ ordinarju — "ir-ritratt li bgħattlek qabel", "ir-ritratt tal-pulower ta' qabel", "it-tieni verżjoni li għamilt." Shannon jissolva r-referenza kontra l-ħjut, li hi verament konvenjenti tul sessjoni twila: tista' tipproċedi fuq riżultat u mbagħad iddaħħal element ġdid mingħajr ma terġa' ttella' kollox.
Is-salvagwardja għat-tnejn hi l-istess. Il-karta ta' konferma turi l-istruzzjoni qabel ma jiġi renderjat xejn, inkluż l-ordni li għażel. Aqraha. Jekk ir-rwoli ħarġu mħawda — il-pulower bħala l-bażi, il-persuna bħala s-sors — għidha u tiġi rranġata qabel ma jiġi ġġenerat jew iffatturat pixel wieħed. Xorta waħda, meta ħjut hu twil u mimli b'immaġni, erġa' waħħal dawk li teħtieġ; sitt ritratti lura, "it-tieni immaġni" hi ambigwa għal kwalunkwe qarrej.
Li titlob lil Shannon iħares lejn immaġni — jiddeskriviha, jaqra t-tikketta, jgħidlek x'inhu d-drapp — hu xogħol ordinarju ta' viżjoni, mhux ġenerazzjoni. Ma jiswa xejn żejjed u hi verifika tajba qabel il-kompożizzjoni: jekk id-deskrizzjoni ta' Shannon ma ssemmix id-dettall li jimpurtak, l-istruzzjoni tiegħek trid issemmih.
11Bla ċensura, u dak li dan tabilħaqq ifisser
M'hemm ebda filtru tal-kontenut fuq il-mogħdija tal-ġenerazzjoni u ebda saff ta' rifjut fuq il-mudell li jikteb il-prompt. Il-kompożizzjoni hi fejn l-għodod iffiltrati jfallu l-aktar b'mod viżibbli, għax sistema ta' rifjut ma tistax tgħid id-differenza bejn li tgħaqqad immaġni tiegħek u li tgħaqqad immaġni li m'għandekx ikollok — għalhekk timblokka t-tnejn.
Ix-xogħol li dawk l-għodod regolarment jirrifjutaw mhuwiex eżotiku: nudi artistiċi u studju tal-figura, illustrazzjoni medika u forensika, immaġni għar-riċerka tas-sigurtà, vjolenza fil-finzjoni għall-qxur tal-kotba u l-arti tal-logħob, satira politika, u l-kategoriji legali tal-prodotti elenkati hawn fuq. Kull waħda hi xogħol professjonali leġittimu li filtru bbażat fuq kliem ma jistax jiddistingwih mill-abbuż.
Bla ċensura ma jfissirx bla responsabbiltà. Qed tipprovdi ritratti ta' oġġetti veri u ta' spiss ta' nies veri; id-drittijiet u l-kunsens huma tiegħek biex iżżomm, u hekk ukoll ir-responsabbiltà għar-riżultat. Shannon Lab LLC hi kumpanija ta' New Mexico li topera taħt politika ta' użu responsabbli ippubblikata — tistħoqq ħames minuti qabel tibda xogħol li jinvolvi x-xbihat ta' nies oħra.
12Limiti li jistħoqqilhom li tkun tafhom qabel tibda
M'hemm ebda ġenerazzjoni ta' vidjo. Shannon ma janimax immaġni u ma jipproduċi ebda vidjo, fi kwalunkwe forma, minn ebda waħda minn dawn l-operazzjonijiet — mhux minn immaġni waħda, mhux minn kompożizzjoni, u lanqas bħala għażla sperimentali. Jekk il-brief tiegħek jispiċċa fil-moviment, din mhix l-għodda għall-aħħar pass. Dak hu l-prodott, mhux suġġeriment ta' pjan.
Konfini onesti oħra, kollha b'soluzzjonijiet:
- Test fin hu l-aktar żona dgħajfa. Stampa żgħira, kitba densa tal-imballaġġ u numri tas-serje twal jistgħu joħorġu imperfetti. Inkwadra l-prodott biex it-test importanti jkun kbir, poġġi test tat-tikketta mgħawweġ fil-prompt negattiv, u ċċekkja fid-daqs sħiħ.
- Diskrepanza estrema fil-qies hi diffiċli. Ritratt ta' prodott ta' 4000 pixel imgħaqqad ma' thumbnail żgħir ta' kamra jagħti lill-mudell ftit li xejn x'jaħdem bih. Uża l-aħjar kopja li għandek ta' kull sors.
- Okklużjoni tqila tillimita x'jista' jiġi trasferit. Libsa ffotografata mitwija, id-dahar qatt ma jidher, ma tistax ikollha d-dahar tagħha invintat b'mod fidil. Jekk il-kompożizzjoni turi d-dahar, ipprovdi d-dahar.
- Aktar immaġni jfisser aktar spazju għal konfużjoni. Erba' sorsi hu ħaddiem b'ismjar ordinali dixxiplinat, imma mhux il-post biex tkun każwali — uża n-numru li x-xogħol jeħtieġ u xejn aktar.
- Żewġ bidliet kbar f'daqqa jikkompetu. Ittrasferixxi l-libsa, ikkonferma, imbagħad biddel l-isfond. Editjar sekwenzjali jirbaħ fuq struzzjoni waħda mgħobbija kważi dejjem, u kull pass hu rħis biex tiċċekkja.
13Mistoqsijiet frekwenti
Kif nista' ngħaqqad żewġ immaġni f'waħda bl-AI?
Waħħal iż-żewġ immaġni fiċ-chat ta' Shannon u iddeskrivi r-riżultat filwaqt li ssemmi x'jikkontribwixxi kull immaġni, f'ordni. L-ewwel immaġni hi s-suġġett jew ix-xena prinċipali; l-immaġni ta' wara jipprovdu l-partijiet li qed jiddaħħlu. Pereżempju: il-mara mill-ewwel immaġni liebsa l-pulower tal-labar aħmar mit-tieni immaġni, weqfa fl-istess park. Shannon jikteb hu stess l-istruzzjoni finali bl-Ingliż, jurihielek fuq karta ta' konferma, u xejn ma jiġi renderjat qabel ma tikkonferma.
Għaliex l-ilbies joħroġ ħażin meta niddeskrivi l-libsa minflok inwaħħalha?
Għax sentenza hi deskrizzjoni ta' ritratt li titlef informazzjoni. Li tikteb "pulower tal-labar aħmar" iġġibek pulower tal-labar aħmar plawżibbli, mhux tiegħek — il-mudell tal-labar, il-kustolji, iż-żebgħa, kif jinżel, il-pożizzjoni tal-ħjut u l-użu kollha huma vvintati. Li twaħħal it-tieni immaġni żżomm id-dehra vera tal-libsa vera. Jekk il-punt tar-ritratt hu li hi dak l-oġġett, il-persuna jew il-prodott speċifiku, waħħlu minflok tiddeskrivih.
Il-kompożizzjoni ta' diversi immaġni tappoġġja prompt negattiv u proporzjon ġdid?
Iva għat-tnejn. It-tgħaqqid ta' immaġni jappoġġja prompt negattiv, għalhekk artefatti mhux mixtieqa bħal subgħajn żejda, estremitajiet irduppjati, test ta' logo mgħawweġ jew ġunti viżibbli jappartjenu hemm minflok fl-istruzzjoni. Tista' wkoll tagħżel proporzjon ġdid tat-tila — square, portrait, landscape, wide jew tall. Dan hu differenti mill-editjar ta' immaġni waħda, li tiret il-proporzjon tal-immaġni sors awtomatikament.
Shannon jista' juża immaġni diġà fil-konverżazzjoni, jew biss dawk li nwaħħal issa?
It-tnejn. Tista' twaħħal l-immaġni mal-messaġġ attwali, jew tirreferi għal ritratti diġà fil-ħjut — "ir-ritratt li bgħattlek qabel", "ir-ritratt tal-pulower ta' qabel". Shannon jissolva dawk ir-referenzi u l-karta ta' konferma turi l-ordni li għażel, għalhekk tista' tikkoreġi l-ordni qabel ma jiġi renderjat xejn. Li twaħħal kollox f'messaġġ wieħed, fl-ordni li se tirreferi għaliha, hu l-aktar mod affidabbli kif taħdem.
Shannon jista' jbiddel l-immaġni magħquda f'vidjo?
Le. Shannon ma jiġġenerax vidjo u ma janimax immaġni. Jiġġenera immaġni ġodda, jeditja immaġni eżistenti waħda, u jgħaqqad żewġ immaġni jew aktar f'waħda. Ix-xogħol fuq l-immaġni jseħħ fl-app taċ-chat ta' Shannon; l-API /v1 taqdi test u viżjoni, jiġifieri taqra immaġni minflok toħloqhom.
Il-kompożizzjoni ta' immaġni bla ċensura hi tabilħaqq mingħajr filtru?
M'hemm ebda filtru tal-kontenut fuq il-mogħdija tal-ġenerazzjoni u ebda saff ta' rifjut fuq il-mudell li jikteb il-prompt. Ġeneraturi ffiltrati regolarment jirrifjutaw xogħol ta' kompożizzjoni leġittimu — katalgi tal-lengerija u l-ilbies tal-għawm, nudi artistiċi, illustrazzjoni medika u forensika, oġġetti tal-konsumatur regolati, immaġni għar-riċerka tas-sigurtà, satira politika, u xogħol fuq marki jew xbihat magħmul mid-detentur tad-drittijiet. Shannon ma jagħmilx dan. Id-drittijiet u r-responsabbiltà għall-immaġni sors huma tiegħek; ara l-politika ta' użu responsabbli tagħna.
Ebda ċifra ta' benchmark ma tidher f'din il-gwida, għax m'hemm ebda benchmark pubbliku onest għal "il-pulower baqa' l-istess pulower." Kull ma hemm hawn fuq hu gwida operazzjonali minn użu reali. Fejn kapaċità hi assenti — vidjo, ġenerazzjoni ta' immaġni fuq l-API — ngħiduha minflok inħalluha miftuħa.
Għaqqad l-immaġni tiegħek
Waħħalhom, semmi kull rwol f'ordni, ikkonferma l-istruzzjoni, irrenderja. Ebda saff ta' rifjut.
Iftaħ iċ-Chat ta' Shannon Aqra d-Dokumenti tal-APIShannon Lab LLC · New Mexico, l-Istati Uniti · l-immaġni jiġu renderjati fuq il-cluster GPU tagħna stess
Il-ġenerazzjoni, l-editjar u l-kompożizzjoni ta' diversi immaġni huma funzjonijiet tal-app taċ-chat ta' Shannon; l-endpoints /v1/chat/completions, /v1/messages u /v1/responses jaqdu test u viżjoni, jiġifieri jaqraw immaġni minflok jiġġeneraw. M'hemm ebda ġenerazzjoni ta' vidjo. L-għażliet tal-proporzjon, l-appoġġ tal-prompt negattiv u l-imġiba tal-konferma huma attwali sal-5 ta' Settembru 2026. Relatat: ġenerazzjoni ta' immaġni AI bla ċensura · editjar ta' immaġni AI bla ċensura · użu responsabbli · dokumentazzjoni tal-API · indiċi tar-riċerka.