ဆင်ဆာမဲ့ AI ရုပ်ပုံ တည်းဖြတ်စက်
ရှိပြီးသား ရုပ်ပုံ တစ်ပုံကို ဝါကျတစ်ကြောင်း ရေးလိုက်ရုံဖြင့် ပြောင်း၊ style ပြောင်း၊ အလင်းရောင် ပြန်ညှိ၊ အဝတ်ပြောင်း သို့မဟုတ် ပြင်ပါ။ mask မလို၊ filter မရှိ၊ ငြင်းပယ်မှု မရှိ — ကျန်အားလုံးထက် ပိုအရေးကြီးသည့် နည်းလမ်း တစ်ခု ရှိသည်။
အကျဉ်းချုပ်
Shannon သည် ရှိပြီးသား ရုပ်ပုံ အတိအကျ တစ်ပုံကို ရိုးရှင်းသော ဘာသာစကားဖြင့် ညွှန်ကြားချက်တစ်ခုမှ တည်းဖြတ်ပေးသည် — brush မရှိ၊ mask မရှိ၊ ရွေးချယ်ခြင်း မရှိ။ ထိုညွှန်ကြားချက်သည် ဘာပြောင်းမလဲနှင့် ဘာမပြောင်းဘဲ ထားမလဲကို ပြောရမည်၊ အဘယ်ကြောင့်ဆိုသော် မော်ဒယ်သည် ဘောင်တစ်ခုလုံးကို ပြန်ဖန်တီးသောကြောင့် ဖြစ်သည် — မပြောင်းရဟု သင်က အမည်မတပ်ထားသော အရာမှန်သမျှ ရွေ့လျောနိုင်သည်။ မပြောင်းရသော အပိုင်းများကို အမည်တပ်ခြင်း — "မျက်နှာ၊ ကိုယ်ဟန်နှင့် အဝတ်အစားကို အတိအတူ ထားပါ" — သည် သင့်လက်ထဲတွင် ရှိသော အကြီးမားဆုံး အရည်အသွေး လီဗာ ဖြစ်သည်။ တည်းဖြတ်ခြင်း လမ်းကြောင်းသည် negative prompt ကို လက်ခံသည် (စာသားမှ ရုပ်ပုံ ထုတ်လုပ်ခြင်းက မလက်ခံပါ) — ညွှန်ကြားချက်ထဲတွင် "X မပါစေနှင့်" ဟု ရေးမည့်အစား မလိုချင်သော artifact များကို ထိုနေရာတွင် ထည့်ပါ။ output သည် မူရင်း အချိုးအစားကို အလိုအလျောက် ဆက်ခံသည်။ ဗီဒီယို ထုတ်လုပ်ခြင်း လုံးဝ မရှိ၊ ရုပ်ပုံကို လှုပ်ရှားစေနိုင်သော နည်းလမ်းလည်း မရှိ။ တည်းဖြတ်ခြင်းသည် chat အက်ပ်ထဲရှိ ကျွန်ုပ်တို့ ကိုယ်ပိုင် GPU ကလပ်စတာပေါ်တွင် လည်ပတ်ပြီး content filter မရှိ၊ ငြင်းပယ်မှု အလွှာလည်း မရှိ။
ဆင်ဆာမဲ့ AI ရုပ်ပုံ တည်းဖြတ်စက် ရှာဖွေနေသူ အများစုတွင် ရုပ်ပုံ တစ်ပုံနှင့် ပြဿနာ တစ်ခု ရှိသည် — background မှားနေသည်၊ အလင်းရောင် ပြားနေသည်၊ ဂျာကတ်က အရောင်မှားနေသည်၊ မသိကျွမ်းသူ တစ်ဦးက ဓာတ်ပုံထဲတွင် ရပ်နေသည်၊ scan ပုံထဲတွင် ချိုးနေသောနေရာ ရှိနေသည် — သို့မဟုတ် ပြင်ဆင်ချက်က လုံးဝ တရားဝင်သော်လည်း သင့် လက်ရှိကိရိယာက ၎င်းကို ငြင်းပယ်နေသည်။ ဤစာမျက်နှာသည် ၎င်းကို ကောင်းစွာ လုပ်ဆောင်ခြင်းအကြောင်း ဖြစ်သည် — မည်သည့် တည်းဖြတ်စက်တွင် slider အများဆုံး ရှိသည်ဆိုသည်ထက်၊ ရလာသော တည်းဖြတ်ချက်နှင့် သင့်ဇာတ်ကောင်၏ မျက်နှာကို တိတ်တဆိတ် ပြန်ဆောက်လိုက်သော တည်းဖြတ်ချက်ကို ခွဲထုတ်ပေးသည့် အလေ့အထ တစ်ခုတည်း အကြောင်း ဖြစ်သည်။
01ညွှန်ကြားချက်အခြေခံ တည်းဖြတ်ခြင်းသည် တကယ်တမ်း ဘာဖြစ်သနည်း
ရိုးရိုး AI တည်းဖြတ်ခြင်းသည် ခက်ခဲသော အပိုင်းကို သင့်ကိုယ်တိုင် လုပ်ခိုင်းသည် — canvas ဖွင့်ပါ၊ ပြောင်းချင်သော နေရာပေါ်တွင် mask ဆွဲပါ၊ အထဲတွင် ဘာရှိသင့်သည်ကို ဖော်ပြသော စကားစုတစ်ခု ရိုက်ပါ။ တိကျသော်လည်း နှေးကွေးပြီး၊ သင့်ပြောင်းလဲမှုတွင် သန့်ရှင်းသော outline မရှိသည့် ခဏတွင် အသုံးမကျပါ — အလင်းရောင် ပြောင်းလဲမှု၊ silhouette ကို ပြောင်းလဲစေသည့် ဝတ်စုံအစားထိုးမှု၊ တစ်ခြင်းလုံး အရောင် grade။
Shannon သည် ဆန့်ကျင်ဘက်နည်းလမ်းဖြင့် အလုပ်လုပ်သည်။ သင် ဘာမှ ရွေးချယ်စရာ မလိုပါ။ ရုပ်ပုံအကြောင်း ဝါကျတစ်ခုကို မည်သည့် ဘာသာစကားနှင့်မဆို ရေးလိုက်ရုံဖြင့် နေရာကို သင့်စကားလုံးများမှ ခန့်မှန်းသည်။ ထို့ကြောင့် ၎င်းသည် ရွေးချယ်စရာ အလုပ် မလိုချင်ဘဲ ရလဒ်ကိုသာ လိုချင်သူများအတွက် လက်တွေ့ကျသော ဆင်ဆာမဲ့ inpainting အစားထိုး ဖြစ်လာသည် — သို့သော် ဦးစွာ နားလည်ရမည့် စက်ပိုင်း ရလဒ် တစ်ခု ရှိသည်။
တည်းဖြတ်မှု တစ်ခုသည် သင့်မူရင်းပုံကို အခြေခံသော ဘောင်တစ်ခုလုံး ပြန်ဖန်တီးခြင်း ဖြစ်ပြီး — အစိတ်အပိုင်းတစ်ခုပေါ် ကပ်လိုက်သော patch မဟုတ်ပါ။ Image Model သည် သင့်မူရင်းပုံကို ဖတ်၊ သင့်ညွှန်ကြားချက်ကို ဖတ်ပြီး၊ မူရင်း အပေါ် ပြောင်းလဲချက် ပေါင်းလိုက်သည့် ရလဒ်ဖြစ်သင့်သော ရုပ်ပုံအသစ် တစ်ခု ထုတ်လုပ်သည်။ စက်ပိုင်းအရ ခဲထားသော pixel တစ်ခုမျှ မရှိပါ။ pixel တိုင်းသည် တည်းဖြတ်မှုတိုင်းတွင် ပြန်လည် ညှိနှိုင်းနိုင်စေရမည်။
ထို့ကြောင့် "ရင်ခုန်နေသော တိုကျို လမ်းမ" — mask သုံးသော ကိရိယာတွင် ချို့ယွင်းချက်မရှိသော်လည်း — ဤနေရာတွင် အနည်းငယ် ကွာခြားသော လူတစ်ဦး ထိုနေရာတွင် ရပ်နေသော ရလဒ်ဖြင့် ပြန်ရသည်။ mask သုံးသော ကိရိယာတွင် mask က ထိုလူကို ထိမခွင့်ရှိဟု ပြောသည်၊ ဤနေရာတွင် သင့်ဝါကျက ထိုအလုပ်ကို လုပ်ရမည်။ အားသာချက်မှာ mask မလုပ်နိုင်သည်များကို ညွှန်ကြားချက်ဖြင့် တည်းဖြတ်ခြင်းက လုပ်ဆောင်ပေးသည် — နေကို ရွှေ့ပြီး အရိပ်များကို သဘောတူညီအောင် ထားခြင်း၊ အဝတ်တစ်ထည် ပြောင်းလိုက်ပြီး အထည်ကို လက်ရှိ ကိုယ်ဟန်အပေါ် ချထားခြင်း၊ ဖွဲ့စည်းပုံကို ထိန်းထားစဉ် ဓာတ်ပုံတစ်ပုံကို မင်နှင့် ဖျားရောင် ပြားတန်ဖြင့် style ပြောင်းလဲခြင်း။ ထိုတည်းဖြတ်ချက်များတွင် ဆွဲရမည့် နယ်နိမိတ် လုံးဝ မရှိပါ — ၎င်းတို့သည် ဘောင်တစ်ခုလုံးအတွင်း ဆက်နွှယ်မှုများ ဖြစ်သည်။
02တွယ်ကပ်ခြင်း — အကြီးမားဆုံး အရည်အသွေး လီဗာ တစ်ခုတည်း
တွယ်ကပ်ခြင်း ဆိုသည်မှာ တည်းဖြတ် ညွှန်ကြားချက်တိုင်းကို ဝါကျ နှစ်ကြောင်းအဖြစ် ရေးသားခြင်း ဖြစ်သည် — ပြောင်းလဲမှု ဝါကျ (ဘာကွာခြားသင့်သည်၊ အပြုသဘောနှင့် တိကျစွာ ဖော်ပြထားသည်) နှင့် ထိန်းထားရမည့် ဝါကျ (မထိစေရဘဲ ကျန်ရှိရမည့် အပိုင်းများ၊ တိကျသော နာမ်များဖြင့် အမည်တပ်ထားသည်)။ နှစ်ခုစလုံးက အရေးကြီးသည် — ပြောင်းလဲမှု ဝါကျ တစ်ခုတည်းသည် ဆန္ဒတစ်ခုမျှသာ ဖြစ်သည်။ ဤစာမျက်နှာမှ တစ်ခုတည်း ယူသင့်သည်ဆိုလျှင် — ဘာကွာခြားသည်ကို သင် ဘယ်လောက် ရှင်းလင်းစွာ ရေးပြသည်ထက်၊ ဘာမပြောင်းဘဲ ကျန်ရမည်ကို ဘယ်လောက် တိကျစွာ အမည်တပ်သည်ကသာ သင့်ရလဒ်ကို ဆုံးဖြတ်သည်။
တွယ်ကပ်ချက်မရှိသော ညွှန်ကြားချက်များ ရွေ့လျောသွားနိုင်သည့် နည်းလမ်း သုံးခု
- Identity ရွေ့လျောခြင်း။ မျက်နှာက နီးစပ် မှန်ကန်စွာ ပြန်လာသည် — နှာခေါင်းက အနည်းငယ် ကွာခြားသည်၊ မေးဆွံ့ကို တိတ်တဆိတ် လှလာအောင် လုပ်ထားသည်။ ဖုန်းတစ်လုံးပေါ်တွင် မြင်ရခက်ပြီး ထိုလူကို သိသူတိုင်းအတွက် ထင်ရှားသောကြောင့် အနစ်ရှုံးဆုံးသော ချို့ယွင်းချက် ဖြစ်သည်။
- ပါလိုက်သော style ပြောင်းလဲမှု။ background အသစ် တောင်းဆိုသည်၊ သို့သော် အရောင် grade အသစ်၊ lens အသစ်၊ ယခင်က ကြိုးထိုးထားသော ဆွယ်တာလည်း ရသွားသည်။ မော်ဒယ်သည် ညွှန်ကြားချက်ကို မူရင်းမှ ကွာခြားချက် တစ်ခုအဖြစ်ထက် ပစ်မှတ် ရုပ်ပုံ တစ်ခုလုံး၏ ဖော်ပြချက်အဖြစ် ဖတ်လိုက်ခြင်း ဖြစ်သည်။
- နာမဝိသေသနများမှ အတိုင်းအတာ ကျယ်ပြန့်သွားခြင်း။ "ပိုကြီးကျယ်အောင်၊" "ပိုသန့်ရှင်းအောင်၊" "ပိုပရော်ဖက်ရှင်နယ်ကျအောင်" တို့သည် အရာဝတ္ထု တစ်ခုမျှ မဖော်ပြပါ။ နာမ် မပါသော နာမဝိသေသနသည် အားလုံးအပေါ် သက်ရောက်သဖြင့် အားလုံး ရွေ့လျောသည်။
တွယ်ကပ်ချက် ဝေါဟာရများ
တွယ်ကပ်ချက်များသည် တိကျသော နာမ်များအဖြစ် အလုပ်လုပ်သည်။ "အတူတူ ထားပါ" ဆိုသည်မှာ အားနည်းသည် — ဘယ် "အတူတူ" ကို သင် ဂရုစိုက်သည်ကို မော်ဒယ်က မသိနိုင်ပါ။ သင့် တည်းဖြတ်ချက်အတွက် အရေးကြီးသော အရာ သုံးခုမှ ငါးခုကို ရွေးပြီး ပွင့်ပွင့်လင်းလင်း အမည်တပ်ပါ။
| သင် ဘာကို ပြောင်းနေသလဲ | ပွင့်ပွင့်လင်းလင်း အမည်တပ်သင့်သော တွယ်ကပ်ချက်များ |
|---|---|
| Background / နေရာအခင်းအကျင်း | မျက်နှာနှင့် မျက်နှာ အင်္ဂါရပ်များ၊ ဆံပင်ပုံစံ၊ ကိုယ်ဟန်၊ လက်များ၊ အဝတ်အစား၊ ကင်မရာထောင့်၊ crop၊ ဇာတ်ကောင်ပေါ်ရှိ အလင်းရောင် |
| အလင်းရောင် / စိတ်ခံစားမှု | မျက်နှာ၊ မျက်နှာအမူအရာ၊ အသားအရေ ဖွဲ့စည်းပုံ၊ ကိုယ်ဟန်၊ အဝတ်အစား၊ background အကြောင်းအရာ၊ framing |
| အဝတ်အစား / ဝတ်စုံ | မျက်နှာ၊ မုတ်ဆိတ် သို့မဟုတ် ဆံပင်၊ ကိုယ်ဟန်၊ လက်များ၊ ခန္ဓာကိုယ် အချိုးအစား၊ background၊ အလင်းရောင် ဦးတည်ချက်၊ အရောင် grade |
| Style / အနုပညာမီဒီယာ | ဖွဲ့စည်းပုံ၊ ကိုယ်ဟန်၊ ဆံပင် အရှည်၊ ဝတ်စုံ ပုံသဏ္ဌာန်များ၊ ဇာတ်ကောင် အရေအတွက်၊ crop |
| အရာဝတ္ထု ဖယ်ရှားခြင်း / ပြင်ဆင်ခြင်း | ဘောင်ထဲက ကျန်အားလုံး — ဇာတ်ကောင်၊ ပတ်ဝန်းကျင် ဗိသုကာ၊ grain၊ tonality၊ contrast၊ အရောင် |
| တစ်ခုတည်းသော အရောင် | ရုပ်ပုံထဲက ကျန် အရောင်တိုင်း၊ ပြင်ဆင်လိုက်သော အရာဝတ္ထု၏ ဖွဲ့စည်းပုံနှင့် ပစ္စည်း |
နောက်ဆုံးအတန်းကို သတိပြုပါ။ အရောင်ပြန်လဲခြင်းသည် တိတ်တဆိတ် အမှားဖြစ်တတ်သည်၊ အဘယ်ကြောင့်ဆိုသော် "ဂျာကတ်ကို အနီရောင် ဖြစ်စေပါ" ဆိုသည်က အစအဆုံးမှ ပြန်ဆောက်ထားသော ဂျာကတ်တစ်ထည် — cut အသစ်၊ ပစ္စည်း အသစ်၊ ခေါက်ချက် အသစ် — ကို ဖိတ်ခေါ်ပါသောကြောင့်။ တွယ်ကပ်ထားလျှင် — "ရှိပြီးသား ဂျာကတ်ကို deep crimson အရောင်ဖြင့် ပြန်ရောင်ပါ၊ ၎င်း၏ cut၊ seam၊ အထည် ဖွဲ့စည်းပုံနှင့် ဆွဲကျပုံ အတိအတိ ဆက်ထားပါ။" ခြားနားချက် ဝါကျ တစ်ကြောင်းတည်းနှင့် ကွာခြားစွာ ပိုကောင်းသော ရလဒ်။
03လက်တွေ့ ဥပမာများ — အားနည်းသော ညွှန်ကြားချက်၊ ဘာကြောင့် ရွေ့လျောသလဲ၊ တွယ်ကပ်ထားသော ပြန်ရေးချက်
အောက်ပါ တစ်တွဲစီသည် ရည်ရွယ်ချက် တူညီသော်လည်း နှစ်ကြိမ် ရေးထားခြင်း ဖြစ်သည်။ အလယ်ရှိ ရှင်းလင်းချက်သည် အခြားနေရာများတွင်လည်း သုံးနိုင်သော အပိုင်း ဖြစ်သည်။
A. Background တစ်ခု အစားထိုးခြင်း
ဘာကြောင့် ရွေ့လျောသလဲ — ၎င်းသည် ပစ်မှတ် ရုပ်ပုံတစ်ခုကို ဖော်ပြထားပြီး ကွာခြားချက်တစ်ခု မဟုတ်ပါ။ အမျိုးသမီးနှင့် ပတ်သက်၍ မည်သည့်အရာမျှ ကာကွယ်မထားပါ၊ ကင်မရာကိုလည်း မတည်ငြိမ်စေပါ၊ ထို့ကြောင့် မော်ဒယ်သည် ယုတ္တိရှိသော မြင်ကွင်းတစ်ခု တည်ဆောက်ရင်း သူမကို reframe ပြီး ပြန်ဖန်တီးလိုက်သည်။
ဘာပြောင်းသလဲ — ထိန်းထားရမည့် ဝါကျက identity၊ ဝတ်စုံနှင့် framing ကို ပင်ချထားပြီး၊ နောက်ဆုံးစကားစုက ချိတ်ဆက်နေရာကို ဘယ်လိုဖြေရှင်းရမည်ကို ပြောသည် — background က ဇာတ်ကောင်၏ အလင်းရောင်ကို လိုက်ညီသည်၊ ဆန့်ကျင်ဘက် မဟုတ်ပါ။
B. အလင်းရောင် ပြန်ညှိခြင်း
ဘာကြောင့် ရွေ့လျောသလဲ — "ပိုကောင်း" သည် နာမ် မပါသော နာမဝိသေသန ဖြစ်သည်။ မော်ဒယ်သည် အဓိပ္ပာယ်တစ်ခု တီထွင်ရမည်၊ ပြန်ဖန်တီးမှုတွင် ပိုကောင်းအောင် ဖော်ပြရန် အလွယ်ဆုံးနည်းမှာ အသားအရေ ချောမွေ့စေခြင်း၊ သွားများ တောက်ပစေခြင်းနှင့် မေးရိုး သေးသွားစေခြင်း ဖြစ်သည်။ သင် အလင်းရောင် တောင်းဆိုသော်လည်း retouch တစ်ခု ရလိုက်သည်။
ဘာပြောင်းသလဲ — အလင်းရောင်ကို ရုပ်ပိုင်းဆိုင်ရာအရ ဖော်ပြထားသည် — ဦးတည်ချက်၊ အရည်အသွေး၊ အပူချိန်၊ ကျဆင်းမှု။ အသားအရေ ဖွဲ့စည်းပုံကို ပွင့်ပွင့်လင်းလင်း တွယ်ကပ်ထားသည်၊ အဘယ်ကြောင့်ဆိုသော် အလင်းရောင် ပြန်ညှိချိန်သည် မော်ဒယ်က ၎င်းကို ချောမွေ့စေရန် အားအကြီးဆုံး ဆွဲဆောင်ခံရသော အချိန်ဖြစ်သောကြောင့်။
C. ဇာတ်ကောင်ကို ပြန်ဝတ်စေခြင်း
ဘာကြောင့် ရွေ့လျောသလဲ — suit တစ်ထည်သည် silhouette ကို ပြောင်းလဲစေသဖြင့် ရင်ပတ်ကို ပြန်ဖန်တီးရမည်ဖြစ်ပြီး — ၎င်းအပေါ်ရှိ ဦးခေါင်းသည် များသောအားဖြင့် လိုက်ပါသွားတတ်သည်။ တွယ်ကပ်ချက်မရှိသော ဝတ်စုံ တည်းဖြတ်ချက်များသည် background အစားထိုးမှုပြီးလျှင် identity ရွေ့လျောသွားစေသော ဒုတိယ အကြီးမားဆုံး အကြောင်းရင်း ဖြစ်သည်။
ဘာပြောင်းသလဲ — "သူ့လက်ရှိ ကိုယ်ဟန်နှင့် ကိုက်ညီသော" ဆိုသည်က အဝတ်အစားကို ကိုယ်ဟန်၏ လက်အောက်ခံအဖြစ် ထားလိုက်သည်။ လက်များကို သီးခြား တွယ်ကပ်ထားသည်၊ အဘယ်ကြောင့်ဆိုသော် ဝတ်စုံ တည်းဖြတ်ချက်များသည် လက်များတွင် အများဆုံး ပြိုကွဲတတ်သောကြောင့်။
D. ဓာတ်ပုံ တစ်ပုံကို style ပြောင်းခြင်း
ဘာကြောင့် ရွေ့လျောသလဲ — style စကားလုံး တစ်လုံးတည်းက ဖွဲ့စည်းပုံ၊ crop၊ ဆံပင်၊ ဝတ်စုံ၊ လူဦးရေ — အားလုံးကို လက်လွှတ်ဆုံးရှုံးလိုက်ခြင်းဖြစ်ပြီး "anime" ဆိုသည်မှာ လွန်ခဲ့သော နှစ်သုံးဆယ် ကွဲပြားသော ဓလေ့များ ဖြစ်သည်။ မတူညီသော မြင်ကွင်း တစ်ခု၏ ကျွမ်းကျင်သော illustration တစ်ခုသာ ရလိမ့်မည်။
ဘာပြောင်းသလဲ — style တည်းဖြတ်ချက်များသည် မတူညီသော တွယ်ကပ်ချက် လိုအပ်သည်။ texture ကို တွယ်ကပ်၍ မရပါ — texture ကိုပင် အစားထိုးနေခြင်း ဖြစ်သောကြောင့် — ထို့ကြောင့် ဖွဲ့စည်းပုံကို တွယ်ကပ်ပါ — composition၊ ကိုယ်ဟန်၊ silhouette၊ crop၊ ဇာတ်ကောင် အရေအတွက်။ cel animation အောက်တွင် "ဓာတ်ပုံနှင့်တူသော အသားအရေ" ကို ထိန်းထားခိုင်းခြင်းသည် ဆန့်ကျင်ချက် ဖြစ်သည်။
E. တစ်ခုခု ဖယ်ရှားခြင်း
ဘာကြောင့် ရွေ့လျောသလဲ — ငြင်းပယ်ချက် တစ်ခုသည် မော်ဒယ်ရှေ့တွင် ဒေါင်းသဘောတရားကို ဆက်ထားဆဲပြီး၊ ဗလာနေရာကို ဘာဖြင့် ဖြည့်ရမည်ကို မပြောပါ။ ဖယ်ရှားခြင်းများသည် ပစ်မှတ်နှင့် ဖြည့်စွက်ချက် နှစ်ခုစလုံးအတွက် အပြုသဘော ဖော်ပြချက် လိုအပ်သည်။
ဘာပြောင်းသလဲ — ပစ်မှတ်ကို အရာဝတ္ထု၊ အရောင်နှင့် တည်နေရာဖြင့် အမည်တပ်ထားသည်၊ ဖြည့်စွက်ချက်ကို သတ်မှတ်ထားသဖြင့် လမ်းကတင်ရှိရာ နေရာတွင် ကွက်လပ်တစ်ခု တီထွင်မထားပါ၊ "ကျန်အားလုံး" ကို တကယ့် နာမ်များအဖြစ် ရေးထားသည်။
F. ပျက်စီးနေသော ဓာတ်ပုံကို ပြင်ဆင်ခြင်း
ဘာကြောင့် ရွေ့လျောသလဲ — "ပြင်ပါ" ဆိုသည်ကို "ပိုကောင်းအောင် လုပ်ပါ" ဟု ဖတ်တတ်ပြီး၊ ဓာတ်ပုံဟောင်းတစ်ခုကို ပိုကောင်းအောင် လုပ်ခြင်းဆိုသည်မှာ ခေတ်မီအောင် လုပ်ခြင်း ဖြစ်သည် — အသားအရေ ချောမွေ့ခြင်း၊ contrast ကြီးခြင်းနှင့် သင့်အဖွားနှင့် တူတော့ချေတော့သည့် မျက်နှာ။
ဘာပြောင်းသလဲ — ပျက်စီးမှုကို တစ်ခုချင်း ဖော်ပြထားသဖြင့် "ပြင်ပါ" ဆိုသည့် အတိုင်းအတာ သတ်မှတ်ထားသည်၊ grain နှင့် tonality ကို တွယ်ကပ်ထားသည်မှာ ၎င်းတို့သည် ပုံကို ခေတ်နှင့်ကိုက်ညီသည်ဟု ခံစားရစေသောကြောင့်။ တားမြစ်ချက် သုံးခုသည် ငြင်းပယ်ချက်တစ်ခု တန်ဖိုးရှိသော ရှားပါးသည့် ဥပမာ ဖြစ်သည် — အရာဝတ္ထုအကြောင်း မဟုတ်ဘဲ လုပ်ငန်းစဉ်အကြောင်း ညွှန်ကြားချက်များ ဖြစ်သည်။
ကောင်းသော ညွှန်ကြားချက် တစ်ခု၏ ပုံစံ
စကားလုံး ၂၅ မှ ၆၀ အထိကို ပန်းတိုင်ထားပါ၊ ကော်မာဖြင့် ခွဲထားသော keyword tag များ မဟုတ်ဘဲ စာကြောင်းပြည့် ဝါကျများဖြင့် — Image Model သည် ဘာသာစကား မော်ဒယ်တစ်ခုက ဖတ်သကဲ့သို့ prompt များကို ဖတ်သောကြောင့် tag စုပုံထားခြင်းထက် စာအရေးအသားက ပိုကောင်းသည်။ SDXL ခေတ်ရှေးဟောင်း junk (masterpiece, best quality, 8k) နှင့် (word:1.3) ကဲ့သို့ weight syntax များကို ချန်ထားပါ — ဤနေရာတွင် ၎င်းတို့ ဘာမှ မလုပ်ပါ။ ညွှန်ကြားချက် တစ်ခုလျှင် ပြောင်းလဲမှု တစ်ခုသာ ပြုလုပ်ပါ — ဆက်စပ်မှုမရှိသော ပြောင်းလဲမှု နှစ်ခုကို ဝါကျတစ်ခုတည်းထဲတွင် ထည့်လိုက်ပါက အာရုံအတွက် ပြိုင်ဆိုင်ကြပြီး နှစ်ခုစလုံး တစ်ဝက်တစ်ပျက် ပြီးလာတတ်သည်။
04Negative prompt — စာသားမှ ရုပ်ပုံ ထုတ်လုပ်ခြင်းနှင့် မတူဘဲ ဤနေရာတွင် ထောက်ပံ့သည်
ဤအချက်က လူများကို ရှုပ်ထွေးစေတတ်သဖြင့် ရှင်းရှင်းလင်းလင်း ပြောရလျှင်
| လမ်းကြောင်း | မူရင်းပုံ | Negative prompt | အချိုးအစား | Prompt ပုံစံ |
|---|---|---|---|---|
| စာသားမှ ရုပ်ပုံ ထုတ်လုပ်ခြင်း | 0 | မထောက်ပံ့ | ရွေးချယ်ရသည် (default square) | ဖော်ပြချက် စာသား |
| ရုပ်ပုံတစ်ပုံကို တည်းဖြတ်ခြင်း | အတိအကျ 1 | ထောက်ပံ့သည် | မူရင်းမှ ဆက်ခံသည် | ညွှန်ကြားချက် — ပြောင်းမည် + ထားမည် |
| ရုပ်ပုံ 2+ ပေါင်းစပ်ခြင်း | 2 ခု သို့မဟုတ် ထို့ထက်ပို | ထောက်ပံ့သည် | canvas အသစ် ရွေးချယ်နိုင် | အခန်းကဏ္ဍ အမည်တပ် စာသား |
စာသားမှ ရုပ်ပုံ ထုတ်လုပ်ခြင်းသည် negative prompt လုံးဝ မယူပါ — ဘာမှမရှိရာမှ ထုတ်လုပ်ခြင်း၊ သင်လိုချင်သည်ကိုသာ ဖော်ပြခြင်းသည် စည်းကမ်း ကိုယ်တိုင် ဖြစ်သည် (ဆင်ဆာမဲ့ AI ရုပ်ပုံ ထုတ်လုပ်ခြင်း ကို ကြည့်ပါ)။ တည်းဖြတ်ခြင်းသည် ကွဲပြားသည် — သင့်တွင် မူရင်းပုံ ရှိပြီးသား ဖြစ်ပြီး၊ ပြန်ဖန်တီးမှု၏ ထူးခြားသော ချို့ယွင်းချက်များကို သိပြီးသား၊ အမည်တပ်နိုင်သည့်အတွက် negative prompt တွင် နှိမ်နင်းစရာ တိကျသော အရာတစ်ခု ရှိသည်။
ဘာတွေ ပါသင့်သလဲ
Artifact များသာ ဖြစ်သည်။ ၎င်းသည် ချို့ယွင်းချက် စာရင်းသာ ဖြစ်ပြီး ဒုတိယ ညွှန်ကြားချက် channel မဟုတ်ပါ —
- extra fingers, fused fingers, malformed hands — လူတစ်ဦးကို ပြန်ဖန်တီးသော တည်းဖြတ်ချက်တိုင်း။
- warped text, garbled lettering, misspelled signage — ဆိုင်းဘုတ်၊ label သို့မဟုတ် ထုပ်ပိုးမှု ပါသော ဘောင်တိုင်း။
- duplicated limbs, duplicated railing, repeated windows — ဖယ်ရှားခြင်းနှင့် background တိုးချဲ့ခြင်းများ။
- smeared texture, blurry patch, halo around the subject, visible seam — background အစားထိုးခြင်းနှင့် အရာဝတ္ထု ဖယ်ရှားခြင်းများ။
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — အလင်းရောင် ပြန်ညှိခြင်း၊ ပုံရိပ် တည်းဖြတ်ခြင်းနှင့် ယေဘုယျ သန့်ရှင်းမှု။
ဘာတွေ မပါသင့်သလဲ
အကြောင်းအရာဆိုင်ရာ ဆုံးဖြတ်ချက်များ။ ဦးထုပ်ကို ဖယ်ချင်လျှင် ညွှန်ကြားချက်က "ဦးထုပ်ကို ဖယ်ပါ" ဖြစ်သင့်ပြီး — "ဦးထုပ်" ဟု ဖတ်ရသော negative prompt မဟုတ်ပါ။ negative prompt သည် သင့်မူရင်းပုံထဲတွင် ရှိပြီးသား အရာများကို ယုံကြည်စိတ်ချစွာ မဖယ်ရှားနိုင်ပါ — render ထဲတွင် ချို့ယွင်းချက်များ မပေါ်ရအောင် တားဆီးရုံသာ ဖြစ်သည်။ ထိုနေရာတွင် အကြောင်းအရာ ထည့်ခြင်းက အဆိုးဆုံး ရလဒ် နှစ်ခုစလုံး ရရှိစေသည် — ဦးထုပ်က ဆက်ရှိနေပြီး၊ ကွေးနေသော လက်များကို နှိမ်နင်းနိုင်မည့် နေရာလွတ်တစ်ခုလည်း ဆုံးရှုံးသွားသည်။
စည်းကမ်း၏ အခြားတစ်ဝက်သည် သင့်ညွှန်ကြားချက်ပေါ်တွင် သက်ရောက်သည် — ညွှန်ကြားချက်ထဲတွင် "X မပါစေနှင့်" ရေးခြင်းကို ရပ်ပါ။ "ကားများ မပါသော လမ်းမ၊" "မျက်မှန် မတပ်ထားသော ပုံရိပ်" နှစ်ခုစလုံးသည် မလိုချင်သော သဘောတရားကို ဝါကျထဲတွင် ထည့်ပြီး ၎င်းကို ငြင်းပယ်ခိုင်းသည် — ဘာသာစကားက ကောင်းစွာ ကိုင်တွယ်နိုင်သော်လည်း ရုပ်ပုံ conditioning က အားနည်းစွာသာ ကိုင်တွယ်သော အလုပ်တစ်ခု ဖြစ်သည်။ ဘာရှိသင့်သည်ကို အစား ပြောပါ — "ကွင်းလွတ် လမ်းမ၊ သန့်ရှင်းသော လမ်းကတင်၊" "ပိတ်ဆို့မှု မရှိသော မျက်လုံးများ ပါသော ပုံရိပ်"။ ဥပမာ F ကဲ့သို့ ခြွင်းချက် တစ်ခုတည်းမှာ လုပ်ငန်းစဉ်အကြောင်း ညွှန်ကြားချက်တစ်ခု — "ချွန်စေခြင်း မလုပ်ပါနှင့်၊" "အရောင် ပြန်မရောင်ပါနှင့်" — ဖြစ်ပြီး ၎င်းက အရာဝတ္ထုတစ်ခုကို အမည်တပ်ခြင်းထက် လုပ်ဆောင်ချက် တစ်ခုကို ငြင်းဆန်ခြင်း ဖြစ်သည်။
အလုပ် ခွဲဝေမှုကို စာကြောင်း တစ်ကြောင်းဖြင့်
ညွှန်ကြားချက် — ဘာပြောင်းမလဲ၊ ဘာထားမလဲ — အပြုသဘောဖြင့် ဖော်ပြထားသည်။ Negative prompt — render တစ်ခု ပုံမမှန်ဖြစ်နိုင်သော နည်းလမ်းများ။ ၎င်းတို့ကို သီးခြားထားလျှင် နှစ်ခုစလုံး ပိုကောင်းလာသည်။
05မူရင်းပုံ တစ်ပုံနှင့် Shannon ၎င်းကို ဘယ်လို ရွေးချယ်သနည်း
တည်းဖြတ်မှု တစ်ခုသည် အတိအကျ တစ်ပုံသော မူရင်းပုံပေါ်တွင် လည်ပတ်သည် — စကားဝိုင်းထဲတွင် ရှိပြီးသား ပုံတစ်ပုံ — အစောပိုင်းက တွဲထားသော သို့မဟုတ် သင့်အတွက် ထုတ်လုပ်ပေးထားသော — သို့မဟုတ် သင် ယခု ပို့နေသော မက်ဆေ့ချ်တွင် တွဲထားသော တစ်ပုံ ဖြစ်သည်။ စကားဝိုင်း အပြင်ဘက်မှ မည်သည့်အရာမျှ ဆွဲယူမပါဝင်ပါ၊ တည်းဖြတ်ခြင်း လမ်းကြောင်းသည် ပုံနှစ်ပုံကို တိတ်တဆိတ် ပေါင်းစပ်ခြင်း လုံးဝ မလုပ်ပါ။ သင့်ရည်ရွယ်ချက်အတွက် ပုံတစ်ပုံထက်ပို လိုအပ်ပါက — ဓာတ်ပုံ A ထဲက ဝတ်စုံကို ဓာတ်ပုံ B ထဲက လူပေါ်တင်ခြင်းကဲ့သို့ — ၎င်းသည် ပေါင်းစပ်ခြင်း ဖြစ်ပြီး၊ ပုံတစ်ပုံစီ၏ အခန်းကဏ္ဍကို အစဉ်လိုက် အမည်တပ်သော prompt ပုံစံ ကွဲပြားသည်။
ဆက်လက် တောင်းဆိုမှုများနှင့် နောက်ဆုံး သက်ဆိုင်သော ရုပ်ပုံ
ရုပ်ပုံတစ်ပုံ စကားဝိုင်းထဲတွင် ရောက်ရှိပြီးသည်နှင့် တစ်ပြိုင်နက် တိုတောင်းသော ဆက်လက် တောင်းဆိုမှုများသည် သင်မျှော်လင့်သည့်အတိုင်း အလုပ်လုပ်သည်။ "ပိုမှောင်အောင် လုပ်ပါ။" "ယခု နေဝင်ချိန်တွင် စမ်းကြည့်ပါ။" ၎င်းတို့သည် စကားဝိုင်းထဲက နောက်ဆုံး သက်ဆိုင်သော ရုပ်ပုံ — များသောအားဖြင့် သင် ရင်ဆိုင်ရသီးသန့် ရရှိလိုက်သော ရလဒ် — ကို ရည်ညွှန်းသည်၊ ထို့ကြောင့် သေးငယ်သော ညွှန်ကြားချက် အစဉ်တစ်ခုသည် တည်းဖြတ်မှု အစုအဝေးတစ်ခုကဲ့သို့ အလုပ်လုပ်သည်။ ရလဒ် သုံးခု —
- တစ်ချက်ချင်း တိုးတက်ပါ။ ဆက်လက်တောင်းဆိုမှုတိုင်းသည် ပြန်ဖန်တီးမှု အပြည့်တစ်ခု ဖြစ်သောကြောင့် "ပိုမှောင်အောင် လုပ်ပြီး သူမ ကုတ်ကိုလည်း ပြောင်းပြီး ကင်မရာကိုလည်း နိမ့်အောင် ရွှေ့ပါ" ဆိုသည်မှာ တည်းဖြတ်မှု သုံးခု တစ်ကြိမ်တည်း အောင်ပွဲလုပ်ရန် ယှဉ်ပြိုင်နေခြင်း ဖြစ်သည်။ မက်ဆေ့ချ် သုံးခု ပို့ပြီး သင်နှစ်သက်ရာတွင် ရပ်ပါ။
- မျိုးဆက် ဆုံးရှုံးမှုကို ကြည့်နေပါ။ သေးငယ်သော ကွာဟမှုများ ပေါင်းစပ်လာတတ်သည်၊ ဆယ့်ခြောက်ကြိမ်မြောက် ဆက်တိုက် တည်းဖြတ်မှုတွင် တစ်ချက်ချင်းကြည့်လျှင် မှားနေဟု မထင်ရသော်လည်း မျက်နှာသည် မူရင်းမှ ဝေးလွန်းသွားနိုင်သည်။ ရွေ့လျောနေသည်ကို သတိပြုမိလျှင် ပြင်ရန် ရပ်ပါ — မူရင်း ဖိုင်ကို ပြန်တွဲပြီး သင် ယခုအချိန်အထိ သိလာသမျှ အားလုံးကို ပေါင်းစပ်ထားသော ညွှန်ကြားချက် တစ်ခု ရေးပါ။
- ရှည်လျားသော စကားဝိုင်းတွင် ပွင့်ပွင့်လင်းလင်း ရေးပါ။ "အစောပိုင်းက တွဲထားတဲ့ ကမ်းခြေ ဓာတ်ပုံကို သုံးပြီး၊ …" ဆိုသည်က ပုံအများအပြား ပါဝင်နေချိန်တွင် မရေရာမှုကို ဖယ်ရှားပေးသည်။
အတည်ပြု ကတ်သည် တွယ်ကပ်ချက် ထပ်ထည့်ရန် သင့်နောက်ဆုံး အခွင့်အရေး ဖြစ်သည်
သင် ပြောနေကျ ဘာသာစကားဖြင့် ရိုးရိုးရှင်းရှင်း တောင်းဆိုသည်။ Shannon သည် ရုပ်ပုံ လုပ်ငန်းစဉ်တစ်ခု တောင်းဆိုနေကြောင်း ဆုံးဖြတ်ပြီး၊ အင်္ဂလိပ်ဘာသာဖြင့် နောက်ဆုံး ညွှန်ကြားချက်ကို ကိုယ်တိုင် ရေးကာ၊ ဘာမှ မထွက်မီ အတည်ပြု ကတ်ပေါ်တွင် သင့်အား ပြသည်။ သင် အတည်မပြုမချင်း ဘာမှ ထွက်မလာ၊ ဘာမှ ငွေမကျပါ။ ထိုကတ်ကို ဖတ်ပါ — ငွေအသုံးမလုပ်မီ ချန်ထားရမည့် ဝါကျ ချို့ယွင်းနေသည်ကို ဖမ်းမိနိုင်သည့် နေရာ ဖြစ်သည်။
ဆက်စပ်သော အပြုအမူ နှစ်ခု — Shannon သည် ဘယ်တော့မှ မတောင်းဆိုဘဲ ထုတ်မပေးပါ — နှုတ်ဆက်စကား၊ မေးခွန်းတစ်ခု သို့မဟုတ် ရိုးရိုး တွဲပို့ထားသော ဓာတ်ပုံတစ်ခုသည် ရုပ်ပုံ လုပ်ငန်းစဉ်ကို မမောင်းနှင်ပါ။ Shannon ကို ရုပ်ပုံတစ်ခုကို ကြည့်ခိုင်းရုံသာ — ဖော်ပြခိုင်းခြင်း၊ ၎င်းထဲက စာသားကို ဖတ်ခိုင်းခြင်း၊ composition အလုပ်မဖြစ်ရသည့် အကြောင်းရင်း ပြောခိုင်းခြင်း — သည် သာမန် vision အလုပ်သာ ဖြစ်ပြီး ထုတ်လုပ်မှု မဟုတ်၊ ငွေအပိုလည်း မကျပါ။ "ဤဓာတ်ပုံအတွက် ဘာပြောင်းချင်ပါသလဲ" ဆိုသည်မှာ အခမဲ့ အကြံဉာဏ် ဖြစ်ပြီး၊ ၎င်းအပေါ် လုပ်ဆောင်ခြင်းသည် တည်းဖြတ်မှု ဖြစ်သည်။
06အချိုးအစားကို အလိုအလျောက် ဆက်ခံသည်
တည်းဖြတ်ပြီးသား ရုပ်ပုံသည် ၎င်း၏ မူရင်းပုံနှင့် တူညီသော အချိုးအစားဖြင့် ပြန်ရသည်။ သင် တစ်ခုခု ရွေးချယ်ရန် မလိုအပ်ပါ — 4:5 ဒေါင်လိုက် ပုံသည် 4:5 အတိုင်း ကျန်ရှိနေသည်၊ 16:9 ပုံသည် 16:9 အတိုင်း ကျန်ရှိနေသည်၊ အဆင်မပြေသော ဖုန်း screenshot တစ်ခုသည် ၎င်း၏ အချိုးအစားကို ဆက်ထားသည်။ သင့်ရုပ်ပုံကို တိတ်တဆိတ် reframe ပြန်လုပ်လိုက်သော တည်းဖြတ်ချက်သည် တည်းဖြတ်ချက် တစ်ခု မဟုတ်တော့ပါ — ၎င်းသည် မူရင်း border အပြင်ဘက်ရှိသည်ဟု ခန့်မှန်းချက်ဖြင့် crop တစ်ခု ဖြစ်လိမ့်မည်။
၎င်းသည် အခြား လမ်းကြောင်း နှစ်ခုနှင့် ကွာခြားသော အချက် တကယ်တမ်း ဖြစ်သည်။ စာသားမှ ရုပ်ပုံ ထုတ်လုပ်ခြင်းက square (default)၊ portrait၊ landscape၊ wide (cinematic) နှင့် tall (poster နှင့် wallpaper) မှ ရွေးချယ်ခိုင်းသည်၊ ပွင့်ပွင့်လင်းလင်း တောင်းဆိုချက်တစ်ခုက အမြဲ အနိုင်ရသည်၊ ပေါင်းစပ်ခြင်းက canvas အသစ် ရွေးချယ်ခွင့်ပေးသည်၊ ဆက်ခံရမည့် မူရင်း တစ်ခုတည်း မရှိသောကြောင့်။ ထို့ကြောင့် ပုံသဏ္ဌာန် အသစ် လိုအပ်ပါက ၎င်းသည် တည်းဖြတ်ခြင်း မဟုတ်ပါ — 1:1 ထုတ်ကုန် ဓာတ်ပုံကို 16:9 banner တစ်ခုအဖြစ် ပြောင်းလဲခြင်းဆိုသည်မှာ ဘယ်သောအခါမျှ ဓာတ်ပုံရိုက်ခဲ့ခြင်း မရှိသော pixel များကို တီထွင်ခြင်း ဖြစ်သည်။ ၎င်းကို ရည်ရွယ်ချက်ရှိရှိ ပြုလုပ်ပါ — canvas အသစ်တစ်ခုပေါ်တွင် ထုတ်လုပ်ခြင်း သို့မဟုတ် ပေါင်းစပ်ခြင်းဖြင့်။
07ဗီဒီယို ထုတ်လုပ်ခြင်း လုံးဝ မရှိပါ
ရှင်းရှင်းလင်းလင်း ပြောရလျှင်၊ လူများ မေးလေ့ရှိသောကြောင့်
Shannon သည် ဗီဒီယို ထုတ်လုပ်ခြင်း မရှိသကဲ့သို့ ရုပ်ပုံများကို လှုပ်ရှားစေခြင်းလည်း မရှိပါ။ image-to-video လမ်းကြောင်း မရှိ၊ "ဤဓာတ်ပုံကို လှုပ်ရှားစေပါ" ဆိုသည် မရှိ၊ loop မရှိ၊ cinemagraph မရှိ။ ၎င်းသည် preview သို့မဟုတ် မကြာမီ ရောက်လာမည့် စွမ်းရည် မဟုတ်ပါ — ထုတ်ကုန်ထဲတွင် လုံးဝ မရှိပါ၊ ဤစာမျက်နှာထဲက မည်သည့်အရာမျှ ဆန့်ကျင်ဘက် အနက်ဖွင့်၍ မရပါ။
Shannon 3 က ရုပ်ပုံများနှင့် လုပ်ဆောင်သည်မှာ ရုပ်ပုံအသစ် ထုတ်လုပ်ခြင်း၊ ရှိပြီးသား ရုပ်ပုံ တစ်ခုကို တည်းဖြတ်ခြင်းနှင့် ရုပ်ပုံ နှစ်ခု သို့မဟုတ် ထို့ထက်ပို ပေါင်းစပ်ခြင်း — ဤသုံးမျိုးသာ ဖြစ်သည်။ ဤစာမျက်နှာရှိ အားလုံးသည် ဒုတိယမျိုး၏ အတွင်း၌ ရှိသည်။
နှစ်ကြိမ် ပြောစရာ တန်ဖိုးရှိသည်၊ အဘယ်ကြောင့်ဆိုသော် "AI ရုပ်ပုံ တည်းဖြတ်စက်" နှင့် "AI ဗီဒီယို ထုတ်လုပ်စက်" သည် လူများစိတ်ထဲတွင် နီးစပ်လာခဲ့ပြီး၊ ဓာတ်ပုံတစ်ပုံကို ဝမ်းမြောက်စွာ အလင်းရောင် ပြန်ညှိပေးမည့် ကိရိယာတစ်ခုသည် ၎င်းကို လှုပ်ရှားစေရန် ခလုတ်တစ်ခု ဝေးမည်ဟု ခံစားရသောကြောင့်။ မဟုတ်ပါ — ၎င်းကို ဆယ်မိနစ်မြောက်မှ မဟုတ်ဘဲ ပထမ တစ်မိနစ်ထဲမှာပင် သိသင့်သည်။
08ဆင်ဆာမဲ့ ဖြစ်ခြင်းသည် ထုတ်လုပ်ခြင်းထက် တည်းဖြတ်ခြင်းအတွက် ပိုအရေးကြီးသော အကြောင်းရင်း
filter ပါသော တည်းဖြတ်စက်များသည် filter ပါသော ထုတ်လုပ်စက်များနှင့် မတူဘဲ ပျက်ကွက်တတ်ပြီး၊ များသောအားဖြင့် ပိုဆိုးသည်။ filter ပါသော ထုတ်လုပ်စက်တစ်ခုသည် သင့် prompt ကို ငြင်းပယ်သည်၊ သင် ပြန်ရေးပြီး ထပ်ကြိုးစားနိုင်သည်။ filter ပါသော တည်းဖြတ်စက်တစ်ခုသည် သင့်ညွှန်ကြားချက် တစ်လုံးမျှ မဖတ်မီ မူရင်းပုံ ကိုယ်တိုင်ကို ငြင်းပယ်နိုင်သည်။ case report အတွက် ဆေးဘက်ဆိုင်ရာ ဒဏ်ရာ ဓာတ်ပုံကို upload လုပ်လျှင် input အဆင့်တွင် ပယ်ချခံရသည်။ ချိုးရာတစ်ခုကို ပြင်ရန် သမိုင်းဝင် စစ်ပွဲ ဓာတ်ပုံတစ်ပုံကို upload လုပ်လျှင် ဓာတ်ပုံထဲက သေနတ်က စကားဝိုင်းကို အဆုံးသတ်စေသည်။ တရားဝင် အလုပ်၊ အလုံးစုံ ငြင်းပယ်ခြင်း၊ အထောက်အကူ ဖြစ်စေမည့် ပြန်ရေးခြင်းလည်း မရှိပါ။
Shannon သည် ရုပ်ပုံ လမ်းကြောင်းကို output ပေါ်တွင် content filter မရှိဘဲ၊ ညွှန်ကြားချက် ရေးသားသည့် မော်ဒယ်ပေါ်တွင် ငြင်းပယ်မှု အလွှာမရှိဘဲ လည်ပတ်စေသည်။ ဤသာမန် အလုပ်များကို ဖြစ်နိုင်စေသည့် အချက်မှာ ၎င်းပင် ဖြစ်သည် —
- အနုပညာ လူပုံနှင့် ခန္ဓာကိုယ်ဆိုင်ရာ အလုပ် — အသိပေးသဘောတူထားသော အရွယ်ရောက်ပြီးသူ ဇာတ်ကောင်များနှင့် အလုပ်လုပ်နေသော အနုပညာရှင်နှင့် ဓာတ်ပုံဆရာများအတွက် retouching၊ အလင်းရောင် ပြန်ညှိခြင်းနှင့် style ပြောင်းလဲခြင်း။
- ဆေးဘက်နှင့် မှုခင်းဆိုင်ရာ ပုံဆွဲခြင်း — သင်ကြားရေး ပစ္စည်းများ၊ case report များနှင့် mainstream တည်းဖြတ်စက်များ ချက်ချင်း ငြင်းပယ်သော ပြန်လည် တည်ဆောက်မှု အလုပ်များအတွက် သန့်ရှင်းပြီး ကလင်းနစ် ရုပ်ပုံများ။
- လုံခြုံရေး သုတေသန ရုပ်ပုံများ — phishing-အသိပေးရေး အစီအစဉ်များနှင့် red-team အစီရင်ခံစာများအတွက် screenshot များ၊ physical-security ဓာတ်ပုံများနှင့် hardware စာရွက်စာတမ်းများ။
- စိတ်ကူးယဉ်ထဲက အကြမ်းဖက်မှု — ဒဏ်ရာတစ်ခု သို့မဟုတ် လက်နက်တစ်ခု အကြောင်းအရာဖြစ်နေသော ရုပ်ရှင်၊ ဂိမ်းနှင့် ကာတွန်း ထုတ်လုပ်ရေး ပန်းချီပုံများ။
- နိုင်ငံရေး သရော်စာနှင့် ဆောင်းပါး illustration — နောက်ကွယ်တွင် ရာစုနှစ် သမိုင်းစဉ်များစွာ ရှိသော်လည်း filter ပါသော tool များတွင် ပံ့ပိုးမှု နီးပါးမရှိပါ။
- ပိုင်ရှင်၏ ကိုယ်ပိုင် အမှတ်တံဆိပ်နှင့် ရုပ်ပုံသဏ္ဌာန် အလုပ် — သင့်ကိုယ်ပိုင် ထုတ်ကုန် ဓာတ်ပုံရိုက်ခြင်း၊ logo lockup များနှင့် ပုံရိပ်များ၊ ခက်ခဲသော မိသားစု မှတ်တမ်းများကို classifier တစ်ခုနှင့် ခွင့်ပြုမပြု ငြင်းခုန်စရာ မလိုဘဲ။
ဆင်ဆာမဲ့ ဖြစ်ခြင်းသည် တာဝန်မယူခြင်း မဟုတ်ပါ။ Shannon ကို Shannon Lab LLC (New Mexico, USA) က ထုတ်ပြန်ထားသော တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ အောက်တွင် လည်ပတ်ပေးနေပြီး၊ အမှန်တကယ် ကန့်သတ်ချက်များ ရှိသည့်နေရာမှာ ဤနေရာပင် ဖြစ်သည် — classifier တစ်ခု၏ ဒဏ်ရာ ဓာတ်ပုံနှင့် ပတ်သက်သော မသက်မသာ ခံစားမှုထက် ဥပဒေနှင့် ထိခိုက်မှုအကြောင်း ကန့်သတ်ချက်များ ဖြစ်သည်။ ငြင်းပယ်မှု အလိုအလျောက် မရှိခြင်းသည် ကိရိယာအကြောင်း ဖော်ပြချက် တစ်ခု ဖြစ်ပြီး၊ သင်ဖန်တီးသည့်အရာအတွက် သင့်တာဝန်နှင့် ပတ်သက်သော ဖော်ပြချက် မဟုတ်ပါ။
09API က ဘယ်နေရာမှာ ဆိုက်ရောက်သနည်း — ဘယ်နေရာမှာ မဆိုက်ရောက်ဘူးလဲ
API ရှာဖွေမှုမှ ရောက်လာသော ဖတ်ရှုသူများအတွက် ဘုံ လမ်းလွှဲမှု ဖြစ်သည်။ ရုပ်ပုံ ထုတ်လုပ်ခြင်းနှင့် တည်းဖြတ်ခြင်းသည် Shannon chat အက်ပ်ထဲတွင် ဖြစ်ပွားပြီး API ပေါ်တွင် မဟုတ်ပါ။ /v1 dialect သုံးခု — /v1/chat/completions (OpenAI ပုံစံ)၊ /v1/messages (Anthropic ပုံစံ) နှင့် /v1/responses၊ အားလုံး streaming၊ အားလုံး မော်ဒယ် တူညီသည် — စာသားနှင့် vision ကို ဝန်ဆောင်မှုပေးသည်။ Vision ဆိုသည်မှာ မော်ဒယ်များက သင်ပို့သော ရုပ်ပုံများကို ဖတ်ခြင်း ဖြစ်သည် — ဖော်ပြခြင်း၊ စာသားကို ကူးရေးခြင်း၊ chart တစ်ခုကို ခွဲခြမ်းစိတ်ဖြာခြင်း။ ၎င်းက ရုပ်ပုံများကို ထုတ်လုပ်ခြင်း သို့မဟုတ် ပြင်ဆင်ခြင်းကို ဆိုလိုခြင်း မဟုတ်ပါ။
ထို့ကြားမှ အသုံးဝင်သော ပုံစံ တစ်ခု ကျန်နေသေးသည် — vision နှင့် ဆင်ဆာမဲ့ စာသား မော်ဒယ်ပေါင်းစပ်ခြင်းသည် အားကောင်းသော ညွှန်ကြားချက်-ရေးသား လက်ထောက် ဖြစ်သည်။ သင့်မူရင်းပုံကို API ထံ ပို့ပြီး ဘောင်ထဲတွင် ဘာရှိသည်ကို ဖော်ပြခိုင်းကာ ပြောင်းလဲမှုနှင့် တွယ်ကပ်ချက်များကို အမည်တပ်သော ညွှန်ကြားချက် မူကြမ်း ရေးခိုင်းပါ၊ ထို့နောက် ထိုညွှန်ကြားချက်ကို chat တွင် လုပ်ဆောင်ပါ — သင် မေ့သွားနိုင်သော တွယ်ကပ်ချက်များကို ၎င်းက ဖမ်းယူပေးသည်။ တောင်းဆိုမှုနှင့် တုံ့ပြန်မှု ပုံစံများကို API စာရွက်စာတမ်းတွင် ကြည့်ပါ။
10မကြာခဏ မေးလေ့ရှိသော မေးခွန်းများ
ဆင်ဆာမဲ့ AI ရုပ်ပုံ တည်းဖြတ်စက် ဆိုသည်မှာ ဘာလဲ။
ရှိပြီးသား ရုပ်ပုံတစ်ပုံနှင့် ရိုးရှင်းသော ဘာသာစကားဖြင့် ညွှန်ကြားချက်ကို ယူပြီး တည်းဖြတ်ပြီးသား ရုပ်ပုံကို ပြန်ပေးသော တည်းဖြတ်စက် ဖြစ်သည်၊ output ပေါ်တွင် content filter မရှိ၊ ညွှန်ကြားချက် ရေးသားသည့် မော်ဒယ်ပေါ်တွင် ငြင်းပယ်မှု အလွှာလည်း မရှိပါ။ ၎င်းသည် Shannon chat အက်ပ်ထဲတွင် ကျွန်ုပ်တို့ ကိုယ်ပိုင် GPU ကလပ်စတာပေါ်တွင် လည်ပတ်သဖြင့်၊ filter ပါသော တည်းဖြတ်စက်များ ငြင်းပယ်တတ်သည့် အလုပ်များ — အနုပညာ လူပုံ retouching၊ ဆေးဘက်နှင့် မှုခင်းဆိုင်ရာ ပုံဆွဲခြင်း၊ လုံခြုံရေး သုတေသန ရုပ်ပုံများ၊ စိတ်ကူးယဉ်ထဲက အကြမ်းဖက်မှု၊ နိုင်ငံရေး သရော်စာများ — ငြင်းပယ်ခံရမည့်အစား ပြီးမြောက်သွားသည်။
background ကိုသာ ပြောင်းခိုင်းလိုက်သော်လည်း မျက်နှာက အဘယ်ကြောင့် ပြောင်းသွားသနည်း။
အဘယ်ကြောင့်ဆိုသော် ညွှန်ကြားချက် တည်းဖြတ်မှုသည် သင် စိတ်ထဲထားသော နေရာကိုသာမက၊ သင့်မူရင်းပုံကို အခြေခံပြီး ဘောင်တစ်ခုလုံးကို ပြန်ဖန်တီးသောကြောင့် ဖြစ်သည် — မပြောင်းရဟု သင်က အမည်မတပ်ထားသော အရာမှန်သမျှ ရွေ့လျောနိုင်သည်။ ဖြေရှင်းနည်းမှာ တွယ်ကပ်ခြင်း ဖြစ်သည် — "မျက်နှာ၊ ဆံပင်ပုံစံ၊ ကိုယ်ဟန်နှင့် အဝတ်အစားကို အတိအတိအတူတူ ထားပါ၊ ကင်မရာထောင့်နှင့် crop အတူတူ ထားပါ" ကဲ့သို့ ထိန်းထားရမည့် ဝါကျ ထည့်ပါ။ မပြောင်းရသော အပိုင်းများကို အမည်တပ်ခြင်းသည် သင့်လက်ထဲတွင် ရှိသော အကြီးမားဆုံး အရည်အသွေး လီဗာ ဖြစ်သည်။
Shannon ရုပ်ပုံ တည်းဖြတ်ခြင်းတွင် negative prompt ကို ထောက်ပံ့ပါသလား။
ထောက်ပံ့သည်။ လုံးဝ မထောက်ပံ့သော စာသားမှ ရုပ်ပုံ ထုတ်လုပ်ခြင်းနှင့် မတူဘဲ၊ တည်းဖြတ်ခြင်းနှင့် ရုပ်ပုံ အများအပြား ပေါင်းစပ်ခြင်း လမ်းကြောင်း နှစ်ခုစလုံးက ၎င်းကို ထောက်ပံ့သည်။ ညွှန်ကြားချက်ထဲတွင် "X မပါစေနှင့်" ဟု ရေးမည့်အစား၊ မလိုချင်သော artifact များ — လက်ချောင်း အပို၊ လိပ်နေသော စာလုံးများ၊ ထပ်နေသော ဓာတ်တိုင် ကန့်လန့်ကျင်များ၊ အသားအရေ ပလတ်စတစ်ကွက်၊ watermark များ — အတွက် သုံးပါ။ အကြောင်းအရာဆိုင်ရာ ဆုံးဖြတ်ချက်များသည် အပြုသဘောဖြင့် ဖော်ပြထားသော ညွှန်ကြားချက်ထဲတွင် ရှိသင့်ပြီး၊ artifact ဖယ်ရှားမှုသည် negative prompt ထဲတွင် ရှိသင့်သည်။
Shannon က ကျွန်ုပ်၏ ရုပ်ပုံကို လှုပ်ရှားစေနိုင်ပါသလား၊ ဗီဒီယိုအဖြစ် ပြောင်းပေးနိုင်ပါသလား။
မလုပ်ဆောင်ပါ။ Shannon သည် ဗီဒီယို ထုတ်လုပ်ခြင်းလည်း မရှိ၊ ရုပ်ပုံများကို လှုပ်ရှားစေခြင်းလည်း မရှိပါ။ image-to-video လမ်းကြောင်း မရှိသကဲ့သို့ ကြေညာနေသည့် အစီအစဉ်လည်း မရှိပါ။ Shannon 3 သည် ရုပ်ပုံအသစ် ထုတ်လုပ်ခြင်း၊ ရှိပြီးသား ရုပ်ပုံ တစ်ခုကို တည်းဖြတ်ခြင်း၊ သို့မဟုတ် ရုပ်ပုံ နှစ်ခု သို့မဟုတ် ထို့ထက်ပို ပေါင်းစပ်ခြင်း — ထိုသုံးမျိုးသာ လုပ်ဆောင်ပြီး ၎င်းထက် ပိုမလုပ်ပါ။
တည်းဖြတ်မှုတစ်ခုတွင် မူရင်းပုံ ဘယ်နှစ်ပုံ သုံးသနည်း။
အတိအကျ တစ်ပုံသာ — စကားဝိုင်းထဲတွင် ရှိပြီးသား ရုပ်ပုံ တစ်ပုံ သို့မဟုတ် သင့်လက်ရှိ မက်ဆေ့ချ်တွင် တွဲထားသော တစ်ပုံ ဖြစ်သည်။ တစ်ပုံမှ ဝတ်စုံကို အခြားတစ်ပုံမှ လူပေါ်တင်ခြင်းကဲ့သို့ ပုံနှစ်ပုံ သို့မဟုတ် ထို့ထက်ပိုသော ပုံများမှ အစိတ်အပိုင်းများ လိုအပ်ပါက၊ ၎င်းသည် တည်းဖြတ်ခြင်းမဟုတ်ဘဲ ပေါင်းစပ်ခြင်း ဖြစ်ပြီး၊ ဒုတိယပုံကို စကားလုံးဖြင့် ဖော်ပြမည့်အစား တကယ့်ပုံများကို ပေးသင့်သည်။
mask ဆွဲရန် သို့မဟုတ် inpainting သုံးရန် လိုအပ်ပါသလား။
မလိုအပ်ပါ။ brush၊ lasso သို့မဟုတ် mask အလွှာ လုံးဝ မရှိပါ။ သင်သည် ပြောင်းလဲမှုကို ဝါကျတစ်ကြောင်းဖြင့် ဖော်ပြရုံဖြင့် နေရာကို သင့်စကားလုံးများမှ ခန့်မှန်းသည်၊ ထို့ကြောင့် တိကျသော နာမ်များ အရေးကြီးသည် — "ညာဘက်ရှိ ရပ်နားထားသော ငွေရောင် ကား" သည် "အဲဒီအရာ" ထက် ပစ်မှတ်ကို များစွာ ပိုတိကျသည်။ ထို့ကြောင့် Shannon သည် ရွေးချယ်စရာ အလုပ် မလိုချင်ဘဲ ရလဒ်ကိုသာ လိုချင်သူများအတွက် လက်တွေ့ကျသော ဆင်ဆာမဲ့ inpainting အစားထိုး တစ်ခု ဖြစ်လာသည်။
Shannon API မှတစ်ဆင့် ရုပ်ပုံများကို တည်းဖြတ်နိုင်ပါသလား။
မတည်းဖြတ်နိုင်ပါ။ ရုပ်ပုံ ထုတ်လုပ်ခြင်းနှင့် တည်းဖြတ်ခြင်းသည် Shannon chat အက်ပ်ထဲတွင်သာ ရှိသည်။ /v1/chat/completions၊ /v1/messages နှင့် /v1/responses ဟူသော /v1 dialect များသည် စာသားနှင့် vision ကို ဝန်ဆောင်မှု ပေးသည် — သင်ပို့သော ရုပ်ပုံများကို ဖတ်ပြီး ခွဲခြမ်းစိတ်ဖြာသော်လည်း ပုံများကို ထုတ်လုပ်ပေးခြင်း သို့မဟုတ် တည်းဖြတ်ပေးခြင်း မလုပ်ပါ။ ဘုံ workflow တစ်ခုမှာ API ၏ vision ကို တွယ်ကပ်ချက်ပါ ညွှန်ကြားချက် မူကြမ်း ရေးခိုင်းပြီး chat ထဲတွင် တည်းဖြတ်မှုကို လုပ်ဆောင်ခြင်း ဖြစ်သည်။
filter နှင့် ငြင်းခုန်စရာမလိုဘဲ ရုပ်ပုံတစ်ပုံကို တည်းဖြတ်ပါ
ဓာတ်ပုံတစ်ပုံ တွဲပါ၊ ဝါကျတစ်ကြောင်း ရေးပါ၊ ဘာထားမလဲ အမည်တပ်ပါ။
တည်းဖြတ်ခြင်း စတင်ပါ API စာရွက်စာတမ်း ဖတ်ပါရုပ်ပုံများသည် ကျွန်ုပ်တို့ ကိုယ်ပိုင် GPU ကလပ်စတာပေါ်တွင် render ဖြစ်သည် · သင် ကတ်ကို အတည်မပြုမချင်း ဘာမှ render မဖြစ်၊ ငွေလည်း မကျပါ
Shannon AI ကို Shannon Lab LLC, New Mexico, USA က လည်ပတ်ပေးနေသည်။ ရုပ်ပုံ ထုတ်လုပ်ခြင်း၊ တည်းဖြတ်ခြင်းနှင့် ပေါင်းစပ်ခြင်းသည် Shannon 3 ၏ chat-app အင်္ဂါရပ်များ ဖြစ်ပြီး /v1 API သည် စာသားနှင့် vision ကိုသာ ဝန်ဆောင်မှုပေးသည်။ ထုတ်ကုန်ထဲတွင် ဗီဒီယို ထုတ်လုပ်ခြင်း လုံးဝ မရှိပါ။ တည်းဖြတ်ခြင်းသည် မူရင်းပုံ အတိအကျ တစ်ပုံကို လက်ခံပြီး ၎င်း၏ အချိုးအစားကို ဆက်ခံသည်။ ဆင်ဆာမဲ့ ရုပ်ပုံ လမ်းကြောင်းများ အသုံးပြုခြင်းကို တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ က ထိန်းချုပ်သည်။