AI ရုပ်ပုံ Prompt လမ်းညွှန်

လူအများစုသည် SDXL ပေါ်တွင် သင်ယူခဲ့သော prompt အလေ့အထများနှင့် ရောက်လာကြသည် — ကော်မာခြားထားသော နာမ် စာကြောင်း၊ အရည်အသွေး token နိဒါန်း၊ ကွင်းစဉ်ထဲက အလေးချိန် အနည်းငယ်နှင့် positive prompt လောက် ရှည်သော negative prompt တစ်ခု။ ထို အလေ့အထများသည် ထို မော်ဒယ်များအတွက် မှန်ကန်ခဲ့ပြီး ဤနေရာတွင်မူ ဆန့်ကျင်ဘက် အကျိုးသက်ရောက်သည်။ ဤသည်မှာ တကယ် အလုပ်ဖြစ်သည့်အရာ၏ အကျဉ်းချုပ် ဖြစ်သည် — ထို့ပြင် Shannon က သင့်ကိုယ်စား ထုတ်လုပ်ရေး prompt ကို ရေးပေးပြီး ပုံမထွက်မီ ပြသသဖြင့်၊ ၎င်းသည် Shannon တင်ပြသည့်အရာကို ဖတ်ပြီး ပြင်ဆင်ရန် လမ်းညွှန်လည်း ဖြစ်သည်။

01စာပိုဒ်က tag ကို အဘယ်ကြောင့် သာလွန်သလဲ — မော်ဒယ်သည် ဘာသာစကား မော်ဒယ်တစ်ခုကဲ့သို့ ဖတ်သည်

prompt အကြံပြုချက် အများစုကို ရေးသားခဲ့ရာ ဟောင်းနွမ်းသော diffusion မော်ဒယ်များသည် လက်တွေ့တွင် သဘောတရားများ စုပုံထားသည့် အိတ်တစ်လုံးကဲ့သို့ လုပ်ဆောင်သည့် စာသား encoder ကို သုံးခဲ့သည် — သဒ္ဒါက အရေးမပါသလောက် ဖြစ်ပြီး၊ အနိုင်ရ နည်းဗျူဟာမှာ သက်ဆိုင်ရာ နာမ်များကို စုပုံပြီး အလေးချိန်ဖြင့် ဘက်လိုက်စေခြင်း ဖြစ်သည်။ Tag စုပုံခြင်းသည် ထို encoder အတွက် မှန်ကန်သော prompt ပုံသဏ္ဌာန် ဖြစ်ခဲ့သည်။

Shannon ၏ Image Model သည် ထိုသို့ အလုပ်မလုပ်ပါ။ ၎င်းသည် prompt တစ်ခုကို ဘာသာစကား မော်ဒယ်တစ်ခု စာဖတ်သကဲ့သို့ ဖတ်သဖြင့် အထားအသိုက အဓိပ္ပာယ်ကို သယ်ဆောင်သည်။ "Holding an umbrella against her shoulder" သည် လူတစ်ဦး၊ အရာဝတ္ထုတစ်ခုနှင့် ခန္ဓာကိုယ် အစိတ်အပိုင်းတစ်ခုကြားက ဆက်နွှယ်မှု ဖြစ်သည်၊ "umbrella, shoulder" မှာမူ ရှိနေရုံမျှသာ အရာနှစ်ခု ဖြစ်သည်။ ဝိဘတ်များက အရာများကို နေရာချသည်။ ကြိယာများက ကိုယ်ဟန်များကို ဖန်တီးသည်။ ဝါကျပိုင်းများက အသေးစိတ်ကို ရုပ်ပုံတစ်ခုလုံးပေါ် လွင့်မျောစေမည့်အစား မှန်ကန်သော နာမ်နှင့် ချည်နှောင်ပေးသည်။

တူညီသော ရုပ်ပုံကို နည်းလမ်း နှစ်မျိုးဖြင့် တောင်းဆိုထားသည်ကို ဤတွင် ကြည့်ပါ။

woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealistic

A woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.

Tag ဗားရှင်းက မဖော်ပြနိုင်သည့်အရာကို ကြည့်ပါ။ ထီးကို ကိုင်ထား ကြောင်း ဘယ်တော့မှ မပြောသဖြင့် ၎င်းသည် မြေပြင်ပေါ်တွင် လဲနေနိုင်သည်။ Neon အလင်းသည် ကတ္တရာလမ်းပေါ် ထင်ဟပ်နေ ကြောင်း မပြောဘဲ နှစ်ခုလုံး ရှိနေကြောင်းသာ ပြောသဖြင့်၊ ဆိုင်းဘုတ်များနှင့် စိုစွတ်သော လမ်းကို ရသည်၊ ၎င်းတို့ကြားတွင် အလင်းပညာဆိုင်ရာ ဆက်နွှယ်မှု မရှိပါ။ အမျိုးသမီး ဘယ်ကို ကြည့်နေသည်ကို မပြောသဖြင့် သူမ၏ ကိုယ်ဟန်သည် ဒင်္ဂါးလှန်သလို ဖြစ်နေသည်။ "Cinematic lighting" သည် အလင်း အရင်းအမြစ် မဟုတ်ဘဲ စိတ်ခံစားမှု အညွှန်း ဖြစ်သည်။ ထို့ပြင် နောက်ဆုံး token ငါးခုသည် ဆူညံသံ ဖြစ်ပြီး၊ ထိန်းချုပ်မှု အထိန်းများ မဟုတ်ဘဲ ဓာတ်ပုံပညာအကြောင်း အင်္ဂလိပ် စကားလုံးများအဖြစ် ဖတ်ခံရသည်။

စာပိုဒ် ဗားရှင်းသည် အလှဆင်ထားသောကြောင့် ရှည်နေခြင်း မဟုတ်ပါ။ Tag ဗားရှင်းက ဖြေမထားသည့် မေးခွန်းများကို ဖြေထားသောကြောင့် ရှည်နေခြင်း ဖြစ်သည်။ ထိုအရာသည် အလုပ်ဖြစ်စေသည့် နည်းလမ်း တစ်ခုလုံး ဖြစ်သည်။

02ရုပ်ပုံ prompt တစ်ခု ဘယ်လောက် ရှည်သင့်သလဲ

စကားလုံး 30 မှ 80 ကို ရည်မှန်းပါ။ 100 ကို များစွာ မကျော်ပါနှင့်။ ဤအရာသည် သင့်တွင် ရရှိနိုင်သည့် အလွယ်ကူဆုံး အရည်အသွေး တံဆိပ် ဖြစ်ပြီး၊ အကွာအဝေး၏ အစွန်း နှစ်ဖက်လုံး အရေးကြီးသည်။

စကားလုံး 30 အောက်တွင် ဖွဲ့စည်းပုံ၊ အလင်းနှင့် ဘောင်ခတ်မှုကို မသတ်မှတ်ရသေးသဖြင့် မော်ဒယ်သည် စာရင်းအင်းအရ အသာမန်ဆုံး အရာကို ရွေးလိုက်သည်။ "A woman in a coffee shop" သည် တရားဝင် prompt တစ်ခု ဖြစ်သော်လည်း မေ့ပျောက်လွယ်သော ရုပ်ပုံတစ်ခုကို ထုတ်ပေးသည်၊ အကြောင်းမှာ စိတ်ဝင်စားဖွယ် ဆုံးဖြတ်ချက် တိုင်းကို သင် လွှဲအပ်လိုက်သောကြောင့် ဖြစ်သည်။

စကားလုံး 100 ခန့် အထက်တွင် ကွဲပြားသော ချို့ယွင်းချက်တစ်ခု ပေါ်လာသည် — နောက်ပိုင်း ဝါကျပိုင်းများသည် ရုပ်ပုံ၏ တူညီသော ဒေသများအတွက် ရှေ့ပိုင်းများနှင့် ယှဉ်ပြိုင်လာပြီး၊ အသေးစိတ် စုပုံလာမည့်အစား ပျော့ဖျော့သွားသည်။ တတိယ အလင်း ဖော်ပြချက်က ပထမတစ်ခုကို ဖျက်ပစ်ပြီး၊ ပထမ စကားလုံး ရှစ်လုံးထဲတွင် သင် တည်ဆောက်ခဲ့သော အကြောင်းအရာသည် သင် ထပ်ထည့်သည့် ဝါကျတိုင်းနှင့်အမျှ အာရုံစိုက်မှု လျော့နည်းသွားသည်။ prompt ရှည်များသည် ပြည့်စုံပုံ ဖတ်ရသည်။ ပြည့်စုံစွာ ပုံမထွက်ပါ။

စည်းကမ်းမှာ — သင် လိုချင်သည့် prompt ကို ရေးပါ၊ ထို့နောက် ဖယ်လိုက်ပါက ရုပ်ပုံကို ပြောင်းလဲစေမည့် ဝါကျများသာ ကျန်အောင် ဖြတ်တောက်ပါ။

03အစီအစဉ် စည်းကမ်း — အရေးကြီးဆုံးအရာ ရှေ့ဆုံး

မော်ဒယ်သည် အစဉ်လိုက် ဖတ်သောကြောင့် နေရာသည် အလေးပေးမှု ဖြစ်သည် — ရှေ့ဆုံးရောက်သည့်အရာက ရုပ်ပုံကို ချည်နှောင်ပြီး၊ နောက်ဆုံးရောက်သည့်အရာက ၎င်းကို ချိန်ညှိပေးသည်။ မော်ဒယ် လိုအပ်သည့် အစီအစဉ်အတိုင်း ထားပါ —

1. အကြောင်းအရာ — ဤရုပ်ပုံသည် မည်သူ သို့မဟုတ် မည်သည့်အရာ အကြောင်း ဖြစ်သည်ကို တိကျစွာ။
2. လှုပ်ရှားမှု သို့မဟုတ် ကိုယ်ဟန် — သူတို့ ဘာလုပ်နေသလဲ၊ မည်သို့ ကိုင်ထားသလဲ။
3. ပုံစံ သို့မဟုတ် အာရုံ — ဓာတ်ပုံ၊ ဆီဆေးပန်းချီ၊ နည်းပညာဆိုင်ရာ ပုံဆွဲခြင်းနှင့် ၎င်း၏ အသံနေအသံထား။
4. နေရာနှင့် အလင်း — ဤအရာ ဘယ်မှာ ဖြစ်သလဲ၊ ဘယ်အလင်းက ကျရောက်နေသလဲ။
5. နည်းပညာ — ဘောင်ခတ်ခြင်း၊ မှန်ဘီလူး၊ အနက်ကွက်နှင့် အရောင် အသေးစိတ်များ။

အဖြစ်များဆုံး ကိုယ်တိုင် ဖန်တီးသော ဒဏ်ရာမှာ နည်းပညာ ဝါကျပိုင်းဖြင့် စတင်ခြင်း ဖြစ်သည်။ "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" ဖြင့် စတင်ခြင်းက မော်ဒယ်ကို အသွင်အပြင် သည် အကြောင်းအရာ ဖြစ်ပြီး လူသည် အသေးစိတ် တစ်ခုသာ ဖြစ်ကြောင်း ပြောလိုက်ခြင်း ဖြစ်သည်။ လှပသော်လည်း ဗလာဖြစ်နေသည့် ဘောင်တစ်ခုထဲတွင် သေးငယ်၍ မထင်ရှားသော ပုံသဏ္ဌာန်တစ်ခု ရလိမ့်မည်။

Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.

A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.

ပထမ ဗားရှင်းမှ ဒြပ်စင် တိုင်းသည် ဒုတိယထဲတွင် ကျန်ရစ်သည်၊ ဘာမှ မဖျောက်ခဲ့ပါ။ မော်ဒယ်သည် ဘယ်လို ရိုက်ရမည်ကို မပြောခင် ရုပ်ပုံသည် ဘာ အကြောင်း ဖြစ်သည်ကို ယခု သိလိုက်ရုံသာ ဖြစ်သည် — ထို ပြန်စီခြင်း တစ်ခုတည်းက အကြောင်းအရာကို အလွယ်တကူ ပါလာသည့်အရာမှ အဓိကနေရာသို့ ရွှေ့ပေးလိုက်သည်။

04အကြောင်းအရာအပေါ် တိကျပါ

"A person" သည် အကြောင်းအရာ မဟုတ်ပါ၊ နေရာဖြည့် တစ်ခုသာ ဖြစ်သည် — ထို့ပြင် မော်ဒယ်သည် နေရာဖြည့်များကို မိမိ မြင်ဖူးသမျှ၏ ပျမ်းမျှဖြင့် ဖြည့်လိုက်သည်၊ ထိုနေရာမှပင် တောက်ပြောင်၍ အသက်အရွယ် မရှိသလို ဖြစ်နေသည့် ဇာတ်ကောင် မဲ့သော အသွင်အပြင် ထွက်လာခြင်း ဖြစ်သည်။ တိကျမှုသည် စကားလုံး ငါးလုံး ကုန်ကျပြီး တိကျသော လူသားတစ်ဦးကို ဝယ်ပေးသည် —

ပုံစံကို သတိပြုပါ — အသက် သို့မဟုတ် ခေတ်၊ ဖွဲ့စည်းပုံ အင်္ဂါရပ် တစ်ခု၊ ခွဲခြားသိစေသော ချို့ယွင်းချက် တစ်ခု။ တတိယ အချက်ကပင် ရလဒ်ကို ထုတ်လုပ်ထားသည်ထက် ဓာတ်ပုံရိုက်ထားသလို ခံစားရစေသည်။ ကျိုးနေသော သွား၊ ပွန်းနေသော အနား၊ ဆေးသုတ်ဖုံးထားသော ဆိုင်းဘုတ် — သေးငယ်သော မညီညာမှုများသည် ရရှိနိုင်သည့် အခိုင်မာဆုံး ပလပ်စတစ် ဆန့်ကျင်ရေး အချက်ပြမှု ဖြစ်ပြီး၊ သင့် စကားလုံး ခွဲတမ်းထဲတွင် ကုန်ကျစရိတ် နီးပါး မရှိပါ။

05ဓာတ်ပုံဆန်မှု — တောင်းဆိုချက်ကို ဓာတ်ပုံတစ်ပုံအဖြစ် ရေးပါ

အနုပညာ၊ ပုံဆွဲခြင်း သို့မဟုတ် anime ကို မတောင်းဆိုပါက ဓာတ်ပုံဆန်မှုသည် မူလ အသံနေအသံထား ဖြစ်သည်။ သို့သော် "photorealistic" ဆိုသည့် စကားလုံးက အလုပ် နည်းနည်းသာ လုပ်သည်။ ဓာတ်ပုံတစ်ပုံကို ထုတ်ပေးသည့်အရာမှာ ဓာတ်ပုံရိုက်သည့် လုပ်ဆောင်ချက်ကို ဖော်ပြခြင်း ဖြစ်သည် — အစစ်အမှန် ကင်မရာ၊ အစစ်အမှန် မှန်ဘီလူးနှင့် အစစ်အမှန် ဖလင် အမျိုးအစား သို့မဟုတ် အလင်း အရင်းအမြစ်။

အကြောင်းရင်းက ရိုးရှင်းသည်။ "Kodak Portra 400" ဟု စာတန်းထိုးထားသော ရုပ်ပုံ တိုင်းကို တိကျသော အမှုန်အမွှား ဖွဲ့စည်းပုံ၊ အလင်းစွန်း ကျဆင်းမှုနှင့် အသားရေ ဖော်ပြပုံ ရှိသည့် တိကျသော လုပ်ငန်းစဉ်တစ်ခုဖြင့် ပြုလုပ်ခဲ့ခြင်း ဖြစ်ပြီး၊ ဖလင် အမျိုးအစားကို အမည်တပ်ခြင်းက ထိုအရာ အားလုံးကို ခေါ်ယူပေးသည်။ "8k ultra detailed" သည် stock ဆိုက် spam များပေါ်တွင်သာ ပေါ်ခဲ့ဖူးသဖြင့် ၎င်းက stock ဆိုက် spam ကို ခေါ်ယူပေးသည်။ တူညီသော အကြောင်းအရာ၏ သိသိသာသာ ကွဲပြားသည့် ရုပ်ပုံများကို ထုတ်ပေးသော ယုံကြည်ရသည့် ချက်ပြုတ်နည်း အနည်းငယ် —

အခြေခံချမှုကို ချက်ပြုတ်နည်းနှင့် ကိုက်ညီအောင် လုပ်ပါ — မျက်နှာ အမြင့် pixel ရှစ်ဆယ်သာ ရှိသည့် 24mm ကျယ်ပြန့်ရိုက်ချက်တွင် အပေါက် အဆင့် အသားရေ အသွင်အပြင်သည် အဓိပ္ပာယ် မရှိပါ — ထို့နောက်မှ ၎င်းကို ထည့်ပါ။ အခြေခံချသည့် အသေးစိတ် ဆိုသည်မှာ — မှန်ဘီလူးတစ်ခုက ဤအရာကို တကယ် မှတ်တမ်းတင်ခဲ့ကြောင်း ပြသည့် အသွင်အပြင် အထောက်အထား ဖြစ်သည်။ မြင်နိုင်သော အသားရေ အပေါက်များနှင့် နူးညံ့သော မျက်နှာမွေး။ ပိတ်ချောရှပ်၏ ရက်လုပ်မှု။ အလင်းတန်းထဲက ဖုန်မှုန်များ။ သားရေဖိနပ်ပေါ်က ခြစ်ရာ။ တောက်ပသော နောက်ခံရှေ့တွင် လွင့်နေသော ဆံပင်များ။ နှစ်ခု သုံးခု လုံလောက်ပြီး၊ ၎င်းတို့သည် လူတစ်ဦး၏ ပုံဖော်မှုတစ်ခုနှင့် လူတစ်ဦး၏ ဓာတ်ပုံတစ်ပုံကြားက ခြားနားချက် ဖြစ်သည်။

06အလွှာလိုက် မြင်ကွင်းများ — ရှေ့ခံ၊ အလယ်ခံ၊ နောက်ခံ

မြင်ကွင်းတစ်ခုတွင် အနက် ရှိသည့်အခါ အလွှာ သုံးခုကို သီးခြားစီ၊ အစီအစဉ်လိုက် ဖော်ပြပါ။ ဤသည်မှာ နောက်ခံပန်းချီများ မဟုတ်ဘဲ နေရာများကဲ့သို့ ခံစားရသင့်သည့် ရုပ်ပုံများအတွက် အထိရောက်ဆုံး နည်းစနစ် ဖြစ်ပြီး၊ လူနီးပါး မလုပ်ကြပါ။ ၎င်း မပါဘဲဆိုလျှင် ပြားချပ်မှု ရသည် — prompt ဖော်ပြသမျှ အားလုံးသည် ခန့်မှန်းခြေ တူညီသော အကွာအဝေးတွင် ရောက်လာပြီး၊ ဘောင်၏ တူညီသော အလယ် အလွှာအတွက် ယှဉ်ပြိုင်ကြသည်။ အလွှာများကို အမည်တပ်ခြင်းက မော်ဒယ်အား သုံးစွဲရန် အနက် ခွဲတမ်းတစ်ခု ပေးသည်။

In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.

သန့်စင်ချက် နှစ်ခု။ ရှေ့ခံတွင် တမင် အာရုံမစူးသော အရာတစ်ခု ထားပါ — နက်ရှိုင်းသော မြင်ကွင်းများ၏ တကယ့် ဓာတ်ပုံများတွင် အမြဲနီးပါး တစ်ခု ရှိပြီး၊ ၎င်း မရှိခြင်းသည် အဖြစ်များသော အထောက်အထား ဖြစ်သည်။ ထို့ပြင် အကြောင်းအရာသည် မည်သည့် အလွှာတွင် ရှိသည်ကို ပြောပါ — စက်ဘီး ပို့ဆောင်သူသည် ရုပ်ပုံ၏ အဓိက ဖြစ်လျှင် သူမသည် အလယ်ခံတွင် ရှိသင့်သည်၊ သို့မဟုတ်ပါက အဆောက်အအုံနှင့် ကော်ဖီခွက်က သူမနှင့် ဘောင်အတွက် လုယက်ကြလိမ့်မည်။

07တိကျသော အရောင်များ — hex ကုဒ်များကို အရာဝတ္ထုများနှင့် ချည်နှောင်ပါ

အမှတ်တံဆိပ် အလုပ်၊ ဝတ်စုံ ဆက်စပ်မှု သို့မဟုတ် "အနီ" က မလုံလောက်သည့် မည်သည့်နေရာအတွက်မဆို hex ကုဒ်ကို color #RRGGBB အဖြစ် ရေးပြီး အမည်ရှိ အရာဝတ္ထုတစ်ခုနှင့် ချည်နှောင်ပါ —

...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F.

...#8B0000, #1E3A5F, dark red and navy color palette, moody...

လက်တွေ့ စည်းမျဉ်း သုံးခု။ တကယ် အရေးကြီးသော အရောင် နှစ်ခု သုံးခုအတွက် hex ကို သုံးပြီး ကျန်အတွက် ရိုးရိုးစကားလုံး သုံးပါ — hex ကုဒ် ခြောက်ခုပါသော prompt တစ်ခုသည် မိမိ ခွဲတမ်း အများစုကို ဆေးရောင် နမူနာများပေါ်တွင် သုံးပစ်သည်။ ကုဒ်ကို အနားသတ် ရှိသော အရာဝတ္ထုတစ်ခုနှင့် ချည်နှောင်ပါ၊ "အလင်း" သို့မဟုတ် "အာရုံ" နှင့် ဘယ်တော့မှ မချည်နှောင်ပါနှင့်။ ထို့ပြင် ၎င်းသည် နောက်ဆုံး pixel တန်ဖိုးကို မဟုတ်ဘဲ အရာဝတ္ထု၏ အရောင်ကို သတ်မှတ်ကြောင်း မှတ်ထားပါ — ရွှေရောင် အချိန် နောက်ကျောအလင်းအောက်ရှိ #8B0000 အင်္ကျီသည် နမူနာအရောင်ထက် ပိုနွေးထွေးစွာ ပေါ်လာမည်၊ လက်တွေ့ ဘဝတွင် ဖြစ်မည့်အတိုင်း အတိအကျ ဖြစ်သည်။

08အချိုးအစား ရွေးချယ်ခြင်း

အချိုးအစား ငါးမျိုး ရရှိနိုင်ပြီး မှန်ကန်သည့်တစ်ခုကို များသောအားဖြင့် အကြောင်းအရာက ညွှန်းပေးသည်၊ သို့သော် သင့်ထံမှ တိတိကျကျ တောင်းဆိုချက်က အမြဲ အနိုင်ရသည် — နောက်ခံပုံတစ်ခု တောင်းလျှင် အကြောင်းအရာက ဘာညွှန်းသည် ဖြစ်စေ tall ကို ရလိမ့်မည်။

ဤအရာ မှားခြင်းက ထင်သည်ထက် ပိုပျက်စီးစေသည်။ wide ဘောင်ထဲက ကိုယ်လုံး ရပ်နေသော ပုံသဏ္ဌာန်တစ်ခုသည် ဘောင်ကြီးထဲက ပုံသေးတစ်ခုကို မပေးပါ — များသောအားဖြင့် ဖြတ်တောက်ခံရသည့် ပုံတစ်ခုကို ပေးသည်၊ အကြောင်းမှာ မော်ဒယ်သည် အကျယ်ကို ဖြည့်လိုက်ပြီး ခေါင်း သို့မဟုတ် ခြေထောက်က ဘောင်ပြင်သို့ ထွက်သွားသောကြောင့် ဖြစ်သည်။ ဘောင်ကို အကြောင်းအရာ၏ လွှမ်းမိုးသော ဝင်ရိုးနှင့် ကိုက်ညီစေပါ၊ ဖွဲ့စည်းပုံ ညည်းညူချက် အများစု ပျောက်သွားလိမ့်မည်။

မှတ်ထားထိုက်သော အပြုအမူ နှစ်ခု — တည်းဖြတ်ခြင်းသည် မူရင်း ရုပ်ပုံ၏ အချိုးအစားကို အလိုအလျောက် ထိန်းသိမ်းသည်၊ ထို့ကြောင့် တည်းဖြတ်ခြင်းဖြင့် ဘောင်ပြန်ချ၍ မရပါ။ ပေါင်းစပ်ခြင်းကမူ ကင်းဗတ် အသစ်တစ်ခု ရွေးခွင့် ပေးသည် — သင့်တွင် ရှိပြီးသား အရာတစ်ခု၏ ပုံသဏ္ဌာန်ကို ပြောင်းရန် အသန့်ရှင်းဆုံး နည်းလမ်း မကြာခဏ ဖြစ်သည်။

09ဆန့်ကျင်ဘက် ပုံစံများ — ရပ်တန့်သင့်သည့်အရာ

အရည်အသွေး token များ — "masterpiece, best quality, 8k, ultra detailed"

ဤအရာများသည် စာတန်း စကားစုအချို့က ရုပ်ပုံ အရင်းအမြစ်အချို့နှင့် ဆက်စပ်နေခဲ့သည့် ဟောင်းနွမ်းသော လေ့ကျင့်ရေး ဖြန့်ဝေမှု တစ်ခုအတွက် အသိုင်းအဝိုင်းက ရှာဖွေတွေ့ရှိခဲ့သော အထိန်းများ ဖြစ်သည်။ ၎င်းတို့ ကူးပြောင်း၍ မရပါ။ ဤနေရာတွင် ၎င်းတို့ကို သာမန် အင်္ဂလိပ် စကားလုံးများအဖြစ် ဖတ်ပြီး၊ ဘာမှ မထောက်ပံ့ဘဲ၊ ကျပ်တည်းကြောင်း သင့်အား ပြောပြီးသား စကားလုံး ခွဲတမ်း၏ တစ်စိတ်တစ်ပိုင်းကို စားလိုက်သည်။ အစားထိုးနည်းမှာ သင် မည်သည့် အသေးစိတ်ကို လိုချင်သည်ဟု ပြောခြင်း ဖြစ်သည် — "ultra detailed" မဟုတ်ဘဲ "ကုတ်အင်္ကျီ အထည်ပေါ်က မြင်နိုင်သော ရက်လုပ်မှုနှင့် မေးရိုးတစ်လျှောက် နူးညံ့သော မုတ်ဆိတ်တို" — ရည်ရွယ်ချက် တူညီပြီး၊ မော်ဒယ် ပုံဖော်နိုင်သည့်အရာအဖြစ် ဖော်ပြထားခြင်း ဖြစ်သည်။

အလေးချိန် အထားအသို — (word:1.3)၊ [word]၊ {{word}}

မဖတ်ပါ။ ကွင်းစဉ်၊ ကွင်းလေး၊ အစက်နှစ်ခုနှင့် ဂဏန်းများသည် စာသား အတိအကျအဖြစ် ကျရောက်ပြီး၊ ရှိသေးသည်ဆိုလျှင် ဝန်းကျင် ဝါကျပိုင်းကို ဖတ်ရ ပိုခက်စေသည်။ တစ်ခုခုကို ပိုအလေးပေးလိုပါက အလုပ်ဖြစ်သည့် အထိန်း နှစ်ခုကို သုံးပါ — prompt ထဲတွင် ၎င်းကို ရှေ့သို့ ရွှေ့ပါ၊ ထို့ပြင် ၎င်းကို စကားလုံး ပိုပေးပါ။ "A crimson silk scarf, its fringed ends lifting in the wind" သည် အရေးကြီးသော တိုင်းတာချက် တိုင်းအရ "(red scarf:1.4)" ကို သာလွန်သည်။

ဆန့်ကျင်နေသော ညွှန်ကြားချက်များ

မကိုက်ညီသော ညွှန်ကြားချက်များ ရောနှောခြင်းက ၎င်းတို့ကို မပေါင်းစပ်ပါ၊ နှစ်ခုလုံးကို များသောအားဖြင့် မကျေနပ်စေသည့် မတည်မငြိမ် ပျမ်းမျှတစ်ခုကို ထုတ်ပေးသည်။ မကြာခဏ ကျူးလွန်သူများ —

• မီဒီယံ — "photorealistic" အပေါင်း "watercolor"၊ "oil painting" အပေါင်း "shot on 85mm"။ တစ်ခု ရွေးပြီး ကတ်ထားပါ။
• ဘောင်ခတ်ခြင်း — "wide establishing shot" အပေါင်း "extreme close-up on her eyes"၊ "full body" အပေါင်း "detailed facial pores"။
• အလင်း — "harsh midday sun" အပေါင်း "soft golden hour glow"၊ "low key, deep shadows" အပေါင်း "bright and airy"။
• ခေတ် — "1970s film aesthetic" အပေါင်း "modern minimalist" အပေါင်း "cyberpunk"။
• ပုံစံ ထပ်ဆင့်ခြင်း — အနုပညာရှင် လေးဦး သို့မဟုတ် အမျိုးအစား လေးမျိုးကို တစ်ပြိုင်နက်။ ဆက်စပ်သော ကိုးကားချက် နှစ်ခု အလုပ်ဖြစ်နိုင်သည်၊ လေးခုက ယေဘုယျဖြစ်အောင် ဖျက်ပစ်သည်။
• ပြန့်ကြဲခြင်း — "rustic, weathered, ancient, timeworn wooden door" သည် အကြံတစ်ခုကို လေးကြိမ် ရေးထားခြင်း ဖြစ်ပြီး၊ ထပ်ခါထပ်ခါ ရေးမှုတိုင်းက prompt ၏ ကျန်အပိုင်းကို ပျော့ဖျော့စေသည်။

10စာသားမှ ရုပ်ပုံတွင် negative prompt မရှိပါ

ဤသည်မှာ အတွေ့အကြုံရှိ အသုံးပြုသူများကို အပြင်းထန်ဆုံး ဖမ်းမိသည့် ဆန့်ကျင်ဘက် ပုံစံ ဖြစ်သည်၊ အကြောင်းမှာ ဟောင်းနွမ်းသော စနစ်များတွင် negative prompt သည် အနုပညာ၏ တစ်ဝက် ဖြစ်ခဲ့သောကြောင့် ဖြစ်သည်။

ထုတ်လုပ်ခြင်းအတွက် စည်းမျဉ်းသည် အကြွင်းမဲ့ဖြစ်ပြီး အနည်းငယ် ဆန့်ကျင်ဘက် ခံစားရသည် — "no text, no watermark, no extra fingers" ဟု prompt ထဲ ရေးခြင်းက ထိုအရာများကို လျော့နည်းစေမည့်အစား ပိုဖြစ်လာစေသည်။ မော်ဒယ်သည် "no text" ကို text ဆိုသည့် သဘောတရား ပါဝင်သော ဝါကျတစ်ခုအဖြစ် ဖတ်သည်၊ ငြင်းဆိုမှုသည် အားနည်းသော အချက်ပြမှုဖြစ်ပြီး နာမ်သည် အားကောင်းသည်။ သင်သည် စာသားကို တောင်းဆိုလိုက်သည်နှင့် အတူတူ ဖြစ်သွားသည်။ ၎င်းအစား အမြဲတမ်း အပြုသဘော ပုံစံဖြင့် ဖော်ပြပါ —

တည်းဖြတ်ခြင်းနှင့် ပေါင်းစပ်ခြင်း အတွက် negative prompt ရှိပြီး သင် သုံးသင့်သည် — သို့သော် အကြောင်းအရာအတွက် မဟုတ်ဘဲ ချွတ်ယွင်းချက်များအတွက် ဖြစ်သည်။ ကောင်းသော အကြောင်းအရာများ — watermark၊ စာသား ထပ်ပိုးမှု၊ ထပ်နေသော လက်ခြေများ၊ ကွေးကောက်နေသော လက်များ၊ အလွန်အကျွံ ချွန်ထားသော အလင်းစွန်းများ၊ JPEG တုံးများ၊ ပေါင်းစပ် အနားစွန်းတစ်လျှောက် ချုပ်ရိုးများ။ မကောင်းသော အကြောင်းအရာများ — ရုပ်ပုံသည် ဘာ အကြောင်း ဖြစ်သည်နှင့် ပတ်သက်သမျှ၊ ၎င်းသည် ညွှန်ကြားချက်ထဲတွင် ရှိသင့်သည်။

11Shannon က သင့်ကိုယ်စား ရေးပေးသည့် prompt ကို ဖတ်ခြင်း

ဤလမ်းညွှန်ကို သီအိုရီ မဟုတ်ဘဲ ချက်ချင်း အသုံးပြုနိုင်စေသည့်အရာက ဤတွင် ဖြစ်သည်။ ထုတ်လုပ်ရေး prompt ကို သင် ကိုယ်တိုင် ရေးရန် မလိုပါ။ သင်သည် မည်သည့်ဘာသာစကားဖြင့်မဆို ရိုးရိုးစကားဖြင့် တောင်းဆိုသည်။ Shannon က ရုပ်ပုံတစ်ခု တောင်းဆိုနေကြောင်း အသိအမှတ်ပြုပြီး၊ အင်္ဂလိပ်ဘာသာဖြင့် ထုတ်လုပ်ရေး prompt ကို ရေးကာ၊ ပုံမထွက်မီ အတည်ပြု ကတ်ပေါ်တွင် သင့်အား ပြသည်။ သင် အတည်မပြုမချင်း ဘာမှ မထွက်၊ ငွေလည်း မကျပါ။

ထို့ကြောင့် အထူးအကျိုးရှိသော ကျွမ်းကျင်မှုမှာ prompt များကို အစမှ ရေးခြင်း မဟုတ်ဘဲ — ကတ်ပေါ်က prompt ကို ဖတ်ခြင်း ဖြစ်သည်။ ဤစာရင်းအတိုင်း စစ်ဆေးပါ —

1. အကြောင်းအရာ တိကျပါသလား။ ကတ်တွင် "a person" သို့မဟုတ် "a woman" ဟု ပါလျှင် ရရှိနိုင်သည့် အကြီးမားဆုံး တိုးတက်မှုကို သင် တွေ့ပြီ ဖြစ်သည်။ ၎င်းကို အသက်၊ ကိုယ်ထည်၊ အင်္ဂါရပ်တစ်ခု ပေးပါ။
2. အကြောင်းအရာက ရှေ့ဆုံးမှာလား။ prompt သည် ပုံစံ သို့မဟုတ် ကင်မရာဖြင့် စတင်ပါက အကြောင်းအရာဖြင့် ဦးဆောင်ရန် တောင်းဆိုပါ။
3. အကွာအဝေးထဲ ရှိပါသလား။ စကားလုံး 30 အောက်ဆိုလျှင် အလင်းနှင့် နေရာအပေါ် တိကျမှု ပိုတောင်းပါ။ 100 ကျော်လျှင် ဖြတ်တောက်ရန် တောင်းပါ။
4. အလင်း အရင်းအမြစ် ရှိပါသလား။ အာရုံ စကားလုံးတစ်ခု မဟုတ်ဘဲ — တကယ့် အလင်း — ပြတင်းပေါက်၊ လမ်းမီးတိုင်၊ ဖလက်ရှ်၊ တိမ်ထူသော ကောင်းကင်၊ softbox။
5. ဆန့်ကျင်မှု ရှိပါသလား။ တူညီသော prompt ထဲတွင် မီဒီယံ နှစ်ခု၊ ဘောင်ခတ်မှု နှစ်ခု သို့မဟုတ် အလင်း အခြေအနေ နှစ်ခု ရှိမရှိ ရှာဖွေပါ။
6. တိတ်တဆိတ် ပါလာသော ငြင်းဆိုမှု ရှိပါသလား။ ကတ်တွင် "without"၊ "no" သို့မဟုတ် "avoid" ပါလျှင် ထိုအရာသည် မိမိ အမည်တပ်လိုက်သည့် အရာကို တောင်းဆိုနေသည့် စာသားမှ ရုပ်ပုံ prompt တစ်ခု ဖြစ်သည်။
7. အချိုးအစားက အကြောင်းအရာနှင့် ကိုက်ပါသလား။ ကိုယ်လုံး ပုံသဏ္ဌာန်ကို wide ထဲ ထည့်ခြင်းသည် ဂန္ထဝင် မကိုက်ညီမှု ဖြစ်သည်။

ပြင်ဆင်ချက်များသည် စကားပြောဆန်သည် — "သူမကို အသက် သုံးဆယ်အစောပိုင်း၊ မျက်ခုံးတစ်ဖက် ဖြတ်နေသော အမာရွတ်နှင့် လုပ်ပါ၊ Portra ဖလင် 85mm ဖြင့် ရိုက်ပါ၊ portrait သုံးပါ" သည် လုံးဝ ကောင်းမွန်သော ညွှန်ကြားချက် ဖြစ်သည်။ ကတ် အသစ်တစ်ခု ရပြီး ထိုကတ်ကို အတည်ပြုသည်။ ထပ်ခါထပ်ခါ လုပ်ခြင်းအတွက် ဒဏ်ငွေ မရှိပါ၊ အကြောင်းမှာ ဘာမှ မထွက်သေးသောကြောင့် ဖြစ်သည်။

ထို့ပြင် Shannon သည် မတောင်းဆိုဘဲ ပုံမထုတ်ပါ။ နှုတ်ဆက်စကား၊ မေးခွန်း သို့မဟုတ် ဆွေးနွေးရန် သင် ပူးတွဲလိုက်သော ဓာတ်ပုံတစ်ပုံက ပုံထုတ်ခြင်းကို မဖြစ်စေပါ။ Shannon အား ရုပ်ပုံတစ်ခုကို ကြည့် ခိုင်းခြင်း — ဖော်ပြခိုင်းခြင်း၊ ဖတ်ခိုင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခိုင်းခြင်း — သည် သာမန် ရုပ်ပုံ နားလည်မှု အလုပ် ဖြစ်ပြီး ထုတ်လုပ်ခြင်း မဟုတ်သဖြင့် အပိုကုန်ကျစရိတ် မရှိပါ။

12တည်းဖြတ်ခြင်းနှင့် ပေါင်းစပ်ခြင်းအတွက် ကျွမ်းကျင်မှု ဘယ်လို ပြောင်းသလဲ

အထက်ပါ စည်းမျဉ်းများကို ထုတ်လုပ်ခြင်းအတွက် ရေးထားသည်။ ကပ်လျက် မုဒ် နှစ်ခုက prompt ၏ ပုံသဏ္ဌာန်ကို ပြောင်းလဲစေသည်။

ရုပ်ပုံ တစ်ခု တည်းဖြတ်ခြင်း

တည်းဖြတ်ရေး prompt သည် ဖော်ပြချက် မဟုတ်ဘဲ ညွှန်ကြားချက် ဖြစ်သည် — ဘာ ပြောင်းပြီး ဘာ ကျန်ရစ်မည်ကို ဖော်ပြပါ။ မပြောင်းလဲသော အပိုင်းများကို အမည်တပ်ခြင်းသည် ဤထုတ်ကုန်ရှိ အကြီးမားဆုံး အရည်အသွေး တံဆိပ် ဖြစ်သည် — "နောက်ခံကို neon ထင်ဟပ်မှုများပါသော မိုးရွာနေသည့် ညမြို့လမ်းအဖြစ် ပြောင်းပါ၊ အမျိုးသမီးကို ရှိသည့်အတိုင်း အတိအကျ ထားပါ" သည် တည်ငြိမ်စွာ အလုပ်ဖြစ်ပြီး၊ ထို ဝါကျပိုင်း မပါသော တူညီသည့် တောင်းဆိုချက်ကမူ သူမ၏ မျက်နှာကို တိတ်တဆိတ် ပြန်ဆွဲပစ်သည်။ ချည်နှောင်ချက်အပေါ် တိကျပါ — မျက်နှာ၊ ကိုယ်ဟန်၊ ဆံပင်နှင့် အဝတ်အစားကို တူညီအောင် ထားပါ။ မူရင်း ရုပ်ပုံ တစ်ခုတည်းကိုသာ သုံးပြီး၊ ပုံထွက်သည် ၎င်း၏ အချိုးအစားကို ထိန်းသိမ်းသည်။

ရုပ်ပုံ နှစ်ခု သို့မဟုတ် ထို့ထက်ပို ပေါင်းစပ်ခြင်း

ဒြပ်စင်များသည် ရုပ်ပုံ တစ်ခုထက်ပိုမှ လာသည့်အခါတိုင်း — ဝတ်စုံ ပြောင်းလဲခြင်း၊ အရာဝတ္ထုကို မြင်ကွင်းထဲ ထည့်ခြင်း၊ လူနှစ်ဦးကို ဘောင်တစ်ခုထဲ၊ ကုန်ပစ္စည်းကို လူပေါ်တွင်၊ ပုံတစ်ခုမှ ပုံစံနှင့် အခြားပုံမှ အကြောင်းအရာ — prompt သည် ပုံတစ်ခုချင်းစီ၏ အခန်းကဏ္ဍကို အစဉ်လိုက် အမည်တပ် ရမည် — "The woman from the first image wearing the red knitted sweater from the second image, standing in the same park." ပထမ ရုပ်ပုံသည် အဓိက အကြောင်းအရာ သို့မဟုတ် မြင်ကွင်း ဖြစ်သည်၊ နောက်ပိုင်း ရုပ်ပုံများက သွင်းယူမည့် အစိတ်အပိုင်းများကို ပေးသည်။ ပုံများစွာ တောင်းဆိုချက်တစ်ခုကို မူရင်း တစ်ခုအပေါင်း စာသား ဖော်ပြချက်တစ်ခုအဖြစ် မလျှော့ချပါနှင့် — အမှန်တကယ် ရုပ်ပုံများကို ပေါင်းစပ်ခြင်းသည် ထိုအရာများ တကယ် မည်သို့ ရှိသည်ကို ထိန်းသိမ်းပေးသည့်အရာ ဖြစ်သည်။

13ဆင်ဆာမဲ့ prompt ရေးခြင်း — ဆိုလိုသည်ကို ပြောပါ

ထုတ်လုပ်ရေး လမ်းကြောင်းပေါ်တွင် content filter မရှိပါ၊ prompt ရေးသည့် မော်ဒယ်ပေါ်တွင် ငြင်းပယ်မှု အလွှာ မရှိပါ။ ထိုအရာသည် ဤထုတ်ကုန်၏ အဓိက ရည်ရွယ်ချက် ဖြစ်သည် — filter တပ်ထားသော ထုတ်လုပ်စက်များသည် တရားဝင် အလုပ်များကို ပုံမှန် ငြင်းပယ်သည် — အနုပညာ ကိုယ်လုံးတီး ပုံ၊ ဆေးဘက်နှင့် မှုခင်းဆိုင်ရာ ပုံဆွဲခြင်း၊ လုံခြုံရေး သုတေသန ရုပ်ပုံများ၊ စိတ်ကူးယဉ်ထဲက အကြမ်းဖက်မှု၊ နိုင်ငံရေး သရော်စာ၊ အခွင့်အရေးပိုင်ရှင်၏ အမှတ်တံဆိပ်နှင့် ရုပ်ပုံသဏ္ဌာန် အလုပ်။ Filter တပ် ပလက်ဖောင်းများပေါ်က prompt ကျွမ်းကျင်မှု တစ်ဝက်သည် ယဉ်ကျေးစကား တီထွင်ခြင်း ဖြစ်ပြီး၊ ယဉ်ကျေးစကားသည် တိကျသော ရုပ်ပုံ၏ ရန်သူ ဖြစ်သည်။

ထို့ကြောင့် ကတ်ပေါ်တွင် စစ်ဆေးရန် နောက်ထပ် တစ်ခု ရှိသည် — filter တပ် ကိရိယာများမှ လူများ သင်ယူထားသည့် ရှောင်တိမ်းသော ဝေါဟာရများအစား အကြောင်းအရာ အစစ်ကို ရိုးရိုးစကားဖြင့် ဖော်ပြထားခြင်း ရှိမရှိ။ ဒဏ်ရာတစ်ခု၏ မှုခင်းဆိုင်ရာ ပုံဆွဲချက်တစ်ခုသည် ထို ဒဏ်ရာက ဘာဖြစ်သည်ကို ပြောသင့်သည်။ ရှောင်တိမ်းသော စကားသည် နေရာတိုင်းတွင် ပိုညံ့သော ရုပ်ပုံကို ထုတ်ပေးသည်၊ အကြောင်းမှာ မော်ဒယ်သည် စကားလုံးများ ပြောသည့်အတိုင်း ပုံဖော်သောကြောင့် ဖြစ်သည်။

စွမ်းဆောင်ရည်နှင့် ဆင်ခြင်တုံတရားသည် သီးခြား အရာများ ဖြစ်သည်။ Shannon Lab LLC သည် ဤအရာကို ထုတ်ဝေထားသော တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ အောက်တွင် လည်ပတ်သည် — filter မဲ့ ထုတ်လုပ်ခြင်းသည် ပရော်ဖက်ရှင်နယ် ကိရိယာတစ်ခု ဖြစ်ပြီး၊ သဘောတူညီမှု၊ အခွင့်အရေးများနှင့် ဥပဒေ အားလုံးသည် သင် ဖန်တီးသည့်အရာအပေါ် ဆက်လက် သက်ရောက်နေဆဲ ဖြစ်သည်။

14API က ဘယ်နေရာမှာ ကိုက်ညီသလဲ

API ရှာဖွေမှုမှ ရောက်လာသော စာဖတ်သူများအတွက် တိကျမှု အချက်တစ်ခု — ရုပ်ပုံ ထုတ်လုပ်ခြင်း၊ တည်းဖြတ်ခြင်းနှင့် ပေါင်းစပ်ခြင်းသည် /v1 API ပေါ်တွင် မဟုတ်ဘဲ Shannon chat အက်ပ်ထဲတွင် ရှိသည်။ API သည် စာသားနှင့် ရုပ်ပုံ နားလည်မှုကို ဝန်ဆောင်မှုပေးသည် — သင် ပေးပို့သော ရုပ်ပုံများကို ဒိုင်ယာလက် သုံးမျိုးလုံး (/v1/chat/completions၊ /v1/messages၊ /v1/responses၊ အားလုံး streaming) ဖြင့် ဖတ်နိုင်၊ ဖော်ပြနိုင်၊ ခွဲခြမ်းစိတ်ဖြာနိုင်သည် — သို့သော် ၎င်းတို့ကို ဖန်တီးမပေးပါ။ ရုပ်ပုံများကို နားလည်ရန် လိုအပ်သည့် လုပ်ငန်းစဉ်တစ်ခု တည်ဆောက်နေပါက API စာရွက်စာတမ်း သည် စတင်ရန် နေရာ ဖြစ်သည်။ ရုပ်ပုံများ ဖန်တီးလိုပါက ၎င်းသည် chat အက်ပ် ဖြစ်ပြီး၊ ဤလမ်းညွှန်ထဲက အရာအားလုံး ထိုနေရာတွင် သက်ရောက်သည်။ ရုပ်ပုံများသည် ကျွန်ုပ်တို့၏ ကိုယ်ပိုင် GPU ကလပ်စတာပေါ်တွင် ထွက်သည်။

15မေးလေ့ရှိသော မေးခွန်းများ

ဆက်စပ် ဖတ်ရှုစရာ — ဆင်ဆာမဲ့ AI ရုပ်ပုံ ထုတ်လုပ်ခြင်း · ဆင်ဆာမဲ့ AI ရုပ်ပုံ တည်းဖြတ်ခြင်း · တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ · API စာရွက်စာတမ်း · Shannon သုတေသန အားလုံး။ ဤနေရာက လမ်းညွှန်ချက်ကို Shannon ၏ Image Model အပေါ် ကျွန်ုပ်တို့ ကိုယ်တိုင် စမ်းသပ်မှုမှ ရယူထားသည်၊ ယခင် diffusion စနစ်များအတွက် ရေးထားသော အကြံပြုချက်များသည် များသောအားဖြင့် ကူးပြောင်း၍ မရပါ။