We do not hold or access any user's data, and we do not suspend accounts unless a lawful authority requires an enforcement action.

अनुसन्धान · तस्बिर सम्पादन

सेन्सर नगरिएको AI तस्बिर सम्पादक

एउटा वाक्य लेखेर भइरहेको एउटा तस्बिर बदल्नुहोस्, शैली फेर्नुहोस्, प्रकाश फेर्नुहोस्, पहिरन फेर्नुहोस् वा मर्मत गर्नुहोस्। मास्क छैन, फिल्टर छैन, अस्वीकृति छैन — र एउटा यस्तो प्रविधि जसले बाँकी सबै मिलाएर भन्दा बढी महत्त्व राख्छ।

सेप्टेम्बर 5, 2026 मा अद्यावधिकगाइडShannon 3 · च्याटभित्रै तस्बिर सम्पादन

संक्षेपमा

Shannon ले सरल भाषाको निर्देशनबाट ठ्याक्कै एउटा भइरहेको तस्बिर सम्पादन गर्छ — ब्रस छैन, मास्क छैन, छनोट छैन। त्यो निर्देशनले के बदलिन्छ अनि के उस्तै रहन्छ दुवै भन्नुपर्छ, किनभने मोडेलले पूरै फ्रेम पुनः बनाउँछ: तपाईंले नबदलिने भनी नाम नलिएको जुनसुकै कुरा बरालिन स्वतन्त्र हुन्छ। नबदलिने भागहरूको नाम लिनु — "अनुहार, मुद्रा र पहिरन ठ्याक्कै उस्तै राख्नुहोस्" — तपाईंसँग भएको सबैभन्दा ठूलो गुणस्तर लिभर हो। सम्पादन बाटोले नेगेटिभ प्रम्प्ट लिन्छ (पाठ-देखि-तस्बिरले लिँदैन); निर्देशनमा "X नहोस्" लेख्नुको साटो अनचाहिँदा त्रुटिहरू त्यहाँ राख्नुहोस्। आउटपुटले स्रोतको आस्पेक्ट रेसियो स्वतः पाउँछ। यहाँ भिडियो निर्माण छैन र तस्बिरलाई चलायमान बनाउने कुनै उपाय छैन। सम्पादन च्याट एपमा हाम्रो आफ्नै GPU क्लस्टरमा चल्छ, कुनै सामग्री फिल्टर र कुनै अस्वीकृति तहविना।

सेन्सर नगरिएको AI तस्बिर सम्पादक खोज्ने धेरैजसो मानिससँग एउटा तस्बिर र एउटा समस्या हुन्छ: पृष्ठभूमि बिग्रिएको छ, प्रकाश सपाट छ, ज्याकेटको रङ मिलेको छैन, फ्रेममा कोही अपरिचित उभिएको छ, स्क्यानमा एउटा खिइएको धर्को छ — वा सम्पादन पूरै वैध छ तर तिनको हालको उपकरणले छुनै अस्वीकार गर्छ। यो त्यही काम राम्रोसँग गर्नेबारे हो: कुन सम्पादकमा सबैभन्दा धेरै स्लाइडर छन् भन्ने होइन, बरु त्यो एउटा बानी जसले सफल हुने सम्पादनलाई तपाईंले नहेरेको बेला चुपचाप तपाईंको विषयको अनुहारै पुनर्निर्माण गर्ने सम्पादनबाट छुट्याउँछ।

प्रति सम्पादन स्रोत तस्बिर

स्वतः

स्रोतको आस्पेक्ट कायम

छ

नेगेटिभ प्रम्प्ट

छैन

सामग्री फिल्टर

01निर्देशनमा आधारित सम्पादन साँच्चै के हो

परम्परागत AI सम्पादनले गाह्रो भाग तपाईंलाई नै गर्न लगाउँछ: क्यानभास खोल्नुहोस्, बदल्न चाहेको क्षेत्रमाथि मास्क पोत्नुहोस्, त्यसभित्र के हुनुपर्ने हो त्यो वर्णन गर्ने वाक्यांश टाइप गर्नुहोस्। सटीक, ढिलो, र तपाईंको परिवर्तनको सफा किनारा नभएकै क्षण बेकाम — प्रकाशको बदलाव, छायाचित्र नै फेर्ने पहिरन साटासाट, पूरै तस्बिरभरिको रङ ग्रेड।

Shannon उल्टो तरिकाले काम गर्छ। तपाईं केही छान्नुहुन्न। तपाईं तस्बिरबारे एउटा वाक्य लेख्नुहुन्छ, जुनसुकै भाषामा, र क्षेत्र तपाईंकै शब्दबाट अनुमान गरिन्छ। यसले छनोटको मेहनत होइन नतिजा चाहने जोकोहीका लागि यसलाई व्यावहारिक सेन्सर नगरिएको इनपेन्टिङ विकल्प बनाउँछ — तर पहिले बुझ्नैपर्ने एउटा यान्त्रिक परिणामसहित:

सम्पादन भनेको तपाईंको स्रोत तस्बिरमा आधारित रहेर पूरै फ्रेमको पुनः-रेन्डर हो — त्यसको एक भागमा लगाइएको प्याच होइन। Image Model ले तपाईंको मूल तस्बिर पढ्छ, तपाईंको निर्देशन पढ्छ, र मूल तस्बिर जोड परिवर्तन हुनुपर्ने नयाँ तस्बिर उत्पादन गर्छ। कुनै कुरा यान्त्रिक रूपमा जमेको हुँदैन। हरेक सम्पादनमा हरेक पिक्सेल पुनः वार्ताको विषय हुन्छ।

त्यसैले "वर्षाले भिजेको टोकियो सडक" — मास्क प्रयोग गर्ने उपकरणमा निर्दोष — यहाँ त्यहाँ उभिएको सूक्ष्म रूपमा फरक व्यक्तिसहित फर्किन्छ। मास्क प्रयोग गर्ने उपकरणमा मास्कले व्यक्ति नछुने भनेको थियो; यहाँ त्यो काम तपाईंको वाक्यले गर्नुपर्छ। फाइदा यो छ: निर्देशन सम्पादनले मास्कले नसक्ने काम गर्छ — सूर्य सार्नुहोस् र छायाहरू पनि मिल्छन्, पहिरन बदल्नुहोस् र कपडा भइरहेकै मुद्रामा पर्छ, फोटोलाई मसी र सपाट रङमा बदल्नुहोस् तर संरचना कायमै राख्नुहोस्। ती सम्पादनका कुनै किनारा पोत्न मिल्दैन; ती त पूरै फ्रेमभरिका सम्बन्ध हुन्।

02एङ्करिङ: सबैभन्दा ठूलो गुणस्तर लिभर

एङ्करिङ भनेको हरेक सम्पादन निर्देशनलाई दुई खण्डमा लेख्नु हो: परिवर्तन खण्ड (के फरक हुनुपर्छ, सकारात्मक र ठोस रूपमा भनिएको) र राख्ने खण्ड (जुन भागहरू नछोइकनै बाँच्नैपर्छ, विशिष्ट नामका रूपमा उल्लेख गरिएका)। दुवै भार बोक्ने हुन् — परिवर्तन खण्ड एक्लै त कामना मात्र हो। यो पृष्ठबाट एउटा कुरा लिनुहुन्छ भने यही लिनुहोस्: तपाईंको नतिजा तपाईंले के उस्तै रहन्छ भनी कति स्पष्टसँग नाम लिनुभयो त्यसैले निर्धारित हुन्छ, के बदलिन्छ भनेर कति जीवन्त वर्णन गर्नुभयो त्यसले होइन।

एङ्कर नगरिएका निर्देशन बरालिने तीन तरिका

पहिचान बराल। अनुहार झन्डै ठीक फर्किन्छ — नाक अलिकति फरक, बङ्गारा चुपचाप सुन्दर बनाइएको। सबैभन्दा हानिकारक असफलता, किनभने फोनमा यो देख्न गाह्रो हुन्छ र त्यो व्यक्तिलाई चिन्नेका लागि प्रस्टै हुन्छ।
सँगसँगै शैली परिवर्तन। तपाईंले नयाँ पृष्ठभूमि माग्नुभयो; तपाईंले नयाँ रङ ग्रेड, नयाँ लेन्स, र पहिले धर्के बुनोट भएको स्वेटर पनि पाउनुभयो। मोडेलले निर्देशनलाई स्रोतबाटको फरक होइन, पूरै लक्ष्य तस्बिरको वर्णनका रूपमा पढ्यो।
विशेषणबाट दायरा फैलावट। "अझ नाटकीय," "अझ सफा," "अझ व्यावसायिक" ले कुनै वस्तुकै नाम लिँदैनन्। नामविनाको विशेषण सबै कुरामा लागू हुन्छ, त्यसैले सबै कुरा सर्छ।

एङ्करको शब्दभण्डार

एङ्कर ठोस नामका रूपमा काम गर्छन्। "उस्तै राख्नुहोस्" कमजोर छ — कुन उस्तैपनको वास्ता तपाईंलाई छ, मोडेलले जान्न सक्दैन। आफ्नो सम्पादनका लागि महत्त्वपूर्ण तीनदेखि पाँच वस्तु छान्नुहोस् र तिनको सोझै नाम लिनुहोस्।

तपाईं के बदल्दै हुनुहुन्छ	स्पष्टसँग नाम लिन लायक एङ्कर
पृष्ठभूमि / परिवेश	अनुहार र अनुहारका बनोट, केशसज्जा, मुद्रा, हात, पहिरन, क्यामेरा कोण, क्रप, विषयमाथिको प्रकाश
प्रकाश / मुड	अनुहार, भाव, छालाको बनोट, मुद्रा, पहिरन, पृष्ठभूमिको सामग्री, फ्रेमिङ
पहिरन / पोसाक	अनुहार, दाह्री वा कपाल, मुद्रा, हात, शरीरको अनुपात, पृष्ठभूमि, प्रकाशको दिशा, रङ ग्रेड
शैली / माध्यम	संरचना, मुद्रा, कपालको लम्बाइ, पहिरनका आकार, विषयको सङ्ख्या, क्रप
वस्तु हटाउने / मर्मत	फ्रेमभित्रका बाँकी सबै — विषय, वरपरको वास्तुकला, ग्रेन, टोनालिटी, कन्ट्रास्ट, रङ
एउटा कुराको रङ	तस्बिरका बाँकी हरेक रङ, र बदलिएको वस्तुको बनोट तथा सामग्री

अन्तिम पङ्क्ति ध्यान दिनुहोस्। रङ फेर्ने काम चुपचाप बिग्रिन्छ, किनभने "ज्याकेट रातो बनाऊ" भन्नुले शून्यबाटै पुनर्निर्माण गरिएको ज्याकेटलाई निम्तो दिन्छ — नयाँ काट, नयाँ कपडा, नयाँ पत्र। एङ्कर गरिएको: "भइरहेको ज्याकेटलाई गाढा रातो रङमा बदल्नुहोस्, त्यसको ठ्याक्कै काट, सिलाइ, कपडाको बनोट र त्यो झुन्डिने तरिका कायम राख्दै।" एउटै खण्डको फरक, नाटकीय रूपमा राम्रो नतिजा।

03काम गरेर देखाइएका उदाहरण: कमजोर निर्देशन, किन बरालिन्छ, एङ्कर गरिएको पुनर्लेखन

तलका हरेक जोडी उही मनसाय दुई पटक लेखिएको हो। बीचमा रहेको निदान नै अन्यत्र पनि लागू हुने भाग हो।

क. पृष्ठभूमि साट्ने

कमजोर

उसलाई टोकियोमा राख

किन बरालिन्छ: यसले फरक होइन, गन्तव्य तस्बिर वर्णन गर्छ। महिलाबारे कुनै कुरा सुरक्षित छैन र क्यामेरालाई स्थिर राख्ने केही छैन, त्यसैले मोडेलले सम्भाव्य दृश्य बनाउँदै उनलाई पनि पुनः फ्रेम गर्छ र पुनः रेन्डर गर्छ।

एङ्कर गरिएको

पृष्ठभूमिलाई रातको वर्षाले भिजेको टोकियो क्रसवाकमा बदल्नुहोस्, उनको पछाडि भिजेको कालोपत्रेमा नियोन साइनबोर्ड प्रतिबिम्बित हुने गरी। महिलाको अनुहार, केशसज्जा, मुद्रा र पहिरन ठ्याक्कै जस्ताको तस्तै राख्नुहोस्, उही क्यामेरा कोण र क्रप राख्नुहोस्, र नयाँ पृष्ठभूमिको प्रकाशलाई उनीमाथि भइरहेको प्रकाशसँग मिलाउनुहोस्।

के फरक भयो: राख्ने खण्डले पहिचान, पहिरन र फ्रेमिङ अड्याउँछ, र अन्तिम वाक्यांशले जोडनी कुन तिर मिल्छ भन्छ — पृष्ठभूमि विषयको प्रकाशतिर झुक्छ, उल्टो होइन।

ख. प्रकाश फेर्ने

कमजोर

कृपया अझ राम्रो प्रकाश

किन बरालिन्छ: "राम्रो" नामविनाको विशेषण हो। मोडेलले परिभाषा आफैं बनाउनुपर्छ, र पुनः-रेन्डरमा राम्रो देखिने सबैभन्दा सस्तो उपाय भनेको चिल्लो पारिएको छाला, उज्याला दाँत र पातलो बङ्गारा हो। तपाईंले प्रकाश माग्नुभयो र रिटच पाउनुभयो।

एङ्कर गरिएको

दृश्यलाई बायाँबाट आउने दिउँसो अबेरको झ्यालको प्रकाशका रूपमा पुनः प्रकाशित गर्नुहोस्, न्यानो र नरम, अनुहारको दायाँ पट्टि विस्तारै मधुरो हुँदै जाने र पछाडिको भित्तामा नरम छायासहित। अनुहार, भाव, छालाको बनोट, मुद्रा, पहिरन र पृष्ठभूमिको सामग्री नबदली राख्नुहोस्, र उही फ्रेमिङ कायम राख्नुहोस्।

के फरक भयो: प्रकाशलाई भौतिक रूपमा वर्णन गरिएको छ — दिशा, गुण, तापक्रम, मधुरो हुने क्रम। छालाको बनोटलाई स्पष्टसँग एङ्कर गरिएको छ, किनभने प्रकाश फेर्दा नै मोडेल त्यसलाई चिल्लो पारेर मेट्न सबैभन्दा बढी लोभिन्छ।

ग. विषयको पहिरन फेर्ने

कमजोर

उसलाई सुट लगाइदेऊ

किन बरालिन्छ: सुटले छायाचित्र बदल्छ, त्यसैले धड पुनः रेन्डर हुनैपर्छ — र त्यसमाथिको टाउको प्रायः त्यसैसँगै जान्छ। एङ्कर नगरिएका पहिरन सम्पादन पृष्ठभूमि साटासाटपछि पहिचान बरालिने दोस्रो ठूलो स्रोत हुन्।

एङ्कर गरिएको

पुरुषको टि-सर्टलाई चारकोल रङको तीन-टुक्रे ऊनी सुट, सेतो ड्रेस सर्ट र गाढा हरियो रेशमी टाईले प्रतिस्थापन गर्नुहोस्, उसको हालको मुद्रा अनुसार सिलाइएको। उसको अनुहार, दाह्री, केशसज्जा, मुद्रा, हात र शरीरको अनुपात उस्तै राख्नुहोस्, पृष्ठभूमि ठ्याक्कै जस्ताको तस्तै राख्नुहोस्, र उही प्रकाशको दिशा तथा रङ ग्रेड कायम राख्नुहोस्।

के फरक भयो: "उसको हालको मुद्रा अनुसार सिलाइएको" ले पहिरनलाई मुद्राको अधीनमा राख्छ। हातलाई छुट्टै एङ्कर गरिएको छ, किनभने पहिरन सम्पादन सबैभन्दा प्रस्ट रूपमा हातमै बिग्रिन्छ।

सावधान — के यो साँच्चै जोड्ने काम हो? सुट दोस्रो फोटोमा छ र तपाईंलाई वर्णन गरिएको होइन त्यही सुट चाहिन्छ भने, यो अब एउटै तस्बिरको सम्पादन रहेन: दुवै तस्बिर दिनुहोस् र तिनका भूमिकाको नाम लिनुहोस्। हेर्नुहोस् सेन्सर नगरिएको बहु-तस्बिर संयोजन।

घ. फोटोको शैली फेर्ने

कमजोर

यसलाई एनिमे बनाऊ

किन बरालिन्छ: शैलीको एउटै शब्दले सबै कुरा सुम्पिदिन्छ — संरचना, क्रप, कपाल, पहिरन, मानिसको सङ्ख्या — र "एनिमे" भनेको तीस वर्षका असङ्गत परम्पराहरू हुन्। तपाईंले फरकै दृश्यको दक्ष चित्र पाउनुहुन्छ।

एङ्कर गरिएको

यो फोटोलाई हातले मसी लगाइएको 1990 को दशकको सेल-एनिमेसन फ्रेमका रूपमा पुनः चित्रित गर्नुहोस्: सपाट रङ भराइ, देखिने मसीको रेखाङ्कन, न्यूनतम ग्रेडियन्ट, मधुरो प्यालेट। संरचना, विषयको मुद्रा र हेराइको दिशा, कपालको लम्बाइ र पहिरनका आकार चिन्न सकिने राख्नुहोस्, र उही क्रप तथा फ्रेममा उही सङ्ख्याका मानिस राख्नुहोस्।

के फरक भयो: शैली सम्पादनलाई फरक एङ्कर चाहिन्छ। तपाईं बनोट एङ्कर गर्न सक्नुहुन्न — बनोट त प्रतिस्थापन भइरहेको कुरा हो — त्यसैले तपाईं संरचना एङ्कर गर्नुहुन्छ: बनावट, मुद्रा, छायाचित्र, क्रप, विषयको सङ्ख्या। सेल एनिमेसनमुनि "फोटोयथार्थवादी छाला" राख्न भन्नु विरोधाभास हो।

ङ. केही हटाउने

कमजोर

पृष्ठभूमिमा कार नहोस्

किन बरालिन्छ: नकारले पनि त्यो अवधारणा मोडेलकै अगाडि राख्छ र खाली हुने ठाउँमा के भरिन्छ त्यसबारे केही भन्दैन। हटाउने कामलाई लक्ष्य र भराइ दुवैको सकारात्मक कथन चाहिन्छ।

एङ्कर गरिएको

सडकको दायाँ पट्टि पार्क गरिएको चाँदी रङको कार र फोहोर टोकरी हटाउनुहोस्, र त्यो ठाउँलाई उही फुटपाथ, कर्ब र इँटाको पर्खालको निरन्तरताले भर्नुहोस्। फ्रेमभित्रका बाँकी सबै कुरा उस्तै राख्नुहोस् — व्यक्ति, पसलको अगाडिको भाग, साइनबोर्ड, प्रकाश र रङ।

के फरक भयो: लक्ष्यलाई वस्तु, रङ र स्थानले नाम दिइएको छ; भराइ तोकिएको छ, त्यसैले फुटपाथ हुनुपर्ने ठाउँमा मोडेलले चोक बनाइरहेको हुँदैन; र "बाँकी सबै" लाई वास्तविक नामहरूमा फुकाइएको छ।

च. बिग्रिएको फोटो मर्मत गर्ने

कमजोर

मेरी हजुरआमाको यो पुरानो फोटो मिलाइदेऊ

किन बरालिन्छ: "मिलाउनु" लाई "सुधार्नु" भनेर पढिन्छ, र पुरानो फोटो सुधार्नुको अर्थ त्यसलाई आधुनिक बनाउनु हो — सफा छाला, बढी कन्ट्रास्ट, र अब पूरै तपाईंकी हजुरआमाजस्तो नरहेको अनुहार।

एङ्कर गरिएको

यो स्क्यान गरिएको फोटोको माथिल्लो-बायाँ कुनाबाट तेर्सो-कोणमा गएको खिइएको धर्को मर्मत गर्नुहोस् र धूलोका थोप्ला तथा साना सेता कोतरहरू हटाउनुहोस्। अनुहारका हरेक बनोट, फिल्म ग्रेन, टोनालिटी, कन्ट्रास्ट र मूल सेपिया रङ ठ्याक्कै जस्ताको तस्तै राख्नुहोस्। सार्प नगर्नुहोस्, छाला चिल्लो नपार्नुहोस्, रङ नफेर्नुहोस्।

के फरक भयो: क्षति एक-एक गरी गनिएको छ, त्यसैले "मिलाउनु" को परिभाषित दायरा छ, र ग्रेन तथा टोनालिटी एङ्कर गरिएका छन् किनभने तिनैले प्रिन्टलाई त्यो कालखण्डको साँचो बनाउँछन्। ती तीन निषेध नकारले आफ्नो ठाउँ कमाउने विरल अवस्था हुन् — प्रक्रियाबारेका निर्देश, वस्तुबारेका होइन।

राम्रो निर्देशनको बनोट

ढाँचा

[विशिष्ट लक्ष्य] लाई [ठोस रूपमा वर्णन गरिएको विशिष्ट नतिजा] मा [क्रिया] गर्नुहोस्। [3–5 नाम लिइएका एङ्कर] उस्तै राख्नुहोस्। [वैकल्पिक: परिवर्तनले उस्तै रहने कुरासँग कस्तो सम्बन्ध राख्नुपर्छ भन्ने एउटा खण्ड।]

अल्पविरामले छुट्याइएका किवर्ड ट्याग होइन, पूरा वाक्यमा 25 देखि 60 शब्दको लक्ष्य राख्नुहोस् — Image Model ले प्रम्प्टलाई भाषा मोडेलले जसरी पढ्छ, त्यसैले ट्याग-सुपभन्दा गद्य जित्छ। SDXL-युगका फोहोर छाड्नुहोस् (masterpiece, best quality, 8k) र (word:1.3) जस्ता वेट सिन्ट्याक्स पनि; यहाँ तिनले केही गर्दैनन्। प्रति निर्देशन एउटा मात्र परिवर्तन गर्नुहोस् — एउटै वाक्यमा दुई असम्बन्धित परिवर्तनले ध्यानका लागि प्रतिस्पर्धा गर्छन् र दुवै आधा-अधुरो फर्किन्छन्।

04नेगेटिभ प्रम्प्ट — पाठ-देखि-तस्बिरमा नभए पनि यहाँ समर्थित

यसले मानिसलाई अलमल्याउँछ, त्यसैले सोझै भनौं:

बाटो	स्रोत तस्बिर	नेगेटिभ प्रम्प्ट	आस्पेक्ट रेसियो	प्रम्प्टको रूप
पाठ-देखि-तस्बिर	0	समर्थित छैन	छानिने (square पूर्वनिर्धारित)	वर्णनात्मक गद्य
एउटा तस्बिर सम्पादन	ठ्याक्कै 1	समर्थित	स्रोतबाट प्राप्त	निर्देशन: परिवर्तन + राख्ने
2+ तस्बिर जोड्ने	2 वा बढी	समर्थित	नयाँ क्यानभास छान्न मिल्ने	भूमिकाको नाम लिइएको गद्य

पाठ-देखि-तस्बिरले नेगेटिभ प्रम्प्ट बिलकुलै लिँदैन — शून्यबाट निर्माण गर्दा, तपाईंलाई जे चाहिन्छ त्यही मात्र वर्णन गर्नु नै अनुशासन हो (हेर्नुहोस् सेन्सर नगरिएको AI तस्बिर निर्माण)। सम्पादन फरक छ: तपाईंसँग पहिले नै स्रोत छ, र पुनः-रेन्डरका विशिष्ट असफलता ज्ञात र नाम लिन सकिने छन्, त्यसैले नेगेटिभ प्रम्प्टसँग दबाउन ठोस केही हुन्छ।

यसमा के पर्छ

त्रुटिहरू, र त्रुटि मात्र। यो दोषको सूची हो, दोस्रो निर्देशन च्यानल होइन:

extra fingers, fused fingers, malformed hands — मानिस पुनः रेन्डर गर्ने जुनसुकै सम्पादन।
warped text, garbled lettering, misspelled signage — फ्रेममा साइन, लेबल वा प्याकेजिङ भएको जुनसुकै कुरा।
duplicated limbs, duplicated railing, repeated windows — हटाउने काम र पृष्ठभूमि विस्तार।
smeared texture, blurry patch, halo around the subject, visible seam — पृष्ठभूमि साटासाट र वस्तु हटाउने काम।
plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — प्रकाश फेर्ने, पोर्ट्रेट सम्पादन, सामान्य सरसफाइ।

यसमा के पर्दैन

सामग्रीसम्बन्धी निर्णय। तपाईंलाई टोपी हटाउनु छ भने निर्देशन "टोपी हटाउनुहोस्" हो — "टोपी" लेखिएको नेगेटिभ प्रम्प्ट होइन। नेगेटिभ प्रम्प्टले तपाईंको स्रोतमा भइरहेका कुरा भरपर्दो रूपमा हटाउँदैन; यसले रेन्डरमा दोष देखिनबाट निरुत्साहित गर्छ। त्यहाँ सामग्री राख्दा तपाईंले दुवैतिरको खराब पाउनुहुन्छ: टोपी रहन्छ, र बिग्रिएका हात दबाउन सक्ने ठाउँ पनि गयो।

नियमको अर्को आधा तपाईंको निर्देशनमा लागू हुन्छ: त्यसमा "X नहोस्" लेख्न छाड्नुहोस्। "कार नभएको सडक," "चस्मा नभएको पोर्ट्रेट" — दुवैले अनचाहिँदो अवधारणा वाक्यमै राख्छन् र मोडेललाई त्यसलाई नकार्न भन्छन् — यो काम भाषाले राम्रोसँग गर्छ र तस्बिरको कन्डिसनिङले नराम्रोसँग। त्यसको साटो के हुनुपर्छ त्यो भन्नुहोस्: "सफा कालोपत्रेसहितको खाली सडक," "नछेकिएका आँखा भएको पोर्ट्रेट।" उदाहरण च मा जस्तै एउटै अपवाद प्रक्रियाबारेको निर्देश हो — "सार्प नगर्नुहोस्," "रङ नफेर्नुहोस्" — जसले वस्तुको नाम लिनुको साटो कुनै कामलाई अस्वीकार गर्छ।

कामको बाँडफाँट, एउटै लाइनमा

निर्देशन: के बदलिन्छ, के उस्तै रहन्छ — सकारात्मक रूपमा भनिएको। नेगेटिभ प्रम्प्ट: रेन्डर बिग्रिन सक्ने तरिकाहरू। तिनलाई छुट्टै राख्नुहोस् र दुवै राम्रो हुन्छन्।

05एउटै स्रोत तस्बिर, र Shannon ले त्यो कसरी छान्छ

सम्पादन ठ्याक्कै एउटा स्रोत तस्बिरमा चल्छ: या त कुराकानीमा पहिले नै रहेको तस्बिर — पहिले संलग्न गरिएको, वा तपाईंका लागि बनाइएको — या तपाईंले अहिले पठाइरहेको सन्देशमा संलग्न गरिएको एउटा। थ्रेडबाहिरबाट केही तानिँदैन, र सम्पादन बाटोले कहिल्यै चुपचाप दुई तस्बिर मिसाउँदैन। तपाईंको मनसायलाई एकभन्दा बढी तस्बिरका तत्त्व चाहिन्छ भने — फोटो क को पहिरन फोटो ख को व्यक्तिमा — त्यो जोड्ने काम हो, जसको प्रम्प्ट बनोट फरक हुन्छ र हरेक तस्बिरको भूमिका क्रमैसँग नाम लिन्छ।

फलोअप र सबैभन्दा हालैको सान्दर्भिक तस्बिर

तस्बिर कुराकानीमा आइसकेपछि छोटा फलोअप तपाईंले आशा गरेजस्तै काम गर्छन्। "यसलाई अझ अँध्यारो बनाऊ।" "अब सूर्यास्तमा प्रयास गर।" यी थ्रेडको सबैभन्दा हालैको सान्दर्भिक तस्बिर सँग मिलाइन्छन् — सामान्यतया तपाईंले भर्खरै पाएको नतिजा — त्यसैले साना निर्देशनको शृङ्खलाले सम्पादनको थाकजस्तै व्यवहार गर्छ। तीन परिणाम:

एक-एक चरणमा दोहोर्‍याउनुहोस्। हरेक फलोअप अर्को पूरै पुनः-रेन्डर हो, त्यसैले "यसलाई अँध्यारो बनाऊ अनि उनको कोट फेर अनि क्यामेरा तल सार" भनेको एउटै पासमा लडिरहेका तीन सम्पादन हो। तीन सन्देश पठाउनुहोस्; तपाईंलाई जुन मन पर्‍यो त्यहीँ रोकिनुहोस्।
पुस्तागत क्षतिमा ध्यान दिनुहोस्। साना विचलन थुप्रिँदै जान्छन्; छैटौं लगातार सम्पादनसम्ममा कुनै एक चरण गलत नदेखिए पनि अनुहार मूलबाट निकै टाढा पुग्न सक्छ। बराल देख्नुभयो भने प्याच लगाउन छाड्नुहोस् — मूल फाइल फेरि संलग्न गर्नुहोस् र त्यसयता तपाईंले चाहेको भनी सिक्नुभएको सबै कुरा समेट्ने एउटै संयुक्त निर्देशन लेख्नुहोस्।
लामो थ्रेडमा स्पष्ट हुनुहोस्। "मैले पहिले संलग्न गरेको समुद्र किनारको फोटो प्रयोग गरेर, …" ले धेरै तस्बिर चलिरहेको बेला अस्पष्टता हटाउँछ।

एङ्कर थप्ने तपाईंको अन्तिम मौका पुष्टि कार्ड हो

तपाईं सरल भाषामा, आफूले बोल्ने जुनसुकै भाषामा सोध्नुहुन्छ। Shannon ले तस्बिरसम्बन्धी काम मागिएको हो भनी निर्णय गर्छ, अन्तिम निर्देशन आफैं अङ्ग्रेजीमा लेख्छ, र केही रेन्डर हुनुअघि नै त्यो तपाईंलाई पुष्टि कार्डमा देखाउँछ। तपाईंले पुष्टि नगरेसम्म केही उत्पादन हुँदैन र केही बिल हुँदैन। त्यो कार्ड पढ्नुहोस् — केही खर्च हुनुअघि छुटेको राख्ने खण्ड तपाईंले त्यहीँ समात्नुहुन्छ।

दुई सम्बन्धित व्यवहार: Shannon ले कहिल्यै नमागिकन बनाउँदैन — अभिवादन, प्रश्न वा संयोगले संलग्न गरिएको फोटोले तस्बिरसम्बन्धी काम सुरु गर्दैन। र Shannon लाई तस्बिर हेर्न मात्र भन्नु — यसको वर्णन गर्न, यसभित्रको पाठ पढ्न, बनावट किन काम गरिरहेको छैन भन्न — सामान्य भिजन काम हो, निर्माण होइन, र यसको अतिरिक्त शुल्क लाग्दैन। "यो फोटोमा तपाईं के बदल्नुहुन्थ्यो?" निःशुल्क सल्लाह हो; त्यसमाथि काम गर्नु सम्पादन हो।

06आस्पेक्ट रेसियो स्वतः प्राप्त हुन्छ

सम्पादित तस्बिर आफ्नो स्रोतकै आस्पेक्ट रेसियोमा फर्किन्छ। तपाईंले छान्नुपर्दैन र छान्नु पनि हुँदैन: 4:5 पोर्ट्रेट 4:5 नै रहन्छ, 16:9 स्टिल 16:9 नै रहन्छ, अप्ठ्यारो फोन स्क्रिनसटले आफ्नै अनुपात राख्छ। तपाईंको तस्बिरलाई चुपचाप पुनः फ्रेम गर्ने सम्पादन सम्पादन नै हुँदैनथ्यो — त्यो त क्रप जोड मूल किनाराबाहिर के छ भन्ने अनुमान हुन्थ्यो।

यो अरू दुई बाटोभन्दा साँच्चै फरक कुरा हो। पाठ-देखि-तस्बिरले तपाईंलाई square (पूर्वनिर्धारित), portrait, landscape, wide (सिनेम्याटिक) र tall (पोस्टर र वालपेपर) मध्ये छान्न भन्छ, र स्पष्ट अनुरोध सधैं जित्छ; जोड्ने कामले नयाँ क्यानभास छान्न दिन्छ, किनभने त्यहाँ प्राप्त गर्ने एउटै स्रोत हुँदैन। त्यसैले तपाईंलाई फरक आकार चाहिन्छ भने त्यो सम्पादन होइन — 1:1 उत्पादन फोटोलाई 16:9 ब्यानर बनाउनु भनेको कहिल्यै नखिचिएका पिक्सेल आविष्कार गर्नु हो। त्यो सोचविचार गरेर, नयाँ क्यानभासमा बनाएर वा जोडेर गर्नुहोस्।

07यहाँ भिडियो निर्माण छैन

सोझै भनिएको, किनभने मानिस सोध्छन्

Shannon ले भिडियो बनाउँदैन र तस्बिरलाई चलायमान बनाउँदैन। तस्बिर-देखि-भिडियो बाटो छैन, "यो फोटो चलाइदेऊ" छैन, लुप छैन, सिनेमाग्राफ छैन। यो प्रिभ्युमा रहेको वा चाँडै आउने क्षमता होइन — यो उत्पादनमा अस्तित्वमै छैन, र यस पृष्ठको कुनै कुरालाई अन्यथा सङ्केत गर्ने रूपमा पढिनुहुँदैन।

Shannon 3 ले तस्बिरसँग गर्ने ठ्याक्कै तीन कुरा हुन्: नयाँ तस्बिर बनाउने, एउटा भइरहेको तस्बिर सम्पादन गर्ने, र दुई वा बढी तस्बिर जोडेर एउटा बनाउने। यहाँका सबै कुरा तीमध्ये दोस्रोभित्र पर्छन्।

दुई पटक भन्न लायक छ, किनभने "AI तस्बिर सम्पादक" र "AI भिडियो जेनेरेटर" मानिसको मनमा छिमेकी भइसकेका छन्, र तपाईंको फोटोको प्रकाश खुसीसाथ फेरिदिने उपकरणलाई त्यो तस्बिर चलाउनबाट एउटै बटन टाढा हुनुपर्ने जस्तो लाग्छ। त्यस्तो होइन — र तपाईंले यो कुरा दसौं मिनेटमा होइन, पहिलो मिनेटमै थाहा पाउनुपर्छ।

08निर्माणभन्दा सम्पादनका लागि सेन्सर नगरिएको हुनु किन बढी महत्त्वपूर्ण छ

फिल्टर लगाइएका सम्पादकहरू फिल्टर लगाइएका जेनेरेटरभन्दा फरक तरिकाले असफल हुन्छन्, र प्रायः झन् नराम्रोसँग। फिल्टर लगाइएको जेनेरेटरले तपाईंको प्रम्प्ट अस्वीकार गर्छ; तपाईं पुनर्लेखन गरेर फेरि प्रयास गर्नुहुन्छ। फिल्टर लगाइएको सम्पादकले तपाईंको निर्देशनको एउटा शब्द पनि नपढी स्रोत तस्बिर आफैंलाई अस्वीकार गर्न सक्छ। केस रिपोर्टका लागि घाउको क्लिनिकल फोटो अपलोड गर्नुहोस्, त्यो इनपुटमै अस्वीकृत हुन्छ। खिइएको धर्को मर्मत गर्न ऐतिहासिक युद्धको फोटो अपलोड गर्नुहोस्, फ्रेममा भएको राइफलले कुराकानी अन्त्य गरिदिन्छ। वैध काम, सोझै अस्वीकार, र कुनै पुनर्लेखनले पनि नबन्ने।

Shannon ले तस्बिर बाटो आउटपुटमा कुनै सामग्री फिल्टरविना र निर्देशन लेख्ने मोडेलमा कुनै अस्वीकृति तहविना चलाउँछ। यिनै सामान्य कामहरू त्यसैले सम्भव हुन्छन्:

कलात्मक न्यूड र आकृति चित्रण — सहमति दिएका वयस्क विषयसँग काम गर्ने कलाकार र फोटोग्राफरका लागि रिटचिङ, प्रकाश फेर्ने र शैली फेर्ने काम।
चिकित्सकीय र फोरेन्सिक चित्रण — मूलधारका सम्पादकले देख्नेबित्तिकै अस्वीकार गर्ने क्लिनिकल तस्बिरलाई शिक्षण सामग्री, केस रिपोर्ट र पुनर्निर्माण कामका लागि सफा पार्ने।
सुरक्षा अनुसन्धान तस्बिर — फिसिङ-सचेतना कार्यक्रम र रेड-टिम रिपोर्टिङका लागि स्क्रिनसट, भौतिक-सुरक्षा फोटो र हार्डवेयर कागजात।
कथासाहित्यमा हिंसा — घाउ वा हतियार नै विषयवस्तु हुने चलचित्र, गेम र कमिक्स उत्पादन आर्ट।
राजनीतिक व्यङ्ग्य र सम्पादकीय चित्रण — यसको पछाडि केही शताब्दीको इतिहास छ, र फिल्टर लगाइएका उपकरणमा झन्डै शून्य समर्थन।
अधिकारवालाको आफ्नै ब्रान्ड र अनुहारसम्बन्धी काम — तपाईंको आफ्नै उत्पादन फोटोग्राफी, लोगो लकअप र पोर्ट्रेट, अनि कठिन पारिवारिक अभिलेख — तपाईंलाई अनुमति छ कि छैन भनी क्लासिफायरसँग बहस नगरी।

सेन्सर नगरिएको भनेको जवाफदेहीविहीन होइन। Shannon Shannon Lab LLC (न्यू मेक्सिको, USA) ले प्रकाशित जिम्मेवार प्रयोग नीति अन्तर्गत सञ्चालन गर्छ, र साँचो सीमाहरू त्यहीँ छन् — घाउको फोटोप्रति क्लासिफायरको असहजता होइन, कानुन र हानिसम्बन्धी सीमा। स्वतः अस्वीकृतिको अभाव उपकरणबारेको कथन हो, तपाईंले बनाउनुभएको कुराप्रतिको तपाईंको जिम्मेवारीबारेको होइन।

09API कहाँ अटाउँछ — र कहाँ अटाउँदैन

API खोजबाट आउने पाठकहरूका लागि यो सामान्य गलत मोड हो। तस्बिर निर्माण र सम्पादन Shannon च्याट एपमा हुन्छ, API मा होइन। तीन /v1 डायलेक्ट — /v1/chat/completions (OpenAI-आकारको), /v1/messages (Anthropic-आकारको) र /v1/responses, सबै स्ट्रिमिङ, सबै उही मोडेलमा — पाठ र भिजन सेवा दिन्छन्। भिजनको अर्थ मोडेलहरूले तपाईंले पठाएका तस्बिर पढ्छन्: तिनको वर्णन गर्छन्, पाठ उतार्छन्, चार्ट विश्लेषण गर्छन्। यसको अर्थ तिनले तस्बिर उत्पादन वा परिमार्जन गर्छन् भन्ने होइन।

त्यसले पनि एउटा उपयोगी ढाँचा छाड्छ: भिजन जोड सेन्सर नगरिएको पाठ मोडेल बलियो निर्देशन-लेखन सहयोगी हो। API लाई आफ्नो स्रोत तस्बिर पठाउनुहोस्, फ्रेममा के छ वर्णन गर्न र परिवर्तन तथा एङ्करको नाम लिने एङ्कर गरिएको निर्देशनको मस्यौदा लेख्न भन्नुहोस्, अनि त्यो निर्देशन च्याटमा चलाउनुहोस् — यसले तपाईंले बिर्सिने एङ्करहरू समात्छ। अनुरोध र प्रतिक्रियाका बनोट API कागजात मा छन्।

10बारम्बार सोधिने प्रश्न

सेन्सर नगरिएको AI तस्बिर सम्पादक भनेको के हो?

यो त्यस्तो सम्पादक हो जसले भइरहेको तस्बिर र सरल भाषाको निर्देशन लिन्छ अनि सम्पादित तस्बिर फर्काउँछ — आउटपुटमा कुनै सामग्री फिल्टर छैन र निर्देशन लेख्ने मोडेलमा कुनै अस्वीकृति तह छैन। यो Shannon च्याट एपभित्र हाम्रो आफ्नै GPU क्लस्टरमा चल्छ, त्यसैले फिल्टर लगाइएका सम्पादकले अस्वीकार गर्ने काम — कलात्मक न्यूड रिटचिङ, चिकित्सकीय र फोरेन्सिक चित्रण, सुरक्षा अनुसन्धान तस्बिर, कथासाहित्यमा हिंसा, राजनीतिक व्यङ्ग्य — अस्वीकृत हुनुको साटो सम्पन्न हुन्छ।

मैले पृष्ठभूमि मात्र बदल्न भन्दा अनुहार किन बदलिन्छ?

किनभने निर्देशन सम्पादनले तपाईंको स्रोत तस्बिरमा आधारित रहेर पूरै फ्रेम पुनः बनाउँछ, तपाईंको मनमा रहेको क्षेत्र मात्र होइन — तपाईंले नबदलिने भनी नाम नलिएको जुनसुकै कुरा बरालिन स्वतन्त्र हुन्छ। समाधान एङ्करिङ हो: "अनुहार, केशसज्जा, मुद्रा र पहिरन ठ्याक्कै उस्तै राख्नुहोस्, उही क्यामेरा कोण र क्रप" जस्तो राख्ने खण्ड थप्नुहोस्। नबदलिने भागहरूको नाम लिनु नै तपाईंसँग भएको सबैभन्दा ठूलो गुणस्तर लिभर हो।

के Shannon को तस्बिर सम्पादनले नेगेटिभ प्रम्प्ट समर्थन गर्छ?

गर्छ। पाठ-देखि-तस्बिरले बिलकुलै नलिने भए पनि, सम्पादन र बहु-तस्बिर जोड्ने दुवै बाटोले एउटा नेगेटिभ प्रम्प्ट समर्थन गर्छन्। निर्देशनमा "X नहोस्" लेख्नुको साटो यसलाई अनचाहिँदा त्रुटिका लागि प्रयोग गर्नुहोस् — अतिरिक्त औंला, बिग्रिएको पाठ, दोहोरिएको रेलिङ, लत्पतिएको बनोट, प्लास्टिकजस्तो छाला, वाटरमार्क। सामग्रीसम्बन्धी निर्णय निर्देशनमा, सकारात्मक रूपमा भनिनुपर्छ; त्रुटि दबाउने काम नेगेटिभ प्रम्प्टमा पर्छ।

के Shannon ले मेरो तस्बिरलाई चलायमान बनाउन वा भिडियोमा बदल्न सक्छ?

सक्दैन। Shannon ले भिडियो बनाउँदैन र तस्बिरलाई चलायमान बनाउँदैन। तस्बिर-देखि-भिडियो बाटो छैन र त्यस्तो कुनै घोषणा पनि गरिएको छैन। Shannon 3 ले नयाँ तस्बिर बनाउँछ, एउटा भइरहेको तस्बिर सम्पादन गर्छ, वा दुई वा बढी तस्बिरलाई एउटैमा जोड्छ — यी तीन कुरा, र यीभन्दा बाहिर केही होइन।

एउटा सम्पादनले कतिवटा स्रोत तस्बिर प्रयोग गर्छ?

ठ्याक्कै एउटा: या त कुराकानीमा पहिले नै रहेको तस्बिर, या तपाईंको हालको सन्देशमा संलग्न गरिएको एउटा। यदि तत्त्वहरू दुई वा बढी तस्बिरबाट आउनुपर्ने हो भने — एउटा फोटोको पहिरन अर्को फोटोको व्यक्तिमा — त्यो सम्पादन होइन, जोड्ने काम हो, र दोस्रोलाई शब्दमा वर्णन गर्नुको साटो तपाईंले साँच्चैका तस्बिर उपलब्ध गराउनुपर्छ।

के मैले मास्क कोर्नु वा इनपेन्टिङ प्रयोग गर्नु पर्छ?

पर्दैन। यहाँ ब्रस, ल्यासो वा मास्क तह छैन। तपाईं परिवर्तनलाई एउटा वाक्यमा वर्णन गर्नुहुन्छ र क्षेत्र तपाईंकै भाषाबाट अनुमान गरिन्छ, त्यसैले सटीक नामले महत्त्व राख्छ: "दायाँतिर पार्क गरिएको चाँदी रङको कार" ले "त्यो कुरा" भन्दा धेरै राम्रोसँग लक्ष्य समात्छ। यसैले Shannon छनोटको मेहनतविना नतिजा चाहनेहरूका लागि व्यावहारिक सेन्सर नगरिएको इनपेन्टिङ विकल्प बन्छ।

के म Shannon API मार्फत तस्बिर सम्पादन गर्न सक्छु?

सक्नुहुन्न। तस्बिर निर्माण र सम्पादन Shannon च्याट एपमा छन्। /v1 डायलेक्टहरू — /v1/chat/completions, /v1/messages र /v1/responses — पाठ र भिजन सेवा दिन्छन्: तिनले तपाईंले पठाएका तस्बिर पढ्छन् र विश्लेषण गर्छन्, तर बनाउँदैनन् वा सम्पादन गर्दैनन्। एउटा सामान्य कार्यप्रवाह भनेको API को भिजनलाई एङ्कर गरिएको निर्देशनको मस्यौदा लेखाउने, अनि सम्पादन च्याटमा चलाउने हो।

तस्बिर त्रयीका बाँकी भाग। फोटोबाट होइन, शून्यबाटै सुरु गर्दै हुनुहुन्छ? पढ्नुहोस् सेन्सर नगरिएको AI तस्बिर निर्माण — प्रम्प्टको क्रम, फोटोग्राफिक आधार, र पाठ-देखि-तस्बिरले नेगेटिभ प्रम्प्ट किन लिँदैन। धेरै तस्बिरबाट तत्त्व तान्दै हुनुहुन्छ? पढ्नुहोस् सेन्सर नगरिएको बहु-तस्बिर संयोजन — भूमिकाको नामकरण र क्यानभास छनोट। थप लेखहरू Shannon Research मा छन्।

फिल्टरसँग बहस नगरी तस्बिर सम्पादन गर्नुहोस्

फोटो संलग्न गर्नुहोस्, एउटा वाक्य लेख्नुहोस्, के उस्तै रहन्छ भन्ने नाम लिनुहोस्।

सम्पादन सुरु गर्नुहोस् API कागजात पढ्नुहोस्

तस्बिरहरू हाम्रो आफ्नै GPU क्लस्टरमा रेन्डर हुन्छन् · तपाईंले कार्ड पुष्टि नगरेसम्म केही रेन्डर वा बिल हुँदैन

Shannon AI लाई Shannon Lab LLC, न्यू मेक्सिको, USA ले सञ्चालन गर्छ। तस्बिर निर्माण, सम्पादन र जोड्ने काम Shannon 3 का च्याट-एप सुविधा हुन्; /v1 API ले पाठ र भिजन मात्र सेवा दिन्छ। उत्पादनमा कुनै भिडियो निर्माण छैन। सम्पादनले ठ्याक्कै एउटा स्रोत तस्बिर लिन्छ र त्यसकै आस्पेक्ट रेसियो प्राप्त गर्छ। सेन्सर नगरिएका तस्बिर बाटोहरूको प्रयोग जिम्मेवार प्रयोग नीति द्वारा निर्देशित हुन्छ।

All research links