AI तस्बिर प्रम्प्ट गाइड

धेरैजसो मानिस SDXL मा सिकेका प्रम्प्ट बानी लिएर आउँछन्: अल्पविरामले छुट्याइएका नामको लहर, गुणस्तर-टोकनको भूमिका, केही कोष्ठकभित्रका वेट, र सकारात्मक जत्तिकै लामो नेगेटिभ प्रम्प्ट। ती बानी ती मोडेलका लागि ठीक थिए र यहाँ उल्टो असर गर्छन्। यहाँ साँच्चै काम गर्ने कुराको छोटो संस्करण छ — र Shannon ले तपाईंका लागि निर्माण प्रम्प्ट लेखेर केही रेन्डर हुनुअघि देखाउने भएकाले, यो Shannon ले प्रस्ताव गरेको कुरा पढ्ने र सच्याउने गाइड पनि हो।

01गद्यले ट्यागलाई किन जित्छ: मोडेलले भाषा मोडेलजस्तै पढ्छ

धेरैजसो प्रम्प्ट सल्लाह जुन पुराना डिफ्युजन मोडेलहरूका लागि लेखिएका थिए, तिनले व्यवहारमा अवधारणाको झोलाजस्तै व्यवहार गर्ने पाठ इन्कोडर प्रयोग गर्थे: व्याकरणले खासै अर्थ राख्दैनथ्यो, र जित्ने रणनीति भनेको सान्दर्भिक नामहरू थुपार्नु र वेटले तिनलाई झुकाउनु थियो। त्यो इन्कोडरका लागि ट्याग-सुप नै प्रम्प्टको ठीक बनोट थियो।

Shannon को Image Model त्यसरी काम गर्दैन। यसले प्रम्प्टलाई भाषा मोडेलले पाठ पढेजसरी पढ्छ, त्यसैले सिन्ट्याक्सले अर्थ बोक्छ। "काँधमा छाता अड्याएर" भन्नु व्यक्ति, वस्तु र शरीरको अङ्गबीचको सम्बन्ध हो; "छाता, काँध" भन्नु संयोगले उपस्थित दुई कुरा मात्र हो। नामयोगीले वस्तु ठाउँमा राख्छन्। क्रियाले मुद्रा बनाउँछन्। वाक्यांशले विवरणलाई पूरै तस्बिरभरि उडाउनुको साटो ठीक नामसँग जोड्छन्।

उही तस्बिर दुवै तरिकाले मागिएको यहाँ छ।

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.

ट्याग संस्करणले के भन्न सक्दैन, हेर्नुहोस्। छाता समातिएको छ भनी यसले कहिल्यै भन्दैन, त्यसैले त्यो भुइँमा लडिरहेको हुन सक्छ। नियोन कालोपत्रेमा प्रतिबिम्बित छ भनी भन्दैन, केवल दुवै छन् भन्छ, त्यसैले तपाईं साइनबोर्ड र भिजेको सडक पाउनुहुन्छ, बीचमा कुनै प्रकाशीय सम्बन्धविना। महिला कतातिर हेरिरहेकी छिन् भन्दैन, त्यसैले उनको मुद्रा संयोगको कुरा हुन्छ। "Cinematic lighting" प्रकाशको स्रोत होइन, मुडको लेबल हो। र अन्तिम पाँच टोकन हल्ला हुन्, जुन नियन्त्रणका ह्यान्डल नभई फोटोग्राफीबारेका अङ्ग्रेजी शब्दका रूपमा पढिन्छन्।

गद्य संस्करण फूलबुट्टेदार भएर लामो भएको होइन। यो लामो भएको हो किनभने यसले ट्याग संस्करणले खुला छाडेका प्रश्नको जवाफ दिन्छ। पूरै चलाखी यत्ति नै हो।

02तस्बिर प्रम्प्ट कति लामो हुनुपर्छ?

30 देखि 80 शब्दको लक्ष्य राख्नुहोस्। 100 भन्दा धेरै नबढाउनुहोस्। तपाईंलाई उपलब्ध सबैभन्दा सजिलो गुणस्तर लिभर यही हो, र दायराका दुवै छेउ महत्त्वपूर्ण छन्।

करिब 30 शब्दभन्दा कममा संरचना, प्रकाश र फ्रेम अनिर्दिष्ट रहन्छन्, त्यसैले मोडेलले तथ्याङ्कीय रूपमा सबैभन्दा सामान्य जे हो त्यही छान्छ। "कफी पसलमा एउटी महिला" वैध प्रम्प्ट हो जसले बिर्सिने खालको तस्बिर दिन्छ, किनभने तपाईंले हरेक रोचक निर्णय अरूलाई सुम्पनुभयो।

करिब 100 शब्दमाथि फरक असफलता देखिन्छ: पछिल्ला वाक्यांशहरू तस्बिरकै उही क्षेत्रका लागि अघिल्लासँग प्रतिस्पर्धा गर्छन्, र विवरण थपिनुको साटो पातलिन्छ। तेस्रो प्रकाश वर्णनले पहिलोलाई मेट्छ, र पहिलो आठ शब्दमा स्थापित गरिएको विषयले तपाईंले थप्ने हरेक वाक्यसँगै कम सापेक्षिक ध्यान पाउँछ। लामा प्रम्प्ट पढ्दा पूर्ण लाग्छन्। तिनी पूर्ण रूपमा रेन्डर हुँदैनन्।

अनुशासन यो हो: आफूलाई चाहिएको प्रम्प्ट लेख्नुहोस्, अनि हटाउँदा तस्बिर बदलिने वाक्यहरू मात्र बाँकी राखेर काट्नुहोस्।

03क्रमको अनुशासन: सबैभन्दा महत्त्वपूर्ण कुरा पहिले

मोडेलले क्रमशः पढ्ने भएकाले, स्थान नै जोड हो: पहिले आउने कुराले तस्बिरलाई अड्याउँछ, अन्त्यमा आउनेले त्यसलाई मिलाउँछ। मोडेललाई चाहिने क्रममा कुरा राख्नुहोस्:

1. विषय — यो तस्बिर कसको वा केको हो, ठोस रूपमा।
2. क्रिया वा मुद्रा — उनीहरू के गर्दै छन्, कसरी उभिएका छन्।
3. शैली वा मुड — फोटो, तैलचित्र, प्राविधिक चित्रण, र यो कुन स्वरमा छ।
4. परिवेश र प्रकाश — यो कहाँ भइरहेको छ र यसमा कस्तो प्रकाश पर्छ।
5. प्राविधिक — फ्रेम, लेन्स, फिल्डको गहिराइ, रङका विशेष कुरा।

सबैभन्दा सामान्य आत्म-घात भनेको प्राविधिक वाक्यांशबाट सुरु गर्नु हो। "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" ले मोडेललाई देखावट नै विषय हो र मान्छे विवरण हो भन्ने बताउँछ। तपाईं भव्य, खाली फ्रेम पाउनुहुन्छ जसमा एउटा सानो, अस्पष्ट आकृति हुन्छ।

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.

पहिलो संस्करणका हरेक तत्त्व दोस्रोमा बाँचेका छन्; केही पनि हटाइएको छैन। मोडेललाई अब कसरी खिच्ने भन्नुअघि तस्बिर केको हो भन्ने थाहा हुन्छ — र त्यो क्रम मिलाउने कामले नै विषयलाई प्रासङ्गिक मात्रबाट केन्द्रमा सार्छ।

04विषयबारे ठोस हुनुहोस्

"एउटा व्यक्ति" विषय होइन, त्यो खाली ठाउँ हो — र मोडेलले खाली ठाउँलाई आफूले देखेका सबैको औसतले भर्छ, र चिल्लो, उमेरविहीन, चरित्रविहीन देखावट ठ्याक्कै त्यहीँबाट आउँछ। ठोस हुन पाँच शब्द लाग्छ र त्यसले एउटा निश्चित मानिस किन्छ:

ढाँचा ध्यान दिनुहोस्: उमेर वा कालखण्ड, एउटा संरचनागत विशेषता, एउटा छुट्टिने अपूर्णता। तेस्रो कुराले नै नतिजालाई जेनेरेट गरिएको होइन, खिचिएको महसुस गराउँछ। चुँडिएको दाँत, फाटेको फेर, माथिबाट रङ पोतिएको साइनबोर्ड — साना असमानता नै उपलब्ध सबैभन्दा बलियो प्लास्टिक-विरोधी सङ्केत हुन्, र तिनले तपाईंको शब्द बजेटमा झन्डै केही खर्च गर्दैनन्।

05फोटोयथार्थवाद: अनुरोधलाई फोटोकै रूपमा लेख्नुहोस्

तपाईंले कला, चित्रण वा एनिमे नमागेसम्म फोटोयथार्थवाद नै डिफल्ट स्वर हो। तर "photorealistic" शब्दले खासै काम गर्दैन। फोटो उत्पादन गर्ने कुरा भनेको फोटोग्राफीको कार्य वर्णन गर्नु हो: साँचो क्यामेरा, साँचो लेन्स, र साँचो फिल्म स्टक वा प्रकाशको स्रोत।

कारण सोझो छ। "Kodak Portra 400" क्याप्सन भएको हरेक तस्बिर निश्चित ग्रेन संरचना, हाइलाइट रोल-अफ र छालाको प्रस्तुति भएको निश्चित प्रक्रियाबाट बनेको थियो, र स्टकको नाम लिनुले ती सबै बोलाउँछ। "8k ultra detailed" चाहिँ स्टक-साइटका स्पाममा मात्र देखिन्थ्यो, त्यसैले यसले स्टक-साइटको स्पाम बोलाउँछ। केही भरपर्दा नुस्खा, जसमध्ये हरेकले उही विषयको स्पष्ट रूपमा फरक तस्बिर दिन्छ:

आधार दिने विवरणलाई नुस्खासँग मिलाउनुहोस् — अनुहार असी पिक्सेल अग्लो हुने 24mm वाइडमा प्वालसम्मको छालाको बनोटले केही अर्थ राख्दैन — अनि त्यो थप्नुहोस्। आधार दिने विवरण भनेको लेन्सले साँच्चै यो रेकर्ड गरेको हो भन्ने बनोटको प्रमाण हो। देखिने छालाका प्वाल र अनुहारका मसिना रौं। सुतीको सर्टको बुनाइ। प्रकाशको धारमा उडिरहेका धुलोका कण। छालाको बुटमा कोतरिएको दाग। उज्यालो पृष्ठभूमिमा उडिरहेका कपाल। दुई-तीनवटा पुग्छन्, र तिनी नै कुनै व्यक्तिको रेन्डरिङ र कुनै व्यक्तिको फोटोबीचको फरक हुन्।

06तह-तहका दृश्य: अग्रभूमि, मध्यभूमि, पृष्ठभूमि

दृश्यमा गहिराइ हुँदा, तीनवटै तहलाई छुट्टाछुट्टै र क्रमैसँग वर्णन गर्नुहोस्। पृष्ठभूमिको पर्दा नभई साँच्चिकै ठाउँजस्तो लाग्नुपर्ने तस्बिरका लागि यो सबैभन्दा प्रभावकारी प्रविधि हो, र झन्डै कसैले पनि यो गर्दैन। यसविना तपाईं चेप्टोपन पाउनुहुन्छ: प्रम्प्टले उल्लेख गरेका सबै कुरा झन्डै उही दूरीमा आइपुग्छन् र फ्रेमको उही मध्य पट्टीका लागि प्रतिस्पर्धा गर्छन्। तहको नाम लिनुले मोडेललाई खर्च गर्न गहिराइको बजेट दिन्छ।

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.

दुई परिष्कार। अग्रभूमिमा जानाजानी फोकसबाहिर रहने केही राख्नुहोस् — गहिरा दृश्यका साँचो फोटोमा झन्डै सधैं एउटा हुन्छ, र त्यसको अभाव नै सामान्य सङ्केत हो। र विषय कुन तहमा छ भन्नुहोस्: कुरियर नै तस्बिरको बुँदा हुन् भने उनी मध्यभूमिमा पर्नुपर्छ, नत्र टावर र कफीको कपले उनीसँग फ्रेमका लागि लड्नेछन्।

07ठ्याक्कै मिल्ने रङ: वस्तुसँग जोडिएका हेक्स कोड

ब्रान्डको काम, पोसाकको निरन्तरता, वा "रातो" पर्याप्त निश्चित नहुने जुनसुकै ठाउँका लागि, हेक्स कोडलाई color #RRGGBB का रूपमा लेख्नुहोस् र नाम लिइएको वस्तुमा जोड्नुहोस्:

...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...

तीन व्यावहारिक नियम। साँच्चै महत्त्वपूर्ण दुई-तीन रङका लागि हेक्स र बाँकीका लागि साधारण शब्द प्रयोग गर्नुहोस् — छ हेक्स कोड भएको प्रम्प्टले आफ्नो बजेटको धेरै हिस्सा रङका टुक्रामै खर्च गर्छ। कोडलाई किनारा भएको वस्तुसँग बाँध्नुहोस्, "प्रकाश" वा "मुड" सँग कहिल्यै होइन। र याद राख्नुहोस्, यसले वस्तुको रङ तोक्छ, अन्तिम पिक्सेल मान होइन: golden hour को ब्याकलाइटमा #8B0000 कोट स्वाचभन्दा न्यानो देखिन्छ, ठ्याक्कै जीवनमा जस्तै।

08आस्पेक्ट रेसियो छान्ने

पाँच रेसियो उपलब्ध छन् र ठीक चाहिँ प्रायः विषय आफैंले सङ्केत गर्छ, तर तपाईंको स्पष्ट अनुरोध सधैं जित्छ — वालपेपर माग्नुहोस्, सामग्रीले जे सुझाए पनि तपाईं tall पाउनुहुन्छ।

यो बिगार्नु देखिनेभन्दा बढी हानिकारक छ। wide फ्रेममा पूरा शरीरको उभिएको आकृतिले तपाईंलाई ठूलो फ्रेममा सानो आकृति दिँदैन — प्रायः काटिएको आकृति दिन्छ, किनभने मोडेलले चौडाइ भर्छ र टाउको वा खुट्टा फ्रेमबाहिर जान्छ। फ्रेमलाई विषयको हावी अक्षसँग मिलाउनुहोस्, र संरचनासम्बन्धी धेरैजसो गुनासो हराउँछन्।

दुई व्यवहार याद राख्न लायक छन्: सम्पादनले स्रोत तस्बिरको आस्पेक्ट रेसियो स्वतः कायम राख्छ, त्यसैले तपाईं सम्पादन गरेर फ्रेम बदल्न सक्नुहुन्न, जबकि जोड्ने कामले तपाईंलाई नयाँ क्यानभास छान्न दिन्छ — तपाईंसँग पहिल्यै भएको कुनै कुराको आकार बदल्ने प्रायः सबैभन्दा सफा तरिका यही हो।

09एन्टी-प्याटर्न: के गर्न छाड्ने

गुणस्तर टोकन: "masterpiece, best quality, 8k, ultra detailed"

यी कुनै निश्चित पुरानो तालिम वितरणका लागि समुदायले पत्ता लगाएका ह्यान्डल थिए, जहाँ केही क्याप्सन वाक्यांश केही तस्बिर स्रोतसँग सहसम्बन्धित थिए। ती सर्दैनन्। यहाँ तिनी साधारण अङ्ग्रेजी शब्दका रूपमा पढिन्छन्, केही योगदान गर्दैनन्, र तपाईंलाई पहिल्यै साँघुरो भनिएको शब्द बजेटको हिस्सा खान्छन्। यसको सट्टा भनेको कुन विवरण चाहिन्छ त्यो भन्नु हो: "ultra detailed" होइन, "कोटको कपडामा देखिने बुनाइ र बङ्गारासँगै मसिनो दाह्री" — उही आशय, मोडेलले रेन्डर गर्न सक्ने कुराका रूपमा व्यक्त।

वेट सिन्ट्याक्स: (word:1.3), [word], {{word}}

पार्स हुँदैन। कोष्ठक, ब्र्याकेट, विसर्ग र अङ्क अक्षरशः पाठका रूपमा जान्छन् र बरु वरिपरिको वाक्यांश पढ्न झन् गाह्रो बनाउँछन्। कुनै कुरामा बढी जोड चाहिन्छ भने, काम गर्ने दुई लिभर प्रयोग गर्नुहोस्: प्रम्प्टमा त्यसलाई अगाडि सार्नुहोस्, र त्यसलाई बढी शब्द दिनुहोस्। "A crimson silk scarf, its fringed ends lifting in the wind" ले "(red scarf:1.4)" लाई महत्त्व राख्ने हरेक मापदण्डमा जित्छ।

विरोधाभासी निर्देशन

नमिल्ने निर्देशन मिसाउँदा तिनी मिसिँदैनन्; अस्थिर औसत बन्छ जसले प्रायः कुनैलाई पनि सन्तुष्ट पार्दैन। बारम्बार हुने गल्तीहरू:

• माध्यम — "photorealistic" सँगै "watercolor"; "oil painting" सँगै "shot on 85mm"। एउटा छान्नुहोस् र त्यसैमा टिक्नुहोस्।
• फ्रेम — "wide establishing shot" सँगै "extreme close-up on her eyes"; "full body" सँगै "detailed facial pores"।
• प्रकाश — "harsh midday sun" सँगै "soft golden hour glow"; "low key, deep shadows" सँगै "bright and airy"।
• कालखण्ड — "1970s film aesthetic" सँगै "modern minimalist" सँगै "cyberpunk"।
• शैलीको थुप्रो — एकैचोटि चार कलाकार वा चार विधा। दुई सम्बन्धित सन्दर्भले काम गर्न सक्छन्; चारले एकआपसमा काटेर सामान्य बनाइदिन्छन्।
• फैलावट — "rustic, weathered, ancient, timeworn wooden door" एउटै विचार चार पटक लेखिएको हो, र हरेक दोहोरिने शब्दले प्रम्प्टको बाँकी भाग पातलो पार्छ।

10पाठ-देखि-तस्बिरमा नेगेटिभ प्रम्प्ट छैन

यही एन्टी-प्याटर्नले अनुभवी प्रयोगकर्तालाई सबैभन्दा बढी अल्झाउँछ, किनभने पुराना स्ट्याकमा नेगेटिभ प्रम्प्ट नै आधा कला थियो।

निर्माणका लागि नियम निरपेक्ष र अलिक उल्टो लाग्ने खालको छ: प्रम्प्टमा "no text, no watermark, no extra fingers" लेख्नाले ती कुरा कम होइन, बढी सम्भावित बनाउँछ। मोडेलले "no text" लाई text अवधारणा भएको वाक्यका रूपमा पढ्छ; निषेध कमजोर सङ्केत हो र नाम बलियो। तपाईंले प्रभावकारी रूपमा पाठ नै मागिसक्नुभयो। त्यसको साटो सधैं सकारात्मक रूप भन्नुहोस्:

सम्पादन र जोड्ने कामका लागि नेगेटिभ प्रम्प्ट छ र तपाईंले प्रयोग गर्नुपर्छ — तर सामग्रीका लागि होइन, कलात्मक खोटका लागि। राम्रो सामग्री: वाटरमार्क, पाठ ओभरले, दोहोरिएका अङ्ग, बाङ्गिएका हात, अति-तीखोपनका घेरा, JPEG ब्लकिङ, कम्पोजिटको किनारमा देखिने जोर्नीका धर्का। नराम्रो सामग्री: तस्बिर केको हो भन्नेबारे कुनै पनि कुरा, जुन निर्देशनमा पर्छ।

11Shannon ले तपाईंका लागि लेखेको प्रम्प्ट पढ्ने

यो गाइडलाई सैद्धान्तिक होइन, तत्कालै प्रयोगयोग्य बनाउने कुरा यही हो। तपाईंले निर्माण प्रम्प्ट आफैं लेख्नै पर्दैन। तपाईं सरल भाषामा, जुनसुकै भाषामा सोध्नुहुन्छ; Shannon ले तस्बिर मागिँदै छ भनी चिन्छ, अङ्ग्रेजी निर्माण प्रम्प्ट रच्छ, र केही रेन्डर हुनुअघि त्यो तपाईंलाई पुष्टि कार्डमा देखाउँछ। तपाईंले पुष्टि नगरेसम्म केही बन्दैन र केही बिल हुँदैन।

त्यसैले सबैभन्दा बढी फाइदा दिने सीप भनेको शून्यबाट प्रम्प्ट लेख्नु होइन — कार्डमा भएको प्रम्प्ट पढ्नु हो। यो सूची हेर्दै जानुहोस्:

1. विषय ठोस छ? कार्डमा "a person" वा "a woman" लेखिएको छ भने, तपाईंले उपलब्ध सबैभन्दा ठूलो सुधार भेट्टाउनुभयो। यसलाई उमेर, गठन, एउटा विशेषता दिनुहोस्।
2. विषय पहिले छ? प्रम्प्ट शैली वा क्यामेराबाट सुरु हुन्छ भने, त्यसको साटो विषयबाट सुरु गर्न भन्नुहोस्।
3. दायराभित्र छ? 30 शब्दभन्दा कम भए प्रकाश र परिवेशमा थप निश्चितता माग्नुहोस्। 100 भन्दा बढी भए काट्न भन्नुहोस्।
4. प्रकाशको स्रोत छ? मुडको शब्द होइन — साँचो प्रकाश: झ्याल, सडकबत्ती, फ्ल्यास, बादल लागेको आकाश, सफ्टबक्स।
5. कुनै विरोधाभास छ? एउटै प्रम्प्टमा दुई माध्यम, दुई फ्रेम, वा दुई प्रकाश अवस्था छन् कि, हेर्नुहोस्।
6. लुकेका निषेध छन्? कार्डमा "without", "no", वा "avoid" छ भने, त्यो पाठ-देखि-तस्बिर प्रम्प्टले आफूले नाम लिएको कुरा नै मागिरहेको छ।
7. रेसियो विषयका लागि ठीक छ? wide मा पूरा शरीरको आकृति क्लासिक बेमेल हो।

सुधार कुराकानीमै हुन्छ: "उनलाई तीसको दशकको सुरुवातकी बनाऊ, एउटा आँखीभौंमा दाग राख, Portra मा 85mm ले खिच, र portrait प्रयोग गर" पूर्ण रूपमा राम्रो निर्देशन हो। तपाईं नयाँ कार्ड पाउनुहुन्छ र त्यसैलाई पुष्टि गर्नुहुन्छ। दोहोर्‍याउनुको कुनै दण्ड छैन, किनभने केही रेन्डर भइसकेकै छैन।

र Shannon ले नमागी बनाउँदैन। अभिवादन, प्रश्न, वा छलफलका लागि तपाईंले जोड्नुभएको फोटोले रेन्डर सुरु गर्दैन। Shannon लाई कुनै तस्बिर हेर्न भन्नु — वर्णन गर, पढ, विश्लेषण गर — सामान्य भिजनको काम हो, निर्माण होइन, र यसको कुनै अतिरिक्त शुल्क लाग्दैन।

12सम्पादन र जोड्ने कामका लागि कला कसरी फरक हुन्छ

माथिका नियम निर्माणका लागि लेखिएका हुन्। दुई नजिकका मोडले प्रम्प्टको बनोट बदल्छन्।

एउटा तस्बिरको सम्पादन

सम्पादन प्रम्प्ट वर्णन होइन, निर्देशन हो: के बदलिन्छ र के उस्तै रहन्छ भन्नुहोस्। नबदलिने भागको नाम लिनु उत्पादनकै सबैभन्दा ठूलो गुणस्तर लिभर हो — "पृष्ठभूमि नियोनका प्रतिबिम्ब भएको वर्षाको रातको सहरी सडकमा बदल, महिलालाई ठ्याक्कै जस्तो छ त्यस्तै राख" ले जोडिएर टिक्छ, जबकि त्यो वाक्यांशविनाको उही अनुरोधले उनको अनुहार चुपचाप फेरि कोर्छ। एङ्करबारे निश्चित हुनुहोस्: अनुहार, मुद्रा, कपाल र लुगा उस्तै राख्न भन्नुहोस्। ठ्याक्कै एउटा स्रोत तस्बिर प्रयोग हुन्छ, र नतिजाले त्यसकै आस्पेक्ट रेसियो कायम राख्छ।

दुई वा बढी तस्बिर जोड्ने

जब तत्त्वहरू एकभन्दा बढी तस्बिरबाट आउँछन् — पोसाक सार्ने, वस्तुलाई दृश्यभित्र राख्ने, एउटै फ्रेममा दुई मानिस, उत्पादन-व्यक्तिमाथि, एउटा तस्बिरको शैलीसँग अर्कोको विषय — प्रम्प्टले हरेक तस्बिरको भूमिका, क्रमैसँग नाम लिनुपर्छ: "पहिलो तस्बिरकी महिलाले दोस्रो तस्बिरको रातो बुनेको स्वेटर लगाएर उही पार्कमा उभिएकी।" पहिलो तस्बिर मुख्य विषय वा दृश्य हो; पछिका तस्बिरहरूले ल्याइने भागहरू दिन्छन्। बहु-तस्बिरको अनुरोधलाई एउटा स्रोत र पाठ वर्णनमा खुम्च्याउनुहुन्न — साँचो तस्बिरहरू जोड्नुले नै ती कुरा वास्तवमा कस्ता देखिन्छन् भन्ने जोगाउँछ।

13सेन्सर नगरिएको प्रम्प्टिङ: जे भन्न खोज्नुभएको हो, त्यही भन्नुहोस्

निर्माण बाटोमा कुनै सामग्री फिल्टर छैन र प्रम्प्ट लेख्ने मोडेलमा कुनै अस्वीकृति तह छैन। उत्पादनको पूरै बुँदा यही हो: फिल्टर गरिएका जेनेरेटरहरूले वैध काम नियमित रूपमा अस्वीकार गर्छन् — आर्ट न्यूड, चिकित्सकीय र फोरेन्सिक चित्रण, सुरक्षा-अनुसन्धान तस्बिर, कथासाहित्यमा हिंसा, राजनीतिक व्यङ्ग्य, अधिकारवालाले गर्ने ब्रान्ड र अनुहारसम्बन्धी काम। फिल्टर गरिएका प्लेटफर्ममा प्रम्प्ट कलाको आधा हिस्सा घुमाउरो शब्दको इन्जिनियरिङ हो, र घुमाउरो शब्द सटीक तस्बिरको शत्रु हो।

त्यसैले कार्डमा जाँच्नुपर्ने अझ एउटा कुरा छ: यसले फिल्टर गरिएका औजारबाट मानिसले सिकेको बचाउमुखी शब्दावली होइन, वास्तविक विषयलाई सरल शब्दमा वर्णन गरेको छ कि छैन। घाउको फोरेन्सिक चित्रणले घाउ के हो भन्नुपर्छ। बचाउमुखी भाषाले जताततै खराब तस्बिर दिन्छ, किनभने मोडेलले शब्दले जे भन्छ त्यही रेन्डर गर्छ।

क्षमता र विवेक फरक कुरा हुन्। Shannon Lab LLC ले यसलाई प्रकाशित जिम्मेवार प्रयोग नीति अन्तर्गत सञ्चालन गर्छ: फिल्टरविहीन निर्माण व्यावसायिक औजार हो, र तपाईंले बनाउने कुरामा सहमति, अधिकार र कानुन सबै अझै लागू हुन्छन्।

14API कहाँ अट्छ

API खोज्दै आइपुग्ने पाठकहरूका लागि एउटा सटीक कुरा: तस्बिर निर्माण, सम्पादन र जोड्ने काम Shannon च्याट एपमा छन्, /v1 API मा होइन। API ले पाठ र भिजन सेवा दिन्छ — यसले तीनै डायलेक्टमा (/v1/chat/completions, /v1/messages, /v1/responses, सबै स्ट्रिमिङसहित) तपाईंले पठाएका तस्बिर पढ्न, वर्णन गर्न र विश्लेषण गर्न सक्छ — तर बनाउँदैन। तपाईं तस्बिर बुझ्नुपर्ने पाइपलाइन बनाउँदै हुनुहुन्छ भने, API कागजात बाट सुरु गर्नुहोस्। तपाईंलाई तस्बिर बनाउनु छ भने त्यो च्याट एपमा हुन्छ, र यस गाइडका सबै कुरा त्यहाँ लागू हुन्छन्। तस्बिरहरू हाम्रो आफ्नै GPU क्लस्टरमा रेन्डर हुन्छन्।

15बारम्बार सोधिने प्रश्नहरू

सम्बन्धित पठन: सेन्सर नगरिएको AI तस्बिर निर्माण · सेन्सर नगरिएको AI तस्बिर सम्पादन · जिम्मेवार प्रयोग नीति · API कागजात · सबै Shannon अनुसन्धान। यहाँका मार्गदर्शन Shannon को Image Model मा गरिएको हाम्रै परीक्षणबाट लिइएका हुन्; पुराना डिफ्युजन स्ट्याकका लागि लेखिएका सल्लाह सामान्यतया यहाँ लागू हुँदैनन्।