AI आउटफिट ट्रान्सफर, सेन्सर नगरिएको

मानिसलाई साँच्चै चाहिने धेरैजसो तस्बिरको काम "मलाई कुनै कुराको तस्बिर बनाइदेऊ" होइन। त्यो हो "यो ज्याकेट यो व्यक्तिलाई लगाइदेऊ," "यो कुर्सी यो कोठामा राखिदेऊ," "यो उत्पादन त्यो हातमा फोटो खिचिदेऊ।" ती सबैलाई एकभन्दा बढी फोटोबाट सामग्री चाहिन्छ, र ती सबै उही तरिकाले असफल हुन्छन्: एउटा तस्बिर संलग्न हुन्छ, अर्को शब्दमा वर्णन गरिन्छ, र फर्किन्छ सम्भाव्य देखिने त्यस्तो कुरा जुन तपाईंको आफ्नो होइन। समाधान तपाईंले सोचेभन्दा सानो छ, र यो सबैतिर काम गर्छ।

01"तस्बिर जोड्ने" भनेको के हो, र यो कहाँ हुन्छ

Shannon 3 ले तस्बिरसँग तीन फरक काम गर्छ: यसले वर्णनबाट नयाँ तस्बिर बनाउँछ, यसले एउटा भइरहेको तस्बिर सम्पादन गर्छ, र यसले दुई वा बढी तस्बिरलाई एउटै नयाँ तस्बिरमा जोड्छ। यिनका नियम फरक छन्, र गलत छनोट गर्नु नै गुणस्तर बिग्रिने पहिलो ठाउँ हो।

तयार तस्बिरलाई एकभन्दा बढी फोटोबाट सामग्री चाहिने जुनसुकै बेला जोड्ने काम प्रयोग गर्नुहोस्: पहिरन र लुगा ट्रान्सफर, दृश्यमा वस्तु राख्ने, व्यक्ति क सँगै व्यक्ति ख, साँचो मोडेलले समातेको साँचो उत्पादन, एउटा तस्बिरको शैली अर्कोको विषयमा लगाउने। तपाईंलाई एकैचोटि दुई तस्बिर देखाउन पाए हुन्थ्यो जस्तो लाग्दैछ भने, त्यही काम यही हो।

यी सबै Shannon च्याट एपमा, सामान्य कुराकानीमै हुन्छन्। यो /v1 API मा छैन — API ले पाठ र भिजन सेवा दिन्छ, अर्थात् यसले तपाईंले पठाएका तस्बिर नयाँ बनाउनुको साटो पढ्छ। तपाईं API खोजबाट आउनुभएको हो भने, इमानदार जवाफ यही हो; एन्डपोइन्टहरूले के सेवा दिन्छन् भन्नका लागि API कागजात हेर्नुहोस्। तस्बिरहरू हाम्रो आफ्नै GPU क्लस्टरमा रेन्डर हुन्छन्।

तपाईं सरल भाषामा, आफूले बोल्ने जुनसुकै भाषामा सोध्नुहुन्छ। Shannon ले तस्बिर मागिएको हो भनी पत्ता लगाउँछ, निर्माण निर्देशन आफैं अङ्ग्रेजीमा लेख्छ, र केही रेन्डर हुनुअघि नै त्यो तपाईंलाई पुष्टि कार्डमा देखाउँछ। तपाईंले पुष्टि नगरेसम्म केही बन्दैन र केही बिल हुँदैन — र बहु-तस्बिर कामका लागि भूमिका र क्रम तपाईंले चाहेजस्तै आयो कि आएन भनी जाँच्ने ठाउँ त्यही कार्ड हो। Shannon ले कहिल्यै नमागिकन बनाउँदैन: अभिवादन, प्रश्न वा संयोगले संलग्न गरिएको फोटोले रेन्डर सुरु गर्दैन।

02नियम: हरेक तस्बिरको भूमिका, क्रमैसँग नाम लिनुहोस्

निर्देशनले हरेक तस्बिरले के दिन्छ भन्नुपर्छ, र त्यो तस्बिरहरू दिइएकै क्रममा भन्नुपर्छ। सम्पूर्ण प्रविधि यत्ति नै हो; तल भएका सबै कुरा त्यही नियम कुनै निश्चित कामका लागि लागू गरिएको मात्र हो।

पहिलो तस्बिर आधार हो — मुख्य विषय, वा दृश्य, तयार तस्बिर जेबाट बढी बनेको छ त्यही। यसले पहिचान, मुद्रा, फ्रेमिङ, प्रकाश र तपाईंले बदल्न नभनेका सबै कुरा तय गर्छ। पछिका तस्बिर स्रोत हुन्: भित्र ल्याइने भागहरू। वाक्य यसरी लेख्नुहोस् कि तस्बिरहरू क्रमैसँग समातेको कुनै अपरिचितले पनि त्यो काम हातैले गर्न सकोस्।

काम गर्छ
पहिलो तस्बिरकी महिला, दोस्रो तस्बिरको रातो बुनेको स्वेटर
लगाएर, उही पार्कमा, उही मुद्रा र उही दिउँसोको प्रकाशमा,
उनको अनुहार र कपाल अपरिवर्तित।

असफल हुन्छ
यी दुई तस्बिर जोड।   फोटोहरू मर्ज गर।   यिनलाई सँगै राख।

असफल हुने संस्करण छोटा भएर असफल भएका होइनन्, बरु तिनले कुन तस्बिर व्यक्ति हो र कुन स्वेटर हो भनी कहिल्यै भन्दैनन् भनेर असफल हुन्छन्। तीन बानीले यो नियमलाई भरपर्दो बनाउँछन्:

• क्रमसूचक भाषा स्पष्टसँग प्रयोग गर्नुहोस्। "पहिलो तस्बिरबाट", "दोस्रो तस्बिरबाट"। दुई शब्द, र अस्पष्टता हराउँछ।
• के उस्तै रहन्छ भन्नुहोस्। "उनको अनुहार, कपाल र मुद्रा उस्तै राख्नुहोस्।" नबदलिने भागहरूको नाम लिनु Shannon ले गर्ने हरेक तस्बिर कार्यमा सबैभन्दा ठूलो गुणस्तर लिभर हो, र यहाँ यसले सबैभन्दा बढी महत्त्व राख्छ, किनभने संयोजनसँग बरालिन सक्ने दुई वा बढी कुरा हुन्छन्।
• ट्याग होइन, गद्य लेख्नुहोस्। Image Model ले निर्देशनलाई भाषा मोडेलले वाक्य पढेजसरी पढ्छ, त्यसैले अल्पविरामले छुट्याइएका किवर्डभन्दा पूरा वाक्य जित्छन्। 30 देखि 80 शब्दको लक्ष्य राख्नुहोस्, र SDXL-युगका फोहोर ("masterpiece, best quality, 8k") तथा (word:1.3) जस्ता वेट सिन्ट्याक्स छाड्नुहोस्।

तस्बिरमा एकभन्दा बढी कुरा छ भने, त्यसबाट तपाईंलाई चाहिने भागको नाम लिनुहोस्। दोस्रो तस्बिर स्वेटर लगाएकी मोडेलको क्याटलग सट हो भने, "दोस्रो तस्बिरकी महिलाले लगाएको रातो बुनेको स्वेटर" भन्नुले तपाईंलाई पहिरन चाहिएको हो, मोडेल होइन भन्ने बुझाउँछ। "दोस्रो तस्बिर" मै छाड्नुभयो भने उनको अनुहार पनि आउन सक्छ।

कामअनुसार भूमिकाका ढाँचा

काम	पहिलो तस्बिर	दोस्रो तस्बिर	निर्देशनको बनोट
आउटफिट ट्रान्सफर	व्यक्ति	पहिरन	"पहिलो तस्बिरको [व्यक्ति], दोस्रो तस्बिरको [पहिरन] लगाएर, [के उस्तै रहन्छ]"
दृश्यमा वस्तु	दृश्य	वस्तु	"पहिलो तस्बिरको [कोठा], दोस्रो तस्बिरको [वस्तु] [कहाँ] राखिएको, [प्रकाश] सँग मिल्दो"
व्यक्ति + व्यक्ति	व्यक्ति क र परिवेश	व्यक्ति ख	"पहिलो तस्बिरको [पुरुष], दोस्रो तस्बिरकी [महिला] को छेउमा उभिएको, [स्थान, हेराइ]"
व्यक्तिमा उत्पादन	मोडेल वा दृश्य	उत्पादन	"पहिलो तस्बिरकी [मोडेल], दोस्रो तस्बिरको [उत्पादन] समातेर, [समाउने तरिका, लेबल फर्केको दिशा]"
शैली ट्रान्सफर	विषय	शैली रेफरेन्स	"पहिलो तस्बिरको [विषय], दोस्रो तस्बिरको [शैलीका आयाम] मा रेन्डर गरिएको, [विषय अपरिवर्तित]"

03धेरैजसो प्रयासलाई बिगार्ने गल्ती: संलग्न गर्नुको साटो वर्णन गर्ने

यो हल्ला मच्चाउन लायक गल्ती हो, किनभने यो सबैभन्दा सामान्य छ र किनभने यो काम गरेजस्तै देखिन्छ। प्रयोगकर्तासँग दुई फोटो छन् — तिनका ग्राहक र ग्राहकको उत्पादन, वा आफैं र आफूसँग भएको ज्याकेट। तिनले एउटा संलग्न गर्छन्, र अर्को टाइप गर्छन्।

गल्ती
[एउटी महिलाको एउटा फोटो संलग्न गर्छन्]
"उनलाई रातो बुनेको स्वेटर लगाइदेऊ, केबल निट, अलि मोटो,
बेरिएको कलरसहित।"

फर्किने कुरा हो रातो बुनेको स्वेटर लगाएकी महिला। स्वेटर राम्रो छ। तर त्यो त्यो स्वेटर होइन। केबल बुनोट आविष्कार गरिएको छ, रङ फरकै रातो छ, रिबिङको गहिराइ मिलेको छैन, कलर उल्टो दिशामा बेरिएको छ, र साँचो पहिरनलाई चिन्न सकिने बनाउने साना असमानता — एउटा टालो, एउटा तानिएको धागो, कुहिनोमा तन्किएको भाग — हराएका छन्, किनभने वाक्यमा तीमध्ये केही थिएन।

पाठ क्षतियुक्त च्यानल हो र फोटो होइन। होसियारीपूर्वक लेखिएको वाक्यले वस्तुका सायद एक दर्जन विशेषता बोक्छ; फोटोले हजारौं बोक्छ, तपाईंले लेख्ने कहिल्यै सोच्नुहुन्न भन्ने हरेक विशेषता र तपाईंले नाम दिनै नसक्ने विशेषतासहित। संलग्न गर्नुको साटो वर्णन गर्नुले तपाईंले नसोचेका सबै कुरा फालिदिन्छ, जुन धेरैजसो हुन्छ। संलग्न गर्नुले साँचो रूप कायम राख्छ किनभने साँचो रूप त्यहीँ उपस्थित हुन्छ।

परीक्षण सरल छ। तस्बिरको मर्म नै यो त्यही हो भन्ने हो भने — त्यही विशिष्ट पहिरन, त्यही व्यक्ति, त्यही ठ्याक्कैको उत्पादन, त्यही कोठा — त्यसलाई संलग्न गर्नुहोस्। तपाईं धेरैका बीचबाट त्यो वस्तु छुट्याउन सक्नुहुन्छ र नतिजा तपाईंले छान्ने त्यही वस्तुसँग मिल्नु महत्त्वपूर्ण छ भने, वर्णनले काम गर्दैन।

वर्णन गर्नुको वैध अवस्था पनि छ: जब त्यो कुरा अझै अस्तित्वमै छैन, वा जब तपाईंलाई सामान्य संस्करण नै चाहिन्छ। कसैले नबुनेको स्वेटर डिजाइन गर्ने, कुनै अवधारणाको खाका कोर्ने — त्यो पाठ-देखि-तस्बिरको काम हो, र वर्णन नै ठीक हो किनभने त्यहाँ पहिचान कायम राख्नुपर्ने कुनै साँचो वस्तु छैन। ब्रिफमा साँचो वस्तु पस्ने बित्तिकै त्यसको फोटो पनि पस्नुपर्छ।

एउटा सम्बन्धित आधा-गल्ती: दुवै तस्बिर संलग्न गरेर पनि दोस्रोको विस्तृत वर्णन अझै गरिरहने। विशेषणहरूले फोटोसँग लड्न सक्छन् — साँचो पहिरन मसिनो बुनोटको हुँदा "मोटो" लेख्नुभयो भने तपाईंले विरोधाभास ल्याउनुभयो। दोस्रो तस्बिरको वर्णन त्यसको कुन भाग तपाईंलाई चाहिएको हो भनी चिनाउन पुग्ने जति मात्र गर्नुहोस्।

04पहिरन र लुगा ट्रान्सफर

यो नै आधारभूत दुई-तस्बिरको काम हो। व्यक्ति पहिले र पहिरन दोस्रो संलग्न गर्नुहोस्। पहिरनको तस्बिर सम्म राखेर खिचिएको, ह्याङ्गरमा झुन्ड्याइएको, क्याटलग फोटो, वा अरू कसैले लगाएको हुन सक्छ — तपाईंले त्यसको कुन भाग भन्न खोज्नुभएको हो भनिदिनुभयो भने सबै काम गर्छन्।

आउटफिट ट्रान्सफर
पहिलो तस्बिरकी महिला, दोस्रो तस्बिरको रातो बुनेको स्वेटर
लगाएर। उनको अनुहार, कपाल, मुद्रा र पार्कको पृष्ठभूमि ठ्याक्कै
जस्ताको तस्तै राख्नुहोस्, उही नरम बादल लागेको प्रकाशसहित।
स्वेटर उनको शरीरमा स्वाभाविक रूपमा झुन्डिनुपर्छ, र मूल
पहिरनको केबल बुनोट तथा कलर जस्ताको तस्तै रहनुपर्छ।

नेगेटिभ प्रम्प्ट: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting

तीन कुराले काम गर्छन्: भूमिकाहरूको नाम क्रमैसँग लिइएको छ, नबदलिने भागहरू खुलेर सूचीबद्ध छन् (यसैले अनुहार बरालिनबाट रोकिन्छ), र अन्तिम खण्डले मोडेललाई पहिरनकै आफ्नै विवरण नै मर्म हो भन्छ — त्योविना संयोजनले रङ र छायाचित्र त राख्छ तर चुपचाप बनोट चिल्लो पारिदिन्छ।

• फिटिङ भौतिक दाबी हो, त्यसैले त्यो गर्नुहोस्। "उनको शरीरमा स्वाभाविक रूपमा झुन्डिन्छ", "कम्मरमा कसिएको", "बाहुला नाडीसम्म पुग्ने" — नत्र पहिरन लगाउनेको होइन, आफ्नै स्रोतकै अनुपातमा आउन सक्छ।
• ओझेल पर्ने अवस्था गाह्रो हुन्छ। हात बाँधिएका छन् वा झोलाको फित्ता छातीमा तेर्सिएको छ भने, त्यसको के हुन्छ भन्नुहोस्। त्यहाँको अस्पष्टताले पगालिएको बाहुलाको क्लासिक त्रुटि निम्त्याउँछ।
• बढी पहिरन भनेको बढी तस्बिर। व्यक्ति पहिले, अनि माथिल्लो भाग, अनि पातलुन, अनि जुत्ता — र तिनलाई दोस्रो, तेस्रो र चौथो तस्बिर भनी एकनासले उल्लेख गर्नुहोस्। बीचैमा "जुत्ताको तस्बिर" मा नफेरिनुहोस्।

05दृश्यमा वस्तु राख्ने

यहाँ भूमिका उल्टिन्छ: दृश्य पहिले जान्छ, किनभने तयार तस्बिर धेरैजसो दृश्यबाटै बनेको हुन्छ, र वस्तु भित्र ल्याइने भाग हो। भित्री सजावटका मकअप, नकिनेको फर्निचरले कोठा सजाउने, सडकमा गाडी राख्ने, ग्यालरीमा मूर्ति राख्ने — हरेक पटक उही बनोट।

दृश्यमा वस्तु
पहिलो तस्बिरको बैठक कोठा, जसमा दोस्रो तस्बिरको हरियो मखमली
आरामकुर्सी बायाँतिर झ्यालको छेउमा राखिएको होस्, क्यामेरातिर
अलिकति फर्किएको र फ्रेममा करिब कम्मरको उचाइसम्मको। कोठाको
न्यानो दिउँसो अबेरको प्रकाशसँग मिलाउनुहोस्, कुर्सीको दायाँतिर
गलैंचामा नरम छाया पर्ने गरी। कोठाको बाँकी भाग र क्यामेरा कोण
नबदली राख्नुहोस्।

नेगेटिभ प्रम्प्ट: floating object, cut-out edges, duplicate
shadows, mismatched color temperature

यहाँको असफलता पहिचानको होइन, भौतिकशास्त्रको हो। आफ्नै प्रकाश कायम राख्ने वस्तु टाँसिएको जस्तो देखिन्छ, र हेर्नेहरूले किन भन्न नसके पनि त्यो तुरुन्तै छुट्याउँछन्। छुट्टै खिचिएको वस्तुको फोटोले जान्नै नसक्ने तीन कुरामा आफ्ना शब्द खर्च गर्नुहोस्: स्थान (फ्रेमको कहाँ, केको सापेक्षमा), सेन्टिमिटरमा होइन दृश्यकै सापेक्षमा आकार ("करिब कम्मरको उचाइ", "ढोकाको ह्यान्डल जति अग्लो"), र प्रकाश तथा छाया — दिशा, गुण, र छाया कहाँ पर्छ। त्यो अन्तिम कुराले नै कम्पोजिटलाई फोटोमा बदल्छ।

06व्यक्ति क सँगै व्यक्ति ख

कहिल्यै एउटै कोठामा नभएका दुई व्यक्ति: पुस्तादेखि पुस्ताका पारिवारिक फोटो, सह-संस्थापक यात्रामा हुँदाको संस्थापक पोर्ट्रेट, दुई कलाकार भएको पोस्टर। यो काम गर्छ, र यसलाई एकल-विषयका कामलाई नचाहिने दुई कुरा चाहिन्छ।

दुई जना मानिस
पहिलो तस्बिरको पुरुष, दोस्रो तस्बिरकी महिलाको छेउमा उभिएको,
दुवै पहिलो तस्बिरकै उही ढुङ्गाको टेरेसमा। ऊ बायाँतिर उभिन्छ,
उनी उसको दायाँतिर उभिन्छिन्, काँध झन्डै जोडिएका, दुवै उही
आँखाको तहमा क्यामेरातिर फर्केका। दुवैका अनुहार, केशसज्जा र
पहिरन आ-आफ्नै फोटोमा जस्तै ठ्याक्कै राख्नुहोस्, र दुवैलाई
बायाँबाट आउने उही नरम साँझको प्रकाशले उज्यालो पार्नुहोस्।

क्यानभास: landscape
नेगेटिभ प्रम्प्ट: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

ती दुई थप कुरा: सापेक्षिक ज्यामिति — को कुन तिर छ, कति टाढा, कसको हेराइ कता जान्छ, र सापेक्षिक उचाइ, किनभने फरक-फरक क्रप गरिएका दुई पोर्ट्रेटले एक जना अर्कोभन्दा एक टाउको अग्लो छ भन्ने मोडेललाई जान्ने कुनै उपाय दिँदैनन् — र स्पष्टसँग भनिएको एउटै साझा प्रकाश, किनभने तपाईं दुई प्रकाश वातावरण मिसाउँदै हुनुहुन्छ र एउटाले जित्नैपर्छ।

नयाँ क्यानभास आस्पेक्ट छान्नुले आफ्नो मूल्य कमाउने ठाउँ पनि यही हो: पोर्ट्रेट-दिशाका दुई स्रोतले नराम्रो पोर्ट्रेट-दिशाको समूह फोटो बनाउँछन्, त्यसैले landscape वा wide माग्नुहोस्। र स्पष्ट कुरा एक पटक भनिहालौं — साँचो व्यक्तिलाई आफू नभएको तस्बिरमा राख्नु शक्तिशाली छ र स्वतः हानिरहित होइन। अधिकार वा सहमति लिनुहोस्; हाम्रो जिम्मेवार प्रयोग नीति त्यसको छोटो संस्करण हो।

07व्यक्तिमा उत्पादन, र सेन्सर नगरिएको उत्पादन फोटोग्राफी

व्यावसायिक हिसाबले, आफ्नो लागत आफैं उठाउने संयोजन यही हो। तपाईंसँग सेतो पृष्ठभूमिमा उत्पादनको फोटो छ र तपाईंसँग मोडेल, हात, भान्सा, वर्कबेन्च छ। तिनलाई जोड्दा तपाईंलाई स्टुडियोमा एक दिन नबिताईकनै लाइफस्टाइल फोटो प्राप्त हुन्छ — र त्यसमा बनावटी अनुमान होइन, तपाईंकै साँचो उत्पादन हुन्छ, जुन प्रयोगयोग्य मार्केटिङ सामग्री र माफी माग्नुपर्ने मकअपबीचको सम्पूर्ण फरक हो।

व्यक्तिमा उत्पादन
पहिलो तस्बिरकी महिला, दोस्रो तस्बिरको अम्बर सिसाको सिरम
बोतल आफ्नो दाहिने हातमा समातेकी, छातीको उचाइसम्म उठाइएको,
लेबल क्यामेरातिर फर्केको र पूरै पढ्न सकिने, उनका औंला लेबल
नछोपिकन बोतलमा स्वाभाविक रूपमा बेरिएका। उनको अनुहार, कपाल र
भान्साको पृष्ठभूमि नबदली राख्नुहोस्। Kodak Portra 400 मा
खिचिएको, 85mm f/1.4, बायाँबाट नरम झ्यालको प्रकाश।

क्यानभास: portrait
नेगेटिभ प्रम्प्ट: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

उत्पादनको काममा विशेष दुई थप कुरा। समाउने तरिका: वस्तु समातेका हात नै संयोजन सबैभन्दा बढी बिग्रिने ठाउँ हो, त्यसैले कुन हात, कति उचाइमा, र औंलाले लेबल नछोपिकन स्वाभाविक रूपमा बेरिन्छन् भन्नुहोस्। फोटोग्राफिक उपचार: क्यामेरा, लेन्स र फिल्म वा प्रकाश स्रोतको नाम लिनुहोस्। आउटपुट जोडिएका दुई फोटो होइन, खिचिएको एउटा फोटोजस्तै पढिनुपर्छ, र त्यसलाई फोटोकै रूपमा लेख्नुले नै तपाईंलाई त्यहाँ पुर्‍याउँछ।

यहाँ सेन्सर नगरिएको हुनुले सुनिनेभन्दा धेरै सामान्य तरिकाले महत्त्व राख्छ। फिल्टर लगाइएका जेनेरेटरले साधारण, वैध व्यापारका पूरै वर्गहरू अस्वीकार गर्छन्: भित्री वस्त्र र स्विमवेयर क्याटलग, सुर्ती र भेप हार्डवेयर, मदिरा, आग्नेयास्त्रका सहायक सामग्री, वयस्क स्वास्थ्य उत्पादन, वैध भएका ठाउँमा गाँजा, चिकित्सकीय उपकरण, ट्याक्टिकल र सिकार सामग्री। तिनले अधिकारवाला आफैंले गर्ने ब्रान्ड र अनुहारसम्बन्धी काम पनि अस्वीकार गर्छन्। यीमध्ये कुनै पनि अपवाद होइन; एजेन्सीका लागि यो त सामान्य मङ्गलबार हो। Shannon को निर्माण बाटोमा कुनै सामग्री फिल्टर छैन र प्रम्प्ट लेख्ने मोडेलमा कुनै अस्वीकृति तह छैन, त्यसैले काम अघि बढ्छ र अधिकारको प्रश्न तपाईंसँगै रहन्छ, जहाँ त्यो रहनुपर्ने हो।

08शैली एउटा तस्बिरबाट, विषय अर्कोबाट

विषय पहिले, शैली रेफरेन्स दोस्रो। यो काम फरक हुनुको कारण यो हो कि तपाईं वस्तु होइन, कुनै गुण सापटी लिँदै हुनुहुन्छ, त्यसैले कुन-कुन गुण भन्ने नाम लिनुपर्छ — र रेफरेन्सको आफ्नै विषय र बनावट सँगै आउँदैनन् भन्नुपर्छ।

शैली रेफरेन्स
पहिलो तस्बिरको पुरुषको पोर्ट्रेट, दोस्रो तस्बिरको दृश्य
शैलीमा रेन्डर गरिएको: उही मधुरो टिल र गेरु प्यालेट, देखिने
सुक्खा-ब्रसको बनोट, र सपाट समान प्रकाश। उसको अनुहार, भाव र
मुद्रा चिन्न सकिने र अपरिवर्तित राख्नुहोस्। दोस्रो तस्बिरको
विषय, पृष्ठभूमि वा बनावट नसार्नुहोस्।

नेगेटिभ प्रम्प्ट: second face, borrowed background, photographic
texture

शैलीका आयामको स्पष्टसँग नाम लिनुहोस्, किनभने "दोस्रो तस्बिरको शैलीमा" मात्र भन्नु अपुरो छ: प्यालेट (वा ठ्याक्कैका रङ, नाम लिइएको वस्तुसँग जोडेर color #8B0000 लेखेर), ब्रसवर्क वा ग्रेन, प्रकाशको गुण, रेखाको मोटाइ, अमूर्तताको स्तर, किनाराको उपचार। त्यो रूप निर्धारण गर्ने दुई वा तीनवटा छान्नुहोस्; सबै छवटाको नाम लिनुले तिनलाई औसतमा झार्छ। र विरोधाभासी दिशा नमिसाउनुहोस् — "फोटोयथार्थवादी" जोड "जलरङ" ले मिश्रण होइन, गन्जागोल बनाउँछ। तपाईंलाई प्यालेट मात्र सापटी लिने फोटो चाहिन्छ भने, ठ्याक्कै त्यही भन्नुहोस्।

09नेगेटिभ प्रम्प्ट र नयाँ क्यानभास आस्पेक्ट छान्ने

जोड्ने र सम्पादन गर्ने कामका लागि भएका तर पाठ-देखि-तस्बिरका लागि नभएका दुई क्षमता, र दुवै कम प्रयोग हुन्छन्।

नेगेटिभ प्रम्प्ट

तस्बिर जोड्ने कामले नेगेटिभ प्रम्प्ट समर्थन गर्छ। अनचाहिँदा त्रुटि त्यहीँ जान्छन् — र तिनी निर्देशनमा होइन त्यहीँ जानु महत्त्वपूर्ण छ, किनभने मुख्य निर्देशनमा "no extra fingers" लेख्नुले तपाईंलाई चाहिने सबै कुरासँगै उही सासमा तपाईंले जोगिन खोजेको कुराको पनि नाम लिन्छ। बहिष्करणलाई आफ्नै छुट्टै च्यानल दिनुहोस्। लगातार आफ्नो ठाउँ कमाउने प्रविष्टिहरू:

• शरीररचना — extra fingers, duplicated limbs, malformed hands, second face।
• कम्पोजिटका चिह्न — cut-out edges, visible seam line, floating object, duplicate shadows, halo around subject।
• प्रकाशको बेमेल — mismatched color temperature, inconsistent shadow direction, uneven exposure between subjects।
• बनोटका असफलता — plastic skin, smoothed fabric, warped label text, illegible logo।

यसलाई आफ्नो तस्बिरका लागि सम्भाव्य हुने केही थोरैमा सीमित राख्नुहोस्। तीसवटा कुरा सूचीबद्ध गर्ने नेगेटिभ प्रम्प्ट बलियो होइन, छरिएको निर्देशन हो।

क्यानभास आस्पेक्ट

एउटा तस्बिर सम्पादन गर्दा स्रोत तस्बिरको आस्पेक्ट रेसियो स्वतः प्राप्त हुन्छ — एउटै स्रोत छ, र त्यसकै आकार नै जवाफ हो। जोड्ने काममा त्यस्तो पूर्वनिर्धारित हुँदैन, त्यसैले तपाईं नयाँ क्यानभास आस्पेक्ट छान्न सक्नुहुन्छ, र प्रायः छान्नुपर्छ पनि, किनभने एउटा स्रोतलाई सुहाउने आकारले संयोजनलाई विरलै सुहाउँछ।

आस्पेक्ट	केका लागि उत्तम	संयोजनमा सामान्य प्रयोग
square	पूर्वनिर्धारित, सोसल फिड	एउटै तत्त्व ट्रान्सफर गरिएको एकल विषय
portrait	मानिस, अग्ला विषय	आउटफिट ट्रान्सफर, एउटै मोडेलले समातेको उत्पादन
landscape	दृश्यावलोकन, समूह	छेउछाउ उभिएका दुई जना, कोठामा राखिएको वस्तु
wide	सिनेम्याटिक फ्रेमिङ	समूह फोटो, वातावरणीय उत्पादन दृश्य, ब्यानर
tall	पोस्टर, फोन वालपेपर	पूरै शरीरका पहिरन फोटो, पोस्टर लेआउट

स्पष्ट अनुरोध सधैं जित्छ। केही नभन्नुभयो भने तपाईंले square पाउनुहुन्छ — धेरैजसो दुई-व्यक्ति र पूरै शरीरका पहिरन कामका लागि गलत आकार, त्यसैले एउटा शब्द भन्न लायक छ।

10Shannon ले कुन तस्बिर प्रयोग गर्छ: कुराकानी बनाम यो सन्देश

तस्बिर संयोजनमा पस्ने दुई तरिका छन्, र तपाईं कुनमा भर पर्दै हुनुहुन्छ भन्ने थाहा पाउँदा क्रमसम्बन्धी धेरैजसो गडबडी रोकिन्छ।

हालको सन्देशमा संलग्न। सिधा बाटो: निर्देशन बोक्ने सन्देशमै सबै कुरा, तपाईंले उल्लेख गर्न चाहेको क्रममा संलग्न गर्नुहोस्, अनि "पहिलो तस्बिर" र "दोस्रो तस्बिर" को अर्थ देखिएकै जस्तो हुन्छ। यसैलाई पूर्वनिर्धारित बनाउनुहोस्।

कुराकानीमा पहिले नै रहेका। थ्रेडमा पहिले पठाइएका तस्बिर उपलब्ध रहन्छन् र सामान्य भाषामै उल्लेख गर्न सकिन्छ — "मैले पहिले पठाएको फोटो", "अघिको स्वेटरको तस्बिर", "तपाईंले बनाएको दोस्रो संस्करण"। Shannon ले त्यो उल्लेख थ्रेडसँग मिलाएर समाधान गर्छ, जुन लामो सत्रभरि साँच्चै सुविधाजनक हुन्छ: तपाईं नतिजामाथि काम गर्दै जान सक्नुहुन्छ र सबै कुरा फेरि अपलोड नगरी नयाँ तत्त्व भित्र्याउन सक्नुहुन्छ।

दुवैका लागि सुरक्षा उही हो। पुष्टि कार्डले केही रेन्डर हुनुअघि निर्देशन देखाउँछ, आफूले छानेको क्रमसहित। त्यो पढ्नुहोस्। भूमिका उल्टो आयो भने — स्वेटर आधार, व्यक्ति स्रोत — त्यसो भनिदिनुहोस् र एउटै पिक्सेल बन्नुअघि र बिल हुनुअघि नै त्यो सच्चिन्छ। तैपनि, थ्रेड लामो र तस्बिरले भरिएको छ भने, आफूलाई चाहिनेहरू फेरि संलग्न गर्नुहोस्; छ तस्बिर पछाडिको "दोस्रो तस्बिर" जुनसुकै पाठकका लागि अस्पष्ट हुन्छ।

Shannon लाई तस्बिर हेर्न भन्नु — यसको वर्णन गर्न, लेबल पढ्न, कपडा के हो भन्न — सामान्य भिजन काम हो, निर्माण होइन। यसको अतिरिक्त शुल्क लाग्दैन र संयोजन गर्नुअघि यो राम्रो जाँच हो: Shannon को वर्णनले तपाईंलाई मन परेको विवरण उल्लेख गर्दैन भने, तपाईंको निर्देशनले त्यसको नाम लिनुपर्छ।

11सेन्सर नगरिएको, र त्यसको साँचो अर्थ

यहाँ निर्माण बाटोमा कुनै सामग्री फिल्टर छैन र प्रम्प्ट लेख्ने मोडेलमा कुनै अस्वीकृति तह छैन। फिल्टर लगाइएका उपकरण सबैभन्दा प्रस्ट रूपमा संयोजनमै असफल हुन्छन्, किनभने अस्वीकृति प्रणालीले तपाईंको आफ्नै तस्बिर जोड्ने र तपाईंसँग हुनै नहुने तस्बिर जोड्नेबीचको फरक छुट्याउन सक्दैन — त्यसैले यसले दुवै रोक्छ।

ती उपकरणले नियमित रूपमा अस्वीकार गर्ने काम कुनै अनौठो होइन: कलात्मक न्यूड र आकृति अध्ययन, चिकित्सकीय र फोरेन्सिक चित्रण, सुरक्षा अनुसन्धान तस्बिर, पुस्तकका आवरण र गेम आर्टका लागि कथासाहित्यमा हिंसा, राजनीतिक व्यङ्ग्य, र माथि उल्लिखित वैध उत्पादन वर्गहरू। यीमध्ये हरेक वैध व्यावसायिक काम हो जसलाई किवर्ड फिल्टरले दुरुपयोगबाट छुट्याउन सक्दैन।

सेन्सर नगरिएको भनेको जवाफदेहीविहीन होइन। तपाईं साँचो वस्तु र प्रायः साँचो मानिसका फोटो उपलब्ध गराउँदै हुनुहुन्छ; अधिकार र सहमति तपाईंले नै बोक्नुपर्छ, र नतिजाको जिम्मेवारी पनि। Shannon Lab LLC न्यू मेक्सिकोको कम्पनी हो जसले प्रकाशित जिम्मेवार प्रयोग नीति अन्तर्गत सञ्चालन गर्छ — अरू मानिसका अनुहार समावेश हुने काम सुरु गर्नुअघि पाँच मिनेट दिन लायक।

12सुरु गर्नुअघि जान्न लायक सीमा

यहाँ भिडियो निर्माण छैन। Shannon ले तस्बिरलाई चलायमान बनाउँदैन र यीमध्ये कुनै पनि कार्यबाट कुनै पनि रूपमा भिडियो उत्पादन गर्दैन — एउटै तस्बिरबाट होइन, संयोजनबाट होइन, प्रयोगात्मक विकल्पका रूपमा पनि होइन। तपाईंको ब्रिफ गतिमा टुङ्गिन्छ भने, अन्तिम चरणका लागि यो उपकरण होइन। यो रोडम्यापको सङ्केत होइन, उत्पादन जे हो त्यही हो।

अरू इमानदार सीमा, सबैका उपाय सहित:

• मसिनो पाठ सबैभन्दा कमजोर क्षेत्र हो। साना अक्षर, प्याकेजिङमा घना लेखिएको सामग्री र लामा सिरियल नम्बर अपूर्ण आउन सक्छन्। उत्पादनलाई महत्त्वपूर्ण पाठ ठूलो देखिने गरी फ्रेम गर्नुहोस्, नेगेटिभ प्रम्प्टमा warped label text राख्नुहोस्, र पूरै आकारमा जाँच्नुहोस्।
• आकारको अति ठूलो बेमेल गाह्रो हुन्छ। 4000-पिक्सेलको उत्पादन फोटोलाई कोठाको सानो थम्बनेलसँग जोड्दा मोडेलसँग काम गर्ने कुरा थोरै हुन्छ। हरेक स्रोतको आफूसँग भएको उत्तम प्रति प्रयोग गर्नुहोस्।
• अत्यधिक ओझेलले ट्रान्सफर गर्न सकिने कुरा सीमित पार्छ। पट्याएर खिचिएको, पछाडिको भाग कहिल्यै नदेखिएको पहिरनको पछाडिको भाग सत्यनिष्ठ रूपमा आविष्कार गर्न सकिँदैन। संयोजनमा पछाडिको भाग देखिन्छ भने, पछाडिको भाग पनि दिनुहोस्।
• बढी तस्बिर भनेको अलमलको बढी ठाउँ। अनुशासित क्रमसूचक नामकरणसँग चारवटा स्रोत काम लायक हुन्छ, तर यो लापरबाह हुने ठाउँ होइन — कामलाई चाहिने सङ्ख्या मात्र प्रयोग गर्नुहोस्, त्योभन्दा बढी होइन।
• एकैचोटि दुई ठूला परिवर्तनले प्रतिस्पर्धा गर्छन्। पहिरन ट्रान्सफर गर्नुहोस्, पुष्टि गर्नुहोस्, अनि पृष्ठभूमि बदल्नुहोस्। क्रमिक सम्पादनले झन्डै हरेक पटक एउटा बोझिलो निर्देशनलाई जित्छ, र हरेक चरण जाँच्न सस्तो पर्छ।

13बारम्बार सोधिने प्रश्न

---

तस्बिर निर्माण, सम्पादन र बहु-तस्बिर संयोजन Shannon च्याट एपका सुविधा हुन्; /v1/chat/completions, /v1/messages र /v1/responses एन्डपोइन्टले पाठ र भिजन सेवा दिन्छन्, अर्थात् तिनले तस्बिर बनाउँदैनन्, पढ्छन्। भिडियो निर्माण छैन। आस्पेक्ट विकल्प, नेगेटिभ-प्रम्प्ट समर्थन र पुष्टि व्यवहार सेप्टेम्बर 5, 2026 सम्मका हुन्। सम्बन्धित: सेन्सर नगरिएको AI तस्बिर निर्माण · सेन्सर नगरिएको AI तस्बिर सम्पादन · जिम्मेवार प्रयोग · API कागजात · अनुसन्धान सूची।