Den usensurerte AI-bilderedigereren
Endre, restyl, lys om, kle om eller reparer ett eksisterende bilde ved å skrive en setning. Ingen masker, ingen filtre, ingen avvisninger — og én teknikk som betyr mer enn alle de andre til sammen.
Kort fortalt
Shannon redigerer nøyaktig ett eksisterende bilde ut fra en instruksjon på vanlig språk — ingen pensel, ingen maske, ingen utvelgelse. Instruksjonen må si hva som endres OG hva som blir stående, for modellen regenererer hele bildeflaten: alt du ikke navngir som uendret står fritt til å drive. Å navngi de uendrede delene — «behold ansiktet, posituren og klærne identiske» — er den enkeltstående største kvalitetsspaken du har. Redigeringsveien tar imot en negativ prompt (det gjør ikke tekst-til-bilde); legg uønskede artefakter der i stedet for å skrive «ingen X» i instruksjonen. Resultatet arver kildens bildeformat automatisk. Det finnes ingen videogenerering og ingen måte å animere et bilde på. Redigeringen kjører på vår egen GPU-klynge i chatappen, uten innholdsfilter og uten avvisningslag.
De fleste som søker etter en usensurert AI-bilderedigerer har ett bilde og ett problem: bakgrunnen er feil, lyset er flatt, jakken har feil farge, en fremmed står i bildet, skanningen har en brett tvers over — eller redigeringen er fullt ut legitim, og verktøyet de bruker nekter å røre den. Dette handler om å gjøre det godt: ikke om hvilken redigerer som har flest skyveknapper, men om den ene vanen som skiller en redigering som treffer fra en redigering som stille bygger om ansiktet til motivet ditt mens du ser en annen vei.
01Hva instruksjonsbasert redigering faktisk er
Klassisk AI-redigering ber deg gjøre den vanskelige delen selv: åpne et lerret, male en maske over området du vil endre, og skrive en frase som beskriver hva som hører hjemme inni den. Presist, tregt, og ubrukelig i det øyeblikket endringen din ikke har noen ren omriss — et lysskifte, et garderobebytte som endrer silhuetten, en global fargegradering.
Shannon gjør det motsatt. Du velger ingenting. Du skriver en setning om bildet, på hvilket som helst språk, og området utledes av ordene dine. Det gjør den til et praktisk usensurert alternativ til inpainting for alle som vil ha resultatet snarere enn utvelgelsesarbeidet — med én mekanisk konsekvens du må forstå først:
En redigering er en ny rendring av hele bildeflaten, betinget av kildebildet ditt — ikke en lapp lagt over en del av det. Bildemodellen leser originalen din, leser instruksjonen din, og lager et nytt bilde som skal være originalen pluss endringen. Ingenting er mekanisk frosset. Hver piksel står til forhandling ved hver redigering.
Det er derfor «en regnvåt gate i Tokyo» — feilfritt i et maskebasert verktøy — kommer tilbake med en litt annen person stående i den. I et maskebasert verktøy sa masken at personen var utenfor rekkevidde; her må setningen din si det. Fordelen: instruksjonsredigering gjør det masker ikke kan — flytte sola og få skyggene til å følge med, bytte et plagg og få stoffet til å legge seg over den eksisterende posituren, gjøre et fotografi om til tusj og flate farger uten å miste komposisjonen. De endringene har ingen kant å male langs; de er relasjoner på tvers av hele bildeflaten.
02Forankring: den største enkeltstående kvalitetsspaken
Forankring betyr å skrive hver redigeringsinstruksjon som to setningsledd: endringsleddet (hva som skal være annerledes, sagt positivt og konkret) og bevar-leddet (delene som må overleve urørt, navngitt som spesifikke substantiver). Begge er bærende — endringsleddet alene er et ønske. Hvis du tar med deg én ting fra denne siden: resultatet ditt bestemmes av hvor eksplisitt du navngir det som blir stående, ikke av hvor levende du beskriver det som endres.
Tre måter uforankrede instruksjoner driver på
- Identitetsdrift. Ansiktet kommer tilbake nesten riktig — en litt annen nese, en kjevelinje som stille er gjort penere. Den mest ødeleggende feilen, fordi den er vanskelig å se på en telefon og åpenbar for alle som kjenner personen.
- Utilsiktet restyling. Du ba om en ny bakgrunn; du fikk også en ny fargegradering, et nytt objektiv og en genser som pleide å være ribbestrikket. Modellen leste instruksjonen som en beskrivelse av hele målbildet i stedet for en differanse fra kilden.
- Omfangsskliing fra adjektiver. «Mer dramatisk», «renere», «mer profesjonell» navngir ingen ting i det hele tatt. Et adjektiv uten substantiv gjelder alt, så alt beveger seg.
Forankringsvokabularet
Ankre fungerer som konkrete substantiver. «Behold det likt» er svakt — modellen kan ikke vite hvilken likhet du bryr deg om. Velg tre til fem ting som betyr noe for din redigering, og navngi dem rett ut.
| Det du endrer | Ankre det er verdt å navngi eksplisitt |
|---|---|
| Bakgrunn / omgivelser | ansikt og ansiktstrekk, frisyre, positur, hender, klær, kameravinkel, utsnitt, lyset på motivet |
| Lyssetting / stemning | ansikt, uttrykk, hudtekstur, positur, klær, innhold i bakgrunnen, innramming |
| Klær / garderobe | ansikt, skjegg eller hår, positur, hender, kroppsproporsjoner, bakgrunn, lysretning, fargegradering |
| Stil / medium | komposisjon, positur, hårlengde, plaggenes fasonger, antall motiver, utsnitt |
| Fjerning av objekt / reparasjon | alt annet i bildet — motivet, arkitekturen rundt, kornet, tonaliteten, kontrasten, fargen |
| Fargen på én ting | alle andre farger i bildet, pluss teksturen og materialet i det endrede objektet |
Legg merke til siste rad. Omfarging går galt i det stille, fordi «gjør jakken rød» inviterer til en jakke bygget opp fra bunnen — nytt snitt, nytt materiale, nye fall. Forankret: «farg om den eksisterende jakken til dyp karmosinrød, behold nøyaktig snitt, sømmer, stofftekstur og måten den henger på.» Ett setningsledd til forskjell, et dramatisk bedre resultat.
03Gjennomgåtte eksempler: svak instruksjon, hvorfor den driver, forankret omskriving
Hvert par nedenfor er den samme hensikten skrevet to ganger. Diagnosen i midten er den delen du kan ta med deg videre.
A. Bytte bakgrunn
Hvorfor den driver: dette beskriver et målbilde, ikke en differanse. Ingenting ved kvinnen er beskyttet og ingenting holder kameraet i ro, så modellen rammer inn på nytt og rendrer henne om mens den bygger en troverdig scene.
Hva som ble endret: bevar-leddet fester identitet, garderobe og innramming, og den siste frasen sier hvilken vei skjøten løses — bakgrunnen bøyer seg etter motivets lys, ikke omvendt.
B. Ny lyssetting
Hvorfor den driver: «bedre» er et adjektiv uten substantiv. Modellen må finne opp en definisjon, og den billigste måten å se bedre ut på i en ny rendring er glattet hud, hvitere tenner og en smalere kjeve. Du ba om lys og fikk en retusj.
Hva som ble endret: lyset er beskrevet fysisk — retning, kvalitet, temperatur, fall. Hudteksturen er forankret eksplisitt, for det er nettopp ved omlysing en modell er mest fristet til å glatte den bort.
C. Kle om et motiv
Hvorfor den driver: en dress endrer silhuetten, så overkroppen må rendres på nytt — og hodet oppå følger som regel med. Uforankrede garderobeendringer er den nest største kilden til identitetsdrift etter bakgrunnsbytter.
Hva som ble endret: «tilpasset hans nåværende holdning» gjør plagget underordnet posituren. Hendene er forankret for seg, for det er i hendene garderobeendringer synligst faller fra hverandre.
D. Endre stilen på et fotografi
Hvorfor den driver: et stilord alene overlater alt — komposisjon, utsnitt, hår, garderobe, antall personer — og «anime» er tretti år med uforenlige tradisjoner. Du får en kompetent illustrasjon av en annen scene.
Hva som ble endret: stilendringer trenger et annet anker. Du kan ikke forankre tekstur — teksturen er det som byttes ut — så du forankrer struktur: komposisjon, positur, silhuetter, utsnitt, antall motiver. Å be om å beholde «fotorealistisk hud» under celleanimasjon er en selvmotsigelse.
E. Fjerne noe
Hvorfor den driver: en nektelse setter likevel begrepet foran modellen og sier ingenting om hva som skal fylle den tomme plassen. Fjerninger trenger en positiv beskrivelse av både målet og fyllet.
Hva som ble endret: målet er navngitt med objekt, farge og posisjon; fyllet er spesifisert, så modellen finner ikke opp en plass der det hører hjemme et fortau; og «alt annet» er skrevet ut i faktiske substantiver.
F. Reparere et skadet fotografi
Hvorfor den driver: «fiks» leses som «forbedre», og å forbedre et gammelt fotografi betyr å modernisere det — renere hud, høyere kontrast, og et ansikt som ikke lenger helt er bestemoren din.
Hva som ble endret: skaden er listet opp, så «fiks» har et definert omfang, og korn og tonalitet er forankret fordi de er det som gjør at kopien leses som ekte for perioden. De tre forbudene er det sjeldne tilfellet der en nektelse gjør nytte for seg — direktiver om prosess, ikke om objekter.
Formen på en god instruksjon
Sikt på 25 til 60 ord, i hele setninger heller enn kommaseparerte nøkkelordtagger — bildemodellen leser prompter slik en språkmodell gjør, så prosa slår taggesuppe. Dropp SDXL-tidens skrot (masterpiece, best quality, 8k) og vektsyntaks som (word:1.3); de gjør ingenting her. Gjør én endring per instruksjon — to urelaterte endringer i én setning kjemper om oppmerksomheten, og begge kommer tilbake halvferdige.
04Den negative prompten — støttet her, i motsetning til tekst-til-bilde
Dette snubler folk i, så la oss si det rett ut:
| Vei | Kildebilder | Negativ prompt | Bildeformat | Promptform |
|---|---|---|---|---|
| Tekst-til-bilde | 0 | Ikke støttet | Valgt (kvadrat som standard) | Beskrivende prosa |
| Rediger ett bilde | Nøyaktig 1 | Støttet | Arvet fra kilden | Instruksjon: endre + behold |
| Slå sammen 2+ bilder | 2 eller flere | Støttet | Nytt lerret kan velges | Prosa med navngitte roller |
Tekst-til-bilde tar ingen negativ prompt i det hele tatt — når du genererer fra ingenting, er disiplinen å beskrive bare det du vil ha (se usensurert AI-bildegenerering). Redigering er noe annet: du har allerede en kilde, og de typiske feilene i en ny rendring er kjente og lar seg navngi, så en negativ prompt har noe konkret å undertrykke.
Hva som hører hjemme i den
Artefakter, og bare artefakter. Det er en defektliste, ikke en andre instruksjonskanal:
- extra fingers, fused fingers, malformed hands — enhver redigering som rendrer en person på nytt.
- warped text, garbled lettering, misspelled signage — alt med skilt, etiketter eller emballasje i bildet.
- duplicated limbs, duplicated railing, repeated windows — fjerninger og utvidelser av bakgrunn.
- smeared texture, blurry patch, halo around the subject, visible seam — bakgrunnsbytter og fjerning av objekter.
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — omlysing, portrettredigering, generelt hygienearbeid.
Hva som ikke gjør det
Innholdsvalg. Hvis du vil ha hatten vekk, er instruksjonen «fjern hatten» — ikke en negativ prompt som sier «hatt». Den negative prompten fjerner ikke pålitelig ting som finnes i kilden din; den motvirker at defekter dukker opp i rendringen. Innhold der gir deg det verste fra begge verdener: hatten blir stående, og en plass som kunne dempet forvrengte hender er brukt opp.
Den andre halvdelen av regelen gjelder instruksjonen din: slutt å skrive «ingen X» i den. «En gate uten biler», «et portrett uten briller» plasserer begge det uønskede begrepet i setningen og ber modellen negere det — en jobb språk håndterer godt og bildebetinging håndterer dårlig. Si hva som skal være der i stedet: «en tom gate med ren asfalt», «et portrett med frie øyne». Det ene unntaket, som i eksempel F, er et direktiv om prosess — «ikke skjerp», «ikke farg om» — som avviser en operasjon i stedet for å navngi et objekt.
Arbeidsdelingen, på én linje
Instruksjon: hva som endres, hva som blir stående — sagt positivt. Negativ prompt: måtene en rendring kan bli misdannet på. Hold dem atskilt, så blir begge bedre.
05Ett kildebilde, og hvordan Shannon velger det
En redigering opererer på nøyaktig ett kildebilde: enten et bilde som allerede finnes i samtalen — vedlagt tidligere, eller generert for deg — eller ett som er vedlagt meldingen du sender akkurat nå. Ingenting hentes inn utenfra tråden, og redigeringsveien slår aldri stille sammen to bilder. Hvis hensikten din krever elementer fra mer enn ett bilde — antrekket fra bilde A på personen i bilde B — er det en sammenslåing, med en annen promptform som navngir hvert bildes rolle i rekkefølge.
Oppfølginger og det siste relevante bildet
Når først et bilde er i samtalen, virker korte oppfølginger slik du håper. «Gjør det mørkere.» «Prøv det i solnedgang.» Disse løses mot det siste relevante bildet i tråden — normalt resultatet du nettopp fikk — så en sekvens av små instruksjoner oppfører seg som en stabel av redigeringer. Tre konsekvenser:
- Iterer i enkeltsteg. Hver oppfølging er en ny full rendring, så «gjør det mørkere og bytt kåpen hennes og senk kameraet» er tre redigeringer som slåss om én runde. Send tre meldinger; stopp ved den du likte.
- Se opp for generasjonstap. Små avvik hoper seg opp; ved sjette redigering på rad kan et ansikt være godt på avveie fra originalen selv om ingen enkeltsteg så feil ut. Når du merker drift, slutt å lappe — legg ved originalfilen på nytt og skriv én samlet instruksjon som koder alt du siden har funnet ut at du ville ha.
- I en lang tråd, vær eksplisitt. «Bruk strandbildet jeg la ved tidligere, …» fjerner tvetydigheten når flere bilder er i spill.
Bekreftelseskortet er din siste sjanse til å legge til et anker
Du spør på vanlig språk, på det språket du snakker. Shannon avgjør at det bes om en bildeoperasjon, skriver selv den endelige instruksjonen på engelsk, og viser den til deg på et bekreftelseskort før noe rendres. Ingenting produseres og ingenting faktureres før du bekrefter. Les det kortet — det er der du fanger opp et manglende bevar-ledd før du bruker noe som helst.
To beslektede atferder: Shannon genererer aldri uoppfordret — en hilsen, et spørsmål eller et tilfeldig vedlagt bilde utløser ingen bildeoperasjon. Og å be Shannon rett og slett se på et bilde — beskrive det, lese teksten i det, si hvorfor komposisjonen ikke fungerer — er vanlig synsarbeid, ikke en generering, og koster ikke noe ekstra. «Hva ville du endret ved dette bildet?» er gratis råd; å handle på det er redigeringen.
06Bildeformatet arves automatisk
Et redigert bilde kommer tilbake i samme bildeformat som kilden. Du velger ikke, og du trenger ikke å velge: et 4:5-portrett forblir 4:5, et 16:9-stillbilde forblir 16:9, et keitete skjermbilde fra telefonen beholder proporsjonene sine. En redigering som stille rammet inn bildet ditt på nytt ville ikke vært en redigering — den ville vært en beskjæring pluss en gjetning om hva som ligger utenfor de opprinnelige kantene.
Det er en reell forskjell fra de to andre veiene. Tekst-til-bilde ber deg velge blant kvadrat (standard), portrett, landskap, bredt (kinoformat) og høyt (plakater og bakgrunnsbilder), og en eksplisitt forespørsel vinner alltid; sammenslåing lar deg velge et friskt lerret, siden det ikke finnes én enkelt kilde å arve fra. Så hvis du trenger en annen fasong, er det ikke en redigering — å gjøre et 1:1 produktbilde om til et 16:9 banner betyr å finne opp piksler som aldri ble fotografert. Gjør det bevisst, ved å generere eller slå sammen på et nytt lerret.
07Det finnes ingen videogenerering
Sagt rett ut, fordi folk spør
Shannon genererer ikke video og animerer ikke bilder. Det finnes ingen bilde-til-video-vei, ingen «få dette bildet til å bevege seg», ingen loop, ingen cinemagraph. Dette er ikke en funksjon i forhåndsvisning eller på vei — den finnes ikke i produktet, og ingenting på denne siden skal leses som en antydning om noe annet.
Det Shannon 3 gjør med bilder er nøyaktig tre ting: generere et nytt bilde, redigere ett eksisterende bilde, og slå sammen to eller flere bilder til ett. Alt her hører hjemme i den andre av dem.
Verdt å si to ganger, fordi «AI-bilderedigerer» og «AI-videogenerator» har blitt naboer i folks hoder, og et verktøy som gladelig lyser om fotografiet ditt føles som om det burde være én knapp unna å få det til å bevege seg. Det er det ikke — og det bør du vite i det første minuttet, ikke i det tiende.
08Hvorfor usensurert betyr mer for redigering enn for generering
Filtrerte redigerere feiler annerledes enn filtrerte generatorer, og som regel verre. En filtrert generator avviser prompten din; du skriver om og prøver igjen. En filtrert redigerer kan avvise selve kildebildet, før den har lest et eneste ord av instruksjonen din. Last opp et klinisk sårbilde til en kasuistikk, og det avvises allerede ved opplasting. Last opp et historisk krigsfotografi for å reparere en brett, og geværet i bildet avslutter samtalen. Legitimt arbeid, kategorisk avvisning, ingen omskriving som ville hjulpet.
Shannon kjører bildeveien uten innholdsfilter på resultatet og uten avvisningslag på modellen som skriver instruksjonen. Det er det som gjør disse helt alminnelige jobbene mulige:
- Aktbilder og croquisarbeid — retusj, omlysing og restyling for kunstnere og fotografer som jobber med samtykkende voksne modeller.
- Medisinsk og rettsmedisinsk illustrasjon — klinisk bildemateriale ryddet opp til undervisningsmateriell, kasuistikker og rekonstruksjonsarbeid som vanlige redigerere avviser på flekken.
- Bilder til sikkerhetsforskning — skjermbilder, fotografier av fysisk sikring og maskinvaredokumentasjon til phishing-opplæring og rapportering fra red team.
- Vold i fiksjon — produksjonskunst til film, spill og tegneserier der et sår eller et våpen er selve emnet.
- Politisk satire og redaksjonell illustrasjon — flere hundre års historie bak seg, tilnærmet null støtte i filtrerte verktøy.
- Merkevare- og likhetsarbeid utført av rettighetshaveren — dine egne produktbilder, logooppsett og portretter, og vanskelige familiearkiv, uten å måtte krangle med en klassifiserer om du har lov.
Usensurert er ikke det samme som uten ansvar. Shannon drives av Shannon Lab LLC (New Mexico, USA) under en publisert policy for ansvarlig bruk, og det er der de virkelige grensene ligger — de som handler om lov og skade, ikke om at en klassifiserer blir ubekvem av et sårbilde. Fraværet av en refleksmessig avvisning er en påstand om verktøyet, ikke om ditt ansvar for det du lager.
09Hvor API-et passer inn — og hvor det ikke gjør det
Dette er en vanlig feilsving for lesere som kommer fra et API-søk. Bildegenerering og bilderedigering skjer i Shannon-chatappen, ikke på API-et. De tre /v1-dialektene — /v1/chat/completions (OpenAI-formet), /v1/messages (Anthropic-formet) og /v1/responses, alle strømmende, alle på de samme modellene — betjener tekst og syn. Syn betyr at modellene leser bilder du sender: beskriver dem, transkriberer tekst, analyserer et diagram. Det betyr ikke at de produserer eller endrer bilder.
Det etterlater likevel et nyttig mønster: syn pluss en usensurert tekstmodell er en sterk assistent til å skrive instruksjoner. Send kildebildet ditt til API-et, be det beskrive hva som er i bildet og skrive utkast til en forankret instruksjon som navngir endringen og ankrene, og kjør så den instruksjonen i chatten — den fanger opp ankrene du ville glemt. Formen på forespørsler og svar finner du i API-dokumentasjonen.
10Ofte stilte spørsmål
Hva er en usensurert AI-bilderedigerer?
En redigerer som tar et eksisterende bilde pluss en instruksjon på vanlig språk og returnerer det redigerte bildet, uten innholdsfilter på resultatet og uten avvisningslag på modellen som skriver instruksjonen. Den kjører på vår egen GPU-klynge inne i Shannon-chatappen, slik at arbeid som filtrerte redigerere avviser — retusj av aktbilder, medisinsk og rettsmedisinsk illustrasjon, bilder til sikkerhetsforskning, vold i fiksjon, politisk satire — blir gjort i stedet for avvist.
Hvorfor endres ansiktet når jeg bare ba om å bytte bakgrunn?
Fordi en instruksjonsredigering regenererer hele bildeflaten betinget av kildebildet ditt, ikke bare området du hadde i tankene — alt du ikke navngir som uendret står fritt til å drive. Løsningen er forankring: legg til en bevar-setning som «behold ansiktet, frisyren, posituren og klærne identiske, samme kameravinkel og utsnitt». Å navngi de uendrede delene er den enkeltstående største kvalitetsspaken du har.
Støtter Shannons bilderedigering negativ prompt?
Ja. I motsetning til tekst-til-bilde, som ikke tar noen i det hele tatt, støtter både redigering og sammenslåing av flere bilder én. Bruk den til uønskede artefakter — ekstra fingre, forvrengt tekst, duplisert rekkverk, utsmurt tekstur, plastaktig hud, vannmerker — i stedet for å skrive «ingen X» i instruksjonen. Innholdsvalg hører hjemme i instruksjonen, formulert positivt; artefaktdemping hører hjemme i den negative prompten.
Kan Shannon animere bildet mitt eller gjøre det om til video?
Nei. Shannon genererer ikke video og animerer ikke bilder. Det finnes ingen bilde-til-video-vei, og ingen slik kunngjøres. Shannon 3 genererer et nytt bilde, redigerer ett eksisterende bilde, eller slår sammen to eller flere bilder til ett — de tre tingene og ingenting utover dem.
Hvor mange kildebilder bruker en redigering?
Nøyaktig ett: enten et bilde som allerede finnes i samtalen, eller ett som er vedlagt meldingen du sender nå. Hvis elementer må hentes fra to eller flere bilder — et antrekk fra ett bilde over på en person fra et annet — er det en sammenslåing, ikke en redigering, og da bør du levere de faktiske bildene i stedet for å beskrive det andre med ord.
Må jeg tegne en maske eller bruke inpainting?
Nei. Det finnes ingen pensel, lasso eller maskelag. Du beskriver endringen i en setning, og området utledes av språket ditt — derfor teller presise substantiver: «den parkerte sølvfargede bilen til høyre» treffer langt bedre enn «den greia der». Det gjør Shannon til et praktisk usensurert alternativ til inpainting for folk som vil ha resultatet uten utvelgelsesarbeidet.
Kan jeg redigere bilder via Shannon-API-et?
Nei. Bildegenerering og bilderedigering hører hjemme i Shannon-chatappen. /v1-dialektene — /v1/chat/completions, /v1/messages og /v1/responses — betjener tekst og syn: de leser og analyserer bilder du sender, men produserer eller redigerer dem ikke. En vanlig arbeidsflyt er å la API-ets syn skrive utkastet til den forankrede instruksjonen, og så kjøre selve redigeringen i chatten.
Rediger et bilde uten å krangle med et filter
Legg ved et bilde, skriv én setning, navngi det som blir stående.
Begynn å redigere Les API-dokumentasjonenBilder rendres på vår egen GPU-klynge · ingenting rendres eller faktureres før du bekrefter kortet
Shannon AI drives av Shannon Lab LLC, New Mexico, USA. Bildegenerering, bilderedigering og sammenslåing er funksjoner i chatappen for Shannon 3; /v1-API-et betjener kun tekst og syn. Det finnes ingen videogenerering i produktet. Redigering tar imot nøyaktig ett kildebilde og arver bildeformatet fra det. Bruk av de usensurerte bildeveiene reguleres av policyen for ansvarlig bruk.