AI-antrekksbytte, usensurert

Det meste av bildearbeidet folk faktisk trenger er ikke «lag et bilde av en ting». Det er «sett denne jakken på denne personen», «plasser denne stolen inn i dette rommet», «fotografer dette produktet i den hånden». Alt dette krever materiale fra mer enn ett fotografi, og alt sammen feiler på samme måte: ett bilde blir lagt ved, det andre blir beskrevet med ord, og tilbake kommer noe troverdig som ikke er tingen du eier. Løsningen er mindre enn du skulle tro, og den virker overalt.

01Hva «å slå sammen bilder» er, og hvor det skjer

Shannon 3 gjør tre atskilte ting med bilder: den genererer et nytt bilde fra en beskrivelse, den redigerer ett eksisterende bilde, og den slår sammen to eller flere bilder til ett nytt. De har ulike regler, og å velge feil operasjon er det første stedet kvaliteten ryker.

Bruk sammenslåing når det ferdige bildet trenger materiale fra mer enn ett fotografi: overføring av antrekk og klær, å sette et objekt inn i en scene, person A ved siden av person B, et ekte produkt holdt av en ekte modell, stilen fra ett bilde brukt på motivet i et annet. Hvis du merker at du skulle ønske du kunne peke på to bilder samtidig, er det denne operasjonen.

Alt dette skjer i Shannon-chatappen, i vanlig samtale. Det ligger ikke på /v1-API-et — API-et betjener tekst og syn, altså at det leser bilder du sender i stedet for å lage nye. Kom du hit fra et API-søk, er det det ærlige svaret; se API-dokumentasjonen for hva endepunktene faktisk betjener. Bilder rendres på vår egen GPU-klynge.

Du spør på vanlig språk, på det språket du snakker. Shannon skjønner at det bes om et bilde, skriver selv genereringsinstruksjonen på engelsk, og viser den til deg på et bekreftelseskort før noe rendres. Ingenting genereres og ingenting faktureres før du bekrefter — og for arbeid med flere bilder er det kortet der du sjekker at rollene og rekkefølgen ble som du mente. Shannon genererer aldri uoppfordret: en hilsen, et spørsmål eller et tilfeldig vedlagt bilde utløser ingen rendring.

02Regelen: navngi hvert bildes rolle, i rekkefølge

Instruksjonen må si hva hvert bilde bidrar med, og den må si det i den rekkefølgen bildene ble gitt. Det er hele teknikken; alt nedenfor er den regelen anvendt på en konkret jobb.

Det første bildet er basen — hovedmotivet, eller scenen, alt etter hva det ferdige bildet stort sett består av. Det setter identitet, positur, innramming, lyssetting og alt du ikke ba om å få endret. Senere bilder er kilder: delene som hentes inn. Skriv setningen slik at en fremmed som holder bildene i rekkefølge kunne utført jobben for hånd.

Virker
Kvinnen fra det første bildet iført den røde strikkegenseren
fra det andre bildet, stående i den samme parken, samme positur
og samme ettermiddagslys, ansiktet og håret hennes uendret.

Feiler
Slå sammen disse to bildene.   Flett bildene.   Sett dem sammen.

De feilende versjonene feiler ikke fordi de er korte, men fordi de aldri sier hvilket bilde som er personen og hvilket som er genseren. Tre vaner gjør regelen pålitelig:

• Bruk ordenstall eksplisitt. «Fra det første bildet», «fra det andre bildet». Fire ord, og tvetydigheten er borte.
• Si hva som forblir likt. «Behold ansiktet, håret og posituren hennes identiske.» Å navngi de uendrede delene er den største kvalitetsspaken i hver eneste bildeoperasjon Shannon gjør, og den betyr mest her, fordi en komposisjon har to eller flere ting den kan drive vekk fra.
• Skriv prosa, ikke tagger. Bildemodellen leser instruksjoner slik en språkmodell leser en setning, så hele setninger slår kommaseparerte nøkkelord. Sikt på 30 til 80 ord, og dropp SDXL-tidens skrot («masterpiece, best quality, 8k») og vektsyntaks som (word:1.3).

Når et bilde inneholder mer enn én ting, navngi den delen du vil ha ut av det. Hvis det andre bildet er et katalogbilde av en modell som har på seg genseren, sier «den røde strikkegenseren som kvinnen i det andre bildet har på seg» at du vil ha plagget, ikke modellen. Nøyer du deg med «det andre bildet», kan du få ansiktet hennes på kjøpet.

Rollemaler etter jobbtype

Jobb	Første bilde	Andre bilde	Instruksjonsform
Antrekksbytte	Personen	Plagget	«[Personen] fra det første bildet iført [plagget] fra det andre bildet, [hva som blir stående]»
Objekt i scene	Scenen	Objektet	«[Rommet] fra det første bildet med [objektet] fra det andre bildet plassert [hvor], tilpasset [lyset]»
Person + person	Person A og omgivelsene	Person B	«[Mannen] fra det første bildet stående ved siden av [kvinnen] fra det andre bildet, [posisjoner, blikkretninger]»
Produkt på person	Modellen eller scenen	Produktet	«[Modellen] fra det første bildet som holder [produktet] fra det andre bildet, [grep, etiketten vendt mot]»
Stiloverføring	Motivet	Stilreferansen	«[Motivet] fra det første bildet gjengitt i [stilaksene] fra det andre bildet, [motivet uendret]»

03Feilen som ødelegger de fleste forsøk: å beskrive i stedet for å legge ved

Dette er feilen det er verdt å lage bråk om, fordi den er den desidert vanligste og fordi den ser ut som om den virket. Brukeren har to fotografier — kunden sin og kundens produkt, eller seg selv og en jakke de eier. De legger ved det ene, og de skriver det andre.

Feilen
[legger ved ett bilde av en kvinne]
«Sett en rød strikkegenser på henne, flettestrikk, litt grov,
med rullekrage.»

Det som kommer tilbake er en kvinne i en rød strikkegenser. Det er en fin genser. Det er ikke den genseren. Flettemønsteret er oppdiktet, fargen er en annen rødtone, vrangborden har feil dybde, kragen ruller feil vei, og de små asymmetriene som gjør et ekte plagg gjenkjennelig — en reparasjon, en trådtrekk, tøyet som har gitt seg ved albuene — er borte, fordi ingenting i setningen inneholdt dem.

Tekst er en tapsbelagt kanal, og et fotografi er det ikke. En omhyggelig setning bærer kanskje et dusin egenskaper ved et objekt; fotografiet bærer tusenvis, inkludert hver eneste du aldri ville tenkt på å skrive ned og dem du ikke kan sette ord på. Å beskrive i stedet for å legge ved kaster bort alt du ikke tenkte på, og det er det meste. Å legge ved bevarer det ekte utseendet fordi det ekte utseendet er til stede.

Testen er enkel. Hvis poenget med bildet er at det er akkurat det — akkurat det plagget, den personen, det nøyaktige produktet, det rommet — så legg det ved. Hvis du kunne plukket gjenstanden ut av en rekke like og det betyr noe at resultatet stemmer med den du ville plukket, holder det ikke med en beskrivelse.

Det finnes et legitimt tilfelle for å beskrive: når tingen ikke finnes ennå, eller når en generisk versjon er det du vil ha. Å designe en genser ingen har strikket, å skissere et konsept — det er tekst-til-bilde-arbeid, og en beskrivelse er riktig fordi det ikke finnes noe ekte objekt hvis identitet du holder på. I det øyeblikket et ekte objekt kommer inn i oppdraget, gjør fotografiet av det også det.

En beslektet halvfeil: å legge ved begge bildene og så likevel beskrive det andre i detalj. Adjektivene kan slåss mot fotografiet — skriv «grov» når det ekte plagget er finstrikket, og du har innført en selvmotsigelse. Beskriv det andre bildet bare nok til å identifisere hvilken del av det du vil ha.

04Overføring av antrekk og klær

Den kanoniske jobben med to bilder. Legg ved personen først og plagget som nummer to. Plaggbildet kan være et flatlay, et bilde på henger, et katalogbilde eller noen andre som har det på seg — alt fungerer, så lenge du sier hvilken del av det du mener.

Antrekksbytte
Kvinnen fra det første bildet iført den røde strikkegenseren
fra det andre bildet. Behold ansiktet, håret, posituren og
parkbakgrunnen nøyaktig som de er, med det samme myke overskyede
lyset. Genseren skal falle naturlig over kroppen hennes, med
flettemønsteret og kragen fra det originale plagget intakt.

Negativ prompt: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting

Tre ting gjør jobben: rollene er navngitt i rekkefølge, de uendrede delene er listet opp høyt (som er det som hindrer ansiktet i å drive), og det siste leddet forteller modellen at plaggets egne detaljer er selve poenget — uten det har komposisjoner en tendens til å beholde farge og silhuett mens de stille glatter ut teksturen.

• Passform er en fysisk påstand, så kom med den. «Faller naturlig over kroppen hennes», «tettsittende i livet», «ermer som slutter ved håndleddet» — ellers kan plagget ankomme i kildens proporsjoner i stedet for brukerens.
• Tildekking er det vanskelige tilfellet. Hvis armene er i kryss eller en veskerem går over brystet, si hva som skjer med den. Tvetydighet der gir den klassiske smelteerme-artefakten.
• Flere plagg betyr flere bilder. Person først, så overdel, så bukse, så sko — og vis til dem som det andre, tredje og fjerde bildet konsekvent. Ikke bytt til «skobildet» halvveis.

05Å sette et objekt inn i en scene

Her snus rollene: scenen kommer først, fordi scenen er det det ferdige bildet stort sett består av, og objektet er delen som hentes inn. Interiørmockuper, å møblere et rom med møbler du ikke har kjøpt, å plassere et kjøretøy på en vei, å sette en skulptur inn i et galleri — samme form hver gang.

Objekt i scene
Stua fra det første bildet med den grønne fløyelslenestolen
fra det andre bildet plassert ved vinduet til venstre, vinklet
litt mot kameraet og med en høyde omtrent til livet i bildet.
Tilpass rommets varme sene ettermiddagslys, med en myk skygge
som faller til høyre for stolen ned på teppet. Behold resten av
rommet og kameravinkelen uendret.

Negativ prompt: floating object, cut-out edges, duplicate
shadows, mismatched color temperature

Feilmodusen her er ikke identitet, den er fysikk. Et objekt som beholder sin egen lyssetting ser påklistret ut, og seere oppdager det umiddelbart selv når de ikke kan si hvorfor. Bruk ordene dine på de tre tingene et fotografi av et isolert objekt ikke kan vite: plassering (hvor i bildet, i forhold til hva), størrelse uttrykt i scenens termer heller enn i centimeter («omtrent til livet», «like høy som dørhåndtaket»), og lys og skygge — retning, kvalitet, og hvor skyggen faller. Det siste er det som gjør en montasje om til et fotografi.

06Person A ved siden av person B

To personer som aldri var i samme rom: familiebilder på tvers av generasjoner, et gründerportrett da medgründeren var på reise, en plakat med to utøvere. Det fungerer, og det krever to ting jobbene med ett motiv ikke gjør.

To personer
Mannen fra det første bildet stående ved siden av kvinnen fra
det andre bildet, begge på den samme steinterrassen fra det
første bildet. Han står til venstre, hun står til høyre for ham,
skuldrene nesten inntil hverandre, begge vendt mot kameraet i
samme øyehøyde. Behold begge ansikter, frisyrer og klær nøyaktig
som i deres egne fotografier, og lys begge med det samme myke
kveldslyset fra venstre.

Lerret: landskap
Negativ prompt: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

De to ekstra tingene: relativ geometri — hvem som står på hvilken side, hvor langt fra hverandre, hvem som ser hvor, og relativ høyde, siden to ulikt beskårne portretter ikke gir modellen noen måte å vite at den ene personen er et hode høyere — og ett felles lys, sagt eksplisitt, fordi du slår sammen to lysmiljøer og ett av dem må vinne.

Det er også her det å velge et nytt lerretsformat gjør nytte for seg: to kilder i portrettformat gir et dårlig gruppebilde i portrettformat, så be om landskap eller bredt. Og la oss si det opplagte én gang — å sette en ekte person inn i et bilde de ikke var i er kraftfullt og er ikke automatisk harmløst. Ha rettighetene eller samtykket; policyen vår for ansvarlig bruk er kortversjonen.

07Produkt på person, og usensurert produktfotografi

Kommersielt er dette komposisjonen som betaler for seg selv. Du har et produktbilde på hvitt, og du har en modell, en hånd, et kjøkken, en arbeidsbenk. Å slå dem sammen gir deg et livsstilsfotografi uten en dag i studio — og med ditt faktiske produkt i seg heller enn en generert tilnærming, som er hele forskjellen mellom brukbart markedsmateriell og en mockup du må unnskylde.

Produkt på person
Kvinnen fra det første bildet som holder den ravfargede
serumflasken i glass fra det andre bildet i høyre hånd, hevet
til brysthøyde, etiketten vendt mot kameraet og fullt leselig,
fingrene naturlig rundt flasken uten å dekke etiketten. Behold
ansiktet, håret og kjøkkenbakgrunnen hennes uendret. Tatt på
Kodak Portra 400, 85mm f/1.4, mykt vinduslys fra venstre.

Lerret: portrett
Negativ prompt: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

To tillegg som er spesifikke for produktarbeid. Grepet: hender som holder objekter er der komposisjon oftest går galt, så si hvilken hånd, i hvilken høyde, og at fingrene ligger naturlig rundt uten å dekke etiketten. Fotografisk behandling: navngi et kamera, et objektiv og en film eller lyskilde. Resultatet skal leses som et fotografi som ble tatt, ikke som to fotografier som ble slått sammen, og å skrive det som et fotografi er det som får deg dit.

At det er usensurert betyr noe her på en mer hverdagslig måte enn det høres ut som. Filtrerte generatorer avviser hele kategorier av alminnelig, lovlig handel: kataloger for undertøy og badetøy, tobakk og vape-utstyr, alkohol, våpentilbehør, produkter for voksenhelse, cannabis der det er lovlig, medisinsk utstyr, taktisk utstyr og jaktutstyr. De avviser også merkevare- og likhetsarbeid utført av rettighetshaveren. Ingenting av dette er randtilfeller; det er en helt vanlig tirsdag i et byrå. Shannon har ikke noe innholdsfilter på genereringsveien og ikke noe avvisningslag på modellen som skriver prompten, så arbeidet går gjennom og rettighetsspørsmålet blir liggende hos deg, der det hører hjemme.

08Stil fra ett bilde, motiv fra et annet

Motivet først, stilreferansen som nummer to. Det som gjør denne jobben annerledes er at du låner en egenskap heller enn et objekt, så du må navngi hvilke egenskaper — og si at referansens eget motiv og komposisjon ikke blir med på lasset.

Stilreferanse
Portrettet av mannen fra det første bildet gjengitt i den
visuelle stilen fra det andre bildet: den samme dempede paletten
av blågrønt og oker, synlig tørrpensel-tekstur, og flatt jevnt
lys. Behold ansiktet, uttrykket og posituren hans gjenkjennelige
og uendret. Ikke ta med motivet, bakgrunnen eller komposisjonen
fra det andre bildet.

Negativ prompt: second face, borrowed background, photographic
texture

Navngi stilaksene eksplisitt, for «i stilen til det andre bildet» alene er underspesifisert: palett (eller nøyaktige farger, skrevet som color #8B0000 knyttet til et navngitt objekt), penselføring eller korn, lyskvalitet, strektykkelse, abstraksjonsnivå, kantbehandling. Velg de to eller tre som definerer uttrykket; å navngi alle seks gjør dem til et gjennomsnitt. Og ikke bland motstridende retninger — «fotorealistisk» pluss «akvarell» gir grøt, ikke en blanding. Vil du ha et fotografi som bare låner en palett, så si nøyaktig det.

09Negative prompter og valg av nytt lerretsformat

To muligheter som finnes for sammenslåing og redigering, men ikke for tekst-til-bilde, og begge er underbrukt.

Den negative prompten

Sammenslåing av bilder støtter en negativ prompt. Uønskede artefakter hører hjemme der — og det betyr noe at de havner der og ikke i instruksjonen, for å skrive «ingen ekstra fingre» i hovedinstruksjonen navngir det du prøver å unngå i samme åndedrag som alt du vil ha. Legg unntakene i sin egen kanal. Oppføringene som konsekvent gjør nytte for seg:

• Anatomi — extra fingers, duplicated limbs, malformed hands, second face.
• Montasjeavslørere — cut-out edges, visible seam line, floating object, duplicate shadows, halo around subject.
• Lysavvik — mismatched color temperature, inconsistent shadow direction, uneven exposure between subjects.
• Teksturfeil — plastic skin, smoothed fabric, warped label text, illegible logo.

Hold deg til den håndfullen som er sannsynlig for ditt bilde. En negativ prompt som lister tretti ting er en utflytende instruksjon, ikke en sterk en.

Lerretsformatet

Redigering av ett enkelt bilde arver kildebildets bildeformat automatisk — det finnes én kilde, og formen på den er svaret. Sammenslåing har ingen slik standard, så du kan velge et nytt lerretsformat, og det bør du ofte, fordi formen som passet én kilde sjelden passer komposisjonen.

Format	Best til	Typisk bruk i komposisjon
kvadrat	Standard, sosiale feeder	Ett motiv med ett overført element
portrett	Personer, høye motiver	Antrekksbytte, produkt holdt av én modell
landskap	Landskap, grupper	To personer side om side, objekt plassert i et rom
bredt	Kinoaktig innramming	Gruppebilder, produkter i omgivelser, bannere
høyt	Plakater, bakgrunnsbilder til telefon	Antrekk i helfigur, plakatoppsett

En eksplisitt forespørsel vinner alltid. Sier du ingenting, får du kvadrat — feil form for det meste av arbeid med to personer og helfigurantrekk, så det er verdt et ord.

10Hvilke bilder Shannon bruker: samtalen kontra denne meldingen

Det finnes to måter et bilde kommer inn i en komposisjon på, og å vite hvilken du støtter deg på hindrer de fleste rekkefølgeblandinger.

Vedlagt den nåværende meldingen. Den direkte veien: legg alt ved meldingen som bærer instruksjonen, i den rekkefølgen du har tenkt å vise til det, og «første bilde» og «andre bilde» betyr nøyaktig det de ser ut som. Gjør dette som standard.

Allerede i samtalen. Bilder sendt tidligere i tråden er fortsatt tilgjengelige og kan omtales på vanlig språk — «bildet jeg sendte tidligere», «genserbildet fra i sted», «den andre versjonen du lagde». Shannon løser opp referansen mot tråden, og det er genuint praktisk gjennom en lang økt: du kan iterere på et resultat og så hente inn et nytt element uten å laste opp alt på nytt.

Sikkerhetsnettet er det samme for begge. Bekreftelseskortet viser instruksjonen før noe rendres, inkludert rekkefølgen den valgte. Les det. Hvis rollene kom ut omvendt — genseren som base, personen som kilde — sier du fra, og det rettes før en eneste piksel er generert eller fakturert. Likevel: når en tråd er lang og full av bilder, legg ved dem du trenger på nytt; seks bilder tilbake er «det andre bildet» tvetydig for enhver leser.

Å be Shannon om å se på et bilde — beskrive det, lese etiketten, fortelle deg hva stoffet er — er vanlig synsarbeid, ikke en generering. Det koster ikke noe ekstra, og det er en god sjekk før du komponerer: hvis Shannons beskrivelse ikke nevner detaljen du bryr deg om, må instruksjonen din navngi den.

11Usensurert, og hva det faktisk betyr

Det finnes ikke noe innholdsfilter på genereringsveien og ikke noe avvisningslag på modellen som skriver prompten. Komposisjon er der filtrerte verktøy feiler mest synlig, fordi et avvisningssystem ikke kan se forskjell på å slå sammen bilder du eier og å slå sammen bilder du ikke burde ha — så det blokkerer begge deler.

Arbeidet de verktøyene rutinemessig avviser er ikke eksotisk: aktbilder og croquisarbeid, medisinsk og rettsmedisinsk illustrasjon, bilder til sikkerhetsforskning, vold i fiksjon til bokomslag og spillgrafikk, politisk satire, og de lovlige produktkategoriene som er listet ovenfor. Hver eneste er legitimt profesjonelt arbeid som et nøkkelordfilter ikke kan skille fra misbruk.

Usensurert betyr ikke uten ansvar. Du leverer fotografier av ekte gjenstander og ofte ekte mennesker; rettighetene og samtykket er dine å ha, og det er ansvaret for resultatet også. Shannon Lab LLC er et selskap i New Mexico som opererer under en publisert policy for ansvarlig bruk — verdt fem minutter før du starter arbeid som involverer andre menneskers utseende.

12Grenser det er verdt å kjenne før du begynner

Det finnes ingen videogenerering. Shannon animerer ikke bilder og produserer ikke video, i noen form, fra noen av disse operasjonene — ikke fra ett enkelt bilde, ikke fra en komposisjon, ikke som et eksperimentelt valg. Hvis oppdraget ditt ender i bevegelse, er ikke dette verktøyet for det siste steget. Det er sånn produktet er, ikke et hint om et veikart.

Andre ærlige grenser, alle med omveier:

• Liten tekst er det svakeste området. Liten skrift, tett emballasjetekst og lange serienumre kan komme ut ufullkomne. Ram inn produktet slik at den viktige teksten blir stor, legg warped label text i den negative prompten, og sjekk i full størrelse.
• Ekstreme størrelsesforskjeller er vanskelig. Et produktbilde på 4000 piksler kombinert med et lite miniatyrbilde av et rom gir modellen lite å jobbe med. Bruk den beste kopien du har av hver kilde.
• Kraftig tildekking begrenser hva som kan overføres. Et plagg fotografert sammenbrettet, der baksiden aldri er synlig, kan ikke få baksiden sin oppdiktet trofast. Hvis komposisjonen viser baksiden, så lever baksiden.
• Flere bilder betyr mer rom for forvirring. Fire kilder er gjennomførbart med disiplinert bruk av ordenstall, men det er ikke stedet å slurve — bruk det antallet jobben trenger og ikke flere.
• To store endringer samtidig konkurrerer. Overfør antrekket, bekreft, og bytt så bakgrunnen. Sekvensielle redigeringer slår én overlastet instruksjon nesten hver gang, og hvert steg er billig å sjekke.

13Ofte stilte spørsmål

---

Bildegenerering, bilderedigering og komposisjon av flere bilder er funksjoner i Shannon-chatappen; endepunktene /v1/chat/completions, /v1/messages og /v1/responses betjener tekst og syn, altså at de leser bilder i stedet for å generere dem. Det finnes ingen videogenerering. Formatvalg, støtte for negativ prompt og bekreftelsesatferd er gjeldende per 5. september 2026. Beslektet: usensurert AI-bildegenerering · usensurert AI-bilderedigering · ansvarlig bruk · API-dokumentasjon · forskningsindeks.