Przeniesienie stroju AI, bez cenzury

Większość pracy z obrazami, której ludzie naprawdę potrzebują, to nie „zrób mi obrazek czegoś”. To „ubierz tę osobę w tę kurtkę”, „wstaw to krzesło do tego pokoju”, „sfotografuj ten produkt w tamtej dłoni”. Wszystkie te zadania potrzebują materiału z więcej niż jednej fotografii i wszystkie zawodzą tak samo: jeden obraz zostaje załączony, drugi opisany słowami, a wraca coś prawdopodobnego, co nie jest rzeczą, którą masz. Lekarstwo jest mniejsze, niż byś sądził, i działa wszędzie.

01Czym jest „łączenie obrazów” i gdzie się odbywa

Shannon 3 robi z obrazami trzy różne rzeczy: generuje nowy obraz z opisu, edytuje jeden istniejący obraz i łączy dwa lub więcej obrazów w jeden nowy. Mają one różne zasady, a wybór niewłaściwej to pierwsze miejsce, w którym traci się jakość.

Używaj łączenia zawsze, gdy gotowy obraz potrzebuje materiału z więcej niż jednej fotografii: przeniesienie stroju i ubrania, wstawienie obiektu w scenę, osoba A obok osoby B, prawdziwy produkt trzymany przez prawdziwą modelkę, styl jednego obrazu zastosowany do tematu drugiego. Jeśli łapiesz się na tym, że chciałbyś wskazać naraz dwa zdjęcia, to właśnie ta operacja.

Wszystko to dzieje się w aplikacji czatu Shannon, w zwykłej rozmowie. Nie ma tego w API /v1 — API obsługuje tekst i wizję, czyli czyta obrazy, które mu wyślesz, a nie tworzy nowych. Jeśli trafiłeś tu z wyszukiwania o API, to jest uczciwa odpowiedź; zobacz dokumentację API, żeby sprawdzić, co endpointy faktycznie obsługują. Obrazy renderują się na naszym własnym klastrze GPU.

Prosisz zwykłym językiem, w języku, którym mówisz. Shannon ustala, że chodzi o obraz, sam pisze instrukcję generacji po angielsku i pokazuje Ci ją na karcie potwierdzenia, zanim cokolwiek się wyrenderuje. Nic nie powstaje i nic nie jest naliczane, dopóki nie potwierdzisz — a przy pracy na wielu obrazach to właśnie na tej karcie sprawdzasz, czy role i kolejność wyszły tak, jak chciałeś. Shannon nigdy nie generuje nieproszony: powitanie, pytanie albo mimochodem załączone zdjęcie nie uruchamiają renderu.

02Zasada: nazwij rolę każdego obrazu, po kolei

Instrukcja musi mówić, co wnosi każdy obraz, i musi to mówić w kolejności, w jakiej obrazy zostały podane. Na tym polega cała technika; wszystko poniżej to ta zasada zastosowana do konkretnego zadania.

Pierwszy obraz jest bazą — głównym tematem albo sceną, w zależności od tego, z czego gotowy obraz składa się w większości. Ustala tożsamość, pozę, kadrowanie, światło i wszystko, o czego zmianę nie prosiłeś. Kolejne obrazy są źródłami: dostarczają wnoszonych części. Napisz to zdanie tak, żeby obcy człowiek trzymający obrazy w kolejności mógł wykonać zadanie ręcznie.

Działa
Kobieta z pierwszego obrazu ubrana w czerwony dziergany sweter
z drugiego obrazu, stojąca w tym samym parku, w tej samej pozie
i tym samym popołudniowym świetle, z niezmienioną twarzą
i fryzurą.

Nie działa
Połącz te dwa obrazy.   Scal zdjęcia.   Złóż je razem.

Wersje nieudane zawodzą nie dlatego, że są krótkie, lecz dlatego, że nigdy nie mówią, które zdjęcie jest osobą, a które swetrem. Trzy nawyki czynią tę zasadę niezawodną:

• Używaj wprost liczebników porządkowych. „Z pierwszego obrazu”, „z drugiego obrazu”. Trzy słowa i dwuznaczność znika.
• Powiedz, co zostaje bez zmian. „Zachowaj identyczne twarz, włosy i pozę”. Nazwanie części niezmienianych to największa dźwignia jakości w każdej operacji obrazowej Shannon, a tutaj liczy się najbardziej, bo kompozycja ma dwie lub więcej rzeczy, od których może odpłynąć.
• Pisz prozą, nie tagami. Model obrazowy czyta instrukcje tak, jak model językowy czyta zdanie, więc pełne zdania biją słowa kluczowe rozdzielone przecinkami. Celuj w 30 do 80 słów i pomiń śmieci z epoki SDXL („masterpiece, best quality, 8k”) oraz składnię wag w rodzaju (word:1.3).

Gdy obraz zawiera więcej niż jedną rzecz, nazwij tę część, o którą Ci chodzi. Jeśli drugi obraz to zdjęcie katalogowe modelki w swetrze, „czerwony dziergany sweter noszony przez kobietę z drugiego obrazu” mówi, że chodzi Ci o ubranie, a nie o modelkę. Zostaw samo „drugi obraz”, a możesz dostać także jej twarz.

Szablony ról według zadania

Zadanie	Pierwszy obraz	Drugi obraz	Kształt instrukcji
Przeniesienie stroju	Osoba	Ubranie	„[Osoba] z pierwszego obrazu ubrana w [ubranie] z drugiego obrazu, [co zostaje]”
Obiekt w scenie	Scena	Obiekt	„[Pokój] z pierwszego obrazu z [obiektem] z drugiego obrazu ustawionym [gdzie], dopasowanym do [światła]”
Osoba + osoba	Osoba A i otoczenie	Osoba B	„[Mężczyzna] z pierwszego obrazu stojący obok [kobiety] z drugiego obrazu, [pozycje, linie wzroku]”
Produkt na osobie	Modelka albo scena	Produkt	„[Modelka] z pierwszego obrazu trzymająca [produkt] z drugiego obrazu, [chwyt, etykieta zwrócona do…]”
Przeniesienie stylu	Temat	Referencja stylu	„[Temat] z pierwszego obrazu oddany w [osiach stylu] drugiego obrazu, [temat bez zmian]”

03Błąd, który psuje większość prób: opisywanie zamiast załączania

To błąd wart podniesienia larum, bo jest zdecydowanie najczęstszy i bo wygląda, jakby się udało. Użytkownik ma dwie fotografie — swojego klienta i produkt klienta albo siebie i kurtkę, którą posiada. Załącza jedną, a drugą wpisuje z klawiatury.

Błąd
[załącza jedno zdjęcie kobiety]
„Ubierz ją w czerwony dziergany sweter, splot warkoczowy,
raczej gruby, z podwiniętym kołnierzem”.

Wraca kobieta w czerwonym dzierganym swetrze. To dobry sweter. To nie jest ten sweter. Splot warkoczowy jest wymyślony, barwnik to inna czerwień, głębokość ściągacza jest nie ta, kołnierz podwija się w drugą stronę, a drobne asymetrie, które czynią prawdziwe ubranie rozpoznawalnym — naprawa, zaciągnięcie, rozciągnięcie na łokciach — zniknęły, bo nic w tym zdaniu ich nie zawierało.

Tekst jest kanałem stratnym, a fotografia nie. Staranne zdanie niesie może kilkanaście cech obiektu; fotografia niesie ich tysiące, w tym każdą, której nigdy nie pomyślałbyś spisać, i te, których nie umiesz nazwać. Opisywanie zamiast załączania wyrzuca wszystko, o czym nie pomyślałeś, czyli większość. Załączenie zachowuje prawdziwy wygląd, bo prawdziwy wygląd jest obecny.

Test jest prosty. Jeśli sensem obrazu jest to, że chodzi o ten jeden — to konkretne ubranie, tę osobę, ten dokładny produkt, ten pokój — załącz go. Jeśli potrafiłbyś wskazać tę rzecz w szeregu i ma znaczenie, żeby wynik pasował do tej, którą byś wskazał, opis nie wystarczy.

Istnieje uzasadniony przypadek dla opisywania: gdy dana rzecz jeszcze nie istnieje albo gdy chcesz właśnie wersji ogólnej. Projektowanie swetra, którego nikt nie zrobił na drutach, szkicowanie koncepcji — to praca text-to-image i opis jest tam właściwy, bo nie ma prawdziwego obiektu, którego tożsamość zachowujesz. W chwili, gdy do zadania wchodzi prawdziwy obiekt, wchodzi też jego fotografia.

Pokrewny półbłąd: załączenie obu obrazów, a mimo to dalsze szczegółowe opisywanie tego drugiego. Przymiotniki potrafią walczyć z fotografią — napisz „gruby”, gdy prawdziwe ubranie jest z cienkiej przędzy, a wprowadziłeś sprzeczność. Opisz drugi obraz tylko na tyle, by wskazać, o którą jego część Ci chodzi.

04Przeniesienie stroju i ubrania

Kanoniczne zadanie na dwa obrazy. Załącz najpierw osobę, a ubranie jako drugie. Obraz ubrania może być rozłożoną na płasko fotografią, ujęciem na wieszaku, zdjęciem katalogowym albo kimś innym w tym ubraniu — wszystko działa, o ile powiesz, o którą część chodzi.

Przeniesienie stroju
Kobieta z pierwszego obrazu ubrana w czerwony dziergany sweter
z drugiego obrazu. Zachowaj jej twarz, włosy, pozę i tło parku
dokładnie takie, jakie są, przy tym samym miękkim świetle
z zachmurzonego nieba. Sweter ma naturalnie układać się na jej
sylwetce, z nienaruszonym splotem warkoczowym i kołnierzem
oryginalnego ubrania.

Negatywny prompt: wykrzywiony splot warkoczowy, dodatkowe rękawy,
zniekształcone dłonie, plastikowo wyglądająca tkanina,
niedopasowane światło

Robią to trzy rzeczy: role są nazwane po kolei, części niezmieniane są wyliczone na głos (i to właśnie powstrzymuje dryf twarzy), a ostatni człon mówi modelowi, że sensem są własne detale ubrania — bez tego kompozycje zwykle zachowują kolor i sylwetkę, po cichu wygładzając teksturę.

• Dopasowanie to twierdzenie fizyczne, więc je wypowiedz. „Układa się naturalnie na jej sylwetce”, „dopasowany w talii”, „rękawy kończące się przy nadgarstku” — inaczej ubranie może przyjść w proporcjach źródła zamiast w proporcjach osoby.
• Przesłonięcia to trudny przypadek. Jeśli ręce są skrzyżowane albo pasek torby przecina klatkę piersiową, powiedz, co się z tym dzieje. Dwuznaczność w tym miejscu daje klasyczny artefakt stopionego rękawa.
• Więcej ubrań to więcej obrazów. Najpierw osoba, potem góra, potem spodnie, potem buty — i odwołuj się do nich konsekwentnie jako do drugiego, trzeciego i czwartego obrazu. Nie przechodź w połowie na „to zdjęcie buta”.

05Wstawianie obiektu do sceny

Tutaj role się odwracają: scena idzie pierwsza, bo to z niej gotowy obraz składa się w większości, a obiekt jest wnoszoną częścią. Makiety wnętrz, aranżowanie pokoju meblami, których jeszcze nie kupiłeś, wstawianie pojazdu na drogę, umieszczanie rzeźby w galerii — za każdym razem ten sam kształt.

Obiekt w scenie
Salon z pierwszego obrazu z zielonym aksamitnym fotelem z drugiego
obrazu ustawionym przy oknie po lewej, obróconym lekko w stronę
kamery i sięgającym w kadrze mniej więcej do wysokości pasa.
Dopasuj ciepłe późnopopołudniowe światło pokoju, z miękkim cieniem
padającym na prawo od fotela na dywan. Zachowaj resztę pokoju
i kąt kamery bez zmian.

Negatywny prompt: unoszący się obiekt, wycięte krawędzie,
zdublowane cienie, niedopasowana temperatura barwowa

Tryb awarii nie jest tu tożsamościowy, lecz fizyczny. Obiekt zachowujący własne oświetlenie wygląda na doklejony, a widzowie wyłapują to natychmiast, nawet gdy nie potrafią powiedzieć dlaczego. Wydaj słowa na trzy rzeczy, których fotografia wyizolowanego obiektu nie może znać: umiejscowienie (gdzie w kadrze, względem czego), skalę wyrażoną w kategoriach sceny, a nie centymetrów („mniej więcej do wysokości pasa”, „wysoki jak klamka”), oraz światło i cień — kierunek, charakter i miejsce, w które pada cień. To ostatnie zamienia fotomontaż w fotografię.

06Osoba A obok osoby B

Dwie osoby, które nigdy nie były w jednym pomieszczeniu: fotografie rodzinne przez pokolenia, portret założycieli, gdy współzałożyciel był w podróży, plakat z dwojgiem wykonawców. To działa i wymaga dwóch rzeczy, których nie wymagają zadania z jednym bohaterem.

Dwie osoby
Mężczyzna z pierwszego obrazu stojący obok kobiety z drugiego
obrazu, oboje na tym samym kamiennym tarasie z pierwszego obrazu.
On stoi po lewej, ona po jego prawej stronie, ramiona niemal się
stykają, oboje zwróceni do kamery na tej samej wysokości oczu.
Zachowaj obie twarze, fryzury i ubrania dokładnie takie, jak na ich
własnych zdjęciach, i oświetl oboje tym samym miękkim wieczornym
światłem z lewej strony.

Płótno: landscape
Negatywny prompt: niedopasowany odcień skóry, zdublowane kończyny,
linia szwu między postaciami, nierówne oświetlenie

Te dwie dodatkowe rzeczy to geometria względna — kto stoi po której stronie, jak daleko od siebie, gdzie biegnie czyja linia wzroku i jaki jest wzajemny wzrost, bo dwa różnie wykadrowane portrety nie dają modelowi żadnego sposobu, by wiedzieć, że jedna osoba jest o głowę wyższa — oraz jedno wspólne światło, powiedziane wprost, bo scalasz dwa środowiska oświetleniowe i jedno musi wygrać.

To także miejsce, w którym wybór nowych proporcji płótna zwraca się z nawiązką: dwa źródła w orientacji pionowej dają kiepskie pionowe zdjęcie grupowe, więc poproś o landscape albo wide. I powiedzmy rzecz oczywistą raz: wstawienie prawdziwej osoby do obrazu, na którym jej nie było, jest potężne i nie jest automatycznie nieszkodliwe. Miej prawa albo zgodę; nasze zasady odpowiedzialnego korzystania to wersja skrócona.

07Produkt na osobie i fotografia produktowa bez cenzury

Komercyjnie to kompozycja, która sama się spłaca. Masz zdjęcie produktu na białym tle oraz modelkę, dłoń, kuchnię, stół warsztatowy. Połączenie ich daje Ci fotografię lifestyle’ową bez dnia zdjęciowego w studiu — i to z Twoim rzeczywistym produktem, a nie wygenerowanym przybliżeniem, co stanowi całą różnicę między używalnym materiałem marketingowym a makietą, za którą trzeba przepraszać.

Produkt na osobie
Kobieta z pierwszego obrazu trzymająca bursztynową szklaną
buteleczkę serum z drugiego obrazu w prawej dłoni, uniesioną na
wysokość klatki piersiowej, z etykietą zwróconą do kamery i w pełni
czytelną, z palcami naturalnie obejmującymi buteleczkę i nie
zasłaniającymi etykiety. Zachowaj jej twarz, włosy i tło kuchni bez
zmian. Zdjęcie na Kodak Portra 400, 85mm f/1.4, miękkie światło
z okna po lewej.

Płótno: portrait
Negatywny prompt: wykrzywiony tekst etykiety, dodatkowe palce,
unosząca się buteleczka, zdublowane odbicia, plastikowa skóra

Dwa dodatki specyficzne dla pracy produktowej. Chwyt: dłonie trzymające przedmioty to miejsce, w którym kompozycja najczęściej się psuje, więc powiedz, która dłoń, na jakiej wysokości i że palce obejmują naturalnie, nie zasłaniając etykiety. Opracowanie fotograficzne: nazwij aparat, obiektyw oraz film lub źródło światła. Wynik ma się czytać jako fotografia, którą zrobiono, a nie jako dwie fotografie, które połączono, i to napisanie tego jak fotografii Cię tam doprowadzi.

Brak cenzury liczy się tu w bardziej przyziemny sposób, niż to brzmi. Filtrowane generatory odmawiają całych kategorii zwyczajnego, legalnego handlu: katalogów bielizny i strojów kąpielowych, sprzętu tytoniowego i waporyzatorów, alkoholu, akcesoriów do broni palnej, produktów wellness dla dorosłych, konopi tam, gdzie są legalne, wyrobów medycznych, sprzętu taktycznego i myśliwskiego. Odmawiają też pracy z marką i wizerunkiem wykonywanej przez właściciela praw. Nic z tego nie jest przypadkiem brzegowym; to zwykły wtorek w agencji. Shannon nie ma filtra treści na ścieżce generowania ani warstwy odmów w modelu piszącym prompt, więc praca przechodzi, a kwestia praw zostaje przy Tobie, tam gdzie jej miejsce.

08Styl z jednego obrazu, temat z drugiego

Najpierw temat, referencja stylu jako druga. To zadanie różni się tym, że pożyczasz cechę, a nie obiekt, więc musisz nazwać, które cechy — i powiedzieć, że własny temat i kompozycja referencji nie idą razem z nimi.

Referencja stylu
Portret mężczyzny z pierwszego obrazu oddany w stylu wizualnym
drugiego obrazu: ta sama stonowana paleta morskiej zieleni i ochry,
widoczna faktura suchego pędzla oraz płaskie, równomierne światło.
Zachowaj jego twarz, wyraz twarzy i pozę rozpoznawalne
i niezmienione. Nie przenoś tematu, tła ani kompozycji drugiego
obrazu.

Negatywny prompt: druga twarz, zapożyczone tło, tekstura
fotograficzna

Nazwij osie stylu wprost, bo samo „w stylu drugiego obrazu” jest niedookreślone: paleta (albo dokładne kolory, zapisane jako color #8B0000 przypisane do nazwanego obiektu), pociągnięcia pędzla lub ziarno, charakter światła, grubość kreski, poziom abstrakcji, opracowanie krawędzi. Wybierz te dwie, trzy, które definiują look; nazwanie wszystkich sześciu je uśrednia. I nie mieszaj sprzecznych wskazówek — „fotorealistyczny” plus „akwarela” daje mętlik, a nie mieszankę. Jeśli chcesz fotografii, która jedynie pożycza paletę, powiedz dokładnie to.

09Negatywne prompty i wybór nowych proporcji płótna

Dwie możliwości, które istnieją przy łączeniu i edycji, ale nie przy text-to-image, i obie są niedostatecznie wykorzystywane.

Negatywny prompt

Łączenie obrazów obsługuje negatywny prompt. Niechciane artefakty trafiają tam — i ma znaczenie, że trafiają tam, a nie do instrukcji, bo wpisanie „bez dodatkowych palców” do głównej instrukcji nazywa rzecz, której chcesz uniknąć, jednym tchem ze wszystkim, czego chcesz. Wykluczenia mają własny kanał. Wpisy, które konsekwentnie się bronią:

• Anatomia — dodatkowe palce, zdublowane kończyny, zdeformowane dłonie, druga twarz.
• Ślady montażu — wycięte krawędzie, widoczna linia szwu, unoszący się obiekt, zdublowane cienie, aureola wokół postaci.
• Niedopasowanie światła — niedopasowana temperatura barwowa, niespójny kierunek cieni, nierówna ekspozycja między postaciami.
• Awarie tekstur — plastikowa skóra, wygładzona tkanina, wykrzywiony tekst etykiety, nieczytelne logo.

Ogranicz się do tej garstki, która jest prawdopodobna dla Twojego obrazu. Negatywny prompt wyliczający trzydzieści rzeczy jest instrukcją rozmytą, a nie mocną.

Proporcje płótna

Edycja pojedynczego obrazu automatycznie dziedziczy proporcje obrazu źródłowego — jest jedno źródło i jego kształt jest odpowiedzią. Łączenie nie ma takiej wartości domyślnej, więc możesz wybrać nowe proporcje płótna, i często powinieneś, bo kształt, który pasował jednemu źródłu, rzadko pasuje kompozycji.

Proporcja	Najlepsza do	Typowe zastosowanie w kompozycji
square	Domyślna, kanały społecznościowe	Jeden temat z jednym przeniesionym elementem
portrait	Ludzie, wysokie tematy	Przeniesienie stroju, produkt trzymany przez jedną modelkę
landscape	Krajobrazy, grupy	Dwie osoby obok siebie, obiekt wstawiony do pokoju
wide	Kadrowanie filmowe	Zdjęcia grupowe, produkt w otoczeniu, banery
tall	Plakaty, tapety na telefon	Ujęcia stroju w pełnej sylwetce, układy plakatowe

Wyraźna prośba zawsze wygrywa. Nie powiedz nic, a dostaniesz square — zły kształt dla większości zadań z dwiema osobami i strojami w pełnej sylwetce, więc warto poświęcić na to jedno słowo.

10Których obrazów Shannon używa: rozmowa kontra ta wiadomość

Są dwie drogi, którymi obraz trafia do kompozycji, a wiedza o tym, na której polegasz, zapobiega większości pomyłek w kolejności.

Załączony do bieżącej wiadomości. Droga bezpośrednia: załącz wszystko do wiadomości niosącej instrukcję, w kolejności, w jakiej zamierzasz się do tego odwoływać, a „pierwszy obraz” i „drugi obraz” znaczą dokładnie to, na co wyglądają. Domyślnie rób tak.

Już obecny w rozmowie. Zdjęcia wysłane wcześniej w wątku pozostają dostępne i można się do nich odwoływać zwykłym językiem — „zdjęcie, które wysłałem wcześniej”, „to zdjęcie swetra sprzed chwili”, „druga wersja, którą zrobiłeś”. Shannon rozstrzyga odwołanie względem wątku, co jest naprawdę wygodne w długiej sesji: możesz iterować na wyniku, a potem wprowadzić nowy element bez ponownego wgrywania wszystkiego.

Zabezpieczenie jest w obu przypadkach to samo. Karta potwierdzenia pokazuje instrukcję, zanim cokolwiek się wyrenderuje, wraz z wybraną kolejnością. Przeczytaj ją. Jeśli role wyszły odwrotnie — sweter jako baza, osoba jako źródło — powiedz to, a poprawi się to, zanim powstanie i zostanie naliczony choćby jeden piksel. Mimo to, gdy wątek jest długi i pełen obrazów, załącz ponownie te, których potrzebujesz; sześć zdjęć wstecz „drugi obraz” jest dwuznaczny dla każdego czytelnika.

Poproszenie Shannona, żeby spojrzał na obraz — opisał go, odczytał etykietę, powiedział, co to za tkanina — to zwykła praca wizyjna, a nie generowanie. Nie kosztuje nic dodatkowo i jest dobrym testem przed komponowaniem: jeśli opis Shannona nie wspomina o szczególe, na którym Ci zależy, Twoja instrukcja musi go nazwać.

11Bez cenzury i co to naprawdę znaczy

Na ścieżce generowania nie ma filtra treści, a model piszący prompt nie ma warstwy odmów. To przy komponowaniu filtrowane narzędzia zawodzą najbardziej widocznie, bo system odmów nie odróżni łączenia obrazów, które posiadasz, od łączenia obrazów, których mieć nie powinieneś — więc blokuje jedno i drugie.

Praca, której te narzędzia rutynowo odmawiają, nie jest egzotyczna: akty artystyczne i studium postaci, ilustracja medyczna i kryminalistyczna, grafika do badań bezpieczeństwa, przemoc w fikcji na okładki książek i grafikę do gier, satyra polityczna oraz legalne kategorie produktów wymienione wyżej. Każda z nich to legalna praca zawodowa, której filtr słów kluczowych nie odróżni od nadużycia.

Bez cenzury nie znaczy bez odpowiedzialności. Dostarczasz fotografie prawdziwych obiektów, a często prawdziwych ludzi; prawa i zgody są po Twojej stronie, podobnie jak odpowiedzialność za wynik. Shannon Lab LLC to spółka z Nowego Meksyku działająca zgodnie z opublikowanymi zasadami odpowiedzialnego korzystania — warte pięciu minut, zanim zaczniesz pracę z wizerunkami innych osób.

12Ograniczenia warte poznania przed startem

Nie ma generowania wideo. Shannon nie animuje obrazów i nie tworzy wideo, w żadnej postaci, z żadnej z tych operacji — ani z pojedynczego obrazu, ani z kompozycji, ani jako opcja eksperymentalna. Jeśli Twoje zadanie kończy się ruchem, to nie jest narzędzie do ostatniego kroku. Tym ten produkt jest, a nie podpowiedzią z roadmapy.

Inne uczciwe granice, wszystkie z obejściami:

• Drobny tekst to najsłabszy obszar. Mały druk, gęsty tekst na opakowaniu i długie numery seryjne mogą wyjść niedoskonale. Kadruj produkt tak, by ważny tekst był duży, wpisz wykrzywiony tekst etykiety do negatywnego promptu i sprawdź wynik w pełnym rozmiarze.
• Skrajne niedopasowanie skali jest trudne. Zdjęcie produktu o szerokości 4000 pikseli połączone z małą miniaturą pokoju daje modelowi niewiele do pracy. Używaj najlepszej kopii każdego źródła, jaką masz.
• Silne przesłonięcie ogranicza to, co da się przenieść. Ubranie sfotografowane w złożeniu, którego tyłu nigdy nie widać, nie może mieć wiernie wymyślonego tyłu. Jeśli kompozycja pokazuje tył, dostarcz tył.
• Więcej obrazów to więcej miejsca na pomyłkę. Cztery źródła są do ogarnięcia przy zdyscyplinowanym nazywaniu porządkowym, ale to nie miejsce na luz — użyj tylu, ile wymaga zadanie, i ani jednego więcej.
• Dwie duże zmiany naraz konkurują ze sobą. Przenieś strój, potwierdź, a potem zmień tło. Edycje sekwencyjne niemal zawsze biją jedną przeładowaną instrukcję, a każdy krok jest tani do sprawdzenia.

13Najczęściej zadawane pytania

---

Generowanie, edycja i komponowanie wielu obrazów to funkcje aplikacji czatu Shannon; endpointy /v1/chat/completions, /v1/messages i /v1/responses obsługują tekst i wizję, czyli czytają obrazy, a nie generują ich. Nie ma generowania wideo. Opcje proporcji, obsługa negatywnego promptu i zachowanie karty potwierdzenia są aktualne na 5 września 2026. Powiązane: generowanie obrazów AI bez cenzury · edycja obrazów AI bez cenzury · odpowiedzialne korzystanie · dokumentacja API · indeks badań.