AI රූප විමසුම් මාර්ගෝපදේශය

බොහෝ දෙනා SDXL මත ඉගෙන ගත් විමසුම් පුරුදු සමඟ මෙහි එති: කොමාවෙන් වෙන් කළ නාම පදවල පෙළක්, ගුණාත්මක ටෝකන් පෙරවදනක්, වරහන් තුළ බර කිහිපයක්, සහ ධන විමසුම තරම්ම දිගු ඍණ විමසුමක්. එම පුරුදු එම ආකෘති සඳහා නිවැරදි වූ අතර මෙහිදී ඒවා ප්‍රතිඵලයට හානිකරයි. මෙය ඇත්තටම ක්‍රියා කරන දෙයෙහි කෙටි අනුවාදයයි — සහ Shannon ඔබ වෙනුවෙන් උත්පාදන විමසුම ලියා කිසිවක් සෑදීමට පෙර එය පෙන්වන නිසා, Shannon යෝජනා කරන දේ කියවීමට සහ නිවැරදි කිරීමට ද මෙය සමානවම මාර්ගෝපදේශයකි.

01වාක්‍ය ටැග් පරදවන්නේ ඇයි: ආකෘතිය කියවන්නේ භාෂා ආකෘතියක් ලෙසයි

විමසුම් පිළිබඳ බොහෝ උපදෙස් ලියැවුණේ යම් පැරණි diffusion ආකෘති සඳහා වන අතර, ඒවා භාවිත කළේ ප්‍රායෝගිකව සංකල්ප මල්ලක් මෙන් හැසිරෙන පෙළ කේතකයකි: ව්‍යාකරණ බොහෝ දුරට වැදගත් නොවූ අතර, ජයග්‍රාහී උපාය වූයේ අදාළ නාම පද ගොඩගසා ඒවාට බර දීමයි. එම කේතකය සඳහා ටැග් සුප් නිවැරදි විමසුම් හැඩය විය.

Shannon හි රූප ආකෘතිය එසේ ක්‍රියා නොකරයි. එය විමසුමක් කියවන්නේ භාෂා ආකෘතියක් පෙළක් කියවන ආකාරයටමය, එබැවින් වාක්‍ය ඛණ්ඩනය අර්ථය රැගෙන යයි. “Holding an umbrella against her shoulder” යනු පුද්ගලයෙකු, වස්තුවක් සහ ශරීර කොටසක් අතර සම්බන්ධතාවකි; “umbrella, shoulder” යනු අහම්බෙන් එකට තිබෙන දේවල් දෙකකි. උපසර්ග දේවල් ස්ථානගත කරයි. ක්‍රියා පද ඉරියව් සාදයි. උපවාක්‍ය විස්තර මුළු රූපය පුරා පාවෙන්නට හැරීම වෙනුවට නිවැරදි නාම පදයට බඳියි.

එකම චිත්‍රය ක්‍රම දෙකෙන්ම ඉල්ලා ඇති අයුරු මෙන්න.

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.

ටැග් අනුවාදයට ප්‍රකාශ කළ නොහැකි දේ බලන්න. කුඩය අල්ලාගෙන සිටින බව එය කිසි විටෙක නොකියයි, එබැවින් එය බිම වැතිර තිබෙන්නට ඉඩ ඇත. නියොන් ආලෝකය තාර පාරේ පිළිබිඹු වන බව එය නොකියයි, දෙකම තිබෙන බව පමණක් කියයි, එබැවින් ඔබට ලැබෙන්නේ ඒවා අතර දෘශ්‍ය සම්බන්ධයක් නැති නාම පුවරු සහ තෙත් වීදියකි. කාන්තාව බලා සිටින්නේ කොහේද යන්න එය නොකියයි, එබැවින් ඇගේ ඉරියව්ව අහම්බයකි. “Cinematic lighting” යනු මනෝභාවයක ලේබලයක් මිස ආලෝක ප්‍රභවයක් නොවේ. සහ අවසාන ටෝකන් පහ ශබ්දයකි, පාලන අත්ලක් ලෙස නොව ඡායාරූපකරණය ගැන ඉංග්‍රීසි වචන ලෙස කියවේ.

වාක්‍ය අනුවාදය දිගු වන්නේ එය අලංකාර නිසා නොවේ. එය දිගු වන්නේ ටැග් අනුවාදය විවෘතව තැබූ ප්‍රශ්නවලට එය පිළිතුරු දෙන නිසාය. එයයි මුළු උපක්‍රමය.

02රූප විමසුමක් කොපමණ දිගු විය යුතුද?

වචන 30 සිට 80 දක්වා ඉලක්ක කරන්න. 100 ඉක්මවා බොහෝ දුර නොයන්න. මෙය ඔබට ඇති පහසුම තනි ගුණාත්මක උත්තෝලකයයි, සහ පරාසයේ කෙළවර දෙකම වැදගත්ය.

වචන 30කට වඩා අඩු වූ විට සංයුතිය, ආලෝකය සහ රාමුගත කිරීම නිශ්චිතව නොදැක්වේ, එබැවින් ආකෘතිය සංඛ්‍යානමය වශයෙන් වඩාත්ම සාමාන්‍ය දේ තෝරයි. “A woman in a coffee shop” යනු වලංගු විමසුමක් වන නමුත් එය අමතක වන රූපයක් සාදයි, මන්ද ඔබ සිත්ගන්නා සෑම තීරණයක්ම වෙනත් අයෙකුට පවරා ඇත.

වචන 100ක් පමණ ඉක්මවූ විට වෙනස් අසාර්ථකත්වයක් මතු වේ: පසුව එන උපවාක්‍ය රූපයේ එකම ප්‍රදේශ සඳහා පෙර ඒවා සමඟ තරග කරයි, සහ විස්තර එකතු වීම වෙනුවට ඔබට ලැබෙන්නේ තනුක වීමයි. තුන්වන ආලෝක විස්තරය පළමුවැන්න අවලංගු කරයි, සහ ඔබ පළමු වචන අටෙන් ස්ථාපිත කළ විෂයට ඔබ එකතු කරන සෑම වාක්‍යයක් සමඟම සාපේක්ෂ අවධානය අඩු වේ. දිගු විමසුම් සම්පූර්ණ ලෙස කියවේ. ඒවා සම්පූර්ණ ලෙස රූප බවට නොපත් වේ.

විනය: ඔබට අවශ්‍ය විමසුම ලියන්න, පසුව ඉවත් කළහොත් චිත්‍රය වෙනස් වන වාක්‍ය දක්වා එය කපා දමන්න.

03පිළිවෙළේ විනය: වඩාත්ම වැදගත් දේ මුලින්ම

ආකෘතිය අනුක්‍රමිකව කියවන නිසා, ස්ථානය යනු අවධාරණයයි: මුලින්ම එන දේ රූපය නැංගුරම් ලා තබයි, අවසානයේ එන දේ එය සකසයි. ආකෘතියට අවශ්‍ය පිළිවෙළට දේවල් තබන්න:

1. විෂය — මෙම චිත්‍රය කවුරුන් හෝ කුමක් පිළිබඳද යන්න, නිශ්චිතව.
2. ක්‍රියාව හෝ ඉරියව්ව — ඔවුන් කරන්නේ කුමක්ද, ඔවුන් සිටින්නේ කෙසේද.
3. ශෛලිය හෝ මනෝභාවය — ඡායාරූපයක්, තෙල් සායම් චිත්‍රයක්, තාක්ෂණික නිදර්ශනයක්, සහ එහි ස්වරය.
4. පරිසරය සහ ආලෝකය — මෙය සිදු වන්නේ කොහේද සහ ඒ මත වැටෙන ආලෝකය කුමක්ද.
5. තාක්ෂණික — රාමුගත කිරීම, කාචය, ක්ෂේත්‍ර ගැඹුර, වර්ණ විස්තර.

වඩාත් සුලබ ස්වයං-හානිය නම් තාක්ෂණික උපවාක්‍යයෙන් ආරම්භ කිරීමයි. “Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper” යනුවෙන් ආරම්භ කිරීමෙන් ආකෘතියට කියන්නේ පෙනුම විෂය බවත් මිනිසා විස්තරයක් බවත්ය. ඔබට ලැබෙන්නේ ඇතුළත කුඩා අපැහැදිලි රුවක් සහිත ලස්සන, හිස් රාමුවකි.

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.

පළමු අනුවාදයේ සෑම අංගයක්ම දෙවැන්නේ ඉතිරි වේ; කිසිවක් ඉවත් කර නැත. ආකෘතිය දැන් හුදෙක් දන්නේ එය රූගත කළ යුතු ආකාරය කියන්නට පෙර චිත්‍රය කුමක් පිළිබඳද යන්නයි — සහ එම නැවත සැකසීම පමණක් විෂය අහම්බෙන් සිටි තැනින් කේන්ද්‍රයට ගෙන එයි.

04විෂය පිළිබඳව නිශ්චිත වන්න

“A person” යනු විෂයක් නොව හිස් තැනකි — සහ ආකෘතිය හිස් තැන් පුරවන්නේ එය දැක ඇති සියල්ලේ සාමාන්‍යයෙනි, එයම එම දිලිසෙන, වයසක් නැති, පෞරුෂයක් නැති පෙනුම එන තැනයි. නිශ්චිතභාවයට වචන පහක් වැය වන අතර, එයින් නිශ්චිත මනුෂ්‍යයෙකු ලැබේ:

රටාව සලකන්න: වයස හෝ යුගය, එක් ව්‍යුහාත්මක ලක්ෂණයක්, එක් වෙන් කර හඳුනාගත හැකි අඩුපාඩුවක්. එම තුන්වන අයිතමයයි ප්‍රතිඵලය සාදන ලද එකක් නොව ඡායාරූප ගත කළ එකක් ලෙස දැනෙන්නට සලස්වන්නේ. පැලුණු දතක්, ගෙවී ගිය ඇඳුම් දාරයක්, සායම් තැවරූ නාම පුවරුවක් — කුඩා අසමමිතිකතා ඔබට ඇති ප්‍රබලම ප්ලාස්ටික්-විරෝධී සංඥාව වන අතර, ඒවා ඔබේ වචන අයවැයෙන් කිසිවක් තරම් වැය නොකරයි.

05ඡායාරූප යථාර්ථවාදය: ඉල්ලීම ඡායාරූපයක් ලෙස ලියන්න

ඔබ කලාව, නිදර්ශනයක් හෝ ඇනිමේ ඉල්ලන්නේ නැත්නම් ඡායාරූප යථාර්ථවාදය පෙරනිමි ස්වරයයි. නමුත් “photorealistic” යන වචනය කරන්නේ සුළු වැඩකි. ඡායාරූපයක් සාදන්නේ ඡායාරූපකරණයේ ක්‍රියාව විස්තර කිරීමයි: සැබෑ කැමරාවක්, සැබෑ කාචයක්, සහ සැබෑ ෆිල්ම් වර්ගයක් හෝ ආලෝක ප්‍රභවයක්.

හේතුව සරලයි. “Kodak Portra 400” ලෙස ලේබල් කළ සෑම රූපයක්ම නිශ්චිත ධාන්‍ය ව්‍යුහයක්, ආලෝක අවසන් වීමක් සහ සම් පෙනුමක් සහිත නිශ්චිත ක්‍රියාවලියකින් සාදා ඇති අතර, එම ෆිල්ම් වර්ගය නම් කිරීමෙන් එම සියල්ල කැඳවා ගනී. “8k ultra detailed” කවදත් දක්නට ලැබුණේ ස්ටොක් අඩවි ස්පෑම් තුළ පමණි, එබැවින් එය ස්ටොක් අඩවි ස්පෑම් කැඳවයි. විශ්වාස කළ හැකි වට්ටෝරු කිහිපයක්, එක් එක් වට්ටෝරුව එකම විෂයේ පැහැදිලිවම වෙනස් රූපයක් සාදයි:

පදනම් විස්තර වට්ටෝරුවට ගැළපෙන ලෙස තබන්න — මුහුණ පික්සල් අසූවක් උසැති 24mm පුළුල් රාමුවක සිදුරු මට්ටමේ සම් වයනයට කිසිදු අර්ථයක් නැත — පසුව එය එකතු කරන්න. පදනම් විස්තර යනු — කාචයක් මෙය සැබවින්ම වාර්තා කළ බවට ඇති වයන සාක්ෂියයි. පෙනෙන සම් සිදුරු සහ සිහින් මුහුණේ රෝම. ලිනන් කමිසයක නූල් වියමන. ආලෝක කදම්භයක පාවෙන දූවිලි. සම් සපත්තුවක සීරීමක්. දීප්තිමත් පසුබිමකට එරෙහිව පියාඹන කෙස්. දෙකක් හෝ තුනක් ප්‍රමාණවත් වන අතර, ඒවායි පුද්ගලයෙකුගේ රූපයක් සහ පුද්ගලයෙකුගේ ඡායාරූපයක් අතර වෙනස.

06ස්ථර සහිත දර්ශන: ඉදිරිපස, මැද, පසුබිම

දර්ශනයකට ගැඹුරක් ඇති විට, තල තුන වෙන වෙනම සහ පිළිවෙළට විස්තර කරන්න. පසුබිම් නොව ස්ථාන ලෙස දැනිය යුතු රූප සඳහා මෙය වඩාත්ම ඵලදායී තාක්ෂණය වන අතර, එය කරන්නේ බොහෝ දුරට කිසිවෙක් නොවේ. එය නැතිව ඔබට ලැබෙන්නේ පැතලි බවකි: විමසුමේ සඳහන් සියල්ල ආසන්න වශයෙන් එකම දුරින් වැටී, රාමුවේ එකම මැද තීරුව සඳහා තරග කරයි. තල නම් කිරීමෙන් ආකෘතියට වියදම් කිරීමට ගැඹුරු අයවැයක් ලැබේ.

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.

පිරිපහදු දෙකක්. ඉදිරිපස හිතාමතාම නාභියෙන් පිටත යමක් තබන්න — ගැඹුරු දර්ශනවල සැබෑ ඡායාරූපවල බොහෝ විට එවැන්නක් ඇති අතර, එය නොමැති වීම සුලබ ලකුණකි. සහ විෂය කවර තලයේද යන්න කියන්න: බයිසිකල් දූතිය චිත්‍රයේ අරමුණ නම් ඇය මැද තලයට අයත් විය යුතුය, නැතහොත් කුළුණ සහ කෝපි කෝප්පය රාමුව සඳහා ඇය සමඟ තරග කරයි.

07නිශ්චිත වර්ණ: වස්තූන්ට බැඳි hex කේත

වෙළඳ නාම කටයුතු, ඇඳුම් අඛණ්ඩතාව, හෝ “රතු” ප්‍රමාණවත් තරම් නිශ්චිත නොවන ඕනෑම තැනක, hex කේතය color #RRGGBB ලෙස ලියා එය නම් කළ වස්තුවකට බඳින්න:

...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...

ප්‍රායෝගික නීති තුනක්. ඇත්තටම වැදගත් වර්ණ දෙක තුන සඳහා hex භාවිත කර සෙසු ඒවා සරල වචනවලින් විස්තර කරන්න — hex කේත හයක් සහිත විමසුමක් අයවැයෙන් වැඩි කොටසක් වර්ණ පොත් සඳහා වැය කරයි. කේතය දාර ඇති වස්තුවකට බඳින්න, කිසි විටෙක “ආලෝකයට” හෝ “මනෝභාවයට” නොවේ. සහ එය නියම කරන්නේ වස්තුවේ වර්ණය මිස අවසාන පික්සල් අගය නොවන බව මතක තබාගන්න: රන් පැයේ පසුපස ආලෝකයේ #8B0000 කබායක් වර්ණ පොතට වඩා උණුසුම් ලෙස පෙනේ, හරියටම සැබෑ ජීවිතයේ මෙන්මය.

08දර්ශන අනුපාතය තෝරා ගැනීම

අනුපාත පහක් ඇති අතර නිවැරදි එක සාමාන්‍යයෙන් විෂයෙන් ඇඟවේ, නමුත් ඔබෙන් එන පැහැදිලි ඉල්ලීමක් සැමවිටම ජය ගනී — වෝල්පේපරයක් ඉල්ලන්න, අන්තර්ගතය කුමක් ඇඟවුවත් ඔබට tall ලැබේ.

මෙය වැරදීම පෙනෙනවාට වඩා හානිකරයි. wide රාමුවක සම්පූර්ණයෙන් සිටගෙන සිටින රුවක් ඔබට ලොකු රාමුවක කුඩා රුවක් ලබා නොදේ — එය සාමාන්‍යයෙන් කැපුණු එකක් ලබා දෙයි, මන්ද ආකෘතිය පළල පුරවන අතර හිස හෝ පාද රාමුවෙන් පිටතට යයි. රාමුව විෂයේ ප්‍රමුඛ අක්ෂයට ගළපන්න, එවිට සංයුතිය පිළිබඳ බොහෝ පැමිණිලි අතුරුදහන් වේ.

මතක තබාගත යුතු හැසිරීම් දෙකක්: සංස්කරණය මූලාශ්‍ර රූපයේ දර්ශන අනුපාතය ස්වයංක්‍රීයව රඳවා ගනී, එබැවින් ඔබට සංස්කරණයෙන් නැවත රාමුගත කළ නොහැක, නමුත් සම්බන්ධ කිරීම ඔබට නව කැන්වසයක් තෝරාගැනීමට ඉඩ දෙයි — ඔබ සතුව දැනටමත් ඇති දෙයක හැඩය වෙනස් කිරීමට බොහෝ විට පිරිසිදුම ක්‍රමය එයයි.

09වැරදි රටා: නතර කළ යුතු දේ

ගුණාත්මක ටෝකන්: “masterpiece, best quality, 8k, ultra detailed”

මේවා නිශ්චිත පැරණි පුහුණු බෙදාහැරීමක් සඳහා ප්‍රජාව විසින් සොයාගත් අත්ල විය, එහිදී යම් ලේබල් වාක්‍ය ඛණ්ඩ යම් රූප මූලාශ්‍ර සමඟ සහසම්බන්ධ විය. ඒවා මාරු නොවේ. මෙහිදී ඒවා සාමාන්‍ය ඉංග්‍රීසි වචන ලෙස කියවේ, කිසිවක් දායක නොකරයි, සහ දැනටමත් තදබද බව කියා ඇති වචන අයවැයෙන් කොටසක් කයි. ආදේශකය නම් ඔබට අවශ්‍ය කවර විස්තරයද යන්න කීමයි: “ultra detailed” නොව “visible weave in the coat fabric and fine stubble along the jaw” — එකම අභිප්‍රාය, ආකෘතියට රූප බවට පත් කළ හැකි දෙයක් ලෙස ප්‍රකාශ කර ඇත.

බර ලකුණු: (word:1.3), [word], {{word}}

විග්‍රහ නොවේ. වරහන්, කොටු වරහන්, තිත් දෙක සහ අංක වචනාර්ථ පෙළක් ලෙස වැටෙන අතර, යමක් වේ නම් ඒවා අවට උපවාක්‍යය කියවීමට අපහසු කරයි. ඔබට යමකට වැඩි අවධාරණයක් අවශ්‍ය නම්, ක්‍රියා කරන උත්තෝලක දෙක භාවිත කරන්න: විමසුමේ එය කලින් තැනට ගෙනෙන්න, සහ එයට වැඩි වචන දෙන්න. “A crimson silk scarf, its fringed ends lifting in the wind” වැදගත් සෑම මිනුමකින්ම “(red scarf:1.4)” අභිබවා යයි.

ගැටෙන උපදෙස්

නොගැළපෙන උපදෙස් මිශ්‍ර කිරීමෙන් ඒවා මිශ්‍ර නොවේ; එයින් සාදන්නේ සාමාන්‍යයෙන් කිසිවකුත් තෘප්තිමත් නොකරන අස්ථායී සාමාන්‍යයකි. නිතර වන වැරදිකරුවෝ:

• මාධ්‍යය — “photorealistic” සමඟ “watercolor”; “oil painting” සමඟ “shot on 85mm”. එකක් තෝරා එයට කැපවන්න.
• රාමුගත කිරීම — “wide establishing shot” සමඟ “extreme close-up on her eyes”; “full body” සමඟ “detailed facial pores”.
• ආලෝකය — “harsh midday sun” සමඟ “soft golden hour glow”; “low key, deep shadows” සමඟ “bright and airy”.
• යුගය — “1970s film aesthetic” සමඟ “modern minimalist” සමඟ “cyberpunk”.
• ශෛලි ගොඩගැසීම — එකවර කලාකරුවන් හතරක් හෝ ප්‍රභේද හතරක්. සම්බන්ධ යොමු දෙකක් ක්‍රියා කළ හැක; හතරක් එකිනෙක අවලංගු කර සාමාන්‍ය දෙයක් බවට පත් වේ.
• විසිරීම — “rustic, weathered, ancient, timeworn wooden door” යනු වාර හතරක් ලියූ එකම අදහසක් වන අතර, සෑම පුනරාවර්තනයක්ම විමසුමේ සෙසු කොටස තනුක කරයි.

10පෙළ-සිට-රූප සඳහා ඍණ විමසුමක් නැත

පැරණි පද්ධතිවල ඍණ විමසුම ශිල්පයෙන් අඩක් වූ නිසා, පළපුරුදු පරිශීලකයන් වඩාත්ම දැඩි ලෙස අසුවන වැරදි රටාව මෙයයි.

රූප සෑදීම සඳහා නීතිය නිරපේක්ෂ වන අතර තරමක් අවබෝධයට පටහැනියි: විමසුමට “no text, no watermark, no extra fingers” යනුවෙන් ලිවීමෙන් එම දේවල් අඩු නොව වැඩි වශයෙන් සිදුවීමට ඉඩ ඇත. ආකෘතිය “no text” කියවන්නේ text යන සංකල්පය අඩංගු වාක්‍යයක් ලෙසයි; ප්‍රතික්ෂේපය දුර්වල සංඥාවක් වන අතර නාම පදය ප්‍රබල එකකි. ප්‍රායෝගිකව ඔබ පෙළ ඉල්ලා ඇත. ඒ වෙනුවට සැමවිටම ධනාත්මක ආකාරය ප්‍රකාශ කරන්න:

සංස්කරණය සහ සම්බන්ධ කිරීම සඳහා ඍණ විමසුම පවතින අතර ඔබ එය භාවිත කළ යුතුය — නමුත් අන්තර්ගතය සඳහා නොව දෝෂ සඳහාය. හොඳ ද්‍රව්‍ය: ජල සලකුණු, උඩින් තැබූ පෙළ, දෙගුණ වූ අත් පා, විකෘති අත්, අධික තියුණු කිරීමේ වළලු, JPEG කොටස් වීම, සංයුක්ත දාරයක් දිගේ මැහුම් රේඛා. නරක ද්‍රව්‍ය: චිත්‍රය කුමක් පිළිබඳද යන්න ගැන ඕනෑම දෙයක්, එය උපදෙසට අයත් වේ.

11Shannon ඔබ වෙනුවෙන් ලියන විමසුම කියවීම

මෙම මාර්ගෝපදේශය න්‍යායාත්මක නොව වහාම භාවිත කළ හැකි එකක් කරන්නේ මෙයයි. ඔබට උත්පාදන විමසුම ඔබම ලිවීමට අවශ්‍ය නැත. ඔබ ඕනෑම භාෂාවකින් සරල වචනවලින් අසන්න; රූපයක් ඉල්ලා ඇති බව Shannon හඳුනාගෙන, ඉංග්‍රීසි උත්පාදන විමසුම රචනා කර, කිසිවක් සෑදීමට පෙර එය තහවුරු කිරීමේ කාඩ්පතක ඔබට පෙන්වයි. ඔබ තහවුරු කරන තුරු කිසිවක් නොසෑදෙන අතර කිසිදු ගාස්තුවක් අය නොවේ.

එබැවින් වඩාත්ම ප්‍රතිලාභ ලබාදෙන කුසලතාව මුල සිට විමසුම් ලිවීම නොවේ — එය කාඩ්පතේ ඇති එක කියවීමයි. මෙම ලැයිස්තුව හරහා යන්න:

1. විෂය නිශ්චිතද? කාඩ්පත “a person” හෝ “a woman” කියයි නම්, ඔබ සොයාගෙන ඇත්තේ ලබාගත හැකි විශාලතම තනි වැඩිදියුණු කිරීමයි. එයට වයසක්, ශරීර ස්වභාවයක්, ලක්ෂණයක් දෙන්න.
2. විෂය මුලින්ම තිබේද? විමසුම ශෛලියකින් හෝ කැමරාවකින් ආරම්භ වේ නම්, ඒ වෙනුවට විෂයෙන් ආරම්භ කරන ලෙස ඉල්ලන්න.
3. එය පරාසය තුළද? වචන 30ට අඩු නම්, ආලෝකය සහ පරිසරය ගැන වැඩි නිශ්චිතභාවයක් ඉල්ලන්න. 100 ඉක්මවා නම්, කපන ලෙස ඉල්ලන්න.
4. ආලෝක ප්‍රභවයක් තිබේද? මනෝභාව වචනයක් නොව — සැබෑ ආලෝකයක්: ජනේලයක්, වීදි ලාම්පුවක්, ෆ්ලෑෂ්, වළාකුළු සහිත අහසක්, සොෆ්ට්බොක්ස්.
5. ගැටුම් තිබේද? එකම විමසුමේ මාධ්‍ය දෙකක්, රාමු දෙකක්, හෝ ආලෝක තත්ත්ව දෙකක් සොයන්න.
6. සැඟවුණු ප්‍රතික්ෂේප තිබේද? කාඩ්පතේ “without”, “no”, හෝ “avoid” තිබේ නම්, එය තමා නම් කරන දෙයම ඉල්ලන පෙළ-සිට-රූප විමසුමකි.
7. අනුපාතය විෂයට නිවැරදිද? wide තුළ පූර්ණ දිග රුවක් සම්භාව්‍ය නොගැළපීමයි.

නිවැරදි කිරීම් සංවාදාත්මකයි: “make her early thirties with a scar through one eyebrow, shoot it on Portra at 85mm, and use portrait” යනු මුළුමනින්ම හොඳ උපදෙසකි. ඔබට නව කාඩ්පතක් ලැබෙන අතර ඒ වෙනුවට එය තහවුරු කරන්න. නැවත නැවත උත්සාහ කිරීමට දඬුවමක් නැත, මන්ද තවම කිසිවක් සාදා නැත.

සහ Shannon ඉල්ලීමකින් තොරව රූප නොසාදයි. ආචාරයක්, ප්‍රශ්නයක්, හෝ සාකච්ඡාව සඳහා ඔබ අමුණන ඡායාරූපයක් රූප සෑදීමක් ආරම්භ නොකරයි. Shannon ට රූපයක් දෙස බලන ලෙස ඉල්ලීම — එය විස්තර කිරීම, කියවීම, විශ්ලේෂණය කිරීම — සාමාන්‍ය දෘශ්‍ය කාර්යයක් මිස රූප සෑදීමක් නොවන අතර, එයට අමතර ගාස්තුවක් නැත.

12සංස්කරණය සහ සම්බන්ධ කිරීම සඳහා ශිල්පය වෙනස් වන ආකාරය

ඉහත නීති ලියා ඇත්තේ රූප සෑදීම සඳහාය. යාබද ක්‍රම දෙකක් විමසුමේ හැඩය වෙනස් කරයි.

එක් රූපයක් සංස්කරණය කිරීම

සංස්කරණ විමසුමක් යනු විස්තරයක් නොව උපදෙසකි: වෙනස් වන දේ සහ ඒ ලෙසම පවතින දේ කියන්න. නොවෙනස්ව පවතින කොටස් නම් කිරීම නිෂ්පාදනයේ ඇති විශාලතම තනි ගුණාත්මක උත්තෝලකයයි — “Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is” ස්ථාවරව පවතින අතර, එම උපවාක්‍යය නොමැති එකම ඉල්ලීම නිහඬව ඇගේ මුහුණ නැවත අඳියි. නැංගුරම ගැන නිශ්චිත වන්න: මුහුණ, ඉරියව්ව, කෙස් සහ ඇඳුම් සමානව තබන්න. හරියටම එක් මූලාශ්‍ර රූපයක් භාවිත වන අතර, ප්‍රතිදානය එහි දර්ශන අනුපාතය රඳවා ගනී.

රූප දෙකක් හෝ වැඩි ගණනක් සම්බන්ධ කිරීම

අංග එක් චිත්‍රයකට වඩා වැඩි ගණනකින් එන සෑම විටම — ඇඳුම් මාරු කිරීම, දර්ශනයකට වස්තුවක්, එක් රාමුවක පුද්ගලයන් දෙදෙනෙක්, පුද්ගලයෙකු මත නිෂ්පාදනයක්, එක් රූපයකින් ශෛලියක් සමඟ තවත් රූපයකින් විෂයක් — විමසුම එක් එක් රූපයේ භූමිකාව පිළිවෙළට නම් කළ යුතුය: “The woman from the first image wearing the red knitted sweater from the second image, standing in the same park.” පළමු රූපය ප්‍රධාන විෂය හෝ දර්ශනයයි; පසුව එන රූප ගෙන එන කොටස් සපයයි. බහු-රූප ඉල්ලීමක් එක් මූලාශ්‍රයක් සහ පෙළ විස්තරයක් බවට හකුළන්න එපා — සැබෑ රූප සම්බන්ධ කිරීමයි එම දේවල් ඇත්තටම පෙනෙන ආකාරය රැක ගන්නේ.

13වාරණයෙන් තොර විමසුම්: අදහස් කරන දේම කියන්න

රූප සෑදීමේ මාර්ගයේ අන්තර්ගත පෙරහනක් නැති අතර විමසුම ලියන ආකෘතියේ ප්‍රතික්ෂේප ස්තරයක් නැත. එයයි නිෂ්පාදනයේ මුළු අරමුණ: පෙරහන් සහිත උත්පාදක නිතිපතා නීත්‍යානුකූල කටයුතු ප්‍රතික්ෂේප කරයි — කලාත්මක නග්න රූප, වෛද්‍ය සහ අධිකරණ වෛද්‍ය නිදර්ශන, ආරක්ෂක පර්යේෂණ රූප, ප්‍රබන්ධයේ ප්‍රචණ්ඩත්වය, දේශපාලන උපහාසය, අයිතිය දරන්නා විසින් කරන වෙළඳ නාම සහ පෙනුම් කටයුතු. පෙරහන් සහිත වේදිකාවල විමසුම් ශිල්පයෙන් අඩක් යනු වචන ආවරණය කිරීමේ ඉංජිනේරු විද්‍යාවක් වන අතර, ආවරණ වචන නිවැරදි රූපයක සතුරාය.

එබැවින් කාඩ්පතේ පරීක්ෂා කිරීමට තවත් එක් දෙයක් ඇත: පෙරහන් සහිත මෙවලම්වලින් මිනිසුන් ඉගෙන ගන්නා ආවරණය කළ වචන මාලාව වෙනුවට එය සැබෑ විෂය සරල වචනවලින් විස්තර කරන බව. තුවාලයක අධිකරණ වෛද්‍ය නිදර්ශනයක් තුවාලය කුමක්ද යන්න කිව යුතුය. ආවරණය කළ භාෂාව සෑම තැනකම නරක රූපයක් සාදයි, මන්ද ආකෘතිය සාදන්නේ වචන කියන දෙයයි.

හැකියාව සහ විනිශ්චය වෙනස් දේවල් දෙකකි. Shannon Lab LLC මෙය ක්‍රියාත්මක කරන්නේ ප්‍රකාශිත වගකීම් සහගත භාවිත ප්‍රතිපත්තියක් යටතේය: පෙරහන් නොකළ රූප සෑදීම වෘත්තීය මෙවලමක් වන අතර, ඔබ සාදන දෙයට කැමැත්ත, අයිතිවාසිකම් සහ නීතිය තවමත් අදාළ වේ.

14API එක ගැළපෙන්නේ කොහේද

API සෙවීමකින් පැමිණෙන පාඨකයන් සඳහා නිරවද්‍යතා කරුණක්: රූප සෑදීම, සංස්කරණය සහ සම්බන්ධ කිරීම ඇත්තේ Shannon කතාබස් යෙදුමේ මිස /v1 API එකේ නොවේ. API එක පෙළ සහ දෘශ්‍ය කාර්ය සපයයි — ඔබ එයට යවන රූප ඩයලෙක්ට තුනෙන්ම කියවීමට, විස්තර කිරීමට සහ විශ්ලේෂණය කිරීමට එයට හැකිය (/v1/chat/completions, /v1/messages, /v1/responses, සියල්ලම streaming) — නමුත් එය ඒවා නොසාදයි. රූප තේරුම් ගත යුතු පයිප්පයක් ඔබ ගොඩනඟන්නේ නම්, API ලේඛන ආරම්භ කිරීමට තැනයි. ඔබට රූප සෑදීමට අවශ්‍ය නම්, එය කතාබස් යෙදුමයි, සහ මෙම මාර්ගෝපදේශයේ සියල්ල එහි අදාළ වේ. රූප සෑදෙන්නේ අපගේම GPU පොකුරේය.

15නිතර අසන ප්‍රශ්න

අදාළ කියවීම්: වාරණයෙන් තොර AI රූප නිර්මාණය · වාරණයෙන් තොර AI රූප සංස්කරණය · වගකීම් සහගත භාවිත ප්‍රතිපත්තිය · API ලේඛන · සියලුම Shannon පර්යේෂණ. මෙහි ඇති මඟපෙන්වීම Shannon හි රූප ආකෘතිය පිළිබඳ අපගේම පරීක්ෂණවලින් ලබාගෙන ඇත; පෙර diffusion පද්ධති සඳහා ලියූ උපදෙස් සාමාන්‍යයෙන් මාරු නොවේ.