Prenos oblečenia AI, bez cenzúry
Ako v Shannone spojiť dva alebo viac obrázkov do jedného — prenos odevu, objekt v scéne, človek vedľa človeka, produkt na osobe — a jedno pravidlo, vďaka ktorému to všetko funguje.
Zhrnutie
Priložte obrázky a opíšte výsledok, pričom pomenujete, čím každý obrázok prispieva, v poradí. Prvý obrázok je hlavný objekt alebo scéna; ďalšie obrázky dodávajú časti, ktoré sa vnášajú. „Žena z prvého obrázka oblečená v červenom pletenom svetri z druhého obrázka, stojaca v tom istom parku.“ Nezmršťujte úlohu s dvomi obrázkami na jeden obrázok plus textový opis toho druhého — opísaný odev sa stane všeobecným odevom; ten skutočný zostane skutočným. Spájanie podporuje negatívny prompt a dovolí vám zvoliť nový pomer strán plátna. Neexistuje žiadny filter obsahu ani žiadna vrstva odmietania — a žiadne generovanie videa.
Väčšina obrazovej práce, ktorú ľudia naozaj potrebujú, nie je „urob mi obrázok nejakej veci“. Je to „oblečte túto bundu tejto osobe“, „vložte toto kreslo do tejto izby“, „odfoťte tento produkt v tamtej ruke“. Všetky potrebujú materiál z viac než jednej fotografie a všetky zlyhávajú rovnako: jeden obrázok sa priloží, druhý sa opíše slovami a späť príde niečo vierohodné, čo však nie je tá vec, ktorú vlastníte. Náprava je menšia, než by ste čakali, a funguje všade.
01Čo je „spájanie obrázkov“ a kde sa deje
Shannon 3 robí s obrázkami tri odlišné veci: generuje nový obrázok z opisu, upravuje jeden existujúci obrázok a spája dva či viac obrázkov do jedného nového. Majú rôzne pravidlá a voľba tej nesprávnej je prvé miesto, kde sa stráca kvalita.
Spájanie použite vždy, keď hotový obrázok potrebuje materiál z viac než jednej fotografie: prenos oblečenia a odevov, vloženie objektu do scény, osoba A vedľa osoby B, skutočný produkt držaný skutočnou modelkou, štýl jedného obrázka aplikovaný na objekt druhého. Ak zistíte, že by ste si priali ukázať na dva obrázky naraz, toto je tá operácia.
Všetko sa deje v chatovacej aplikácii Shannon, v bežnej konverzácii. Nie je to na API /v1 — API obsluhuje text a videnie, čo znamená, že obrázky, ktoré pošlete, číta, a nevytvára nové. Ak ste sem prišli z hľadania API, toto je poctivá odpoveď; čo koncové body naozaj obsluhujú, nájdete v dokumentácii API. Obrázky sa vykresľujú na našom vlastnom GPU klastri.
Požiadate bežným jazykom, v ktoromkoľvek jazyku hovoríte. Shannon zistí, že sa žiada obrázok, sám napíše inštrukciu na generovanie v angličtine a ukáže vám ju na potvrdzovacej karte skôr, než sa čokoľvek vykreslí. Nič sa nevygeneruje a nič sa nenaúčtuje, kým nepotvrdíte — a pri práci s viacerými obrázkami je práve tá karta miestom, kde skontrolujete, že úlohy a poradie vyšli tak, ako ste mysleli. Shannon nikdy negeneruje nevyžiadane: pozdrav, otázka ani mimochodom priložená fotka vykreslenie nespustia.
02Pravidlo: pomenujte úlohu každého obrázka, v poradí
Inštrukcia musí povedať, čím každý obrázok prispieva, a musí to povedať v poradí, v akom boli obrázky zadané. To je celá technika; všetko nižšie je to isté pravidlo aplikované na konkrétnu úlohu.
Prvý obrázok je základ — hlavný objekt alebo scéna, podľa toho, z čoho je hotový obrázok prevažne zložený. Určuje identitu, pózu, kompozičné orámovanie, svetlo a všetko, o čoho zmenu ste nežiadali. Ďalšie obrázky sú zdroje: časti, ktoré sa vnášajú. Napíšte tú vetu tak, aby cudzí človek držiaci obrázky v poradí dokázal prácu vykonať ručne.
Funguje
Žena z prvého obrázka oblečená v červenom pletenom svetri
z druhého obrázka, stojaca v tom istom parku, v rovnakej póze
a v rovnakom popoludňajšom svetle, tvár a vlasy nezmenené.
Zlyháva
Spoj tieto dva obrázky. Zlúč tie fotky. Daj ich dokopy.
Zlyhávajúce verzie zlyhávajú nie preto, že sú krátke, ale preto, že nikdy nepovedia, ktorý obrázok je osoba a ktorý sveter. Pravidlo robia spoľahlivým tri návyky:
- Používajte radové číslovky výslovne. „Z prvého obrázka“, „z druhého obrázka“. Tri slová a nejednoznačnosť je preč.
- Povedzte, čo zostáva rovnaké. „Zachovaj jej tvár, vlasy a pózu identické.“ Pomenovanie nezmenených častí je najväčšia páka kvality v každej obrazovej operácii, ktorú Shannon robí, a najviac záleží práve tu, pretože kompozícia má dve alebo viac vecí, od ktorých sa môže odchýliť.
- Píšte súvislý text, nie značky. Obrazový model číta inštrukcie tak, ako jazykový model číta vetu, takže celé vety porážajú čiarkami oddelené kľúčové slová. Mierte na 30 až 80 slov a vynechajte harampádie z čias SDXL („masterpiece, best quality, 8k“) a váhovú syntax typu
(word:1.3).
Keď obrázok obsahuje viac než jednu vec, pomenujte tú časť, ktorú z neho chcete. Ak je druhý obrázok katalógová fotka modelky v tom svetri, „červený pletený sveter, ktorý má na sebe žena na druhom obrázku“ hovorí, že chcete odev, nie modelku. Nechajte to pri „druhom obrázku“ a môžete dostať aj jej tvár.
Šablóny úloh podľa typu práce
| Úloha | Prvý obrázok | Druhý obrázok | Tvar inštrukcie |
|---|---|---|---|
| Prenos oblečenia | Osoba | Odev | „[Osoba] z prvého obrázka oblečená v [odev] z druhého obrázka, [čo zostáva]“ |
| Objekt v scéne | Scéna | Objekt | „[Izba] z prvého obrázka s [objekt] z druhého obrázka umiestneným [kam], zodpovedajúc [svetlu]“ |
| Osoba + osoba | Osoba A a prostredie | Osoba B | „[Muž] z prvého obrázka stojaci vedľa [ženy] z druhého obrázka, [pozície, smery pohľadu]“ |
| Produkt na osobe | Modelka alebo scéna | Produkt | „[Modelka] z prvého obrázka držiaca [produkt] z druhého obrázka, [úchop, natočenie etikety]“ |
| Prenos štýlu | Objekt | Štýlová referencia | „[Objekt] z prvého obrázka vykreslený v [osi štýlu] druhého obrázka, [objekt nezmenený]“ |
03Chyba, ktorá kazí väčšinu pokusov: opísať namiesto priložiť
Toto je omyl, o ktorom sa oplatí robiť rozruch, pretože je zďaleka najčastejší a pretože to vyzerá, akoby to fungovalo. Používateľ má dve fotografie — svojho klienta a klientov produkt, alebo seba a bundu, ktorú vlastní. Jednu priloží a druhú vypíše.
Tá chyba
[priloží jednu fotku ženy]
„Obleč jej červený pletený sveter, vrkočový vzor, taký hrubší,
so zrolovaným golierom.“
Späť príde žena v červenom pletenom svetri. Je to dobrý sveter. Nie je to ten sveter. Vrkočový vzor je vymyslený, farbivo je iná červená, hĺbka patentu je nesprávna, golier sa roluje na zlú stranu a drobné asymetrie, vďaka ktorým je skutočný odev rozpoznateľný — oprava, zatiahnuté očko, vytiahnutie na lakťoch — sú preč, pretože ich vo vete nič neobsahovalo.
Text je stratový kanál, fotografia nie. Starostlivá veta nesie možno tucet vlastností objektu; fotografia nesie tisíce, vrátane každej, ktorú by vám nikdy nenapadlo zapísať, aj tých, ktoré pomenovať neviete. Opísať namiesto priložiť zahodí všetko, na čo ste nepomysleli, čo je väčšina z toho. Priloženie skutočný vzhľad zachová, pretože skutočný vzhľad je prítomný.
Test je jednoduchý. Ak je pointou obrázka to, že ide práve o ten jeden — ten konkrétny odev, tú osobu, ten presný produkt, tú izbu — priložte ho. Ak by ste tú vec dokázali vybrať z radu a záleží na tom, aby sa výsledok zhodoval s tou, ktorú by ste vybrali, opis to nezvládne.
Verzia na jeden riadok
Opísaný odev sa stane všeobecným odevom. Ten skutočný zostane skutočným. To isté platí pre druhú tvár, produkt, kreslo aj izbu: priloženie zachováva identitu, opis ju nahrádza priemerom.
Existuje legitímny prípad na opisovanie: keď daná vec ešte neexistuje, alebo keď chcete práve všeobecnú verziu. Navrhovanie svetra, ktorý ešte nikto neupletil, hrubý náčrt konceptu — to je práca typu text na obrázok a opis je správny, pretože neexistuje skutočný objekt, ktorého identitu by ste zachovávali. Vo chvíli, keď do zadania vstúpi skutočný objekt, vstupuje aj jeho fotografia.
Súvisiaca polovičná chyba: priložiť oba obrázky a aj tak ten druhý podrobne opísať. Prídavné mená môžu s fotografiou bojovať — napíšte „hrubý“, keď je skutočný odev jemne pletený, a zaviedli ste protirečenie. Druhý obrázok opíšte len natoľko, aby bolo jasné, ktorú jeho časť chcete.
04Prenos oblečenia a odevov
Kanonická úloha s dvomi obrázkami. Priložte najprv osobu a odev ako druhý. Obrázok odevu môže byť plochá aranžmá, záber na vešiaku, katalógová fotka alebo niekto iný, kto ho má oblečený — všetko funguje, pokiaľ poviete, ktorú jeho časť máte na mysli.
Prenos oblečenia
Žena z prvého obrázka oblečená v červenom pletenom svetri
z druhého obrázka. Zachovaj jej tvár, vlasy, pózu a pozadie
parku presne tak, ako sú, s rovnakým mäkkým zamračeným svetlom.
Sveter by mal na jej postave splývať prirodzene, s vrkočovým
vzorom a golierom pôvodného odevu neporušenými.
Negatívny prompt: pokrivený vrkočový vzor, rukávy navyše,
deformované ruky, plastovo pôsobiaca látka, nesúhlasné svetlo
Prácu tu robia tri veci: úlohy sú pomenované v poradí, nezmenené časti sú vymenované nahlas (a práve to zastaví unášanie tváre) a posledná klauzula modelu hovorí, že pointou sú vlastné detaily odevu — bez nej majú kompozície tendenciu zachovať farbu a siluetu, no textúru potichu vyhladiť.
- Padnutie je fyzikálne tvrdenie, tak ho vyslovte. „Splýva prirodzene na jej postave“, „vypasované v páse“, „rukávy končiace na zápästí“ — inak môže odev doraziť vo svojich zdrojových proporciách namiesto proporcií nositeľky.
- Prekrytie je ten ťažký prípad. Ak sú ruky prekrížené alebo cez hruď vedie popruh tašky, povedzte, čo sa s ním stane. Nejednoznačnosť tu produkuje klasický artefakt roztečeného rukáva.
- Viac odevov znamená viac obrázkov. Najprv osoba, potom vrchný diel, potom nohavice, potom topánky — a odkazujte na ne dôsledne ako na druhý, tretí a štvrtý obrázok. Neprepínajte v polovici na „ten obrázok s topánkami“.
05Vloženie objektu do scény
Tu sa úlohy obracajú: scéna ide prvá, pretože scéna je to, z čoho je hotový obrázok prevažne zložený, a objekt je tá časť, ktorá sa vnáša. Interiérové vizualizácie, zariadenie izby nábytkom, ktorý ste ešte nekúpili, vloženie vozidla na cestu, umiestnenie sochy do galérie — zakaždým rovnaký tvar.
Objekt v scéne
Obývačka z prvého obrázka so zeleným zamatovým kreslom
z druhého obrázka umiestneným pri okne vľavo, mierne natočeným
ku kamere a siahajúcim v zábere približne do výšky pása.
Prispôsob teplému neskoro popoludňajšiemu svetlu izby, s mäkkým
tieňom padajúcim vpravo od kresla na koberec. Zvyšok izby
a uhol kamery ponechaj nezmenené.
Negatívny prompt: plávajúci objekt, vystrihnuté okraje, zdvojené
tiene, nesúhlasná teplota farieb
Spôsob zlyhania tu nie je identita, ale fyzika. Objekt, ktorý si ponechá vlastné svetlo, vyzerá nalepene a diváci to okamžite zbadajú, aj keď nevedia povedať prečo. Slová minte na tri veci, ktoré fotografia izolovaného objektu nemôže vedieť: umiestnenie (kde v zábere, voči čomu), mierku vyjadrenú vzhľadom na scénu, nie v centimetroch („približne do výšky pása“, „vysoké ako kľučka dverí“), a svetlo a tieň — smer, kvalitu a to, kam tieň padá. Práve to posledné mení fotomontáž na fotografiu.
06Osoba A vedľa osoby B
Dvaja ľudia, ktorí nikdy neboli v jednej miestnosti: rodinné fotografie naprieč generáciami, portrét zakladateľov, keď bol spoluzakladateľ na cestách, plagát s dvomi účinkujúcimi. Funguje to a potrebuje to dve veci, ktoré úlohy s jedným objektom nepotrebujú.
Dvaja ľudia
Muž z prvého obrázka stojaci vedľa ženy z druhého obrázka,
obaja na tej istej kamennej terase z prvého obrázka. On stojí
vľavo, ona po jeho pravici, ramenami takmer na dotyk, obaja
čelom ku kamere v rovnakej výške očí. Zachovaj obe tváre, účesy
a oblečenie presne ako na ich vlastných fotografiách a osvetli
oboch rovnakým mäkkým večerným svetlom zľava.
Plátno: landscape
Negatívny prompt: nesúhlasný odtieň pleti, zdvojené končatiny,
šev medzi postavami, nerovnomerné osvetlenie
Tie dve veci navyše: vzájomná geometria — kto je na ktorej strane, ako ďaleko od seba, kam smeruje čí pohľad a aká je pomerná výška, keďže dva rôzne orezané portréty modelu nedávajú ako zistiť, že jedna osoba je o hlavu vyššia — a jediné spoločné svetlo, povedané výslovne, pretože zlučujete dve svetelné prostredia a jedno musí vyhrať.
Práve tu sa oplatí zvoliť nový pomer strán plátna: dva zdroje na výšku dajú zlú skupinovú fotku na výšku, takže si vypýtajte landscape alebo wide. A povedzme to samozrejmé raz — vložiť skutočnú osobu do obrázka, na ktorom nebola, je mocné a nie je to automaticky neškodné. Majte práva alebo súhlas; naša politika zodpovedného používania je krátka verzia.
07Produkt na osobe a necenzurovaná produktová fotografia
Komerčne je toto tá kompozícia, ktorá sa zaplatí sama. Máte produktový záber na bielom a máte modelku, ruku, kuchyňu, pracovný stôl. Ich spojením dostanete lifestylovú fotografiu bez dňa v štúdiu — a s vaším skutočným produktom namiesto vygenerovanej aproximácie, čo je celý rozdiel medzi použiteľným marketingovým materiálom a maketou, za ktorú sa musíte ospravedlňovať.
Produkt na osobe
Žena z prvého obrázka držiaca jantárovú sklenenú fľaštičku
so sérom z druhého obrázka v pravej ruke, zdvihnutú do výšky
hrude, etiketou ku kamere a plne čitateľnou, s prstami
prirodzene obopínajúcimi fľaštičku bez zakrytia etikety.
Zachovaj jej tvár, vlasy a pozadie kuchyne nezmenené. Snímané
na Kodak Portra 400, 85mm f/1.4, mäkké okenné svetlo zľava.
Plátno: portrait
Negatívny prompt: pokrivený text etikety, prsty navyše,
plávajúca fľaštička, zdvojené odrazy, plastová pleť
Dva doplnky špecifické pre produktovú prácu. Úchop: ruky držiace predmety sú miestom, kde sa kompozícia najčastejšie pokazí, tak povedzte ktorou rukou, v akej výške a že prsty prirodzene obopínajú fľaštičku bez zakrytia etikety. Fotografické spracovanie: pomenujte fotoaparát, objektív a film alebo zdroj svetla. Výstup sa má čítať ako fotografia, ktorá bola nasnímaná, nie ako dve fotografie, ktoré boli spojené — a dostanete sa tam práve tým, že to napíšete ako fotografiu.
Necenzurovanosť tu záleží prízemnejšie, než to znie. Filtrované generátory odmietajú celé kategórie bežného, legálneho obchodu: katalógy spodnej bielizne a plaviek, tabak a vapovací hardvér, alkohol, príslušenstvo k strelným zbraniam, produkty pre dospelých, kanabis tam, kde je legálny, zdravotnícke pomôcky, taktickú a poľovnícku výbavu. Odmietajú aj prácu so značkou a podobizňou, ktorú robí sám držiteľ práv. Nič z toho nie je hraničný prípad; to je bežný utorok v agentúre. Shannon nemá na ceste generovania žiadny filter obsahu ani vrstvu odmietania na modeli, ktorý píše prompt, takže práca prejde a otázka práv zostáva na vás, kam patrí.
08Štýl z jedného obrázka, objekt z druhého
Objekt prvý, štýlová referencia druhá. Túto úlohu odlišuje to, že si požičiavate vlastnosť, nie objekt, takže musíte pomenovať, ktoré vlastnosti — a povedať, že vlastný objekt a kompozícia referencie sa nepridávajú.
Štýlová referencia
Portrét muža z prvého obrázka vykreslený vo vizuálnom štýle
druhého obrázka: rovnaká tlmená modrozelená a okrová paleta,
viditeľná textúra suchého štetca a ploché rovnomerné svetlo.
Jeho tvár, výraz a pózu zachovaj rozpoznateľné a nezmenené.
Neprenášaj objekt, pozadie ani kompozíciu druhého obrázka.
Negatívny prompt: druhá tvár, prevzaté pozadie, fotografická
textúra
Osi štýlu pomenujte výslovne, pretože samotné „v štýle druhého obrázka“ je nedostatočne určené: paleta (alebo presné farby, zapísané ako color #8B0000 pripojené k pomenovanému objektu), ťah štetca alebo zrno, kvalita svetla, hrúbka linky, miera abstrakcie, spracovanie hrán. Vyberte tie dve alebo tri, ktoré ten vzhľad definujú; pomenovať všetkých šesť ich spriemeruje. A nemiešajte protichodné pokyny — „fotorealistický“ plus „akvarel“ dá zmätok, nie zliatinu. Ak chcete fotografiu, ktorá si len požičia paletu, povedzte presne to.
09Negatívne prompty a voľba nového pomeru strán plátna
Dve schopnosti, ktoré existujú pri spájaní a úprave, ale nie pri generovaní z textu — a obe sú nevyužité.
Negatívny prompt
Spájanie obrázkov podporuje negatívny prompt. Nechcené artefakty patria tam — a záleží na tom, že patria tam, a nie do inštrukcie, pretože napísať „žiadne prsty navyše“ do hlavnej inštrukcie pomenúva vec, ktorej sa snažíte vyhnúť, jedným dychom so všetkým, čo chcete. Vylúčenia dajte do ich vlastného kanála. Položky, ktoré si svoje miesto zaslúžia opakovane:
- Anatómia — prsty navyše, zdvojené končatiny, deformované ruky, druhá tvár.
- Prezradenia montáže — vystrihnuté okraje, viditeľný šev, plávajúci objekt, zdvojené tiene, svätožiara okolo objektu.
- Nesúlad svetla — nesúhlasná teplota farieb, nekonzistentný smer tieňov, nerovnomerná expozícia medzi postavami.
- Zlyhania textúry — plastová pleť, vyhladená látka, pokrivený text etikety, nečitateľné logo.
Držte sa tej hŕstky, ktorá je pre váš obrázok pravdepodobná. Negatívny prompt s tridsiatimi položkami je rozptýlená inštrukcia, nie silná.
Pomer strán plátna
Úprava jedného obrázka dedí pomer strán zdrojového obrázka automaticky — je jeden zdroj a jeho tvar je odpoveďou. Spájanie takú predvoľbu nemá, takže si môžete zvoliť nový pomer strán plátna, a často by ste mali, pretože tvar, ktorý vyhovoval jednému zdroju, málokedy vyhovuje kompozícii.
| Pomer strán | Najlepší na | Typické použitie v kompozícii |
|---|---|---|
| square | Predvolený, sociálne siete | Jeden objekt s jedným preneseným prvkom |
| portrait | Ľudia, vysoké objekty | Prenos oblečenia, produkt držaný jednou modelkou |
| landscape | Krajina, skupiny | Dvaja ľudia vedľa seba, objekt umiestnený v izbe |
| wide | Filmové orámovanie | Skupinové zábery, produktové scény v prostredí, bannery |
| tall | Plagáty, tapety do telefónu | Celopostavové zábery oblečenia, rozloženia plagátov |
Výslovná požiadavka vždy vyhráva. Ak nepoviete nič, dostanete štvorec — nesprávny tvar pre väčšinu dvojportrétov a celopostavovej práce s oblečením, takže sa oplatí to slovo povedať.
10Ktoré obrázky Shannon použije: konverzácia verzus táto správa
Do kompozície sa obrázok dostane dvomi spôsobmi a vedieť, na ktorý sa spoliehate, predíde väčšine zámen v poradí.
Priložený k aktuálnej správe. Priama cesta: priložte všetko k správe, ktorá nesie inštrukciu, v poradí, v akom sa naň chcete odvolávať, a „prvý obrázok“ a „druhý obrázok“ znamenajú presne to, ako to vyzerá. Toto majte ako predvolené.
Už v konverzácii. Obrázky poslané skôr vo vlákne zostávajú dostupné a dá sa na ne odvolať bežným jazykom — „tá fotka, čo som poslal skôr“, „ten obrázok svetra spred chvíle“, „tá druhá verzia, čo si urobil“. Shannon odkaz vyrieši voči vláknu, čo je naprieč dlhou reláciou naozaj pohodlné: môžete iterovať na výsledku a potom vniesť nový prvok bez opätovného nahrávania všetkého.
Poistka je v oboch prípadoch rovnaká. Potvrdzovacia karta ukáže inštrukciu skôr, než sa čokoľvek vykreslí, vrátane poradia, ktoré zvolil. Prečítajte si ju. Ak úlohy vyšli naopak — sveter ako základ, osoba ako zdroj — povedzte to a napraví sa to skôr, než sa vygeneruje alebo naúčtuje jediný pixel. Aj tak platí: keď je vlákno dlhé a plné obrázkov, tie, ktoré potrebujete, priložte znova; o šesť obrázkov späť je „druhý obrázok“ nejednoznačný pre každého čitateľa.
Požiadať Shannona, aby sa na obrázok pozrel — opísal ho, prečítal etiketu, povedal vám, aká je to látka — je bežná práca s videním, nie generovanie. Nestojí nič navyše a pred skladaním je to dobrá kontrola: ak Shannonov opis nespomína detail, na ktorom vám záleží, vaša inštrukcia ho musí pomenovať.
11Necenzurované a čo to vlastne znamená
Na ceste generovania nie je žiadny filter obsahu a na modeli, ktorý píše prompt, nie je žiadna vrstva odmietania. Kompozícia je oblasť, kde filtrované nástroje zlyhávajú najviditeľnejšie, pretože systém odmietania nedokáže rozlíšiť medzi spájaním obrázkov, ktoré vlastníte, a spájaním obrázkov, ktoré by ste mať nemali — a tak blokuje oboje.
Práca, ktorú tie nástroje bežne odmietajú, nie je exotická: umelecké akty a štúdie postavy, medicínska a forenzná ilustrácia, obrazový materiál pre bezpečnostný výskum, násilie v beletrii pre obálky kníh a herné výtvarno, politická satira a legálne produktové kategórie vymenované vyššie. Každá z nich je legitímna profesionálna práca, ktorú filter na kľúčové slová nedokáže odlíšiť od zneužitia.
Necenzurované neznamená nezodpovedné. Dodávate fotografie skutočných objektov a často aj skutočných ľudí; práva a súhlas držíte vy a rovnako aj zodpovednosť za výsledok. Shannon Lab LLC je spoločnosť z Nového Mexika, ktorá pôsobí podľa zverejnenej politiky zodpovedného používania — oplatí sa jej venovať päť minút, kým sa pustíte do práce s podobizňami iných ľudí.
12Obmedzenia, ktoré sa oplatí poznať skôr, než začnete
Generovanie videa neexistuje. Shannon neanimuje obrázky a neprodukuje video, v žiadnej podobe, zo žiadnej z týchto operácií — ani z jedného obrázka, ani z kompozície, ani ako experimentálnu možnosť. Ak vaše zadanie končí pohybom, na ten posledný krok to nie je ten nástroj. Takto je produkt postavený, nie je to náznak plánu.
Ďalšie poctivé hranice, všetky s obchádzkami:
- Drobný text je najslabšia oblasť. Drobné písmo, hustý text na obale a dlhé sériové čísla môžu vyjsť nedokonalé. Zarámujte produkt tak, aby bol dôležitý text veľký, dajte warped label text do negatívneho promptu a skontrolujte to v plnej veľkosti.
- Extrémny nesúlad mierok je náročný. Produktový záber so 4000 pixelmi spojený s malou miniatúrou izby dáva modelu málo, s čím pracovať. Použite najlepšiu kópiu každého zdroja, akú máte.
- Silné prekrytie obmedzuje, čo sa dá preniesť. Odev odfotený zložený, ktorého chrbtová strana nie je nikdy vidieť, nemôže mať chrbát verne vymyslený. Ak kompozícia ukazuje chrbát, dodajte chrbát.
- Viac obrázkov znamená viac priestoru na zmätok. Štyri zdroje sa dajú zvládnuť pri disciplinovanom pomenúvaní radovými číslovkami, ale nie je to miesto na ležérnosť — použite toľko, koľko úloha potrebuje, a nie viac.
- Dve veľké zmeny naraz si konkurujú. Preneste oblečenie, potvrďte a potom zmeňte pozadie. Postupné úpravy porážajú jednu preťaženú inštrukciu takmer zakaždým a každý krok sa dá lacno skontrolovať.
13Často kladené otázky
Ako spojím dva obrázky do jedného pomocou AI?
Priložte oba obrázky do chatu Shannon a opíšte výsledok, pričom pomenujete, čím každý obrázok prispieva, v poradí. Prvý obrázok je hlavný objekt alebo scéna; ďalšie obrázky dodávajú časti, ktoré sa vnášajú. Napríklad: žena z prvého obrázka oblečená v červenom pletenom svetri z druhého obrázka, stojaca v tom istom parku. Shannon si finálnu anglickú inštrukciu napíše sám, ukáže vám ju na potvrdzovacej karte a nič sa nevykreslí, kým nepotvrdíte.
Prečo oblečenie vyzerá zle, keď odev opíšem namiesto toho, aby som ho priložil?
Pretože veta je stratový opis fotografie. Keď napíšete „červený pletený sveter“, dostanete vierohodný červený pletený sveter, ale nie ten váš — vrkočový vzor, patent, farbivo, splývavosť, umiestnenie švov aj opotrebenie sú vymyslené. Priloženie druhého obrázka zachová skutočný vzhľad skutočného odevu. Ak je pointou obrázka to, že ide o tú konkrétnu vec, osobu alebo produkt, priložte ju namiesto opisovania.
Podporuje skladanie viacerých obrázkov negatívny prompt a nový pomer strán?
Áno, oboje. Spájanie obrázkov podporuje negatívny prompt, takže nechcené artefakty ako prsty navyše, zdvojené končatiny, pokrivený text loga či viditeľné švíky patria tam, nie do inštrukcie. Môžete si tiež zvoliť nový pomer strán plátna — square, portrait, landscape, wide alebo tall. Tým sa to líši od úpravy jedného obrázka, ktorá pomer strán zdrojového obrázka dedí automaticky.
Môže Shannon použiť obrázky, ktoré už sú v konverzácii, alebo len tie, ktoré priložím teraz?
Oboje. Obrázky môžete priložiť k aktuálnej správe alebo sa odvolať na obrázky, ktoré už sú vo vlákne — „tá fotka, čo som poslal skôr“, „ten obrázok svetra spred chvíle“. Shannon tieto odkazy vyrieši a potvrdzovacia karta ukáže poradie, ktoré zvolil, takže ho môžete opraviť skôr, než sa čokoľvek vykreslí. Najspoľahlivejší spôsob práce je priložiť všetko v jednej správe, a to v poradí, v akom sa naň budete odvolávať.
Dokáže Shannon premeniť spojený obrázok na video?
Nie. Shannon negeneruje video a neanimuje obrázky. Generuje nové obrázky, upravuje jeden existujúci obrázok a spája dva či viac obrázkov do jedného. Práca s obrázkami prebieha v chatovacej aplikácii Shannon; API /v1 obsluhuje text a videnie, čo znamená, že obrázky číta, nie vytvára.
Je necenzurované skladanie obrázkov naozaj bez filtrov?
Na ceste generovania nie je žiadny filter obsahu a na modeli, ktorý píše prompt, nie je žiadna vrstva odmietania. Filtrované generátory bežne odmietajú legitímnu kompozičnú prácu — katalógy spodnej bielizne a plaviek, umelecké akty, medicínsku a forenznú ilustráciu, regulovaný spotrebný tovar, obrazový materiál pre bezpečnostný výskum, politickú satiru aj prácu so značkou či podobizňou, ktorú robí sám držiteľ práv. Shannon nie. Práva k zdrojovým obrázkom aj zodpovednosť za ne sú vaše; pozrite si našu politiku zodpovedného používania.
V tomto sprievodcovi sa neobjavujú žiadne benchmarkové čísla, pretože pre otázku „zostal ten sveter tým istým svetrom“ neexistuje poctivý verejný benchmark. Všetko vyššie je prevádzkové usmernenie z reálneho používania. Tam, kde schopnosť chýba — video, generovanie obrázkov cez API — to hovoríme, namiesto toho, aby sme to nechávali otvorené.
Spojte svoje obrázky
Priložte ich, pomenujte úlohu každého v poradí, potvrďte inštrukciu, vykreslite. Žiadna vrstva odmietania.
Otvoriť Shannon Chat Prečítať dokumentáciu APIShannon Lab LLC · Nové Mexiko, USA · obrázky sa vykresľujú na našom vlastnom GPU klastri
Generovanie, úprava a skladanie viacerých obrázkov sú funkcie chatovacej aplikácie Shannon; koncové body /v1/chat/completions, /v1/messages a /v1/responses obsluhujú text a videnie, čo znamená, že obrázky čítajú, nie generujú. Generovanie videa neexistuje. Možnosti pomeru strán, podpora negatívneho promptu a správanie potvrdzovania sú aktuálne k 5. septembru 2026. Súvisiace: necenzurované generovanie obrázkov AI · necenzurovaná úprava obrázkov AI · zodpovedné používanie · dokumentácia API · index výskumu.