AI-outfitbyte, ocensurerat

Det mesta av bildarbetet folk faktiskt behöver är inte ”gör en bild på en sak”. Det är ”sätt den här jackan på den här personen”, ”ställ den här stolen i det här rummet”, ”fotografera den här produkten i den där handen”. Alla kräver material från mer än ett fotografi, och alla misslyckas på samma sätt: den ena bilden bifogas, den andra beskrivs i ord, och tillbaka kommer något trovärdigt som inte är den sak du äger. Lösningen är mindre än du skulle tro, och den fungerar överallt.

01Vad ”att kombinera bilder” är, och var det sker

Shannon 3 gör tre skilda saker med bilder: den genererar en ny bild utifrån en beskrivning, den redigerar en befintlig bild och den kombinerar två eller flera bilder till en enda ny. De har olika regler, och att välja fel är det första stället där kvaliteten går förlorad.

Använd kombination närhelst den färdiga bilden behöver material från mer än ett fotografi: outfit- och klädbyte, att sätta in ett objekt i en scen, person A bredvid person B, en verklig produkt hållen av en verklig modell, stilen från en bild applicerad på motivet i en annan. Om du märker att du önskar att du kunde peka på två bilder samtidigt, då är det den här operationen.

Allt detta sker i Shannons chattapp, i vanlig konversation. Det finns inte i /v1-API:et — API:et betjänar text och vision, vilket betyder att det läser bilder du skickar snarare än producerar nya. Om du kom hit från en API-sökning är det det ärliga svaret; se API-dokumentationen för vad slutpunkterna faktiskt betjänar. Bilder renderas på vårt eget GPU-kluster.

Du frågar i klartext, på vilket språk du än talar. Shannon räknar ut att en bild efterfrågas, skriver själv genereringsinstruktionen på engelska och visar den för dig på ett bekräftelsekort innan något renderas. Ingenting genereras och ingenting debiteras förrän du bekräftar — och för arbete med flera bilder är det på det kortet du kontrollerar att rollerna och ordningen blev som du menade. Shannon genererar aldrig objuden: en hälsning, en fråga eller ett bifogat foto i förbifarten utlöser ingen rendering.

02Regeln: namnge varje bilds roll, i ordning

Instruktionen måste ange vad varje bild bidrar med, och den måste ange det i den ordning bilderna gavs. Det är hela tekniken; allt nedan är samma regel tillämpad på ett specifikt jobb.

Den första bilden är basen — huvudmotivet eller scenen, beroende på vad den färdiga bilden mestadels består av. Den sätter identitet, pose, bildutsnitt, ljussättning och allt du inte bad om att ändra. Senare bilder är källor: de delar som förs in. Skriv meningen så att en främling som håller bilderna i ordning skulle kunna utföra jobbet för hand.

Fungerar
The woman from the first image wearing the red knitted sweater
from the second image, standing in the same park, same pose and
same afternoon light, her face and hair unchanged.

Misslyckas
Combine these two images.   Merge the photos.   Put them together.

De misslyckade varianterna misslyckas inte för att de är korta utan för att de aldrig säger vilken bild som är personen och vilken som är tröjan. Tre vanor gör regeln tillförlitlig:

• Använd ordningstal uttryckligen. ”Från den första bilden”, ”från den andra bilden”. Fyra ord, och tvetydigheten är borta.
• Säg vad som ska förbli detsamma. ”Behåll hennes ansikte, hår och pose identiska.” Att namnge de oförändrade delarna är den största kvalitetsspaken i varje bildoperation Shannon gör, och den betyder mest här, eftersom en komposition har två eller fler saker den kan glida ifrån.
• Skriv prosa, inte taggar. Bildmodellen läser instruktioner som en språkmodell läser en mening, så hela meningar slår kommaseparerade nyckelord. Sikta på 30 till 80 ord, och hoppa över skräp från SDXL-eran (”masterpiece, best quality, 8k”) och viktsyntax som (word:1.3).

När en bild innehåller mer än en sak, namnge den del du vill ha ur den. Om den andra bilden är en katalogbild på en modell som bär tröjan, säger ”den röda stickade tröjan som bärs av kvinnan i den andra bilden” att du vill ha plagget, inte modellen. Nöjer du dig med ”den andra bilden” kan du få hennes ansikte på köpet.

Rollmallar per jobb

Jobb	Första bilden	Andra bilden	Instruktionens form
Outfitbyte	Personen	Plagget	”[Personen] från den första bilden iförd [plagget] från den andra bilden, [vad som består]”
Objekt i scen	Scenen	Objektet	”[Rummet] från den första bilden med [objektet] från den andra bilden placerat [var], matchat mot [ljuset]”
Person + person	Person A och miljön	Person B	”[Mannen] från den första bilden stående bredvid [kvinnan] från den andra bilden, [positioner, blickriktningar]”
Produkt på person	Modellen eller scenen	Produkten	”[Modellen] från den första bilden håller [produkten] från den andra bilden, [grepp, etiketten vänd mot]”
Stilöverföring	Motivet	Stilreferensen	”[Motivet] från den första bilden återgivet i [stilaxlarna] från den andra bilden, [motivet oförändrat]”

03Misstaget som förstör de flesta försök: att beskriva i stället för att bifoga

Det här är felet som är värt att göra väsen av, eftersom det är överlägset vanligast och eftersom det ser ut som om det fungerade. Användaren har två fotografier — sin kund och kundens produkt, eller sig själv och en jacka hen äger. Hen bifogar den ena och skriver den andra.

Misstaget
[bifogar ett foto på en kvinna]
"Put a red knitted sweater on her, cable knit, kind of chunky,
with a rolled collar."

Det som kommer tillbaka är en kvinna i en röd stickad tröja. Det är en bra tröja. Det är inte rätt tröja. Kabelmönstret är påhittat, färgningen är en annan röd, ribbstickningens djup är fel, kragen rullar åt fel håll, och de små asymmetrier som gör ett verkligt plagg igenkännbart — en lagning, ett drag, sträckningen vid armbågarna — är borta, eftersom ingenting i meningen innehöll dem.

Text är en förlustbehäftad kanal och ett fotografi är det inte. En noggrann mening bär kanske ett dussin egenskaper hos ett objekt; fotografiet bär tusentals, inklusive varenda en du aldrig skulle komma på att skriva ner och de du inte kan sätta ord på. Att beskriva i stället för att bifoga kastar bort allt du inte tänkte på, vilket är det mesta. Att bifoga bevarar det verkliga utseendet eftersom det verkliga utseendet finns med.

Testet är enkelt. Om poängen med bilden är att det är just den — just det plagget, just den personen, just den produkten, just det rummet — bifoga den. Om du kunde peka ut saken i en uppställning och det spelar roll att resultatet matchar den du skulle peka på, då räcker inte en beskrivning.

Det finns ett legitimt fall för att beskriva: när saken inte finns ännu, eller när en generisk version är det du vill ha. Att formge en tröja som ingen har stickat, att skissa fram ett koncept — det är text-till-bild-arbete, och en beskrivning är rätt eftersom det inte finns något verkligt objekt vars identitet du bevarar. I samma stund som ett verkligt objekt kommer in i uppdraget gör dess fotografi det också.

Ett besläktat halvmisstag: att bifoga båda bilderna och ändå beskriva den andra i detalj. Adjektiven kan slåss med fotografiet — skriv ”grovstickad” när det verkliga plagget är fintstickat och du har infört en motsägelse. Beskriv den andra bilden bara så mycket att det framgår vilken del av den du vill ha.

04Outfit- och klädbyte

Det kanoniska tvåbildsjobbet. Bifoga personen först och plagget som nummer två. Plaggbilden kan vara en plattlagd bild, en galgbild, ett katalogfoto eller någon annan som bär det — allt fungerar, så länge du säger vilken del av den du menar.

Outfitbyte
The woman from the first image wearing the red knitted sweater
from the second image. Keep her face, hair, pose and the park
background exactly as they are, with the same soft overcast light.
The sweater should hang naturally on her frame, with the cable
pattern and collar of the original garment intact.

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

Tre saker gör jobbet: rollerna namnges i ordning, de oförändrade delarna räknas upp högt (vilket är det som hindrar ansiktet från att glida) och den sista satsen talar om för modellen att plaggets egna detaljer är själva poängen — utan den tenderar kompositioner att behålla färg och silhuett medan de i tysthet jämnar ut texturen.

• Passform är ett fysiskt påstående, så gör det. ”Faller naturligt över hennes kropp”, ”insvängd i midjan”, ”ärmarna slutar vid handleden” — annars kan plagget anlända i sina källproportioner snarare än bärarens.
• Skymda partier är det svåra fallet. Om armarna är korsade eller en väskrem korsar bröstet, säg vad som händer med den. Tvetydighet där ger den klassiska artefakten med smält ärm.
• Fler plagg betyder fler bilder. Personen först, sedan överdelen, sedan byxorna, sedan skorna — och hänvisa till dem konsekvent som den andra, tredje och fjärde bilden. Byt inte till ”skobilden” halvvägs.

05Att sätta in ett objekt i en scen

Här kastas rollerna om: scenen kommer först, eftersom scenen är det som den färdiga bilden mestadels består av, och objektet är den del som förs in. Interiörmodeller, att möblera ett rum med möbler du inte köpt, att placera ett fordon på en väg, att ställa en skulptur i ett galleri — samma form varje gång.

Objekt i scen
The living room from the first image with the green velvet
armchair from the second image placed beside the window on the
left, angled slightly toward the camera and standing about waist
height in frame. Match the room's warm late-afternoon light, with
a soft shadow falling to the right of the chair onto the rug.
Keep the rest of the room and the camera angle unchanged.

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

Felläget här är inte identitet, det är fysik. Ett objekt som behåller sin egen ljussättning ser inklistrat ut, och betraktare upptäcker det omedelbart även när de inte kan säga varför. Lägg dina ord på de tre saker ett fotografi av ett isolerat objekt omöjligt kan veta: placering (var i bildrutan, i förhållande till vad), skala uttryckt i scenens termer snarare än i centimeter (”ungefär midjehögt”, ”lika högt som dörrhandtaget”) och ljus och skugga — riktning, karaktär och var skuggan faller. Den sista är det som förvandlar ett montage till ett fotografi.

06Person A bredvid person B

Två personer som aldrig var i samma rum: familjefoton över generationer, ett grundarporträtt när medgrundaren var bortrest, en affisch med två artister. Det fungerar, och det kräver två saker som jobben med ett enda motiv inte gör.

Två personer
The man from the first image standing beside the woman from the
second image, both on the same stone terrace from the first image.
He stands on the left, she stands on his right, shoulders almost
touching, both facing the camera at the same eye level. Keep both
faces, hairstyles and clothing exactly as in their own photographs,
and light both with the same soft evening light from the left.

Canvas: landscape
Negative prompt: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

De två tilläggen: relativ geometri — vem som står på vilken sida, hur långt isär, vems blick går vart, och relativ längd, eftersom två olika beskurna porträtt inte ger modellen någon möjlighet att veta att den ena personen är ett huvud längre — och ett enda gemensamt ljus, uttryckligen angivet, eftersom du slår ihop två ljusmiljöer och en av dem måste vinna.

Det är också här ett nytt format på ytan gör verklig nytta: två källor i porträttformat blir en dålig gruppbild i porträttformat, så be om landscape eller wide. Och säg det uppenbara en gång — att sätta in en verklig person i en bild hen inte var med i är kraftfullt och inte automatiskt oskyldigt. Se till att ha rättigheterna eller samtycket; vår policy för ansvarsfull användning är kortversionen.

07Produkt på person, och ocensurerad produktfotografering

Kommersiellt är det här kompositionen som betalar för sig själv. Du har en produktbild mot vitt och du har en modell, en hand, ett kök, en verkstadsbänk. Att kombinera dem ger dig ett livsstilsfotografi utan en studiodag — och med din faktiska produkt i bilden i stället för en genererad approximation, vilket är hela skillnaden mellan användbart marknadsmaterial och en attrapp du måste be om ursäkt för.

Produkt på person
The woman from the first image holding the amber glass serum
bottle from the second image in her right hand, raised to chest
height, the label facing the camera and fully legible, her fingers
wrapped naturally around the bottle without covering the label.
Keep her face, hair and the kitchen background unchanged. Shot on
Kodak Portra 400, 85mm f/1.4, soft window light from the left.

Canvas: portrait
Negative prompt: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

Två tillägg som är specifika för produktarbete. Greppet: händer som håller föremål är där kompositioner oftast går fel, så ange vilken hand, på vilken höjd, och att fingrarna sluter naturligt om föremålet utan att skymma etiketten. Fotografisk behandling: namnge en kamera, ett objektiv och en film eller ljuskälla. Resultatet ska läsas som ett fotografi som togs, inte som två fotografier som slogs ihop, och att skriva det som ett fotografi är det som tar dig dit.

Ocensurerat spelar roll här på ett mer vardagligt sätt än det låter. Filtrerade generatorer avvisar hela kategorier av vanlig, laglig handel: kataloger för underkläder och badkläder, tobak och vape-hårdvara, alkohol, vapentillbehör, produkter för sexuell hälsa, cannabis där det är lagligt, medicintekniska produkter, taktisk utrustning och jaktutrustning. De avvisar också varumärkes- och porträttarbete som utförs av rättighetsinnehavaren. Inget av det är ett gränsfall; det är en vanlig tisdag på en byrå. Shannon har inget innehållsfilter på genereringsvägen och inget vägranslager på modellen som skriver prompten, så arbetet går igenom och rättighetsfrågan stannar hos dig, där den hör hemma.

08Stil från en bild, motiv från en annan

Motivet först, stilreferensen som nummer två. Det som gör det här jobbet annorlunda är att du lånar en egenskap snarare än ett objekt, så du måste namnge vilka egenskaper — och säga att referensens eget motiv och komposition inte följer med.

Stilreferens
The portrait of the man from the first image rendered in the
visual style of the second image: the same muted teal and ochre
palette, visible dry-brush texture, and flat even lighting. Keep
his face, expression and pose recognizable and unchanged. Do not
carry over the subject, background or composition of the second
image.

Negative prompt: second face, borrowed background, photographic
texture

Namnge stilaxlarna uttryckligen, eftersom ”i den andra bildens stil” ensamt är underspecificerat: palett (eller exakta färger, skrivna som color #8B0000 kopplat till ett namngivet objekt), penselarbete eller korn, ljusets karaktär, linjetjocklek, abstraktionsnivå, kantbehandling. Välj de två eller tre som definierar utseendet; att namnge alla sex jämnar ut dem. Och blanda inte motstridiga riktningar — ”fotorealistisk” plus ”akvarell” ger en gröt, inte en blandning. Om du vill ha ett fotografi som bara lånar en palett, säg exakt det.

09Negativa prompter och att välja ett nytt format på ytan

Två funktioner som finns för kombinering och redigering men inte för text-till-bild, och båda är underutnyttjade.

Den negativa prompten

Att kombinera bilder stöder en negativ prompt. Oönskade artefakter hör hemma där — och det spelar roll att de hamnar där snarare än i instruktionen, eftersom att skriva ”inga extra fingrar” i huvudinstruktionen namnger det du försöker undvika i samma andetag som allt du vill ha. Lägg uteslutningar i sin egen kanal. De poster som konsekvent förtjänar sin plats:

• Anatomi — extra fingrar, dubblerade lemmar, missbildade händer, ett andra ansikte.
• Montagespår — utklippta kanter, synlig skarvlinje, svävande objekt, dubbla skuggor, gloria runt motivet.
• Ljusavvikelser — felmatchad färgtemperatur, inkonsekvent skuggriktning, ojämn exponering mellan motiven.
• Texturfel — plasthud, utjämnat tyg, förvriden etikettext, oläslig logotyp.

Håll dig till den handfull som är rimliga för just din bild. En negativ prompt som räknar upp trettio saker är en diffus instruktion, inte en stark.

Formatet på ytan

Att redigera en enskild bild ärver källbildens bildformat automatiskt — det finns en källa, och dess form är svaret. Kombinering har inget sådant standardvärde, så du kan välja ett nytt format på ytan, och det bör du ofta göra, eftersom den form som passade en källa sällan passar kompositionen.

Format	Bäst för	Typisk användning i komposition
square	Standard, sociala flöden	Ett motiv med ett överfört element
portrait	Personer, höga motiv	Outfitbyte, produkt hållen av en modell
landscape	Landskap, grupper	Två personer sida vid sida, objekt placerat i ett rum
wide	Biografliknande bildutsnitt	Gruppbilder, produktscener i miljö, banners
tall	Affischer, mobilbakgrunder	Helfigursbilder av outfits, affischlayouter

En uttrycklig begäran vinner alltid. Säger du ingenting får du kvadrat — fel form för de flesta tvåpersonsbilder och helfigursoutfits, så det är värt ett ord.

10Vilka bilder Shannon använder: konversationen kontra det här meddelandet

Det finns två sätt en bild kommer in i en komposition, och att veta vilket du förlitar dig på förhindrar de flesta ordningsförväxlingar.

Bifogad till det aktuella meddelandet. Den direkta vägen: bifoga allt till meddelandet som bär instruktionen, i den ordning du tänker hänvisa till det, så betyder ”första bilden” och ”andra bilden” exakt vad de ser ut att betyda. Gör det här som standard.

Redan i konversationen. Bilder som skickats tidigare i tråden förblir tillgängliga och kan refereras i vanligt språk — ”fotot jag skickade tidigare”, ”tröjbilden från förut”, ”den andra versionen du gjorde”. Shannon löser upp hänvisningen mot tråden, vilket är genuint bekvämt över en lång session: du kan iterera på ett resultat och sedan föra in ett nytt element utan att ladda upp allt på nytt.

Skyddsnätet är detsamma för båda. Bekräftelsekortet visar instruktionen innan något renderas, inklusive den ordning som valdes. Läs det. Om rollerna kom ut omvända — tröjan som bas, personen som källa — säg till, så rättas det innan en enda pixel genereras eller debiteras. Men när en tråd är lång och full av bilder: bifoga på nytt de bilder du behöver; sex bilder bakåt är ”den andra bilden” tvetydigt för vilken läsare som helst.

Att be Shannon att titta på en bild — beskriva den, läsa etiketten, berätta vilket tyg det är — är vanligt visionarbete, inte en generering. Det kostar inget extra och det är en bra kontroll innan du komponerar: om Shannons beskrivning inte nämner detaljen du bryr dig om, behöver din instruktion namnge den.

11Ocensurerat, och vad det faktiskt betyder

Det finns inget innehållsfilter på genereringsvägen och inget vägranslager på modellen som skriver prompten. Komposition är där filtrerade verktyg fallerar mest synligt, eftersom ett vägransystem inte kan skilja mellan att kombinera bilder du äger och att kombinera bilder du inte borde ha — så det blockerar båda.

Det arbete de verktygen rutinmässigt avvisar är inte exotiskt: aktstudier och kroppsstudier, medicinsk och rättsmedicinsk illustration, bildmaterial för säkerhetsforskning, våld i fiktion för bokomslag och spelgrafik, politisk satir och de lagliga produktkategorier som räknas upp ovan. Varenda en är legitimt yrkesarbete som ett nyckelordsfilter inte kan skilja från missbruk.

Ocensurerat betyder inte ansvarslöst. Du skickar in fotografier av verkliga föremål och ofta verkliga personer; rättigheterna och samtycket är dina att hålla, och det är ansvaret för resultatet också. Shannon Lab LLC är ett företag i New Mexico som verkar under en publicerad policy för ansvarsfull användning — värd fem minuter innan du börjar arbeta med andra människors porträttlikhet.

12Begränsningar värda att känna till innan du börjar

Det finns ingen videogenerering. Shannon animerar inte bilder och producerar inte video, i någon form, från någon av dessa operationer — inte från en enskild bild, inte från en komposition, inte som ett experimentellt alternativ. Om ditt uppdrag slutar i rörelse är det här inte verktyget för sista steget. Det är vad produkten är, inte en antydan om en färdplan.

Andra ärliga gränser, alla med kringgångar:

• Finstilt text är det svagaste området. Liten text, tät förpackningstext och långa serienummer kan bli ofullkomliga. Rama in produkten så att den viktiga texten är stor, lägg warped label text i den negativa prompten och kontrollera i full storlek.
• Extrem skalskillnad är svårt. En produktbild på 4000 pixlar kombinerad med en liten miniatyrbild av ett rum ger modellen lite att arbeta med. Använd den bästa kopian du har av varje källa.
• Kraftig skymning begränsar vad som kan överföras. Ett plagg som fotograferats hopvikt, med baksidan aldrig synlig, kan inte få sin baksida troget uppdiktad. Om kompositionen visar baksidan, skicka in baksidan.
• Fler bilder betyder mer utrymme för förvirring. Fyra källor är hanterbart med disciplinerad ordningstalsnamngivning, men det är inte läge att vara slarvig — använd det antal jobbet kräver och inte fler.
• Två stora ändringar samtidigt konkurrerar. Överför outfiten, bekräfta, byt sedan bakgrunden. Sekventiella redigeringar slår en enda överlastad instruktion nästan varje gång, och varje steg är billigt att kontrollera.

13Vanliga frågor

---

Bildgenerering, bildredigering och komposition av flera bilder är funktioner i Shannons chattapp; slutpunkterna /v1/chat/completions, /v1/messages och /v1/responses betjänar text och vision, vilket betyder att de läser bilder snarare än genererar dem. Det finns ingen videogenerering. Formatalternativ, stöd för negativ prompt och bekräftelsebeteende gäller per den 5 september 2026. Relaterat: ocensurerad AI-bildgenerering · ocensurerad AI-bildredigering · ansvarsfull användning · API-dokumentation · forskningsindex.