AI பட வினவல் வழிகாட்டி

பெரும்பாலானவர்கள் SDXL இல் கற்ற வினவல் பழக்கங்களுடன் வருகிறார்கள்: காற்புள்ளியால் பிரிக்கப்பட்ட பெயர்ச்சொல் வரிசை, தரச் சொற்களின் முன்னுரை, அடைப்புக்குறிக்குள் சில எடைகள், நேர்மறை அளவுக்கே நீளமான ஒரு எதிர்மறை வினவல். அந்தப் பழக்கங்கள் அந்த மாதிரிகளுக்குச் சரியானவை, இங்கே எதிர்விளைவு தருபவை. உண்மையில் வேலை செய்வதன் சுருக்கமான வடிவம் இது — மேலும் உருவாக்க வினவலை Shannon உங்களுக்காக எழுதி, எதுவும் உருவாகும் முன் காட்டுவதால், Shannon முன்வைப்பதைப் படித்துத் திருத்துவதற்கான வழிகாட்டியும் இதுவே.

01உரைநடை ஏன் குறிச்சொற்களை வெல்கிறது: மாதிரி ஒரு மொழி மாதிரி போலப் படிக்கிறது

பெரும்பாலான வினவல் ஆலோசனைகள் எழுதப்பட்ட பழைய பரவல் மாதிரிகள், நடைமுறையில் ஒரு கருத்துப் பையைப் போலச் செயல்பட்ட உரைக் குறியாக்கியைப் பயன்படுத்தின: இலக்கணம் அரிதாகவே முக்கியமாக இருந்தது, வெற்றிக்கான வழி தொடர்புடைய பெயர்ச்சொற்களைக் குவித்து அவற்றை எடைகளால் சாய்ப்பதே. அந்தக் குறியாக்கிக்கு குறிச்சொல் கூழ்தான் சரியான வினவல் வடிவம்.

Shannon இன் பட மாதிரி அப்படி வேலை செய்வதில்லை. அது ஒரு வினவலை, ஒரு மொழி மாதிரி உரையைப் படிப்பது போலவே படிக்கிறது, எனவே தொடரியல் பொருளைச் சுமக்கிறது. “குடையைத் தன் தோளில் சாய்த்துப் பிடித்தபடி” என்பது ஒரு நபர், ஒரு பொருள், ஒரு உடல் பகுதி இடையிலான உறவு; “குடை, தோள்” என்பது தற்செயலாக அங்கிருக்கும் இரண்டு விஷயங்கள். இடைச்சொற்கள் பொருள்களை இடத்தில் நிறுத்துகின்றன. வினைச்சொற்கள் தோற்றநிலைகளை உருவாக்குகின்றன. தொடர்கள் விவரத்தை படம் முழுவதும் மிதக்க விடாமல், சரியான பெயர்ச்சொல்லுடன் இணைக்கின்றன.

இதோ அதே படம், இரு வழிகளிலும் கோரப்பட்டது.

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.

குறிச்சொல் வடிவம் எதைச் சொல்ல முடியவில்லை என்பதைப் பாருங்கள். குடை பிடிக்கப்பட்டுள்ளது என்று அது ஒருபோதும் சொல்வதில்லை, எனவே அது தரையில் கிடக்கக்கூடும். நியான் ஒளி தாரில் பிரதிபலிக்கிறது என்று அது சொல்வதில்லை, இரண்டும் இருக்கின்றன என்று மட்டுமே; எனவே அறிகுறிகளும் ஈரமான தெருவும் கிடைக்கின்றன, அவற்றுக்கிடையே ஒளியியல் உறவு இல்லாமல். அந்தப் பெண் எங்கே பார்க்கிறார் என்று சொல்லப்படவில்லை, எனவே அவரது தோற்றநிலை நாணயச் சுண்டல். “Cinematic lighting” ஒரு மனநிலைச் சிட்டை, ஒளி மூலம் அல்ல. கடைசி ஐந்து சொற்களும் இரைச்சல், கட்டுப்பாட்டுக் கைப்பிடிகளாக அல்லாமல் புகைப்படம் பற்றிய ஆங்கிலச் சொற்களாகவே படிக்கப்படுகின்றன.

உரைநடை வடிவம் அலங்காரமானது என்பதால் நீளமானதல்ல. குறிச்சொல் வடிவம் திறந்து விட்ட கேள்விகளுக்குப் பதிலளிப்பதால் நீளமானது. அதுவே முழு தந்திரம்.

02ஒரு பட வினவல் எவ்வளவு நீளமாக இருக்க வேண்டும்?

30 முதல் 80 சொற்களை இலக்காகக் கொள்ளுங்கள். 100 ஐ அதிகம் தாண்ட வேண்டாம். இது உங்களுக்குக் கிடைக்கும் மிக எளிய தரக் கருவி, வரம்பின் இரு முனைகளும் முக்கியம்.

சுமார் 30 சொற்களுக்குக் கீழே கலவை, ஒளி, சட்டகம் ஆகியவை குறிப்பிடப்படாமல் இருக்கின்றன, எனவே புள்ளியியல் அடிப்படையில் மிகச் சாதாரணமானதையே மாதிரி தேர்ந்தெடுக்கிறது. “ஒரு காபி கடையில் ஒரு பெண்” என்பது செல்லுபடியாகும் வினவல், ஆனால் நினைவில் நிற்காத படத்தையே தரும், ஏனெனில் சுவாரசியமான ஒவ்வொரு முடிவையும் நீங்கள் ஒப்படைத்துவிட்டீர்கள்.

சுமார் 100 சொற்களுக்கு மேல் வேறொரு செயலிழப்பு தோன்றுகிறது: பிந்தைய தொடர்கள் படத்தின் அதே பகுதிகளுக்காக முந்தையவற்றுடன் போட்டியிடுகின்றன, விவரம் சேர்வதற்குப் பதிலாக நீர்த்துப் போகிறது. மூன்றாவது ஒளி விவரிப்பு முதலாவதை ரத்து செய்கிறது, முதல் எட்டுச் சொற்களில் நீங்கள் நிறுவிய பொருள், சேர்க்கும் ஒவ்வொரு வாக்கியத்திலும் ஒப்பீட்டளவில் குறைவான கவனத்தையே பெறுகிறது. நீண்ட வினவல்கள் முழுமையானவை போலப் படிக்கப்படுகின்றன. அவை முழுமையானவையாக உருவாவதில்லை.

ஒழுக்கம்: நீங்கள் விரும்பும் வினவலை எழுதுங்கள், பிறகு அகற்றினால் படத்தை மாற்றக்கூடிய வாக்கியங்களுக்கு மட்டும் அதைச் சுருக்குங்கள்.

03வரிசை ஒழுக்கம்: மிக முக்கியமானது முதலில்

மாதிரி வரிசையாகப் படிப்பதால், இடமே வலியுறுத்தல்: முதலில் வருவது படத்தை நங்கூரமிடுகிறது, கடைசியில் வருவது அதைச் சரிசெய்கிறது. மாதிரிக்குத் தேவையான வரிசையில் விஷயங்களை வையுங்கள்:

1. பொருள் — இந்தப் படம் யாரைப் பற்றியது அல்லது எதைப் பற்றியது, குறிப்பாக.
2. செயல் அல்லது தோற்றநிலை — அவர்கள் என்ன செய்கிறார்கள், எப்படி நிற்கிறார்கள்.
3. பாணி அல்லது மனநிலை — புகைப்படம், எண்ணெய் ஓவியம், தொழில்நுட்ப விளக்கப்படம், அது எந்தத் தொனியில்.
4. இடமும் ஒளியும் — இது எங்கே நடக்கிறது, அதன் மீது என்ன ஒளி விழுகிறது.
5. தொழில்நுட்பம் — சட்டகம், லென்ஸ், ஆழத் தெளிவு, நிறக் குறிப்புகள்.

தானே ஏற்படுத்திக்கொள்ளும் மிகப் பொதுவான காயம், தொழில்நுட்பத் தொடரில் தொடங்குவது. “Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper” என்று தொடங்குவது, தோற்றமே பொருள் என்றும் அந்த மனிதர் ஒரு விவரம் என்றும் மாதிரிக்குச் சொல்கிறது. அழகான, வெறுமையான ஒரு சட்டகமும், அதில் ஒரு சிறிய தெளிவற்ற உருவமும் கிடைக்கும்.

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.

முதல் வடிவத்தின் ஒவ்வொரு கூறும் இரண்டாவதில் தப்பிப் பிழைத்துள்ளது; எதுவும் கைவிடப்படவில்லை. படத்தை எப்படி எடுப்பது என்று சொல்லப்படும் முன், அது எதைப் பற்றியது என்பதை மாதிரி இப்போது அறிகிறது — அந்த மறுவரிசைப்படுத்தல் மட்டுமே பொருளை இடையூறானதிலிருந்து மையமானதாக நகர்த்துகிறது.

04பொருளைக் குறிப்பாகச் சொல்லுங்கள்

“ஒரு நபர்” என்பது பொருள் அல்ல, அது ஓர் இடம் பிடிப்பான் — மாதிரி இடம் பிடிப்பான்களை, தான் பார்த்த அனைத்தின் சராசரியால் நிரப்புகிறது; அந்த மெருகேறிய, வயதற்ற, தனித்தன்மையற்ற தோற்றம் அங்கிருந்தே வருகிறது. குறிப்பாக இருப்பது ஐந்து சொற்கள் செலவாகி, ஒரு தனிப்பட்ட மனிதரைத் தருகிறது:

வடிவத்தைக் கவனியுங்கள்: வயது அல்லது காலம், ஒரு கட்டமைப்பு அம்சம், ஒரு தனித்துவமான குறை. அந்த மூன்றாவது உருப்படியே, முடிவு உருவாக்கப்பட்டது போலல்லாமல் புகைப்படம் எடுக்கப்பட்டது போலத் தோன்றச் செய்கிறது. உடைந்த பல், தேய்ந்த ஓரம், வண்ணம் பூசி மறைக்கப்பட்ட பலகை — சிறு சமச்சீரின்மைகளே பிளாஸ்டிக் தோற்றத்திற்கு எதிரான வலுவான சமிக்ஞை, உங்கள் சொல் வரவுசெலவில் அவை கிட்டத்தட்ட எதுவும் செலவாக்குவதில்லை.

05படம் போன்ற தன்மை: கோரிக்கையை ஒரு புகைப்படமாக எழுதுங்கள்

நீங்கள் கலை, விளக்கப்படம் அல்லது அனிமே கேட்காதவரை, படம் போன்ற தன்மையே இயல்புத் தொனி. ஆனால் “photorealistic” என்ற சொல் பெரிதாக ஒன்றும் செய்வதில்லை. ஒரு புகைப்படத்தை உருவாக்குவது, புகைப்படம் எடுக்கும் செயலையே விவரிப்பது: ஒரு உண்மையான கேமரா, ஒரு உண்மையான லென்ஸ், ஒரு உண்மையான பிலிம் வகை அல்லது ஒளி மூலம்.

காரணம் நேரடியானது. “Kodak Portra 400” என்று தலைப்பிடப்பட்ட ஒவ்வொரு படமும், ஒரு குறிப்பிட்ட துகள் அமைப்பு, ஒளித் தணிவு, தோல் தோற்றம் கொண்ட ஒரு குறிப்பிட்ட செயல்முறையால் உருவானது; அந்தப் பிலிம் வகையைப் பெயரிடுவது அவை அனைத்தையும் அழைக்கிறது. “8k ultra detailed” என்பது படக் களஞ்சிய தள ஸ்பாமில் மட்டுமே தோன்றியது, எனவே அது படக் களஞ்சிய தள ஸ்பாமையே அழைக்கிறது. ஒரே பொருளின் தெளிவாக வேறுபட்ட படங்களைத் தரும், நம்பகமான சில செய்முறைகள்:

அடித்தளத்தைச் செய்முறையுடன் பொருத்துங்கள் — முகம் எண்பது பிக்சல் உயரமாக இருக்கும் 24mm அகல சட்டகத்தில் துளை அளவு தோல் அமைப்புக்கு எந்தப் பொருளும் இல்லை — பிறகு அதைச் சேருங்கள். அடித்தள விவரம் என்பது ஒரு லென்ஸ் இதை உண்மையில் பதிவு செய்தது என்பதற்கான அமைப்புச் சான்று. புலப்படும் தோல் துளைகளும் நுண்ணிய முக முடிகளும். ஒரு லினன் சட்டையின் நெசவு. ஒளிக் கற்றையில் தூசித் துகள்கள். ஒரு தோல் காலணியில் ஒரு கீறல். பிரகாசமான பின்னணிக்கு எதிராகப் பறக்கும் தலைமுடிகள். இரண்டு அல்லது மூன்று போதும், ஒரு நபரின் வரைபடத்திற்கும் ஒரு நபரின் புகைப்படத்திற்கும் இடையிலான வேறுபாடு அவையே.

06அடுக்கான காட்சிகள்: முன்னணி, நடுத்தளம், பின்னணி

ஒரு காட்சிக்கு ஆழம் இருக்கும்போது, மூன்று தளங்களையும் தனித்தனியாக, வரிசையாக விவரியுங்கள். பின்திரைகளாக அல்லாமல் இடங்களாக உணரப்பட வேண்டிய படங்களுக்கு இதுவே மிகவும் பயனுள்ள நுட்பம், கிட்டத்தட்ட யாரும் இதைச் செய்வதில்லை. இது இல்லாமல் தட்டையான தன்மை கிடைக்கிறது: வினவல் குறிப்பிடும் அனைத்தும் ஏறக்குறைய ஒரே தொலைவில் வந்து, சட்டகத்தின் அதே நடுப் பட்டைக்காகப் போட்டியிடுகின்றன. தளங்களைப் பெயரிடுவது, மாதிரிக்கு ஒரு ஆழ வரவுசெலவைச் செலவழிக்கத் தருகிறது.

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.

இரு மேம்பாடுகள். முன்னணியில் வேண்டுமென்றே தெளிவற்ற ஒன்றை வையுங்கள் — ஆழமான காட்சிகளின் உண்மையான புகைப்படங்களில் கிட்டத்தட்ட எப்போதும் ஒன்று இருக்கும், அதன் இல்லாமையே ஒரு பொதுவான அடையாளம். மேலும் பொருள் எந்தத் தளத்தில் இருக்கிறது என்று சொல்லுங்கள்: அந்த மிதிவண்டி தூதுவரே படத்தின் மையம் எனில் அவர் நடுத்தளத்திற்கு உரியவர்; இல்லையெனில் கோபுரமும் காபிக் கோப்பையும் சட்டகத்திற்காக அவருடன் போராடும்.

07துல்லியமான நிறங்கள்: ஹெக்ஸ் குறியீடுகள், பொருள்களுடன் இணைக்கப்பட்டவை

வணிகச் சின்னப் பணிக்கோ, உடை தொடர்ச்சிக்கோ, “சிவப்பு” போதுமான அளவு குறிப்பானதல்ல எந்த இடத்திற்கோ, ஹெக்ஸ் குறியீட்டை color #RRGGBB என எழுதி, பெயரிடப்பட்ட ஒரு பொருளுடன் இணையுங்கள்:

...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...

மூன்று நடைமுறை விதிகள். உண்மையில் முக்கியமான இரண்டு அல்லது மூன்று நிறங்களுக்கு ஹெக்ஸ், மற்றவற்றுக்கு எளிய சொற்கள் — ஆறு ஹெக்ஸ் குறியீடுகள் கொண்ட வினவல், தன் வரவுசெலவின் பெரும்பகுதியை வண்ணத் துணுக்குகளுக்கே செலவழிக்கிறது. விளிம்புகள் உள்ள ஒரு பொருளுடன் குறியீட்டைப் பிணையுங்கள், ஒருபோதும் “ஒளியமைப்புடன்” அல்லது “மனநிலையுடன்” அல்ல. மேலும் இது இறுதி பிக்சல் மதிப்பை அல்ல, பொருளின் நிறத்தையே குறிக்கிறது என்பதை நினைவில் கொள்ளுங்கள்: பொன்னேர பின்னொளியில் ஒரு #8B0000 மேலங்கி, மாதிரித் துண்டை விட வெதுவெதுப்பாகவே தோன்றும் — நிஜ வாழ்க்கையில் இருப்பது போலவே.

08விகிதத்தைத் தேர்ந்தெடுத்தல்

ஐந்து விகிதங்கள் உள்ளன, சரியானது பொதுவாகப் பொருளால் குறிக்கப்படுகிறது, ஆனால் உங்களிடமிருந்து வரும் வெளிப்படையான கோரிக்கை எப்போதும் வெல்லும் — ஒரு வால்பேப்பர் கேளுங்கள், உள்ளடக்கம் எதைக் குறித்தாலும் tall கிடைக்கும்.

இதைத் தவறாகச் செய்வது தோன்றுவதை விட அதிகச் சேதம் தரும். wide சட்டகத்தில் முழு உயர நிற்கும் உருவம், பெரிய சட்டகத்தில் ஒரு சிறிய உருவத்தைத் தராது — பொதுவாக வெட்டப்பட்ட ஒன்றையே தரும், ஏனெனில் மாதிரி அகலத்தை நிரப்புகிறது, தலையோ கால்களோ சட்டகத்தை விட்டு வெளியேறுகின்றன. பொருளின் ஆதிக்க அச்சுடன் சட்டகத்தைப் பொருத்துங்கள், கலவை குறித்த பெரும்பாலான புகார்கள் மறைந்துவிடும்.

நினைவில் கொள்ள வேண்டிய இரு நடத்தைகள்: திருத்தம் மூலப் படத்தின் விகிதத்தைத் தானாகவே தக்கவைக்கிறது, எனவே திருத்துவதன் மூலம் மறுசட்டகம் செய்ய முடியாது; இணைப்பு புதிய கித்தானைத் தேர்ந்தெடுக்க அனுமதிக்கிறது — ஏற்கெனவே உள்ள ஒன்றின் வடிவத்தை மாற்ற இதுவே பெரும்பாலும் தூய்மையான வழி.

09தவறான பழக்கங்கள்: எதை நிறுத்த வேண்டும்

தரச் சொற்கள்: “masterpiece, best quality, 8k, ultra detailed”

சில தலைப்புச் சொற்றொடர்கள் சில படங்களின் மூலங்களுடன் தொடர்புடையவையாக இருந்த, ஒரு குறிப்பிட்ட பழைய பயிற்சி விநியோகத்திற்காகச் சமூகம் கண்டறிந்த கைப்பிடிகள் இவை. அவை இங்கே மாறவில்லை. இங்கே அவை சாதாரண ஆங்கிலச் சொற்களாகப் படிக்கப்பட்டு, எதற்கும் பங்களிக்காமல், ஏற்கெனவே இறுக்கமானது எனச் சொல்லப்பட்ட சொல் வரவுசெலவின் ஒரு பகுதியைத் தின்கின்றன. மாற்று என்னவெனில், எந்த விவரம் வேண்டும் என்று சொல்வது: “ultra detailed” அல்ல, “மேலங்கித் துணியில் புலப்படும் நெசவும் தாடை ஓரமாக நுண்ணிய தாடி முடியும்” — அதே நோக்கம், மாதிரி உருவாக்கக்கூடிய ஒன்றாக வெளிப்படுத்தப்பட்டது.

எடைத் தொடரியல்: (word:1.3), [word], {{word}}

பகுக்கப்படுவதில்லை. அடைப்புக்குறிகள், சதுர அடைப்புகள், முக்காற்புள்ளிகள், எண்கள் ஆகியவை நேரடி உரையாகவே வந்து விழுந்து, ஏதேனும் இருந்தால், சுற்றியுள்ள தொடரைப் படிக்கக் கடினமாக்குகின்றன. ஒன்றின் மீது அதிக வலியுறுத்தல் வேண்டுமெனில், உண்மையில் வேலை செய்யும் இரு கருவிகளைப் பயன்படுத்துங்கள்: வினவலில் அதை முன்னால் நகர்த்துங்கள், மேலும் அதற்கு அதிகச் சொற்களைத் தாருங்கள். “A crimson silk scarf, its fringed ends lifting in the wind” என்பது “(red scarf:1.4)” ஐ, முக்கியமான ஒவ்வொரு அளவீட்டாலும் மிஞ்சுகிறது.

முரண்பட்ட வழிகாட்டல்கள்

பொருந்தாத அறிவுறுத்தல்களைக் கலப்பது அவற்றைக் கலக்காது; பொதுவாக எதையும் திருப்திப்படுத்தாத ஒரு நிலையற்ற சராசரியையே தருகிறது. அடிக்கடி நிகழும் தவறுகள்:

• ஊடகம் — “photorealistic” உடன் “watercolor”; “oil painting” உடன் “shot on 85mm”. ஒன்றைத் தேர்ந்தெடுத்து அதிலேயே நில்லுங்கள்.
• சட்டகம் — “wide establishing shot” உடன் “extreme close-up on her eyes”; “full body” உடன் “detailed facial pores”.
• ஒளி — “harsh midday sun” உடன் “soft golden hour glow”; “low key, deep shadows” உடன் “bright and airy”.
• காலம் — “1970s film aesthetic” உடன் “modern minimalist” உடன் “cyberpunk”.
• பாணி அடுக்கல் — ஒரே நேரத்தில் நான்கு கலைஞர்கள் அல்லது நான்கு வகைகள். தொடர்புடைய இரு குறிப்புகள் வேலை செய்யலாம்; நான்கு ஒன்றையொன்று ரத்து செய்து பொதுவானதாக ஆகிவிடும்.
• பரவல் — “rustic, weathered, ancient, timeworn wooden door” என்பது ஒரே கருத்து நான்கு முறை எழுதப்பட்டது, ஒவ்வொரு மறுபடியும் வினவலின் மீதியை நீர்க்கச் செய்கிறது.

10உரையிலிருந்து படம் தருவதில் எதிர்மறை வினவல் இல்லை

அனுபவமிக்க பயனர்களைக் கடுமையாகப் பாதிக்கும் தவறான பழக்கம் இதுவே, ஏனெனில் பழைய அமைப்புகளில் எதிர்மறை வினவலே கலையின் பாதி.

உருவாக்கத்திற்கு விதி முழுமையானது, சற்றே எதிர்பாராதது: “no text, no watermark, no extra fingers” என்று வினவலில் எழுதுவது அவற்றை அதிகச் சாத்தியமாக்குகிறது, குறைவாக அல்ல. மாதிரி “no text” ஐ, text என்ற கருத்தைக் கொண்ட ஒரு வாக்கியமாகவே படிக்கிறது; மறுப்பு ஒரு பலவீனமான சமிக்ஞை, பெயர்ச்சொல் ஒரு வலுவானது. நீங்கள் உண்மையில் உரையையே கேட்டிருக்கிறீர்கள். அதற்குப் பதிலாக எப்போதும் நேர்மறை வடிவத்தையே சொல்லுங்கள்:

திருத்தத்திற்கும் இணைப்பிற்கும் எதிர்மறை வினவல் உள்ளது, அதைப் பயன்படுத்த வேண்டும் — ஆனால் உள்ளடக்கத்திற்கு அல்ல, கோளாறுகளுக்கு. நல்ல பொருள்: நீர்க்குறி, உரைப் படிமம், இரட்டிப்பான உறுப்புகள், திரிந்த கைகள், அதிகக் கூர்மையாக்கல் ஒளிவட்டங்கள், JPEG கட்டங்கள், கூட்டுப் படத்தின் ஓரத்தில் தையல் கோடுகள். மோசமான பொருள்: படம் எதைப் பற்றியது என்பது தொடர்பான எதுவும், அது அறிவுறுத்தலுக்கே உரியது.

11Shannon உங்களுக்காக எழுதும் வினவலைப் படித்தல்

இந்த வழிகாட்டியைக் கோட்பாட்டளவில் அல்லாமல் உடனடியாகப் பயன்படுத்தக்கூடியதாக ஆக்குவது இதுவே. உருவாக்க வினவலை நீங்களே எழுத வேண்டியதில்லை. எந்த மொழியிலும், எளிய மொழியில் கேட்கிறீர்கள்; ஒரு படம் கோரப்படுகிறது என்பதை Shannon அடையாளம் கண்டு, ஆங்கில உருவாக்க வினவலை இயற்றி, எதுவும் உருவாகும் முன் அதை உறுதிப்படுத்தல் அட்டையில் உங்களுக்குக் காட்டுகிறது. நீங்கள் உறுதிப்படுத்தும் வரை எதுவும் உருவாக்கப்படுவதில்லை, எதற்கும் கட்டணமிடப்படுவதில்லை.

எனவே மிக அதிகப் பயன் தரும் திறன், புதிதாக வினவல்களை எழுதுவது அல்ல — அட்டையில் உள்ளதைப் படிப்பதே. இந்தப் பட்டியல் வழியே செல்லுங்கள்:

1. பொருள் குறிப்பானதா? அட்டையில் “ஒரு நபர்” அல்லது “ஒரு பெண்” என்று இருந்தால், கிடைக்கக்கூடிய மிகப் பெரிய மேம்பாட்டை நீங்கள் கண்டுபிடித்துவிட்டீர்கள். அதற்கு ஒரு வயதை, உடலமைப்பை, ஓர் அம்சத்தைத் தாருங்கள்.
2. பொருள் முதலில் உள்ளதா? வினவல் ஒரு பாணியுடனோ கேமராவுடனோ தொடங்கினால், அதற்குப் பதிலாகப் பொருளுடன் தொடங்கச் சொல்லுங்கள்.
3. வரம்புக்குள் உள்ளதா? 30 சொற்களுக்குக் கீழே எனில், ஒளியிலும் இடத்திலும் அதிகக் குறிப்புத்தன்மை கேளுங்கள். 100 க்கு மேல் எனில், சுருக்கச் சொல்லுங்கள்.
4. ஒளி மூலம் உள்ளதா? ஒரு மனநிலைச் சொல் அல்ல — உண்மையான ஒளி: ஜன்னல், தெரு விளக்கு, ஃபிளாஷ், மேகமூட்ட வானம், சாஃப்ட்பாக்ஸ்.
5. ஏதேனும் முரண்பாடு? ஒரே வினவலில் இரு ஊடகங்கள், இரு சட்டகங்கள், அல்லது இரு ஒளி நிலைகள் உள்ளனவா எனப் பாருங்கள்.
6. கடத்தப்பட்ட மறுப்புகள் ஏதேனும்? அட்டையில் “இல்லாமல்”, “வேண்டாம்”, அல்லது “தவிர்” இருந்தால், அது தான் பெயரிடும் பொருளையே கேட்கும் ஒரு உரையிலிருந்து படம் வினவல்.
7. விகிதம் பொருளுக்குச் சரியானதா? wide இல் முழு உயர உருவம் என்பது உன்னதமான பொருத்தமின்மை.

திருத்தங்கள் உரையாடல் வடிவமானவை: “அவரை முப்பதுகளின் தொடக்கத்தில், ஒரு புருவத்தின் வழியே ஒரு தழும்புடன் ஆக்குங்கள், 85mm இல் Portra வில் எடுங்கள், portrait ஐப் பயன்படுத்துங்கள்” என்பது மிகச் சிறந்த அறிவுறுத்தல். புதிய அட்டை கிடைக்கும், அதை நீங்கள் உறுதிப்படுத்துவீர்கள். மீண்டும் முயல்வதற்கு அபராதம் இல்லை, ஏனெனில் இன்னும் எதுவும் உருவாகவில்லை.

மேலும் Shannon அழையாமல் உருவாக்குவதில்லை. வாழ்த்து, கேள்வி, அல்லது விவாதத்திற்காக நீங்கள் இணைக்கும் புகைப்படம் ஓர் உருவாக்கத்தைத் தூண்டாது. Shannon ஐ ஒரு படத்தைப் பார்க்கச் சொல்வது — விவரிக்க, படிக்க, பகுப்பாய்வு செய்ய — சாதாரணப் பார்வைப் பணி, உருவாக்கம் அல்ல, கூடுதலாக எதுவும் செலவாகாது.

12திருத்தத்திற்கும் இணைப்பிற்கும் கலை எப்படி மாறுகிறது

மேலே உள்ள விதிகள் உருவாக்கத்திற்கு எழுதப்பட்டவை. அருகிலுள்ள இரு முறைகள் வினவலின் வடிவத்தை மாற்றுகின்றன.

ஒரு படத்தைத் திருத்துதல்

திருத்த வினவல் ஒரு விவரிப்பு அல்ல, ஓர் அறிவுறுத்தல்: எது மாறுகிறது, எது அப்படியே இருக்கிறது எனச் சொல்லுங்கள். மாறாத பகுதிகளைப் பெயரிடுவதே இந்தப் பொருளின் மிகப் பெரிய தரக் கருவி — “Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is” ஒன்றாகப் பிடித்து நிற்கிறது; அந்தத் தொடர் இல்லாத அதே கோரிக்கை அமைதியாக அவரது முகத்தை மீண்டும் வரைந்துவிடும். நங்கூரம் குறித்துக் குறிப்பாக இருங்கள்: முகம், தோற்றநிலை, முடி, உடை ஒரே மாதிரி இருக்கட்டும். சரியாக ஒரு மூலப் படமே பயன்படுத்தப்படுகிறது, வெளியீடு அதன் விகிதத்தைத் தக்கவைக்கிறது.

இரண்டு அல்லது அதற்கு மேற்பட்ட படங்களை இணைத்தல்

ஒன்றுக்கு மேற்பட்ட படங்களிலிருந்து கூறுகள் வரும் எப்போதும் — உடை மாற்றம், ஒரு பொருளைக் காட்சிக்குள், ஒரே சட்டகத்தில் இருவர், நபர் மீது பொருள், ஒரு படத்தின் பாணி மற்றொன்றின் பொருளுடன் — வினவல் ஒவ்வொரு படத்தின் பங்கையும் வரிசையாகப் பெயரிட வேண்டும்: “The woman from the first image wearing the red knitted sweater from the second image, standing in the same park.” முதல் படம் முதன்மைப் பொருள் அல்லது காட்சி; பிந்தைய படங்கள் கொண்டுவரப்படும் பகுதிகளைத் தருகின்றன. பல பட கோரிக்கையை ஒரு மூலம் மற்றும் ஒரு உரை விவரிப்பாகச் சுருக்க வேண்டாம் — உண்மையான படங்களை இணைப்பதே அவை உண்மையில் எப்படித் தோற்றமளிக்கின்றன என்பதைப் பாதுகாக்கிறது.

13தணிக்கையற்ற வினவல்: நீங்கள் கருதுவதைச் சொல்லுங்கள்

உருவாக்கப் பாதையில் உள்ளடக்க வடிகட்டி இல்லை, வினவலை எழுதும் மாதிரியில் மறுப்பு அடுக்கு இல்லை. அதுவே இந்தப் பொருளின் முழு நோக்கம்: வடிகட்டப்பட்ட உருவாக்கிகள் நியாயமான பணிகளை வழக்கமாக மறுக்கின்றன — கலை நிர்வாணம், மருத்துவ மற்றும் தடயவியல் விளக்கப்படம், பாதுகாப்பு ஆராய்ச்சிப் படங்கள், புனைவில் வன்முறை, அரசியல் நையாண்டி, உரிமையாளரின் சொந்த வணிகச் சின்னம் மற்றும் தோற்றப் பணி. வடிகட்டப்பட்ட தளங்களில் வினவல் கலையின் பாதி மறைமொழி வடிவமைப்பே, மறைமொழி என்பது துல்லியமான படத்தின் எதிரி.

எனவே அட்டையில் இன்னொன்றைச் சரிபார்க்க வேண்டும்: வடிகட்டப்பட்ட கருவிகளிலிருந்து மக்கள் கற்கும் தயக்கச் சொற்களால் அல்லாமல், உண்மையான பொருளை எளிய சொற்களால் அது விவரிக்கிறதா என்பதே. ஒரு காயத்தின் தடயவியல் விளக்கப்படம், அந்தக் காயம் என்ன என்பதைச் சொல்ல வேண்டும். தயங்கிய மொழி எங்கும் மோசமான படத்தையே தரும், ஏனெனில் சொற்கள் சொல்வதையே மாதிரி உருவாக்குகிறது.

திறனும் தீர்ப்பும் தனித்தனி விஷயங்கள். Shannon Lab LLC இதை வெளியிடப்பட்ட பொறுப்பான பயன்பாட்டுக் கொள்கையின் கீழ் இயக்குகிறது: வடிகட்டாத உருவாக்கம் ஒரு தொழில்முறைக் கருவி, நீங்கள் உருவாக்குவதற்கு சம்மதம், உரிமைகள், சட்டம் அனைத்தும் இன்னும் பொருந்தும்.

14API எங்கே பொருந்துகிறது

ஒரு API தேடலிலிருந்து வரும் வாசகர்களுக்கு ஒரு துல்லியக் குறிப்பு: பட உருவாக்கம், திருத்தம், இணைப்பு ஆகியவை /v1 API இல் அல்ல, Shannon அரட்டைச் செயலியில் உள்ளன. API உரைக்கும் பார்வைக்கும் சேவை செய்கிறது — மூன்று வடிவங்களிலும் (/v1/chat/completions, /v1/messages, /v1/responses, அனைத்தும் ஸ்ட்ரீமிங்) நீங்கள் அனுப்பும் படங்களைப் படிக்கவும், விவரிக்கவும், பகுப்பாய்வு செய்யவும் முடியும் — ஆனால் அவற்றை உருவாக்குவதில்லை. படங்களைப் புரிந்துகொள்ள வேண்டிய ஒரு பணிப்பாதையை நீங்கள் கட்டினால், API ஆவணம் தொடங்குவதற்கான இடம். படங்களை உருவாக்க வேண்டுமெனில், அது அரட்டைச் செயலி, இந்த வழிகாட்டியில் உள்ள அனைத்தும் அங்கே பொருந்தும். படங்கள் எங்கள் சொந்த GPU கிளஸ்டரில் உருவாகின்றன.

15அடிக்கடி கேட்கப்படும் கேள்விகள்

தொடர்புடைய வாசிப்பு: தணிக்கையற்ற AI பட உருவாக்கம் · தணிக்கையற்ற AI பட திருத்தம் · பொறுப்பான பயன்பாட்டுக் கொள்கை · API ஆவணம் · அனைத்து Shannon ஆராய்ச்சி. இங்குள்ள வழிகாட்டல்கள் Shannon இன் பட மாதிரி குறித்த எங்கள் சொந்தச் சோதனையிலிருந்து பெறப்பட்டவை; முந்தைய பரவல் அமைப்புகளுக்கு எழுதப்பட்ட ஆலோசனைகள் பொதுவாக இங்கே பொருந்துவதில்லை.