సెన్సార్ లేని AI చిత్ర సవరణి
ఒక వాక్యం రాసి, ఉన్న ఒక చిత్రాన్ని మార్చండి, శైలి మార్చండి, లైటింగ్ మార్చండి, దుస్తులు మార్చండి లేదా బాగుచేయండి. మాస్క్లు లేవు, ఫిల్టర్లు లేవు, తిరస్కరణలు లేవు — మరియు మిగిలినవన్నీ కలిపినదాని కంటే ఎక్కువ ప్రాముఖ్యత ఉన్న ఒకే ఒక్క పద్ధతి.
సంక్షిప్తంగా
Shannon సాధారణ మాటల్లోని ఒక సూచన నుండి ఉన్న సరిగ్గా ఒకే ఒక్క చిత్రాన్ని సవరిస్తుంది — బ్రష్ లేదు, మాస్క్ లేదు, ఎంపిక లేదు. ఆ సూచన ఏది మారుతుందో మరియు ఏది అలాగే ఉంటుందో చెప్పాలి, ఎందుకంటే మోడల్ మొత్తం ఫ్రేమ్ను తిరిగి ఉత్పత్తి చేస్తుంది: మీరు మారదని పేరు పెట్టని ఏదైనా దారి తప్పే స్వేచ్ఛ కలిగి ఉంటుంది. మారని భాగాలకు పేరు పెట్టడం — "ముఖం, భంగిమ మరియు దుస్తులు అలాగే ఉంచు" — మీ దగ్గరున్న అతిపెద్ద నాణ్యతా మీట. సవరణ మార్గం నెగటివ్ ప్రాంప్ట్ను స్వీకరిస్తుంది (టెక్స్ట్-టు-ఇమేజ్ స్వీకరించదు); సూచనలో "X వద్దు" అని రాయడానికి బదులు అనవసరమైన లోపాలను అక్కడ పెట్టండి. అవుట్పుట్ మూలం యొక్క యాస్పెక్ట్ రేషియోను స్వయంచాలకంగా వారసత్వంగా పొందుతుంది. వీడియో సృష్టి లేదు, ఒక చిత్రాన్ని కదిలించే మార్గమూ లేదు. సవరణ చాట్ యాప్లో మా స్వంత GPU క్లస్టర్పై, కంటెంట్ ఫిల్టర్ లేకుండా, తిరస్కరణ పొర లేకుండా నడుస్తుంది.
సెన్సార్ లేని AI చిత్ర సవరణి కోసం వెతికే చాలామంది దగ్గర ఒక చిత్రం, ఒక సమస్య ఉంటాయి: నేపథ్యం సరిగా లేదు, వెలుతురు చప్పగా ఉంది, జాకెట్ రంగు తప్పు, ఫ్రేమ్లో ఒక అపరిచితుడు నిలబడి ఉన్నాడు, స్కాన్లో అడ్డంగా ఒక ముడత ఉంది — లేదా సవరణ పూర్తిగా చట్టబద్ధమైనదే అయినా వారి ప్రస్తుత సాధనం దాన్ని ముట్టుకోవడానికి నిరాకరిస్తోంది. ఇది ఆ పనిని బాగా చేయడం గురించి: ఏ సవరణికి ఎక్కువ స్లయిడర్లు ఉన్నాయనేది కాదు, మీరు చూడనప్పుడు మీ విషయం యొక్క ముఖాన్ని నిశ్శబ్దంగా తిరిగి కట్టేసే సవరణ నుండి, గురి తప్పని సవరణను వేరు చేసే ఆ ఒక్క అలవాటు గురించి.
01సూచన ఆధారిత సవరణ నిజానికి ఏమిటి
సంప్రదాయ AI సవరణ కష్టమైన భాగాన్ని మీచేతే చేయిస్తుంది: ఒక కాన్వాస్ తెరవండి, మార్చాలనుకున్న ప్రాంతంపై మాస్క్ పెయింట్ చేయండి, దాని లోపల ఏమి ఉండాలో వర్ణించే ఒక పదబంధాన్ని టైప్ చేయండి. ఖచ్చితమైనది, నెమ్మది, మరియు మీ మార్పుకు స్పష్టమైన అంచు లేని క్షణంలో నిరుపయోగం — వెలుతురు మార్పు, సిల్హౌట్నే మార్చే దుస్తుల మార్పిడి, మొత్తం చిత్రానికి వర్తించే రంగు గ్రేడ్.
Shannon దీనికి వ్యతిరేక దిశలో పనిచేస్తుంది. మీరు ఏమీ ఎంచుకోరు. మీరు చిత్రం గురించి ఒక వాక్యాన్ని, ఏ భాషలోనైనా రాస్తారు, ఆ ప్రాంతం మీ మాటల నుండి ఊహించబడుతుంది. ఎంపిక పని కాకుండా ఫలితం కావాలనుకునే ఎవరికైనా ఇది ఆచరణాత్మక సెన్సార్ లేని ఇన్పెయింటింగ్ ప్రత్యామ్నాయం అవుతుంది — దీనికి ముందుగా మీరు అర్థం చేసుకోవలసిన ఒక యాంత్రిక పర్యవసానం ఉంది:
ఒక సవరణ అంటే మీ మూల చిత్రంపై ఆధారపడి మొత్తం ఫ్రేమ్ను తిరిగి రెండర్ చేయడం — దానిలోని ఒక భాగానికి వేసే అతుకు కాదు. చిత్ర మోడల్ మీ అసలు చిత్రాన్ని చదువుతుంది, మీ సూచనను చదువుతుంది, మరియు అసలు చిత్రం + మార్పు అయి ఉండాల్సిన ఒక కొత్త చిత్రాన్ని ఉత్పత్తి చేస్తుంది. యాంత్రికంగా ఏదీ స్తంభింపజేయబడదు. ప్రతి సవరణలోనూ ప్రతి పిక్సెల్ మళ్ళీ చర్చకు తెరిచి ఉంటుంది.
అందుకే — మాస్క్ ఉన్న సాధనంలో దోషరహితంగా ఉండే — "వర్షంలో తడిసిన టోక్యో వీధి", లోపల కాస్త వేరే వ్యక్తి నిలబడి ఉన్నట్టుగా తిరిగి వస్తుంది. మాస్క్ ఉన్న సాధనంలో ఆ వ్యక్తి పరిధి బయట ఉన్నాడని మాస్క్ చెప్పింది; ఇక్కడ అది మీ వాక్యమే చెప్పాలి. మేలు ఏమిటంటే: మాస్క్లు చేయలేని పనిని సూచన సవరణ చేస్తుంది — సూర్యుడిని కదిలించి నీడలను దానికి తగ్గట్టు మార్చడం, ఒక వస్త్రాన్ని మార్చి ఆ గుడ్డ ఉన్న భంగిమపై మడతలు పడేలా చేయడం, కూర్పును నిలుపుకుంటూ ఒక ఛాయాచిత్రాన్ని ఇంక్ మరియు ఫ్లాట్ రంగులోకి మార్చడం. ఆ సవరణలకు పెయింట్ చేయడానికి అంచే ఉండదు; అవి మొత్తం ఫ్రేమ్ అంతటా ఉండే సంబంధాలు.
02యాంకరింగ్: అతిపెద్ద నాణ్యతా మీట
యాంకరింగ్ అంటే ప్రతి సవరణ సూచనను రెండు వాక్యాంశాలుగా రాయడం: మార్పు వాక్యాంశం (ఏది వేరుగా ఉండాలో, సానుకూలంగా మరియు నిర్దిష్టంగా చెప్పబడినది) మరియు ఉంచే వాక్యాంశం (ముట్టుకోకుండా మిగలాల్సిన భాగాలు, నిర్దిష్ట నామవాచకాలుగా పేరు పెట్టబడినవి). రెండూ బరువు మోసేవే — ఒక్క మార్పు వాక్యాంశం మాత్రమే అంటే అది కేవలం ఒక కోరిక. ఈ పేజీ నుండి మీరు ఒక్క విషయం తీసుకుంటే అది ఇది: ఏది మారుతుందో ఎంత స్పష్టంగా వర్ణించారనే దాని కంటే, ఏది అలాగే ఉంటుందో ఎంత స్పష్టంగా పేరు పెట్టారనేదే మీ ఫలితాన్ని శాసిస్తుంది.
యాంకర్ లేని సూచనలు దారి తప్పే మూడు మార్గాలు
- గుర్తింపు తప్పిపోవడం. ముఖం దాదాపు సరిగ్గానే తిరిగి వస్తుంది — కాస్త వేరే ముక్కు, నిశ్శబ్దంగా అందంగా మార్చిన దవడ రేఖ. ఇదే అత్యంత హానికరమైన వైఫల్యం, ఎందుకంటే ఫోన్లో దాన్ని గుర్తించడం కష్టం, ఆ వ్యక్తిని తెలిసిన ఎవరికైనా అది స్పష్టం.
- అదనపు శైలి మార్పు. మీరు కొత్త నేపథ్యం అడిగారు; దానితో పాటు కొత్త రంగు గ్రేడ్, కొత్త లెన్స్, మరియు ఇంతకుముందు ముడతలున్న స్వెటర్ కూడా వచ్చాయి. మోడల్ ఆ సూచనను మూలం నుండి వచ్చే మార్పుగా కాక, మొత్తం లక్ష్య చిత్రం యొక్క వర్ణనగా చదివింది.
- విశేషణాల వల్ల పరిధి పెరగడం. "మరింత నాటకీయంగా", "మరింత శుభ్రంగా", "మరింత వృత్తిపరంగా" — ఇవి ఏ వస్తువుకూ పేరు పెట్టవు. నామవాచకం లేని విశేషణం అన్నిటికీ వర్తిస్తుంది, కాబట్టి అంతా కదులుతుంది.
యాంకర్ పదజాలం
యాంకర్లు నిర్దిష్ట నామవాచకాలుగా పనిచేస్తాయి. "అలాగే ఉంచు" అనేది బలహీనం — ఏ విషయంలో సమానత్వం మీకు ముఖ్యమో మోడల్కు తెలియదు. మీ సవరణకు ముఖ్యమైన మూడు నుండి ఐదు అంశాలను ఎంచుకుని వాటికి నేరుగా పేరు పెట్టండి.
| మీరు మారుస్తున్నది | స్పష్టంగా పేరు పెట్టదగిన యాంకర్లు |
|---|---|
| నేపథ్యం / సన్నివేశం | ముఖం మరియు ముఖ లక్షణాలు, కేశాలంకరణ, భంగిమ, చేతులు, దుస్తులు, కెమెరా కోణం, క్రాప్, విషయంపై పడుతున్న వెలుతురు |
| వెలుతురు / భావం | ముఖం, హావభావం, చర్మ ఆకృతి, భంగిమ, దుస్తులు, నేపథ్యంలోని అంశాలు, ఫ్రేమింగ్ |
| దుస్తులు / వస్త్రధారణ | ముఖం, గడ్డం లేదా జుట్టు, భంగిమ, చేతులు, శరీర నిష్పత్తులు, నేపథ్యం, వెలుతురు దిశ, రంగు గ్రేడ్ |
| శైలి / మాధ్యమం | కూర్పు, భంగిమ, జుట్టు పొడవు, దుస్తుల ఆకారాలు, విషయాల సంఖ్య, క్రాప్ |
| వస్తువు తొలగింపు / మరమ్మతు | ఫ్రేమ్లోని మిగతా అంతా — విషయం, చుట్టూ ఉన్న నిర్మాణం, గ్రెయిన్, టోనాలిటీ, కాంట్రాస్ట్, రంగు |
| ఒక వస్తువు రంగు | చిత్రంలోని మిగతా ప్రతి రంగూ, పైగా మార్చిన వస్తువు యొక్క ఆకృతి మరియు పదార్థం |
చివరి వరుసను గమనించండి. రంగు మార్చడం నిశ్శబ్దంగా చెడిపోతుంది, ఎందుకంటే "జాకెట్ను ఎరుపు చేయి" అనేది మొదటి నుండి తిరిగి కట్టిన జాకెట్ను ఆహ్వానిస్తుంది — కొత్త కటింగ్, కొత్త పదార్థం, కొత్త మడతలు. యాంకర్తో: "ఉన్న జాకెట్ రంగును ముదురు ఎరుపుగా మార్చు, దాని ఖచ్చితమైన కటింగ్, కుట్లు, గుడ్డ ఆకృతి మరియు అది వేలాడే తీరును అలాగే ఉంచుతూ." ఒక్క వాక్యాంశం తేడా, నాటకీయంగా మెరుగైన ఫలితం.
03ఉదాహరణలు: బలహీన సూచన, అది ఎందుకు దారి తప్పుతుంది, యాంకర్ చేసిన తిరిగి రాత
కింది ప్రతి జతా ఒకే ఉద్దేశాన్ని రెండుసార్లు రాసినది. మధ్యలో ఉన్న నిర్ధారణే ఇతర సందర్భాలకు తీసుకెళ్ళదగిన భాగం.
A. నేపథ్యాన్ని మార్చడం
ఇది ఎందుకు దారి తప్పుతుంది: ఇది ఒక గమ్య చిత్రాన్ని వర్ణిస్తుంది, ఒక మార్పును కాదు. ఆ మహిళ గురించి ఏదీ రక్షించబడలేదు, కెమెరాను నిలిపి ఉంచేదీ ఏదీ లేదు, కాబట్టి మోడల్ నమ్మదగిన సన్నివేశాన్ని కడుతూ ఆమెను తిరిగి ఫ్రేమ్ చేసి, తిరిగి రెండర్ చేస్తుంది.
ఏమి మారింది: ఉంచే వాక్యాంశం గుర్తింపు, దుస్తులు మరియు ఫ్రేమింగ్ను స్థిరపరుస్తుంది, మరియు చివరి పదబంధం అతుకు ఏ దిశలో పరిష్కారమవుతుందో చెబుతుంది — నేపథ్యం విషయం యొక్క వెలుతురుకు వంగుతుంది, అటూ కాదు.
B. లైటింగ్ మార్చడం
ఇది ఎందుకు దారి తప్పుతుంది: "మెరుగ్గా" అనేది నామవాచకం లేని విశేషణం. మోడల్ ఒక నిర్వచనాన్ని కల్పించాల్సి వస్తుంది, మరియు తిరిగి రెండర్లో మెరుగ్గా కనిపించడానికి చౌకైన మార్గం నునుపైన చర్మం, తెల్లని పళ్ళు మరియు సన్నని దవడ. మీరు వెలుతురు అడిగారు, మీకు రీటచ్ వచ్చింది.
ఏమి మారింది: వెలుతురు భౌతికంగా వర్ణించబడింది — దిశ, గుణం, ఉష్ణోగ్రత, తగ్గుదల. చర్మ ఆకృతి స్పష్టంగా యాంకర్ చేయబడింది, ఎందుకంటే మోడల్ దాన్ని నునుపు చేసి తీసేయాలనే శోధనకు ఎక్కువగా లొంగేది లైటింగ్ మార్చినప్పుడే.
C. విషయానికి దుస్తులు మార్చడం
ఇది ఎందుకు దారి తప్పుతుంది: సూట్ సిల్హౌట్ను మారుస్తుంది, కాబట్టి మొండెం తిరిగి రెండర్ కావాలి — దానిపై ఉన్న తలా సాధారణంగా దానితో పాటే పోతుంది. నేపథ్య మార్పిడుల తర్వాత గుర్తింపు తప్పిపోవడానికి రెండో అతిపెద్ద కారణం యాంకర్ లేని దుస్తుల సవరణలే.
ఏమి మారింది: "అతని ప్రస్తుత భంగిమకు తగినట్టుగా కుట్టినట్టు" అనేది వస్త్రాన్ని భంగిమకు లోబడేలా చేస్తుంది. చేతులు విడిగా యాంకర్ చేయబడ్డాయి, ఎందుకంటే దుస్తుల సవరణలు అత్యంత స్పష్టంగా విఫలమయ్యేది చేతుల దగ్గరే.
D. ఒక ఛాయాచిత్రం శైలిని మార్చడం
ఇది ఎందుకు దారి తప్పుతుంది: ఒక్క శైలి పదం అన్నిటినీ అప్పగించేస్తుంది — కూర్పు, క్రాప్, జుట్టు, దుస్తులు, మనుషుల సంఖ్య — మరియు "అనిమే" అంటే ముప్పై ఏళ్ళ పరస్పర విరుద్ధమైన సంప్రదాయాలు. మీకు వేరే సన్నివేశం యొక్క నైపుణ్యవంతమైన చిత్రలేఖనం వస్తుంది.
ఏమి మారింది: శైలి సవరణలకు వేరే యాంకర్ కావాలి. మీరు ఆకృతిని యాంకర్ చేయలేరు — భర్తీ అవుతున్నదే ఆకృతి — కాబట్టి మీరు నిర్మాణాన్ని యాంకర్ చేస్తారు: కూర్పు, భంగిమ, సిల్హౌట్లు, క్రాప్, విషయాల సంఖ్య. సెల్ యానిమేషన్ కింద "ఫోటోరియలిస్టిక్ చర్మం" ఉంచమని అడగడం ఒక వైరుధ్యం.
E. ఏదైనా తొలగించడం
ఇది ఎందుకు దారి తప్పుతుంది: ఒక నిషేధం ఆ భావననే మోడల్ ముందు పెడుతుంది, మరియు ఖాళీ అయిన స్థలాన్ని ఏది నింపాలో ఏమీ చెప్పదు. తొలగింపులకు లక్ష్యం మరియు నింపు — రెంటినీ సానుకూలంగా చెప్పాలి.
ఏమి మారింది: లక్ష్యానికి వస్తువు, రంగు మరియు స్థానంతో పేరు పెట్టబడింది; నింపు నిర్దేశించబడింది, కాబట్టి ఫుట్పాత్ ఉండాల్సిన చోట మోడల్ ఒక చౌరస్తాను కల్పించదు; మరియు "మిగతా అంతా" నిజమైన నామవాచకాలుగా విడమర్చబడింది.
F. పాడైన ఛాయాచిత్రాన్ని బాగుచేయడం
ఇది ఎందుకు దారి తప్పుతుంది: "బాగుచేయి" అనేది "మెరుగుపరచు"గా చదవబడుతుంది, మరియు పాత ఛాయాచిత్రాన్ని మెరుగుపరచడం అంటే దాన్ని ఆధునికం చేయడం — శుభ్రమైన చర్మం, ఎక్కువ కాంట్రాస్ట్, మరియు ఇక మీ అమ్మమ్మది కాని ఒక ముఖం.
ఏమి మారింది: నష్టం ఏకరవు పెట్టబడింది, కాబట్టి "బాగుచేయి"కి ఒక నిర్వచిత పరిధి ఉంది, మరియు గ్రెయిన్ మరియు టోనాలిటీ యాంకర్ చేయబడ్డాయి ఎందుకంటే ఆ ప్రింట్ కాలానికి తగినట్టు కనిపించేలా చేసేవి అవే. మూడు నిషేధాలు, నిషేధం తన స్థానాన్ని సంపాదించుకునే అరుదైన సందర్భం — అవి వస్తువుల గురించి కాక ప్రక్రియ గురించిన ఆదేశాలు.
మంచి సూచన ఆకారం
కామాలతో వేరుచేసిన కీవర్డ్ ట్యాగ్లు కాకుండా పూర్తి వాక్యాలలో, 25 నుండి 60 పదాల లక్ష్యంగా పెట్టుకోండి — చిత్ర మోడల్ ప్రాంప్ట్లను ఒక భాషా మోడల్లా చదువుతుంది, కాబట్టి ట్యాగ్ కూర కంటే గద్యమే గెలుస్తుంది. SDXL-కాలపు చెత్తను (masterpiece, best quality, 8k) మరియు (word:1.3) వంటి బరువు వాక్యనిర్మాణాన్ని వదిలేయండి; ఇక్కడ అవి ఏమీ చేయవు. ఒక సూచనకు ఒకే మార్పు చేయండి — ఒకే వాక్యంలో సంబంధం లేని రెండు మార్పులు దృష్టి కోసం పోటీపడతాయి, రెండూ సగం పూర్తయి తిరిగి వస్తాయి.
04నెగటివ్ ప్రాంప్ట్ — టెక్స్ట్-టు-ఇమేజ్లో కాకుండా ఇక్కడ మద్దతు ఉంది
ఇది చాలామందిని తికమకపెడుతుంది, కాబట్టి స్పష్టంగా చెబుతున్నాం:
| మార్గం | మూల చిత్రాలు | నెగటివ్ ప్రాంప్ట్ | యాస్పెక్ట్ రేషియో | ప్రాంప్ట్ రూపం |
|---|---|---|---|---|
| టెక్స్ట్-టు-ఇమేజ్ | 0 | మద్దతు లేదు | ఎంచుకోవాలి (చతురస్రం డిఫాల్ట్) | వర్ణనాత్మక గద్యం |
| ఒక చిత్రాన్ని సవరించడం | సరిగ్గా 1 | మద్దతు ఉంది | మూలం నుండి వారసత్వం | సూచన: మార్పు + ఉంచడం |
| 2+ చిత్రాలను కలపడం | 2 లేదా అంతకంటే ఎక్కువ | మద్దతు ఉంది | కొత్త కాన్వాస్ ఎంచుకోవచ్చు | పాత్రలకు పేరు పెట్టిన గద్యం |
టెక్స్ట్-టు-ఇమేజ్ అసలు నెగటివ్ ప్రాంప్ట్ను తీసుకోదు — శూన్యం నుండి సృష్టిస్తున్నప్పుడు, మీకు ఏమి కావాలో మాత్రమే వర్ణించడమే ఆ క్రమశిక్షణ (సెన్సార్ లేని AI చిత్ర సృష్టి చూడండి). సవరణ వేరు: మీ దగ్గర ఇప్పటికే ఒక మూలం ఉంది, మరియు తిరిగి రెండర్ చేయడంలో వచ్చే విలక్షణమైన వైఫల్యాలు తెలిసినవి, పేరు పెట్టదగినవి, కాబట్టి నెగటివ్ ప్రాంప్ట్కు అణచివేయడానికి నిర్దిష్టమైనది ఏదో ఉంటుంది.
అందులో ఏమి ఉండాలి
లోపాలు, లోపాలు మాత్రమే. ఇది ఒక లోపాల జాబితా, రెండో సూచన మార్గం కాదు:
- extra fingers, fused fingers, malformed hands — ఒక వ్యక్తిని తిరిగి రెండర్ చేసే ఏ సవరణకైనా.
- warped text, garbled lettering, misspelled signage — ఫ్రేమ్లో సైన్బోర్డులు, లేబుళ్ళు లేదా ప్యాకేజింగ్ ఉన్న దేనికైనా.
- duplicated limbs, duplicated railing, repeated windows — తొలగింపులు మరియు నేపథ్య విస్తరణలు.
- smeared texture, blurry patch, halo around the subject, visible seam — నేపథ్య మార్పిడులు మరియు వస్తువు తొలగింపు.
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — లైటింగ్ మార్పు, పోర్ట్రెయిట్ సవరణలు, సాధారణ పరిశుభ్రత.
అందులో ఏమి ఉండకూడదు
కంటెంట్ నిర్ణయాలు. టోపీ పోవాలంటే, సూచన "టోపీని తొలగించు" — "టోపీ" అని రాసిన నెగటివ్ ప్రాంప్ట్ కాదు. మీ మూలంలో ఉన్న వస్తువులను నెగటివ్ ప్రాంప్ట్ నమ్మకంగా తొలగించదు; రెండర్లో లోపాలు కనిపించకుండా అది నిరుత్సాహపరుస్తుంది. అక్కడ కంటెంట్ పెడితే మీకు రెండు వైపులా నష్టమే: టోపీ అలాగే ఉంటుంది, మరియు వక్రీకృత చేతులను అణచివేయగలిగే ఒక స్థానం వృథా అవుతుంది.
ఈ నియమం రెండో సగం మీ సూచనకు వర్తిస్తుంది: అందులో "X వద్దు" అని రాయడం ఆపండి. "కార్లు లేని వీధి", "కళ్ళజోడు లేని పోర్ట్రెయిట్" — ఈ రెండూ అనవసరమైన భావనను వాక్యంలో పెట్టి, దాన్ని నిషేధించమని మోడల్ను అడుగుతాయి — భాష బాగా నిర్వహించే పని, చిత్ర కండిషనింగ్ చెత్తగా నిర్వహించే పని. బదులుగా ఏమి ఉండాలో చెప్పండి: "శుభ్రమైన తారు రోడ్డుతో ఖాళీ వీధి", "అడ్డులేని కళ్ళతో ఒక పోర్ట్రెయిట్". ఉదాహరణ Fలో ఉన్నట్టుగా ఒకే ఒక మినహాయింపు — ప్రక్రియ గురించిన ఆదేశం: "షార్పెన్ చేయవద్దు", "రంగు మార్చవద్దు" — ఇది ఒక వస్తువుకు పేరు పెట్టకుండా ఒక చర్యను తిరస్కరిస్తుంది.
పని విభజన, ఒకే వాక్యంలో
సూచన: ఏది మారుతుంది, ఏది అలాగే ఉంటుంది — సానుకూలంగా చెప్పబడినవి. నెగటివ్ ప్రాంప్ట్: ఒక రెండర్ వికృతం కాగల మార్గాలు. వాటిని వేరుగా ఉంచండి, రెండూ మెరుగవుతాయి.
05ఒకే మూల చిత్రం, మరియు Shannon దాన్ని ఎలా ఎంచుకుంటుంది
ఒక సవరణ సరిగ్గా ఒకే ఒక మూల చిత్రంపై పనిచేస్తుంది: సంభాషణలో ఇప్పటికే ఉన్న ఒక చిత్రం — ముందు జతచేసినది లేదా మీ కోసం సృష్టించినది — లేదా మీరు ఇప్పుడు పంపుతున్న సందేశానికి జతచేసినది. థ్రెడ్ బయటి నుండి ఏదీ లాగబడదు, మరియు సవరణ మార్గం ఎప్పుడూ రెండు చిత్రాలను నిశ్శబ్దంగా కలపదు. మీ ఉద్దేశానికి ఒకటి కంటే ఎక్కువ చిత్రాల నుండి అంశాలు కావాలంటే — ఫోటో A లోని దుస్తులను ఫోటో B లోని వ్యక్తిపై — అది ఒక కలయిక, ఇందులో ప్రతి చిత్రం పాత్రకూ క్రమంలో పేరు పెట్టే వేరే ప్రాంప్ట్ ఆకారం ఉంటుంది.
అనుసరణలు మరియు అత్యంత ఇటీవలి సంబంధిత చిత్రం
సంభాషణలో ఒక చిత్రం ఉన్న తర్వాత, చిన్న అనుసరణ సందేశాలు మీరు ఆశించినట్టుగానే పనిచేస్తాయి. "దీన్ని మరింత చీకటిగా చేయి." "ఇప్పుడు సూర్యాస్తమయంలో ప్రయత్నించు." ఇవి థ్రెడ్లోని అత్యంత ఇటీవలి సంబంధిత చిత్రానికి వర్తిస్తాయి — సాధారణంగా మీరు ఇప్పుడే అందుకున్న ఫలితం — కాబట్టి చిన్న సూచనల వరుస, సవరణల పోగులా ప్రవర్తిస్తుంది. మూడు పర్యవసానాలు:
- ఒక్కో అడుగులో పునరావృతం చేయండి. ప్రతి అనుసరణా మరో పూర్తి తిరిగి రెండర్, కాబట్టి "దీన్ని చీకటిగా చేసి, ఆమె కోటు మార్చి, కెమెరాను కిందికి జరుపు" అంటే ఒకే పాస్లో మూడు సవరణలు కొట్టుకోవడం. మూడు సందేశాలు పంపండి; మీకు నచ్చిన దగ్గర ఆగండి.
- తరాల నష్టాన్ని గమనించండి. చిన్న తేడాలు పోగుపడతాయి; ఆరో వరుస సవరణకల్లా ఒక ముఖం, ఏ ఒక్క అడుగూ తప్పుగా కనిపించకపోయినా, అసలుదానికి చాలా దూరమైపోవచ్చు. దారి తప్పడం గమనించినప్పుడు అతుకులు వేయడం ఆపండి — అసలు ఫైల్ను మళ్ళీ జతచేసి, ఇప్పటివరకూ మీకు ఏమి కావాలో తెలుసుకున్నదంతా ఇముడ్చుకున్న ఒకే సంయుక్త సూచనను రాయండి.
- పొడవైన థ్రెడ్లో స్పష్టంగా ఉండండి. "నేను ముందు జతచేసిన బీచ్ ఫోటోను వాడి, …" అనేది అనేక చిత్రాలు ఆటలో ఉన్నప్పుడు అస్పష్టతను తొలగిస్తుంది.
ఒక యాంకర్ జోడించడానికి నిర్ధారణ కార్డే మీ ఆఖరి అవకాశం
మీరు మాట్లాడే ఏ భాషలోనైనా, సాధారణ మాటల్లో అడుగుతారు. ఒక చిత్ర చర్య అడగబడుతోందని Shannon నిర్ణయించి, తుది సూచనను తానే ఆంగ్లంలో రాసి, ఏదైనా రెండర్ కాకముందే దాన్ని నిర్ధారణ కార్డులో మీకు చూపుతుంది. మీరు నిర్ధారించే వరకూ ఏదీ ఉత్పత్తి కాదు, ఏదీ బిల్ చేయబడదు. ఆ కార్డును చదవండి — ఏమీ ఖర్చు చేయకముందే తప్పిపోయిన ఉంచే వాక్యాంశాన్ని పట్టుకునేది అక్కడే.
సంబంధిత రెండు ప్రవర్తనలు: Shannon ఎప్పుడూ అడగకుండా సృష్టించదు — ఒక పలకరింపు, ఒక ప్రశ్న లేదా అలవోకగా జతచేసిన ఒక ఫోటో చిత్ర చర్యను ప్రేరేపించవు. మరియు ఒక చిత్రాన్ని కేవలం చూడమని Shannonను అడగడం — దాన్ని వర్ణించమని, అందులోని టెక్స్ట్ చదవమని, కూర్పు ఎందుకు పనిచేయడం లేదో చెప్పమని — అది సాధారణ విజన్ పని, సృష్టి కాదు, దానికి అదనపు ఖర్చు ఏమీ లేదు. "ఈ ఫోటోలో మీరు ఏమి మారుస్తారు?" అనేది ఉచిత సలహా; దానిపై చర్య తీసుకోవడమే సవరణ.
06యాస్పెక్ట్ రేషియో స్వయంచాలకంగా వారసత్వంగా వస్తుంది
సవరించిన చిత్రం దాని మూలం యొక్క అదే యాస్పెక్ట్ రేషియోలో తిరిగి వస్తుంది. మీరు ఒకదాన్ని ఎంచుకోరు, ఎంచుకోవలసిన అవసరమూ లేదు: 4:5 పోర్ట్రెయిట్ 4:5గానే ఉంటుంది, 16:9 స్టిల్ 16:9గానే ఉంటుంది, ఇబ్బందికరమైన ఫోన్ స్క్రీన్షాట్ తన నిష్పత్తులను నిలుపుకుంటుంది. మీ చిత్రాన్ని నిశ్శబ్దంగా తిరిగి ఫ్రేమ్ చేసే సవరణ సవరణే కాదు — అది ఒక క్రాప్, పైగా అసలు హద్దుల బయట ఏముందనే ఊహ.
మిగతా రెండు మార్గాల నుండి ఇది నిజమైన తేడా. టెక్స్ట్-టు-ఇమేజ్ చతురస్రం (డిఫాల్ట్), పోర్ట్రెయిట్, ల్యాండ్స్కేప్, వెడల్పు (సినిమాటిక్) మరియు పొడవు (పోస్టర్లు మరియు వాల్పేపర్లు) — వీటిలో ఒకదాన్ని ఎంచుకోమని అడుగుతుంది, మరియు స్పష్టమైన అభ్యర్థన ఎప్పుడూ గెలుస్తుంది; కలపడం మీకు తాజా కాన్వాస్ను ఎంచుకోనిస్తుంది, ఎందుకంటే వారసత్వంగా తీసుకోవడానికి ఒకే మూలం అంటూ ఏదీ ఉండదు. కాబట్టి మీకు వేరే ఆకారం కావాలంటే, అది సవరణ కాదు — 1:1 ఉత్పత్తి ఫోటోను 16:9 బ్యానర్గా మార్చడం అంటే ఎప్పుడూ ఛాయాచిత్రించని పిక్సెళ్ళను కల్పించడం. దాన్ని ఉద్దేశపూర్వకంగా చేయండి — కొత్త కాన్వాస్పై సృష్టించడం ద్వారా లేదా కలపడం ద్వారా.
07వీడియో సృష్టి లేదు
మనుషులు అడుగుతారు కాబట్టి స్పష్టంగా చెబుతున్నాం
Shannon వీడియోను సృష్టించదు మరియు చిత్రాలను కదిలించదు. చిత్రం-నుండి-వీడియో మార్గం లేదు, "ఈ ఫోటోను కదిలించు" లేదు, లూప్ లేదు, సినిమాగ్రాఫ్ లేదు. ఇది ప్రివ్యూలో ఉన్న లేదా త్వరలో వచ్చే సామర్థ్యం కాదు — ఇది ఉత్పత్తిలో లేనేలేదు, మరియు ఈ పేజీలోని ఏదీ దానికి భిన్నంగా సూచిస్తున్నట్టు చదవకూడదు.
Shannon 3 చిత్రాలతో చేసేవి సరిగ్గా మూడే: కొత్త చిత్రాన్ని సృష్టించడం, ఉన్న ఒక చిత్రాన్ని సవరించడం, మరియు రెండు అంతకంటే ఎక్కువ చిత్రాలను ఒకటిగా కలపడం. ఇక్కడ ఉన్నదంతా వాటిలో రెండోదాని లోపలే.
రెండుసార్లు చెప్పదగినది, ఎందుకంటే "AI చిత్ర సవరణి" మరియు "AI వీడియో జనరేటర్" మనుషుల మనసుల్లో పక్కపక్కనే వచ్చేశాయి, మరియు మీ ఛాయాచిత్రపు వెలుతురును సంతోషంగా మార్చే సాధనం, దాన్ని కదిలించడానికి ఒక్క బటన్ దూరంలో ఉన్నట్టు అనిపిస్తుంది. అది కాదు — మరియు పదో నిమిషంలో కాకుండా మొదటి నిమిషంలోనే మీకు అది తెలియాలి.
08సృష్టి కంటే సవరణకు సెన్సార్ లేకపోవడం ఎందుకు ఎక్కువ ముఖ్యం
ఫిల్టర్ ఉన్న సవరణులు ఫిల్టర్ ఉన్న జనరేటర్ల కంటే వేరుగా, సాధారణంగా అధ్వాన్నంగా విఫలమవుతాయి. ఫిల్టర్ ఉన్న జనరేటర్ మీ ప్రాంప్ట్ను తిరస్కరిస్తుంది; మీరు తిరిగి రాసి మళ్ళీ ప్రయత్నిస్తారు. ఫిల్టర్ ఉన్న సవరణి, మీ సూచనలోని ఒక్క పదం చదవకముందే మూల చిత్రాన్నే తిరస్కరించగలదు. ఒక కేస్ నివేదిక కోసం క్లినికల్ గాయం ఛాయాచిత్రాన్ని అప్లోడ్ చేస్తే అది ఇన్పుట్ దగ్గరే తిరస్కరించబడుతుంది. ముడతను బాగుచేయడానికి చారిత్రక యుద్ధ ఛాయాచిత్రాన్ని అప్లోడ్ చేస్తే, ఫ్రేమ్లోని తుపాకీ సంభాషణను ముగించేస్తుంది. చట్టబద్ధమైన పని, వర్గీకరణపరమైన తిరస్కరణ, ఉపయోగపడే తిరిగి రాత అంటూ ఏదీ లేదు.
Shannon చిత్ర మార్గాన్ని అవుట్పుట్పై కంటెంట్ ఫిల్టర్ లేకుండా మరియు సూచన రాసే మోడల్పై తిరస్కరణ పొర లేకుండా నడుపుతుంది. ఈ సాధారణ పనులను సాధ్యం చేసేది అదే:
- కళా నగ్న చిత్రాలు మరియు ఆకృతి పని — సమ్మతి తెలిపిన వయోజన విషయాలతో పనిచేసే కళాకారులు మరియు ఛాయాచిత్రకారుల కోసం రీటచింగ్, లైటింగ్ మార్పు మరియు శైలి మార్పు.
- వైద్య మరియు ఫోరెన్సిక్ చిత్రలేఖనం — ప్రధాన స్రవంతి సవరణులు చూడగానే తిరస్కరించే బోధనా సామగ్రి, కేస్ నివేదికలు మరియు పునర్నిర్మాణ పని కోసం శుభ్రం చేసిన క్లినికల్ చిత్రాలు.
- భద్రతా పరిశోధన చిత్రాలు — ఫిషింగ్-అవగాహన కార్యక్రమాలు మరియు రెడ్-టీమ్ నివేదికల కోసం స్క్రీన్షాట్లు, భౌతిక-భద్రతా ఛాయాచిత్రాలు మరియు హార్డ్వేర్ డాక్యుమెంటేషన్.
- కల్పనలో హింస — ఒక గాయం లేదా ఆయుధమే విషయమైన సినిమా, గేమ్ మరియు కామిక్స్ నిర్మాణ కళ.
- రాజకీయ వ్యంగ్యం మరియు సంపాదకీయ చిత్రలేఖనం — దాని వెనుక అనేక శతాబ్దాల చరిత్ర, ఫిల్టర్ ఉన్న సాధనాల్లో దాదాపు శూన్య మద్దతు.
- హక్కుదారుడు చేసే బ్రాండ్ మరియు పోలిక పని — మీ సొంత ఉత్పత్తి ఛాయాచిత్రాలు, లోగో లాకప్లు మరియు పోర్ట్రెయిట్లు, మరియు కష్టమైన కుటుంబ ఆర్కైవ్లు — మీకు అనుమతి ఉందా లేదా అని ఒక వర్గీకరణితో వాదించాల్సిన అవసరం లేకుండా.
సెన్సార్ లేకపోవడం అంటే జవాబుదారీతనం లేకపోవడం కాదు. Shannonను Shannon Lab LLC (న్యూ మెక్సికో, USA) ప్రచురించిన బాధ్యతాయుత వినియోగ విధానం కింద నిర్వహిస్తుంది, నిజమైన హద్దులు ఉండేది అక్కడే — గాయం ఛాయాచిత్రం పట్ల ఒక వర్గీకరణి అసౌకర్యం గురించి కాక, చట్టం మరియు హాని గురించిన హద్దులు. ప్రతిచర్యగా వచ్చే తిరస్కరణ లేకపోవడం అనేది సాధనం గురించిన ప్రకటన, మీరు తయారు చేసేదానికి మీ బాధ్యత గురించి కాదు.
09API ఎక్కడ సరిపోతుంది — ఎక్కడ సరిపోదు
API వెతుకులాట నుండి వచ్చే పాఠకులు తీసుకునే ఒక సాధారణ తప్పుడు మలుపు ఇది. చిత్ర సృష్టి మరియు సవరణ Shannon చాట్ యాప్లో జరుగుతాయి, APIలో కాదు. మూడు /v1 మాండలికాలు — /v1/chat/completions (OpenAI ఆకారం), /v1/messages (Anthropic ఆకారం) మరియు /v1/responses, అన్నీ స్ట్రీమింగ్, అన్నీ ఒకే మోడళ్ళపై — టెక్స్ట్ మరియు విజన్ను అందిస్తాయి. విజన్ అంటే మీరు పంపే చిత్రాలను మోడళ్ళు చదువుతాయి: వాటిని వర్ణించడం, టెక్స్ట్ను లిప్యంతరీకరించడం, ఒక చార్టును విశ్లేషించడం. అవి చిత్రాలను ఉత్పత్తి చేస్తాయని లేదా మారుస్తాయని దాని అర్థం కాదు.
అయినా ఒక ఉపయోగకరమైన పద్ధతి మిగులుతుంది: విజన్ + సెన్సార్ లేని టెక్స్ట్ మోడల్ కలిస్తే బలమైన సూచన-రచన సహాయకుడు. మీ మూల చిత్రాన్ని APIకి పంపి, ఫ్రేమ్లో ఏముందో వర్ణించమని, మార్పునూ యాంకర్లనూ పేరు పెట్టే యాంకర్ చేసిన సూచనను ముసాయిదా చేయమని అడగండి, ఆపై ఆ సూచనను చాట్లో నడపండి — మీరు మరచిపోయే యాంకర్లను అది పట్టుకుంటుంది. అభ్యర్థన మరియు ప్రతిస్పందన ఆకారాలు API డాక్యుమెంటేషన్లో ఉన్నాయి.
10తరచుగా అడిగే ప్రశ్నలు
సెన్సార్ లేని AI చిత్ర సవరణి అంటే ఏమిటి?
ఉన్న ఒక చిత్రాన్ని, దానితో పాటు సాధారణ మాటల్లోని ఒక సూచనను తీసుకుని, సవరించిన చిత్రాన్ని తిరిగి ఇచ్చే సవరణి — అవుట్పుట్పై కంటెంట్ ఫిల్టర్ లేకుండా, సూచన రాసే మోడల్పై తిరస్కరణ పొర లేకుండా. ఇది Shannon చాట్ యాప్ లోపల మా స్వంత GPU క్లస్టర్పై నడుస్తుంది, కాబట్టి ఫిల్టర్ ఉన్న సవరణులు తిరస్కరించే పని — కళా నగ్న రీటచింగ్, వైద్య మరియు ఫోరెన్సిక్ చిత్రలేఖనం, భద్రతా పరిశోధన చిత్రాలు, కల్పనలో హింస, రాజకీయ వ్యంగ్యం — తిరస్కరించబడకుండా పూర్తవుతుంది.
నేను నేపథ్యాన్ని మాత్రమే మార్చమని అడిగినప్పుడు ముఖం ఎందుకు మారుతోంది?
ఎందుకంటే ఒక సూచన సవరణ, మీరు మనసులో అనుకున్న ప్రాంతాన్ని మాత్రమే కాక, మీ మూల చిత్రంపై ఆధారపడి మొత్తం ఫ్రేమ్ను తిరిగి ఉత్పత్తి చేస్తుంది — మీరు మారదని పేరు పెట్టని ఏదైనా దారి తప్పే స్వేచ్ఛ కలిగి ఉంటుంది. దీనికి పరిష్కారం యాంకరింగ్: "ముఖం, కేశాలంకరణ, భంగిమ మరియు దుస్తులు అలాగే ఉంచు, అదే కెమెరా కోణం మరియు క్రాప్" వంటి ఒక ఉంచే వాక్యాంశాన్ని జోడించండి. మారని భాగాలకు పేరు పెట్టడమే మీ దగ్గరున్న అతిపెద్ద నాణ్యతా మీట.
Shannon చిత్ర సవరణ నెగటివ్ ప్రాంప్ట్కు మద్దతు ఇస్తుందా?
అవును. అసలు ఏదీ తీసుకోని టెక్స్ట్-టు-ఇమేజ్ కాకుండా, సవరణ మరియు బహుళ-చిత్ర కలయిక మార్గాలు రెండూ దీనికి మద్దతు ఇస్తాయి. సూచనలో "X వద్దు" అని రాయడానికి బదులు, అనవసరమైన లోపాల కోసం దాన్ని వాడండి — అదనపు వేళ్ళు, వక్రీకృత టెక్స్ట్, రెట్టింపైన రెయిలింగ్లు, పూసుకుపోయిన ఆకృతి, ప్లాస్టిక్ చర్మం, వాటర్మార్క్లు. కంటెంట్ నిర్ణయాలు సూచనలో, సానుకూలంగా చెప్పబడాలి; లోపాల అణచివేత నెగటివ్ ప్రాంప్ట్లో ఉండాలి.
Shannon నా చిత్రాన్ని కదిలించగలదా లేదా వీడియోగా మార్చగలదా?
లేదు. Shannon వీడియోను సృష్టించదు మరియు చిత్రాలను కదిలించదు. చిత్రం-నుండి-వీడియో మార్గం లేదు, అలాంటిదేదీ ప్రకటించబడటం లేదు. Shannon 3 కొత్త చిత్రాన్ని సృష్టిస్తుంది, ఉన్న ఒక చిత్రాన్ని సవరిస్తుంది, లేదా రెండు అంతకంటే ఎక్కువ చిత్రాలను ఒకటిగా కలుపుతుంది — ఈ మూడు విషయాలు, వాటికి మించి ఏమీ లేదు.
ఒక సవరణ ఎన్ని మూల చిత్రాలను వాడుతుంది?
సరిగ్గా ఒకటి: సంభాషణలో ఇప్పటికే ఉన్న ఒక చిత్రం, లేదా మీ ప్రస్తుత సందేశానికి జతచేసిన ఒకటి. రెండు అంతకంటే ఎక్కువ చిత్రాల నుండి అంశాలు రావాల్సి ఉంటే — ఒక ఫోటోలోని దుస్తులను మరో ఫోటోలోని వ్యక్తిపై వేయడం వంటివి — అది సవరణ కాదు, కలయిక; మరియు రెండో దాన్ని మాటల్లో వర్ణించే బదులు నిజమైన చిత్రాలను ఇవ్వాలి.
నేను మాస్క్ గీయాలా లేదా ఇన్పెయింటింగ్ వాడాలా?
అక్కర్లేదు. బ్రష్, లాసో లేదా మాస్క్ పొర అంటూ ఏదీ లేదు. మీరు మార్పును ఒక వాక్యంలో వర్ణిస్తారు, ఆ ప్రాంతం మీ భాష నుండి ఊహించబడుతుంది — అందుకే ఖచ్చితమైన నామవాచకాలు ముఖ్యం: "కుడి వైపున ఆగి ఉన్న వెండి రంగు కారు" అనేది "ఆ వస్తువు" కంటే చాలా మెరుగ్గా గురిపెడుతుంది. ఎంపిక పని లేకుండా ఫలితం కావాలనుకునే వారికి Shannonను ఆచరణాత్మక సెన్సార్ లేని ఇన్పెయింటింగ్ ప్రత్యామ్నాయంగా చేసేది ఇదే.
నేను Shannon API ద్వారా చిత్రాలను సవరించగలనా?
లేదు. చిత్ర సృష్టి మరియు సవరణ Shannon చాట్ యాప్లో ఉన్నాయి. /v1 మాండలికాలు — /v1/chat/completions, /v1/messages మరియు /v1/responses — టెక్స్ట్ మరియు విజన్ను అందిస్తాయి: మీరు పంపే చిత్రాలను అవి చదివి విశ్లేషిస్తాయి కానీ వాటిని ఉత్పత్తి చేయవు, సవరించవు. ఒక సాధారణ పని విధానం ఏమిటంటే, API విజన్తో యాంకర్ చేసిన సూచనను ముసాయిదా చేయించి, ఆ సవరణను చాట్లో నడపడం.
ఫిల్టర్తో వాదించకుండా ఒక చిత్రాన్ని సవరించండి
ఒక ఫోటో జతచేయండి, ఒక వాక్యం రాయండి, ఏది అలాగే ఉండాలో పేరు పెట్టండి.
సవరణ మొదలుపెట్టండి API డాక్యుమెంటేషన్ చదవండిచిత్రాలు మా స్వంత GPU క్లస్టర్పై రెండర్ అవుతాయి · మీరు కార్డును నిర్ధారించే వరకూ ఏదీ రెండర్ కాదు, బిల్ కాదు
Shannon AIని Shannon Lab LLC, న్యూ మెక్సికో, USA నిర్వహిస్తుంది. చిత్ర సృష్టి, సవరణ మరియు కలయిక Shannon 3 యొక్క చాట్-యాప్ లక్షణాలు; /v1 API టెక్స్ట్ మరియు విజన్ను మాత్రమే అందిస్తుంది. ఉత్పత్తిలో వీడియో సృష్టి లేదు. సవరణ సరిగ్గా ఒక మూల చిత్రాన్ని స్వీకరించి, దాని యాస్పెక్ట్ రేషియోను వారసత్వంగా తీసుకుంటుంది. సెన్సార్ లేని చిత్ర మార్గాల వినియోగం బాధ్యతాయుత వినియోగ విధానం ద్వారా నియంత్రించబడుతుంది.