AI చిత్ర ప్రాంప్ట్ గైడ్

చాలామంది SDXLపై నేర్చుకున్న ప్రాంప్ట్ అలవాట్లతో వస్తారు: కామాలతో వేరు చేసిన నామవాచకాల వరుస, ఒక క్వాలిటీ-టోకెన్ ఉపోద్ఘాతం, కొన్ని బ్రాకెట్‌లలోని వెయిట్‌లు, పాజిటివ్ అంత పొడవైన ఒక నెగటివ్ ప్రాంప్ట్. ఆ అలవాట్లు ఆ మోడళ్లకు సరైనవి, ఇక్కడ అవి ప్రతికూలం. నిజంగా పనిచేసేదాని సంక్షిప్త రూపం ఇది — Shannon మీ కోసం సృష్టి ప్రాంప్ట్‌ను రాసి, ఏదైనా రెండర్ కాకముందే దాన్ని చూపుతుంది కాబట్టి, Shannon ప్రతిపాదించిన దాన్ని చదవడం, సరిచేయడం గురించి కూడా ఇది అంతే గైడ్.

01ట్యాగ్‌ల కంటే వాక్యాలు ఎందుకు మెరుగు: మోడల్ భాషా మోడల్‌లా చదువుతుంది

చాలా ప్రాంప్ట్ సలహా ఎవరికోసం రాయబడిందో ఆ పాత డిఫ్యూజన్ మోడళ్లు ఆచరణలో కాన్సెప్ట్‌ల సంచిలా ప్రవర్తించే ఒక టెక్స్ట్ ఎన్‌కోడర్‌ను వాడేవి: వ్యాకరణానికి పెద్దగా ప్రాముఖ్యత లేదు, గెలిచే వ్యూహం సంబంధిత నామవాచకాలను పోగేసి వాటిని వెయిట్‌లతో వంచడం. ఆ ఎన్‌కోడర్‌కు ట్యాగ్ కూర ప్రాంప్ట్‌కు సరైన ఆకారం.

Shannon చిత్ర మోడల్ అలా పనిచేయదు. ఒక భాషా మోడల్ టెక్స్ట్‌ను చదివినట్టే ఇది ప్రాంప్ట్‌ను చదువుతుంది, కాబట్టి వాక్య నిర్మాణం అర్థాన్ని మోస్తుంది. "Holding an umbrella against her shoulder" అనేది ఒక వ్యక్తికి, ఒక వస్తువుకు, ఒక శరీర భాగానికి మధ్య సంబంధం; "umbrella, shoulder" అనేవి యాదృచ్ఛికంగా ఉన్న రెండు వస్తువులు. విభక్తులు వస్తువులను స్థానంలో పెడతాయి. క్రియలు భంగిమలను సృష్టిస్తాయి. వాక్యభాగాలు వివరాన్ని చిత్రమంతటా తేలనీయకుండా సరైన నామవాచకానికి జతచేస్తాయి.

ఒకే చిత్రాన్ని రెండు విధాలుగా అడిగిన ఉదాహరణ ఇది.

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.

ట్యాగ్ రూపం ఏమి చెప్పలేదో చూడండి. గొడుగును పట్టుకున్నారని అది ఎప్పుడూ చెప్పదు, కాబట్టి అది నేలపై పడి ఉండవచ్చు. నియాన్ తారు రోడ్డులో ప్రతిబింబిస్తోందని అది చెప్పదు, రెండూ ఉన్నాయని మాత్రమే చెబుతుంది, కాబట్టి వాటి మధ్య ఎలాంటి దృశ్య సంబంధం లేని సైన్‌బోర్డులు, తడి రోడ్డు మీకు వస్తాయి. ఆమె ఎక్కడ చూస్తోందో అది చెప్పదు, కాబట్టి ఆమె భంగిమ నాణెం విసిరినట్టే. "Cinematic lighting" ఒక మూడ్ లేబుల్, వెలుతురు మూలం కాదు. చివరి ఐదు టోకెన్లు శబ్దం, నియంత్రణ హ్యాండిల్స్ కాక ఫొటోగ్రఫీ గురించిన ఇంగ్లీషు పదాలుగా చదవబడతాయి.

వాక్య రూపం అలంకారికం కాబట్టి పొడవుగా లేదు. ట్యాగ్ రూపం తెరిచి వదిలేసిన ప్రశ్నలకు జవాబిస్తుంది కాబట్టి పొడవుగా ఉంది. మొత్తం మెలకువ అదే.

02చిత్ర ప్రాంప్ట్ ఎంత పొడవు ఉండాలి?

30 నుండి 80 పదాలను లక్ష్యంగా పెట్టుకోండి. 100 దాటి ఎక్కువ వెళ్లొద్దు. మీకు అందుబాటులో ఉన్న అత్యంత సులభమైన నాణ్యతా మీట ఇదే, ఈ పరిధి రెండు చివరలూ ముఖ్యమే.

సుమారు 30 పదాల కంటే తక్కువలో కూర్పు, వెలుతురు, ఫ్రేమింగ్ చెప్పబడవు, కాబట్టి గణాంకపరంగా అత్యంత సాధారణమైనదాన్ని మోడల్ ఎంచుకుంటుంది. "A woman in a coffee shop" అనేది సక్రమమైన ప్రాంప్ట్, కానీ అది మరిచిపోయే చిత్రాన్ని ఇస్తుంది, ఎందుకంటే ఆసక్తికరమైన ప్రతి నిర్ణయాన్నీ మీరు అప్పగించేశారు.

సుమారు 100 పదాలు దాటాక వేరే వైఫల్యం కనిపిస్తుంది: చివరి వాక్యభాగాలు చిత్రంలోని అవే ప్రాంతాల కోసం మొదటివాటితో పోటీ పడతాయి, వివరం పోగవడానికి బదులు పలచబడుతుంది. మూడో వెలుతురు వర్ణన మొదటిదాన్ని రద్దు చేస్తుంది, మొదటి ఎనిమిది పదాల్లో మీరు స్థాపించిన విషయం మీరు జోడించే ప్రతి వాక్యంతో తక్కువ సాపేక్ష దృష్టిని పొందుతుంది. పొడవైన ప్రాంప్ట్‌లు సమగ్రంగా చదవబడతాయి. అవి సమగ్రంగా రెండర్ కావు.

క్రమశిక్షణ: మీకు కావలసిన ప్రాంప్ట్ రాయండి, తర్వాత తీసేస్తే చిత్రం మారిపోయే వాక్యాల వరకు దాన్ని కత్తిరించండి.

03వరుస క్రమశిక్షణ: అత్యంత ముఖ్యమైనది ముందు

మోడల్ వరుసగా చదువుతుంది కాబట్టి స్థానమే ప్రాధాన్యత: ముందు వచ్చేది చిత్రాన్ని నిలబెడుతుంది, చివర వచ్చేది దాన్ని సర్దుబాటు చేస్తుంది. మోడల్‌కు అవసరమైన వరుసలో వాటిని పెట్టండి:

1. విషయం — ఈ చిత్రం ఎవరిది లేదా దేనిది, నిర్దిష్టంగా.
2. చర్య లేదా భంగిమ — వారు ఏమి చేస్తున్నారు, ఎలా ఉన్నారు.
3. శైలి లేదా మూడ్ — ఫొటో, ఆయిల్ పెయింటింగ్, సాంకేతిక చిత్రీకరణ, అది ఏ ధోరణిలో ఉంది.
4. నేపథ్యం, వెలుతురు — ఇది ఎక్కడ జరుగుతోంది, దానిపై ఏ వెలుతురు పడుతోంది.
5. సాంకేతికం — ఫ్రేమింగ్, లెన్స్, డెప్త్ ఆఫ్ ఫీల్డ్, రంగు వివరాలు.

అత్యంత సాధారణంగా జనం తామే చేసుకునే గాయం సాంకేతిక వాక్యభాగంతో మొదలుపెట్టడం. "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" తో మొదలుపెట్టడం రూపమే విషయం అని, ఆ మనిషి ఒక వివరం అని మోడల్‌కు చెబుతుంది. మీకు అందమైన, ఖాళీ ఫ్రేమ్ వస్తుంది, అందులో ఒక చిన్న అస్పష్టమైన ఆకృతి ఉంటుంది.

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.

మొదటి రూపంలోని ప్రతి అంశమూ రెండో దానిలో బతికి ఉంది; ఏదీ వదిలేయలేదు. ఇప్పుడు మోడల్‌కు దాన్ని ఎలా షూట్ చేయాలో చెప్పడానికి ముందు, చిత్రం దేని గురించో తెలుసు — ఆ పునరమరిక ఒక్కటే విషయాన్ని అనుషంగికం నుండి కేంద్రానికి తీసుకువస్తుంది.

04విషయం గురించి నిర్దిష్టంగా ఉండండి

"A person" అనేది విషయం కాదు, అది ఒక ఖాళీ స్థానం — మోడల్ ఖాళీ స్థానాలను తాను చూసిన అన్నిటి సగటుతో నింపుతుంది, మెరిసే, వయసు లేని, వ్యక్తిత్వం లేని రూపం సరిగ్గా అక్కడి నుండే వస్తుంది. నిర్దిష్టత ఐదు పదాలు ఖర్చవుతుంది, ఒక నిర్దిష్ట మనిషిని కొంటుంది:

ఈ నమూనాను గమనించండి: వయసు లేదా కాలం, ఒక నిర్మాణ లక్షణం, ఒక ప్రత్యేకమైన లోపం. ఆ మూడో అంశమే ఫలితాన్ని తయారు చేసినట్టు కాక ఫొటో తీసినట్టు అనిపించేలా చేస్తుంది. విరిగిన పన్ను, అరిగిన అంచు, పెయింట్ కప్పేసిన సైన్‌బోర్డు — చిన్న అసమతుల్యతలే ప్లాస్టిక్-వ్యతిరేక అత్యంత బలమైన సంకేతం, అవి మీ పద బడ్జెట్‌లో దాదాపు ఏమీ ఖర్చు కావు.

05ఫొటోరియలిజం: అభ్యర్థనను ఫొటోగా రాయండి

మీరు కళ, చిత్రలేఖనం లేదా ఏనిమేను అడగనంతవరకు ఫొటోరియలిజం డిఫాల్ట్ ధోరణి. కానీ "photorealistic" అనే పదం పెద్దగా పనిచేయదు. ఫొటోను తయారు చేసేది ఫొటోగ్రఫీ చర్యను వర్ణించడం: ఒక నిజమైన కెమెరా, ఒక నిజమైన లెన్స్, ఒక నిజమైన ఫిల్మ్ స్టాక్ లేదా వెలుతురు మూలం.

కారణం సూటిగా ఉంది. "Kodak Portra 400" అని క్యాప్షన్ ఉన్న ప్రతి చిత్రమూ ఒక నిర్దిష్ట గ్రెయిన్ నిర్మాణం, హైలైట్ రోల్-ఆఫ్, చర్మ రూపం ఉన్న ఒక నిర్దిష్ట ప్రక్రియతో తయారైంది, ఆ స్టాక్‌కు పేరు పెట్టడం అదంతటినీ పిలుస్తుంది. "8k ultra detailed" ఎప్పుడూ స్టాక్-సైట్ స్పామ్‌లోనే కనిపించింది, కాబట్టి అది స్టాక్-సైట్ స్పామ్‌నే పిలుస్తుంది. కొన్ని నమ్మదగిన కూర్పులు, ప్రతిదీ అదే విషయపు స్పష్టంగా వేరైన చిత్రాన్ని ఇస్తుంది:

ఆధారాన్ని కూర్పుకు సరిపోల్చండి — ముఖం ఎనభై పిక్సెల్‌ల ఎత్తు ఉన్న 24mm వైడ్‌లో రంధ్ర-స్థాయి చర్మ ఆకృతికి అర్థం లేదు — తర్వాత దాన్ని జోడించండి. ఆధార వివరం అంటే — ఒక లెన్స్ నిజంగా దీన్ని రికార్డు చేసిందనే ఆకృతి సాక్ష్యం. కనిపించే చర్మ రంధ్రాలు, సన్నని ముఖ వెంట్రుకలు. ఒక నార చొక్కా అల్లిక. వెలుతురు కిరణంలో దుమ్ము రేణువులు. ఒక తోలు బూటుపై గీత. ప్రకాశవంతమైన నేపథ్యంపై ఎగిరే వెంట్రుకలు. రెండు మూడు చాలు, అవే ఒక వ్యక్తి రెండరింగ్‌కు, అతని ఫొటోకు మధ్య తేడా.

06పొరల దృశ్యాలు: ముందుభాగం, మధ్యభాగం, నేపథ్యం

ఒక దృశ్యానికి లోతు ఉన్నప్పుడు, మూడు తలాలను విడివిడిగా, వరుసగా వర్ణించండి. తెరల్లా కాక ప్రదేశాల్లా అనిపించాల్సిన చిత్రాలకు ఇది అత్యంత ప్రభావవంతమైన పద్ధతి, దాదాపు ఎవరూ దీన్ని చేయరు. అది లేకపోతే మీకు చదునుదనం వస్తుంది: ప్రాంప్ట్ ప్రస్తావించే అంతా దాదాపు ఒకే దూరంలో పడి, ఫ్రేమ్‌లోని అదే మధ్య పట్టీ కోసం పోటీ పడతాయి. తలాలకు పేరు పెట్టడం మోడల్‌కు ఖర్చు పెట్టడానికి ఒక లోతు బడ్జెట్‌ను ఇస్తుంది.

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.

రెండు మెరుగుదలలు. ముందుభాగంలో ఉద్దేశపూర్వకంగా ఫోకస్‌లో లేని దేన్నో పెట్టండి — లోతైన దృశ్యాల నిజమైన ఫొటోల్లో దాదాపు ఎప్పుడూ ఒకటి ఉంటుంది, అది లేకపోవడం ఒక సాధారణ గుర్తు. విషయం ఏ తలంలో ఉందో చెప్పండి: సైకిల్ కొరియర్ చిత్రపు ముఖ్య అంశమైతే ఆమె మధ్యభాగంలో ఉండాలి, లేకపోతే టవర్, కాఫీ కప్పు ఫ్రేమ్ కోసం ఆమెతో పోరాడతాయి.

07ఖచ్చితమైన రంగులు: వస్తువులకు జతచేసిన హెక్స్ కోడ్‌లు

బ్రాండ్ పని, దుస్తుల కొనసాగింపు, లేదా "ఎరుపు" సరిపోని ఎక్కడైనా, హెక్స్ కోడ్‌ను color #RRGGBB గా రాసి పేరున్న ఒక వస్తువుకు జతచేయండి:

...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...

మూడు ఆచరణ సూత్రాలు. నిజంగా ముఖ్యమైన రెండు మూడు రంగులకు హెక్స్ వాడి మిగతావాటికి సాధారణ పదాలు వాడండి — ఆరు హెక్స్ కోడ్‌లున్న ప్రాంప్ట్ తన బడ్జెట్‌లో ఎక్కువ భాగాన్ని రంగు ముక్కలపై ఖర్చు చేస్తుంది. కోడ్‌ను అంచులున్న వస్తువుకు కట్టండి, "వెలుతురు"కు లేదా "మూడ్"కు ఎప్పుడూ కాదు. అది వస్తువు రంగును పేర్కొంటుందని, తుది పిక్సెల్ విలువను కాదని గుర్తుంచుకోండి: గోల్డెన్-అవర్ బ్యాక్‌లైట్‌లో ఒక #8B0000 కోటు నమూనా కంటే వెచ్చగా రెండర్ అవుతుంది, నిజ జీవితంలో ఎలా ఉంటుందో సరిగ్గా అలాగే.

08యాస్పెక్ట్ రేషియో ఎంచుకోవడం

ఐదు రేషియోలు అందుబాటులో ఉన్నాయి, సరైనది సాధారణంగా విషయం ద్వారానే సూచించబడుతుంది, కానీ మీ నుండి వచ్చిన స్పష్టమైన అభ్యర్థన ఎప్పుడూ గెలుస్తుంది — వాల్‌పేపర్ అడగండి, కంటెంట్ ఏమి సూచించినా మీకు tall వస్తుంది.

దీన్ని తప్పు చేయడం కనిపించే దాని కంటే ఎక్కువ నష్టం. wide ఫ్రేమ్‌లో పూర్తి పొడవు నిలబడిన ఆకృతి మీకు పెద్ద ఫ్రేమ్‌లో చిన్న ఆకృతిని ఇవ్వదు — సాధారణంగా కత్తిరించిన ఆకృతిని ఇస్తుంది, ఎందుకంటే మోడల్ వెడల్పును నింపుతుంది, తల లేదా పాదాలు ఫ్రేమ్ దాటిపోతాయి. ఫ్రేమ్‌ను విషయపు ఆధిపత్య అక్షానికి సరిపోల్చండి, కూర్పు ఫిర్యాదుల్లో ఎక్కువ భాగం మాయమవుతాయి.

గుర్తుంచుకోవలసిన రెండు ప్రవర్తనలు: సవరణ మూల చిత్రపు యాస్పెక్ట్ రేషియోను స్వయంచాలకంగా ఉంచుకుంటుంది, కాబట్టి సవరించడం ద్వారా మీరు ఫ్రేమ్ మార్చలేరు, అయితే కలయిక కొత్త కాన్వాస్ ఎంచుకోనిస్తుంది — మీ దగ్గర ఇప్పటికే ఉన్న దాని ఆకారాన్ని మార్చడానికి తరచుగా అదే శుభ్రమైన మార్గం.

09యాంటీ-ప్యాటర్న్‌లు: ఏమి చేయడం ఆపాలి

క్వాలిటీ టోకెన్లు: "masterpiece, best quality, 8k, ultra detailed"

కొన్ని క్యాప్షన్ పదబంధాలు కొన్ని చిత్ర మూలాలతో సహసంబంధం కలిగి ఉన్న ఒక నిర్దిష్ట పాత శిక్షణా పంపిణీకి కమ్యూనిటీ కనుగొన్న హ్యాండిల్స్ ఇవి. అవి బదిలీ కావు. ఇక్కడ అవి సాధారణ ఇంగ్లీషు పదాలుగా చదవబడతాయి, ఏమీ తోడ్పడవు, ఇప్పటికే బిగుతుగా ఉందని మీకు చెప్పిన పద బడ్జెట్‌లో కొంత భాగాన్ని తినేస్తాయి. దీనికి ప్రత్యామ్నాయం మీకు ఏ వివరం కావాలో చెప్పడం: "ultra detailed" కాదు, "visible weave in the coat fabric and fine stubble along the jaw" — అదే ఉద్దేశం, మోడల్ రెండర్ చేయగలిగే విధంగా వ్యక్తీకరించబడింది.

వెయిట్ సింటాక్స్: (word:1.3), [word], {{word}}

పార్స్ కాదు. బ్రాకెట్లు, చదరపు బ్రాకెట్లు, కోలన్లు, సంఖ్యలు అక్షరాలా టెక్స్ట్‌గా పడతాయి, ఏమైనా ఉంటే చుట్టుపక్కల వాక్యభాగాన్ని చదవడం కష్టం చేస్తాయి. దేనిపైనైనా ఎక్కువ ప్రాధాన్యత కావాలంటే, పనిచేసే రెండు మీటలు వాడండి: ప్రాంప్ట్‌లో దాన్ని ముందుకు జరపండి, దానికి ఎక్కువ పదాలు ఇవ్వండి. "A crimson silk scarf, its fringed ends lifting in the wind" ముఖ్యమైన ప్రతి కొలమానంలోనూ "(red scarf:1.4)" ను మించిపోతుంది.

పరస్పర విరుద్ధ సూచనలు

పొసగని సూచనలను కలపడం వాటిని కలగలపదు; సాధారణంగా దేన్నీ సంతృప్తిపరచని ఒక అస్థిర సగటును ఇస్తుంది. తరచుగా జరిగే తప్పులు:

• మాధ్యమం — "photorealistic" తో పాటు "watercolor"; "oil painting" తో పాటు "shot on 85mm". ఒకటి ఎంచుకుని దానికే కట్టుబడండి.
• ఫ్రేమింగ్ — "wide establishing shot" తో పాటు "extreme close-up on her eyes"; "full body" తో పాటు "detailed facial pores".
• వెలుతురు — "harsh midday sun" తో పాటు "soft golden hour glow"; "low key, deep shadows" తో పాటు "bright and airy".
• కాలం — "1970s film aesthetic" తో పాటు "modern minimalist" తో పాటు "cyberpunk".
• శైలుల పోగు — ఒకేసారి నలుగురు కళాకారులు లేదా నాలుగు శైలులు. సంబంధిత రెండు సూచనలు పనిచేయవచ్చు; నాలుగు రద్దయి సాధారణంగా మిగులుతాయి.
• విస్తరణ — "rustic, weathered, ancient, timeworn wooden door" అనేది ఒకే ఆలోచనను నాలుగుసార్లు రాయడం, ప్రతి పునరావృతమూ ప్రాంప్ట్ మిగతా భాగాన్ని పలచన చేస్తుంది.

10టెక్స్ట్-టు-ఇమేజ్‌లో నెగటివ్ ప్రాంప్ట్ లేదు

అనుభవజ్ఞులైన వినియోగదారులను అత్యంత బలంగా పట్టుకునే యాంటీ-ప్యాటర్న్ ఇదే, ఎందుకంటే పాత స్టాక్‌లలో నెగటివ్ ప్రాంప్ట్ నైపుణ్యంలో సగం.

సృష్టికి ఈ నియమం పూర్తిగా వర్తిస్తుంది, కొంచెం విరుద్ధంగా అనిపిస్తుంది: ప్రాంప్ట్‌లో "no text, no watermark, no extra fingers" రాయడం వాటిని తక్కువ కాక ఎక్కువ సంభావ్యం చేస్తుంది. మోడల్ "no text" ను text అనే భావన ఉన్న వాక్యంగా చదువుతుంది; నిషేధం బలహీన సంకేతం, నామవాచకం బలమైనది. మీరు నిజానికి టెక్స్ట్‌నే అడిగారు. బదులుగా ఎప్పుడూ పాజిటివ్ రూపాన్ని చెప్పండి:

సవరణ, కలయిక కోసం నెగటివ్ ప్రాంప్ట్ ఉంది, మీరు దాన్ని వాడాలి — కానీ ఆర్టిఫ్యాక్ట్‌ల కోసం, కంటెంట్ కోసం కాదు. మంచి పదార్థం: వాటర్‌మార్క్, టెక్స్ట్ ఓవర్‌లే, రెట్టింపైన అవయవాలు, వంకర చేతులు, ఓవర్‌షార్పెనింగ్ హాలోలు, JPEG బ్లాకింగ్, కాంపోజిట్ అంచు వెంట కుట్టు గీతలు. చెడు పదార్థం: చిత్రం దేని గురించో దాని గురించిన ఏదైనా, అది సూచనలో ఉండాలి.

11Shannon మీ కోసం రాసే ప్రాంప్ట్‌ను చదవడం

ఈ గైడ్‌ను సైద్ధాంతికం కాక వెంటనే ఉపయోగపడేలా చేసేది ఇదే. సృష్టి ప్రాంప్ట్‌ను మీరే రాయాల్సిన అవసరం లేదు. మీరు ఏ భాషలోనైనా సాధారణ మాటల్లో అడుగుతారు; ఒక చిత్రం అడగబడుతోందని Shannon గుర్తించి, ఇంగ్లీషు సృష్టి ప్రాంప్ట్‌ను కూరుస్తుంది, ఏదైనా రెండర్ కాకముందే దాన్ని నిర్ధారణ కార్డుపై మీకు చూపుతుంది. మీరు నిర్ధారించే వరకు ఏమీ సృష్టించబడదు, ఏమీ బిల్ చేయబడదు.

కాబట్టి అత్యధికంగా ఫలితమిచ్చే నైపుణ్యం మొదటి నుండి ప్రాంప్ట్‌లు రాయడం కాదు — కార్డుపై ఉన్నదాన్ని చదవడం. ఈ జాబితా గుండా వెళ్లండి:

1. విషయం నిర్దిష్టంగా ఉందా? కార్డు "a person" లేదా "a woman" అని చెబితే, అందుబాటులో ఉన్న అతిపెద్ద మెరుగుదలను మీరు కనుగొన్నారు. దానికి వయసు, శరీర నిర్మాణం, ఒక లక్షణం ఇవ్వండి.
2. విషయం ముందు ఉందా? ప్రాంప్ట్ ఒక శైలితో లేదా కెమెరాతో మొదలైతే, బదులుగా విషయంతో మొదలుపెట్టమని అడగండి.
3. ఇది పరిధిలో ఉందా? 30 పదాల కంటే తక్కువైతే, వెలుతురు, నేపథ్యంపై ఎక్కువ నిర్దిష్టత అడగండి. 100 దాటితే, కత్తిరించమని అడగండి.
4. వెలుతురు మూలం ఉందా? ఒక మూడ్ పదం కాదు — ఒక నిజమైన వెలుతురు: కిటికీ, వీధి దీపం, ఫ్లాష్, మేఘావృత ఆకాశం, సాఫ్ట్‌బాక్స్.
5. ఏమైనా విరుద్ధాలు ఉన్నాయా? ఒకే ప్రాంప్ట్‌లో రెండు మాధ్యమాలు, రెండు ఫ్రేమింగ్‌లు, లేదా రెండు వెలుతురు పరిస్థితుల కోసం చూడండి.
6. దాచిపెట్టిన నెగటివ్‌లు ఏమైనా ఉన్నాయా? కార్డులో "without", "no", లేదా "avoid" ఉంటే, అది తాను పేర్కొన్న దాన్నే అడుగుతున్న టెక్స్ట్-టు-ఇమేజ్ ప్రాంప్ట్.
7. విషయానికి రేషియో సరైనదేనా? wideలో పూర్తి పొడవు ఆకృతి క్లాసిక్ తప్పు జోడీ.

సవరణలు సంభాషణాత్మకం: "make her early thirties with a scar through one eyebrow, shoot it on Portra at 85mm, and use portrait" అనేది సంపూర్ణంగా మంచి సూచన. మీకు కొత్త కార్డు వస్తుంది, దాన్ని నిర్ధారిస్తారు. పునరావృతానికి ఎలాంటి జరిమానా లేదు, ఎందుకంటే ఇంకా ఏమీ రెండర్ కాలేదు.

Shannon అడగకుండా సృష్టించదు. ఒక పలకరింపు, ఒక ప్రశ్న, లేదా చర్చ కోసం మీరు జతచేసిన ఒక ఫొటో రెండర్‌ను ప్రేరేపించవు. ఒక చిత్రాన్ని చూడమని Shannonను అడగడం — దాన్ని వర్ణించడం, చదవడం, విశ్లేషించడం — సాధారణ విజన్ పని, సృష్టి కాదు, దానికి అదనంగా ఏమీ ఖర్చు కాదు.

12సవరణ, కలయికకు నైపుణ్యం ఎలా మారుతుంది

పైన ఉన్న నియమాలు సృష్టి కోసం రాయబడ్డాయి. పక్కనున్న రెండు మోడ్‌లు ప్రాంప్ట్ ఆకారాన్ని మారుస్తాయి.

ఒక చిత్రాన్ని సవరించడం

సవరణ ప్రాంప్ట్ ఒక సూచన, వర్ణన కాదు: ఏమి మారుతుందో, ఏమి ఉంటుందో చెప్పండి. మారని భాగాలకు పేరు పెట్టడం ఈ ఉత్పత్తిలో అతిపెద్ద నాణ్యతా మీట — "Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is" నిలబడుతుంది, ఆ వాక్యభాగం లేని అదే అభ్యర్థన నిశ్శబ్దంగా ఆమె ముఖాన్ని తిరిగి గీస్తుంది. యాంకర్ గురించి నిర్దిష్టంగా ఉండండి: ముఖం, భంగిమ, జుట్టు, దుస్తులు అలాగే ఉంచండి. ఖచ్చితంగా ఒకే మూల చిత్రం వాడబడుతుంది, ఫలితం దాని యాస్పెక్ట్ రేషియోను ఉంచుకుంటుంది.

రెండు లేదా అంతకంటే ఎక్కువ చిత్రాలను కలపడం

ఒకటి కంటే ఎక్కువ చిత్రాల నుండి అంశాలు వచ్చినప్పుడు — దుస్తుల బదిలీ, ఒక వస్తువును ఒక దృశ్యంలోకి, ఒక ఫ్రేమ్‌లో ఇద్దరు వ్యక్తులు, ఉత్పత్తి-వ్యక్తిపై, ఒక చిత్రం నుండి శైలి మరొకటి నుండి విషయం — ప్రాంప్ట్ ప్రతి చిత్రపు పాత్రను వరుసగా పేర్కొనాలి: "The woman from the first image wearing the red knitted sweater from the second image, standing in the same park." మొదటి చిత్రం ప్రధాన విషయం లేదా దృశ్యం; తర్వాతి చిత్రాలు తీసుకువచ్చే భాగాలను అందిస్తాయి. బహుళ-చిత్ర అభ్యర్థనను ఒక మూలం, ఒక టెక్స్ట్ వర్ణనగా కుదించకండి — ఆ వస్తువులు నిజంగా ఎలా కనిపిస్తాయో భద్రపరిచేది నిజమైన చిత్రాలను కలపడమే.

13సెన్సార్ లేని ప్రాంప్టింగ్: మీరు అనుకున్నది చెప్పండి

సృష్టి మార్గంలో కంటెంట్ ఫిల్టర్ లేదు, ప్రాంప్ట్ రాసే మోడల్‌పై తిరస్కరణ పొర లేదు. ఉత్పత్తి మొత్తం ఉద్దేశం అదే: ఫిల్టర్ చేసిన జనరేటర్లు సక్రమమైన పనిని క్రమం తప్పకుండా తిరస్కరిస్తాయి — కళా నగ్న చిత్రాలు, వైద్య, ఫోరెన్సిక్ చిత్రీకరణ, భద్రతా-పరిశోధన చిత్రాలు, కల్పనలో హింస, రాజకీయ వ్యంగ్యం, హక్కుదారు చేసే బ్రాండ్, పోలిక పని. ఫిల్టర్ చేసిన ప్లాట్‌ఫారాలపై ప్రాంప్ట్ నైపుణ్యంలో సగం మృదూక్తి ఇంజినీరింగ్, మృదూక్తి ఖచ్చితమైన చిత్రానికి శత్రువు.

కాబట్టి కార్డుపై తనిఖీ చేయాల్సిన మరో విషయం ఉంది: ఫిల్టర్ చేసిన సాధనాల నుండి జనం నేర్చుకునే దాచిపెట్టిన పదజాలం కాక, అసలు విషయాన్ని సాధారణ మాటల్లో అది వర్ణిస్తోందా అని. ఒక గాయపు ఫోరెన్సిక్ చిత్రీకరణ ఆ గాయం ఏమిటో చెప్పాలి. దాచిపెట్టిన భాష అన్నిచోట్లా చెడు చిత్రాన్ని ఇస్తుంది, ఎందుకంటే మాటలు చెప్పేదాన్నే మోడల్ రెండర్ చేస్తుంది.

సామర్థ్యం, వివేచన వేరే విషయాలు. Shannon Lab LLC దీన్ని ఒక ప్రచురిత బాధ్యతాయుత వినియోగ విధానం కింద నిర్వహిస్తుంది: ఫిల్టర్ లేని సృష్టి ఒక వృత్తిపరమైన సాధనం, మీరు తయారు చేసేదానికి సమ్మతి, హక్కులు, చట్టం అన్నీ ఇంకా వర్తిస్తాయి.

14API ఎక్కడ సరిపోతుంది

API శోధన నుండి వచ్చే పాఠకులకు ఒక ఖచ్చితత్వ అంశం: చిత్ర సృష్టి, సవరణ, కలయిక Shannon చాట్ యాప్‌లో ఉంటాయి, /v1 APIలో కాదు. API టెక్స్ట్, విజన్‌ను అందిస్తుంది — మూడు మాండలికాల్లోనూ (/v1/chat/completions, /v1/messages, /v1/responses, అన్నీ స్ట్రీమింగ్) మీరు పంపే చిత్రాలను అది చదవగలదు, వర్ణించగలదు, విశ్లేషించగలదు — కానీ వాటిని సృష్టించదు. చిత్రాలను అర్థం చేసుకోవాల్సిన ఒక పైప్‌లైన్ నిర్మిస్తుంటే, API డాక్యుమెంటేషన్ మొదలుపెట్టే స్థానం. మీకు చిత్రాలు తయారు చేయాలంటే, అది చాట్ యాప్, ఈ గైడ్‌లోని అంతా అక్కడ వర్తిస్తుంది. చిత్రాలు మా సొంత GPU క్లస్టర్‌పై రెండర్ అవుతాయి.

15తరచుగా అడిగే ప్రశ్నలు

సంబంధిత చదువు: సెన్సార్ లేని AI చిత్ర సృష్టి · సెన్సార్ లేని AI చిత్ర సవరణ · బాధ్యతాయుత వినియోగ విధానం · API డాక్యుమెంటేషన్ · Shannon పరిశోధనలన్నీ. ఇక్కడి మార్గదర్శకత్వం Shannon చిత్ర మోడల్‌పై మా సొంత పరీక్షల నుండి తీసుకోబడింది; పాత డిఫ్యూజన్ స్టాక్‌ల కోసం రాసిన సలహా సాధారణంగా బదిలీ కాదు.