ย้ายชุดด้วย AI แบบไม่เซ็นเซอร์

งานภาพส่วนใหญ่ที่ผู้คนต้องการจริง ๆ ไม่ใช่ "ทำรูปของสิ่งหนึ่งให้หน่อย" แต่คือ "เอาแจ็คเก็ตตัวนี้ไปใส่ให้คนคนนี้" "วางเก้าอี้ตัวนี้ลงในห้องห้องนี้" "ถ่ายสินค้าชิ้นนี้ในมือมือนั้น" ทั้งหมดนั้นต้องใช้วัตถุดิบจากภาพถ่ายมากกว่าหนึ่งภาพ และทั้งหมดล้มเหลวแบบเดียวกัน: ภาพหนึ่งถูกแนบมา อีกภาพถูกบรรยายด้วยคำพูด แล้วสิ่งที่กลับมาก็ดูสมเหตุสมผลแต่ไม่ใช่ของที่คุณมี ทางแก้เล็กกว่าที่คุณคิด และมันใช้ได้ทุกที่

01"การรวมภาพ" คืออะไร และเกิดขึ้นที่ไหน

Shannon 3 ทำสามอย่างที่ต่างกันกับภาพ: มันสร้างภาพใหม่จากคำบรรยาย มันแก้ไขภาพที่มีอยู่หนึ่งภาพ และมันรวมภาพตั้งแต่สองภาพขึ้นไปเป็นภาพใหม่ภาพเดียว ทั้งสามมีกฎต่างกัน และการเลือกผิดข้อคือจุดแรกที่คุณภาพหลุด

ใช้การรวมภาพเมื่อใดก็ตามที่ภาพสำเร็จรูปต้องใช้วัตถุดิบจากภาพถ่ายมากกว่าหนึ่งภาพ: การย้ายชุดและเสื้อผ้า การวางวัตถุลงในฉาก คน ก. ยืนข้างคน ข. สินค้าจริงที่ถือโดยนางแบบจริง หรือสไตล์ของภาพหนึ่งที่นำไปใช้กับตัวแบบของอีกภาพหนึ่ง ถ้าคุณพบว่าตัวเองอยากชี้ไปที่ภาพสองภาพพร้อมกัน นั่นแหละคือปฏิบัติการนี้

ทั้งหมดนี้เกิดขึ้นในแอปแชท Shannon ในบทสนทนาธรรมดา มันไม่ได้อยู่บน API /v1 — API ให้บริการข้อความและการมองเห็น หมายความว่ามันอ่านภาพที่คุณส่งไปมากกว่าที่จะผลิตภาพใหม่ ถ้าคุณมาจากการค้นหาเกี่ยวกับ API นั่นคือคำตอบตรงไปตรงมา ดูเอกสาร APIว่าเอนด์พอยต์ให้บริการอะไรบ้าง ภาพเรนเดอร์บนคลัสเตอร์ GPU ของเราเอง

คุณถามด้วยภาษาธรรมดา ในภาษาใดก็ตามที่คุณพูด Shannon คิดออกว่ามีการร้องขอภาพ เขียนคำสั่งการสร้างภาพเป็นภาษาอังกฤษด้วยตัวเอง แล้วแสดงให้คุณดูบนการ์ดยืนยันก่อนที่จะเรนเดอร์อะไรทั้งสิ้น ไม่มีอะไรถูกสร้างและไม่มีอะไรถูกเรียกเก็บเงินจนกว่าคุณจะยืนยัน — และสำหรับงานหลายภาพ การ์ดนั้นคือที่ที่คุณตรวจว่าบทบาทและลำดับออกมาตามที่คุณตั้งใจ Shannon ไม่เคยสร้างภาพโดยไม่ได้รับเชิญ: คำทักทาย คำถาม หรือรูปที่แนบมาแบบผ่าน ๆ ไม่ได้กระตุ้นให้เกิดการเรนเดอร์

02กฎ: ระบุบทบาทของแต่ละภาพ ตามลำดับ

คำสั่งต้องบอกว่าแต่ละภาพให้อะไรมา และต้องบอกตามลำดับที่ภาพถูกส่งเข้ามา นั่นคือเทคนิคทั้งหมด ทุกอย่างด้านล่างคือกฎข้อนี้ที่นำไปใช้กับงานเฉพาะอย่าง

ภาพแรกคือฐาน — ตัวแบบหลัก หรือฉาก แล้วแต่ว่าภาพสำเร็จรูปประกอบขึ้นจากอะไรเป็นส่วนใหญ่ มันกำหนดอัตลักษณ์ ท่าทาง การจัดเฟรม แสง และทุกอย่างที่คุณไม่ได้ขอให้เปลี่ยน ภาพถัดมาคือแหล่งที่มา: ส่วนที่ถูกนำเข้ามา เขียนประโยคให้คนแปลกหน้าที่ถือภาพเรียงตามลำดับสามารถทำงานนี้ด้วยมือได้

ใช้ได้
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.

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

เวอร์ชันที่ล้มเหลวนั้นล้มเหลวไม่ใช่เพราะมันสั้น แต่เพราะมันไม่เคยบอกว่าภาพไหนคือคนและภาพไหนคือเสื้อสเวตเตอร์ นิสัยสามอย่างทำให้กฎนี้เชื่อถือได้:

• ใช้ภาษาบอกลำดับอย่างชัดเจน "จากภาพแรก" "จากภาพที่สอง" แค่ไม่กี่คำ ความกำกวมก็หายไป
• บอกว่าอะไรคงเดิม "คงใบหน้า ผม และท่าทางของเธอไว้เหมือนเดิม" การระบุชื่อส่วนที่ไม่เปลี่ยนคือคันโยกคุณภาพที่ใหญ่ที่สุดในทุกปฏิบัติการกับภาพที่ Shannon ทำ และมันสำคัญที่สุดตรงนี้ เพราะการรวมภาพมีสิ่งที่มันอาจเตลิดออกไปได้ตั้งแต่สองอย่างขึ้นไป
• เขียนร้อยแก้ว ไม่ใช่แท็ก โมเดลภาพอ่านคำสั่งแบบเดียวกับที่โมเดลภาษาอ่านประโยค ประโยคเต็มจึงชนะคำสำคัญที่คั่นด้วยจุลภาค ตั้งเป้าที่ 30 ถึง 80 คำ และข้ามขยะยุค SDXL ("masterpiece, best quality, 8k") กับไวยากรณ์ถ่วงน้ำหนักอย่าง (word:1.3) ไปได้เลย

เมื่อภาพหนึ่งมีของมากกว่าหนึ่งอย่าง ให้ระบุชื่อส่วนที่คุณต้องการจากมัน ถ้าภาพที่สองเป็นภาพแคตตาล็อกของนางแบบที่สวมเสื้อสเวตเตอร์อยู่ "เสื้อสเวตเตอร์ถักสีแดงที่ผู้หญิงในภาพที่สองสวมอยู่" บอกว่าคุณต้องการเสื้อผ้า ไม่ใช่นางแบบ ถ้าปล่อยไว้แค่ "ภาพที่สอง" คุณอาจได้ใบหน้าเธอมาด้วย

แม่แบบบทบาทตามประเภทงาน

งาน	ภาพแรก	ภาพที่สอง	รูปทรงคำสั่ง
การย้ายชุด	ตัวบุคคล	เสื้อผ้า	"[คน] จากภาพแรกสวม [เสื้อผ้า] จากภาพที่สอง [อะไรคงเดิม]"
วัตถุในฉาก	ฉาก	วัตถุ	"[ห้อง] จากภาพแรกที่มี [วัตถุ] จากภาพที่สองวางอยู่ [ที่ไหน] ให้เข้ากับ [แสง]"
คน + คน	คน ก. และฉาก	คน ข.	"[ผู้ชาย] จากภาพแรกยืนอยู่ข้าง [ผู้หญิง] จากภาพที่สอง [ตำแหน่ง สายตา]"
สินค้าบนตัวคน	นางแบบหรือฉาก	สินค้า	"[นางแบบ] จากภาพแรกถือ [สินค้า] จากภาพที่สอง [การจับ ทิศฉลาก]"
การถ่ายทอดสไตล์	ตัวแบบ	ภาพอ้างอิงสไตล์	"[ตัวแบบ] จากภาพแรกเรนเดอร์ด้วย [แกนสไตล์] ของภาพที่สอง [ตัวแบบคงเดิม]"

03ความผิดพลาดที่ทำลายความพยายามส่วนใหญ่: บรรยายแทนที่จะแนบ

นี่คือข้อผิดพลาดที่ควรค่าแก่การส่งเสียงดัง เพราะมันพบบ่อยที่สุดโดยห่างชั้น และเพราะมันดูเหมือนได้ผล ผู้ใช้มีภาพถ่ายสองภาพ — ลูกค้าของเขากับสินค้าของลูกค้า หรือตัวเขาเองกับแจ็คเก็ตที่เขาเป็นเจ้าของ เขาแนบมาหนึ่งภาพ แล้วพิมพ์อีกภาพหนึ่ง

ความผิดพลาด
[แนบรูปผู้หญิงมาหนึ่งรูป]
"เอาเสื้อสเวตเตอร์ถักสีแดงมาใส่ให้เธอ ถักลายเปีย ออกหนา ๆ
คอม้วน"

สิ่งที่กลับมาคือผู้หญิงในเสื้อสเวตเตอร์ถักสีแดง มันเป็นเสื้อสเวตเตอร์ที่ดี แต่มันไม่ใช่เสื้อสเวตเตอร์ตัวนั้น ลายถักเปียถูกประดิษฐ์ขึ้น สีย้อมเป็นสีแดงคนละเฉด ความลึกของริ้วขอบผิด คอม้วนผิดทาง และความไม่สมมาตรเล็ก ๆ ที่ทำให้เสื้อผ้าจริงจดจำได้ — รอยซ่อม รอยดึง ความยืดตรงข้อศอก — หายไปหมด เพราะไม่มีอะไรในประโยคนั้นบรรจุมันไว้

ข้อความคือช่องทางที่สูญเสียข้อมูล ส่วนภาพถ่ายไม่ใช่ ประโยคที่เขียนอย่างระมัดระวังบรรจุคุณลักษณะของวัตถุได้สักโหลหนึ่ง ส่วนภาพถ่ายบรรจุไว้เป็นพัน รวมถึงทุกอย่างที่คุณไม่มีวันคิดจะเขียนลงไปและสิ่งที่คุณเรียกชื่อไม่ถูก การบรรยายแทนที่จะแนบคือการทิ้งทุกอย่างที่คุณนึกไม่ถึง ซึ่งก็คือส่วนใหญ่ของมัน การแนบรักษาหน้าตาจริงไว้ได้เพราะหน้าตาจริงอยู่ตรงนั้น

การทดสอบนั้นง่าย ถ้าประเด็นของภาพคือมันต้องเป็นสิ่งนั้น — เสื้อผ้าตัวนั้น คนคนนั้น สินค้าชิ้นนั้นเป๊ะ ๆ ห้องห้องนั้น — ให้แนบมัน ถ้าคุณสามารถชี้ตัวของชิ้นนั้นออกมาจากแถวได้ และมันสำคัญว่าผลลัพธ์ต้องตรงกับชิ้นที่คุณจะชี้ คำบรรยายทำไม่ได้

มีกรณีที่การบรรยายชอบธรรม: เมื่อสิ่งนั้นยังไม่มีอยู่จริง หรือเมื่อเวอร์ชันทั่วไปคือสิ่งที่คุณต้องการ การออกแบบเสื้อสเวตเตอร์ที่ยังไม่มีใครถัก การร่างแนวคิดคร่าว ๆ — นั่นคืองานสร้างภาพจากข้อความ และคำบรรยายคือสิ่งที่ถูกต้อง เพราะไม่มีวัตถุจริงที่คุณกำลังรักษาอัตลักษณ์ของมันไว้ ทันทีที่วัตถุจริงเข้ามาในโจทย์ ภาพถ่ายของมันก็เข้ามาด้วย

ความผิดพลาดครึ่งหนึ่งที่เกี่ยวข้องกัน: การแนบภาพทั้งสอง แล้วยังบรรยายภาพที่สองอย่างละเอียดอีก คำคุณศัพท์อาจสู้กับภาพถ่าย — เขียนว่า "หนา" ทั้งที่เสื้อผ้าจริงเป็นเนื้อละเอียด คุณก็ได้สร้างความขัดแย้งขึ้นมา จงบรรยายภาพที่สองเพียงเท่าที่พอจะระบุได้ว่าคุณต้องการส่วนไหนของมัน

04การย้ายชุดและเสื้อผ้า

งานสองภาพต้นแบบ แนบตัวคนก่อน แล้วเสื้อผ้าเป็นภาพที่สอง ภาพเสื้อผ้าจะเป็นการวางราบ ภาพบนไม้แขวน ภาพแคตตาล็อก หรือคนอื่นสวมอยู่ก็ได้ — ใช้ได้ทั้งหมด ตราบใดที่คุณบอกว่าคุณหมายถึงส่วนไหนของมัน

การย้ายชุด
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

สามสิ่งที่ทำงานอยู่: บทบาทถูกระบุชื่อตามลำดับ ส่วนที่คงเดิมถูกไล่ออกมาดัง ๆ (ซึ่งคือสิ่งที่หยุดใบหน้าไม่ให้เพี้ยน) และอนุประโยคสุดท้ายบอกโมเดลว่ารายละเอียดของตัวเสื้อผ้าเองคือประเด็น — ถ้าไม่มีมัน การรวมภาพมักจะคงสีและเงาร่างไว้พลางเกลี่ยพื้นผิวทิ้งอย่างเงียบ ๆ

• ความพอดีคือข้ออ้างทางกายภาพ จงระบุมัน "ทิ้งตัวอย่างเป็นธรรมชาติบนโครงร่างของเธอ" "เข้ารูปตรงเอว" "แขนเสื้อจบที่ข้อมือ" — มิฉะนั้นเสื้อผ้าอาจมาถึงในสัดส่วนของภาพต้นทางแทนที่จะเป็นสัดส่วนของผู้สวมใส่
• การบดบังคือกรณียาก ถ้าแขนไขว้อยู่หรือสายกระเป๋าพาดหน้าอก ให้บอกว่าเกิดอะไรขึ้นกับมัน ความกำกวมตรงนั้นสร้างสิ่งแปลกปลอมคลาสสิกอย่างแขนเสื้อละลาย
• เสื้อผ้ามากขึ้นหมายถึงภาพมากขึ้น คนก่อน แล้วเสื้อ แล้วกางเกง แล้วรองเท้า — และอ้างถึงมันเป็นภาพที่สอง สาม และสี่อย่างสม่ำเสมอ อย่าเปลี่ยนไปเรียก "รูปรองเท้า" กลางคัน

05การวางวัตถุลงในฉาก

ตรงนี้บทบาทกลับด้าน: ฉากมาก่อน เพราะฉากคือสิ่งที่ภาพสำเร็จรูปประกอบขึ้นเป็นส่วนใหญ่ ส่วนวัตถุคือส่วนที่ถูกนำเข้ามา ภาพจำลองงานตกแต่งภายใน การจัดห้องด้วยเฟอร์นิเจอร์ที่คุณยังไม่ได้ซื้อ การวางรถลงบนถนน การวางประติมากรรมในแกลเลอรี — รูปทรงเดียวกันทุกครั้ง

วัตถุในฉาก
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

โหมดความล้มเหลวตรงนี้ไม่ใช่เรื่องอัตลักษณ์ แต่เป็นเรื่องฟิสิกส์ วัตถุที่ยังคงแสงของตัวเองไว้จะดูเหมือนถูกแปะลงไป และผู้ชมจับได้ทันทีแม้จะบอกไม่ถูกว่าทำไม จงใช้คำของคุณไปกับสามสิ่งที่ภาพถ่ายของวัตถุโดด ๆ ไม่มีทางรู้: ตำแหน่ง (อยู่ตรงไหนในเฟรม สัมพันธ์กับอะไร), ขนาดในเชิงเทียบกับฉากมากกว่าเป็นเซนติเมตร ("สูงประมาณระดับเอว", "สูงเท่าลูกบิดประตู") และแสงกับเงา — ทิศทาง คุณภาพ และเงาตกลงตรงไหน ข้อสุดท้ายนี่แหละคือสิ่งที่แปลงภาพตัดต่อให้กลายเป็นภาพถ่าย

06คน ก. ยืนข้างคน ข.

คนสองคนที่ไม่เคยอยู่ห้องเดียวกัน: ภาพครอบครัวข้ามรุ่น ภาพผู้ก่อตั้งตอนที่ผู้ร่วมก่อตั้งเดินทางอยู่ โปสเตอร์ที่มีนักแสดงสองคน มันทำได้ และมันต้องการสองสิ่งที่งานตัวแบบเดี่ยวไม่ต้องการ

คนสองคน
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

สองสิ่งพิเศษนั้นคือ: เรขาคณิตเชิงสัมพัทธ์ — ใครอยู่ด้านไหน ห่างกันแค่ไหน สายตาใครไปทางไหน และความสูงเทียบกัน เพราะภาพบุคคลที่ครอปมาต่างกันสองภาพไม่ให้ทางใดแก่โมเดลที่จะรู้ว่าคนหนึ่งสูงกว่าอีกคนหนึ่งหนึ่งหัว — และแสงร่วมเดียว ที่ระบุไว้อย่างชัดเจน เพราะคุณกำลังผสานสภาพแสงสองแบบเข้าด้วยกัน และต้องมีแบบหนึ่งที่ชนะ

นี่ยังเป็นจุดที่การเลือกอัตราส่วนผืนผ้าใบใหม่คุ้มค่าอีกด้วย: ภาพต้นทางแนวตั้งสองภาพให้ภาพหมู่แนวตั้งที่ไม่ดี จงขอ landscape หรือ wide และขอพูดสิ่งที่ชัดเจนสักครั้ง — การเอาคนจริงไปใส่ในภาพที่เขาไม่ได้อยู่นั้นทรงพลังและไม่ได้ไม่มีพิษภัยโดยอัตโนมัติ จงมีสิทธิ์หรือความยินยอม นโยบายการใช้งานอย่างรับผิดชอบของเราคือฉบับย่อ

07สินค้าบนตัวคน และการถ่ายภาพสินค้าแบบไม่เซ็นเซอร์

ในเชิงพาณิชย์ นี่คือการรวมภาพที่คืนทุนให้ตัวเอง คุณมีภาพสินค้าบนพื้นขาว และคุณมีนางแบบ มือ ครัว โต๊ะทำงาน การรวมมันเข้าด้วยกันให้ภาพไลฟ์สไตล์โดยไม่ต้องเสียเวลาหนึ่งวันในสตูดิโอ — และมีสินค้าจริงของคุณอยู่ในนั้นแทนที่จะเป็นของที่สร้างขึ้นมาใกล้เคียง ซึ่งคือความต่างทั้งหมดระหว่างสื่อการตลาดที่ใช้ได้ กับภาพจำลองที่คุณต้องคอยขอโทษ

สินค้าบนตัวคน
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

สองสิ่งที่เพิ่มเข้ามาเฉพาะงานสินค้า การจับ: มือที่ถือวัตถุคือจุดที่การรวมภาพผิดพลาดบ่อยที่สุด จงระบุว่ามือไหน ที่ความสูงเท่าไร และนิ้วโอบรอบอย่างเป็นธรรมชาติโดยไม่บังฉลาก การจัดการเชิงภาพถ่าย: ระบุชื่อกล้อง เลนส์ และฟิล์มหรือแหล่งแสง ผลลัพธ์ควรอ่านได้ว่าเป็นภาพถ่ายที่ถูกถ่ายขึ้น ไม่ใช่ภาพถ่ายสองภาพที่ถูกนำมารวมกัน และการเขียนมันในฐานะภาพถ่ายคือสิ่งที่พาคุณไปถึงตรงนั้น

ความไม่เซ็นเซอร์สำคัญตรงนี้ในแบบที่ธรรมดากว่าที่ฟังดู ตัวสร้างภาพที่มีฟิลเตอร์ปฏิเสธการค้าที่ธรรมดาและถูกกฎหมายทั้งหมวด: แคตตาล็อกชุดชั้นในและชุดว่ายน้ำ ยาสูบและอุปกรณ์บุหรี่ไฟฟ้า แอลกอฮอล์ อุปกรณ์เสริมอาวุธปืน ผลิตภัณฑ์สุขภาวะสำหรับผู้ใหญ่ กัญชาในที่ที่ถูกกฎหมาย เครื่องมือแพทย์ อุปกรณ์ยุทธวิธีและการล่าสัตว์ พวกมันยังปฏิเสธงานแบรนด์และภาพลักษณ์ที่ทำโดยเจ้าของสิทธิ์อีกด้วย ไม่มีข้อไหนเลยที่เป็นกรณีสุดขอบ มันคือวันอังคารธรรมดาที่เอเจนซี Shannon ไม่มีตัวกรองเนื้อหาบนเส้นทางการสร้างภาพและไม่มีชั้นการปฏิเสธบนโมเดลที่เขียนพรอมป์ งานจึงผ่านไปได้ และคำถามเรื่องสิทธิ์ยังอยู่กับคุณ ซึ่งเป็นที่ที่มันควรอยู่

08สไตล์จากภาพหนึ่ง ตัวแบบจากอีกภาพหนึ่ง

ตัวแบบมาก่อน ภาพอ้างอิงสไตล์มาที่สอง สิ่งที่ทำให้งานนี้ต่างออกไปคือคุณกำลังยืมคุณสมบัติมากกว่ายืมวัตถุ คุณจึงต้องระบุว่าคุณสมบัติไหน — และบอกว่าตัวแบบและองค์ประกอบภาพของภาพอ้างอิงจะไม่ตามมาด้วย

ภาพอ้างอิงสไตล์
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

ระบุชื่อแกนของสไตล์อย่างชัดเจน เพราะลำพัง "ในสไตล์ของภาพที่สอง" นั้นระบุไม่พอ: ชุดสี (หรือสีที่แน่นอน เขียนเป็น color #8B0000 ผูกกับวัตถุที่ระบุชื่อไว้), ฝีแปรงหรือเกรน, คุณภาพของแสง, น้ำหนักเส้น, ระดับความเป็นนามธรรม, การจัดการขอบ เลือกสองหรือสามอย่างที่นิยามลุคนั้น การระบุครบทั้งหกจะทำให้มันเฉลี่ยกันหมด และอย่าผสมทิศทางที่ขัดกัน — "สมจริงแบบภาพถ่าย" บวก "สีน้ำ" ให้ความมั่วซั่ว ไม่ใช่การผสมผสาน ถ้าคุณอยากได้ภาพถ่ายที่เพียงยืมชุดสีมา ก็บอกอย่างนั้นตรง ๆ

09พรอมป์เชิงลบและการเลือกอัตราส่วนผืนผ้าใบใหม่

สองความสามารถที่มีอยู่สำหรับการรวมภาพและการแก้ไข แต่ไม่มีสำหรับการสร้างภาพจากข้อความ และทั้งคู่ถูกใช้น้อยเกินไป

พรอมป์เชิงลบ

การรวมภาพรองรับพรอมป์เชิงลบ สิ่งแปลกปลอมที่ไม่ต้องการควรไปอยู่ตรงนั้น — และมันสำคัญที่มันไปอยู่ตรงนั้นแทนที่จะอยู่ในคำสั่ง เพราะการเขียน "ไม่เอานิ้วเกิน" ลงในคำสั่งหลักคือการเอ่ยชื่อสิ่งที่คุณพยายามเลี่ยงในลมหายใจเดียวกับทุกอย่างที่คุณต้องการ จงใส่ข้อยกเว้นไว้ในช่องทางของมันเอง รายการที่คุ้มค่ากับที่ทางของมันเสมอ:

• กายวิภาค — นิ้วเกิน แขนขาซ้ำซ้อน มือผิดรูป ใบหน้าที่สอง
• ร่องรอยการตัดต่อ — ขอบตัดแปะ รอยต่อที่มองเห็นได้ วัตถุลอย เงาซ้ำ ขอบเรืองรอบตัวแบบ
• แสงไม่เข้ากัน — อุณหภูมิสีไม่ตรงกัน ทิศทางเงาไม่สอดคล้อง การรับแสงไม่เท่ากันระหว่างตัวแบบ
• ความล้มเหลวของพื้นผิว — ผิวพลาสติก ผ้าถูกเกลี่ยเรียบ ข้อความฉลากบิดเบี้ยว โลโก้อ่านไม่ออก

เก็บไว้เพียงไม่กี่อย่างที่เป็นไปได้จริงกับภาพของคุณ พรอมป์เชิงลบที่ไล่มาสามสิบข้อคือคำสั่งที่กระจัดกระจาย ไม่ใช่คำสั่งที่หนักแน่น

อัตราส่วนผืนผ้าใบ

การแก้ไขภาพเดียวสืบทอดอัตราส่วนภาพของภาพต้นทางโดยอัตโนมัติ — มีต้นทางเดียว และรูปทรงของมันคือคำตอบ การรวมภาพไม่มีค่าเริ่มต้นแบบนั้น ดังนั้นคุณเลือกอัตราส่วนผืนผ้าใบใหม่ได้ และคุณมักจะควรเลือก เพราะรูปทรงที่เหมาะกับต้นทางหนึ่งแทบไม่เคยเหมาะกับภาพรวม

อัตราส่วน	เหมาะกับ	การใช้งานทั่วไปในการรวมภาพ
square	ค่าเริ่มต้น ฟีดโซเชียล	ตัวแบบเดี่ยวพร้อมองค์ประกอบที่ย้ายมาหนึ่งอย่าง
portrait	ผู้คน ตัวแบบทรงสูง	การย้ายชุด สินค้าที่ถือโดยนางแบบคนเดียว
landscape	ทิวทัศน์ กลุ่มคน	คนสองคนยืนเคียงกัน วัตถุที่วางในห้อง
wide	การจัดเฟรมแบบภาพยนตร์	ภาพหมู่ ฉากสินค้าในสภาพแวดล้อม แบนเนอร์
tall	โปสเตอร์ วอลเปเปอร์มือถือ	ภาพชุดเต็มตัว เลย์เอาต์โปสเตอร์

คำขอที่ระบุชัดจะชนะเสมอ ถ้าไม่พูดอะไรเลยคุณจะได้สี่เหลี่ยมจัตุรัส — ซึ่งเป็นรูปทรงที่ผิดสำหรับงานคนสองคนและงานชุดเต็มตัวส่วนใหญ่ จึงคุ้มค่าที่จะเอ่ยสักคำ

10Shannon ใช้ภาพไหน: บทสนทนา เทียบกับ ข้อความนี้

มีสองทางที่ภาพจะเข้ามาอยู่ในการรวมภาพ และการรู้ว่าคุณกำลังพึ่งทางไหนช่วยป้องกันความสับสนเรื่องลำดับได้เกือบทั้งหมด

แนบมากับข้อความปัจจุบัน ทางตรง: แนบทุกอย่างมากับข้อความที่บรรจุคำสั่ง ตามลำดับที่คุณตั้งใจจะอ้างถึง แล้ว "ภาพแรก" และ "ภาพที่สอง" ก็หมายถึงสิ่งที่มันดูเป็นเป๊ะ ๆ ใช้ทางนี้เป็นค่าเริ่มต้น

อยู่ในบทสนทนาอยู่แล้ว ภาพที่ส่งมาก่อนหน้านี้ในเธรดยังคงพร้อมใช้และอ้างถึงได้ด้วยภาษาธรรมดา — "รูปที่ฉันส่งไปก่อนหน้านี้", "รูปเสื้อสเวตเตอร์เมื่อกี้", "เวอร์ชันที่สองที่คุณทำ" Shannon จะคลี่คลายการอ้างอิงเทียบกับเธรด ซึ่งสะดวกจริง ๆ ตลอดเซสชันยาว ๆ: คุณทำซ้ำกับผลลัพธ์แล้วค่อยดึงองค์ประกอบใหม่เข้ามาได้โดยไม่ต้องอัปโหลดทุกอย่างใหม่

มาตรการป้องกันของทั้งสองทางเหมือนกัน การ์ดยืนยันแสดงคำสั่งก่อนที่จะเรนเดอร์อะไรทั้งสิ้น รวมถึงลำดับที่มันเลือก จงอ่านมัน ถ้าบทบาทออกมากลับกัน — เสื้อสเวตเตอร์เป็นฐาน คนเป็นแหล่งที่มา — ก็บอกไป แล้วมันจะถูกแก้ก่อนที่จะมีพิกเซลใดถูกสร้างหรือถูกเรียกเก็บเงิน ถึงกระนั้น เมื่อเธรดยาวและเต็มไปด้วยภาพ ให้แนบภาพที่คุณต้องการเข้ามาใหม่ ย้อนไปหกรูป "ภาพที่สอง" ก็กำกวมสำหรับผู้อ่านคนไหนก็ตาม

การขอให้ Shannon ดูภาพ — บรรยายมัน อ่านฉลาก บอกคุณว่าผ้าเป็นอะไร — คืองานการมองเห็นธรรมดา ไม่ใช่การสร้างภาพ มันไม่มีค่าใช้จ่ายเพิ่มและเป็นการตรวจสอบที่ดีก่อนลงมือรวมภาพ: ถ้าคำบรรยายของ Shannon ไม่ได้เอ่ยถึงรายละเอียดที่คุณสนใจ คำสั่งของคุณก็ต้องระบุมัน

11ไม่เซ็นเซอร์ และมันหมายถึงอะไรกันแน่

ไม่มีตัวกรองเนื้อหาบนเส้นทางการสร้างภาพ และไม่มีชั้นการปฏิเสธบนโมเดลที่เขียนพรอมป์ การรวมภาพคือจุดที่เครื่องมือที่มีฟิลเตอร์ล้มเหลวให้เห็นชัดที่สุด เพราะระบบปฏิเสธไม่สามารถแยกความต่างระหว่างการรวมภาพที่คุณเป็นเจ้าของ กับการรวมภาพที่คุณไม่ควรมี — มันจึงบล็อกทั้งสองอย่าง

งานที่เครื่องมือเหล่านั้นปฏิเสธเป็นประจำไม่ได้แปลกประหลาดเลย: ภาพเปลือยเชิงศิลปะและการศึกษาสรีระ ภาพประกอบทางการแพทย์และนิติเวช ภาพสำหรับงานวิจัยความปลอดภัย ความรุนแรงในงานบันเทิงสำหรับปกหนังสือและอาร์ตเกม การเสียดสีการเมือง และหมวดสินค้าที่ถูกกฎหมายที่ระบุไว้ข้างต้น ทุกข้อคืองานอาชีพที่ชอบธรรม ซึ่งตัวกรองคำสำคัญแยกไม่ออกจากการใช้ในทางที่ผิด

ไม่เซ็นเซอร์ไม่ได้แปลว่าไม่ต้องรับผิดชอบ คุณเป็นผู้ส่งภาพถ่ายของวัตถุจริงและบ่อยครั้งของคนจริง สิทธิ์และความยินยอมเป็นของคุณที่ต้องถือไว้ และความรับผิดชอบต่อผลลัพธ์ก็เช่นกัน Shannon Lab LLC เป็นบริษัทในรัฐนิวเม็กซิโกที่ดำเนินการภายใต้นโยบายการใช้งานอย่างรับผิดชอบที่เผยแพร่ไว้ — คุ้มค่ากับห้านาทีก่อนที่คุณจะเริ่มงานที่เกี่ยวข้องกับภาพลักษณ์ของคนอื่น

12ข้อจำกัดที่ควรรู้ก่อนเริ่ม

ไม่มีการสร้างวิดีโอ Shannon ไม่ทำให้ภาพเคลื่อนไหวและไม่ผลิตวิดีโอ ในรูปแบบใด ๆ จากปฏิบัติการเหล่านี้ข้อใดก็ตาม — ไม่จากภาพเดียว ไม่จากการรวมภาพ ไม่ในฐานะตัวเลือกทดลอง ถ้าโจทย์ของคุณจบลงที่การเคลื่อนไหว นี่ไม่ใช่เครื่องมือสำหรับขั้นตอนสุดท้าย นั่นคือสิ่งที่ผลิตภัณฑ์เป็น ไม่ใช่การใบ้โรดแมป

ขอบเขตอื่น ๆ ที่พูดกันตรง ๆ ทั้งหมดมีทางเลี่ยง:

• ข้อความขนาดเล็กคือจุดอ่อนที่สุด ตัวพิมพ์เล็ก ข้อความบนบรรจุภัณฑ์ที่แน่น และหมายเลขซีเรียลยาว ๆ อาจออกมาไม่สมบูรณ์ จงจัดเฟรมสินค้าให้ข้อความสำคัญมีขนาดใหญ่ ใส่ warped label text ไว้ในพรอมป์เชิงลบ และตรวจที่ขนาดเต็ม
• ขนาดที่ต่างกันสุดขั้วเป็นเรื่องยาก ภาพสินค้า 4000 พิกเซลที่รวมกับภาพย่อเล็ก ๆ ของห้องให้โมเดลมีอะไรทำงานด้วยน้อยมาก จงใช้สำเนาที่ดีที่สุดของแต่ละต้นทางที่คุณมี
• การบดบังหนัก ๆ จำกัดสิ่งที่ย้ายได้ เสื้อผ้าที่ถ่ายไว้ตอนพับ ไม่เคยเห็นด้านหลัง ย่อมไม่สามารถประดิษฐ์ด้านหลังขึ้นมาอย่างซื่อตรงได้ ถ้าภาพรวมแสดงด้านหลัง จงส่งด้านหลังมาด้วย
• ภาพยิ่งมาก ที่ว่างสำหรับความสับสนยิ่งมาก สี่แหล่งที่มายังทำได้ด้วยการเรียกลำดับอย่างมีวินัย แต่มันไม่ใช่ที่ที่จะประมาท — ใช้จำนวนที่งานต้องการและไม่มากกว่านั้น
• การเปลี่ยนแปลงใหญ่สองอย่างพร้อมกันจะแย่งกัน ย้ายชุดก่อน ยืนยัน แล้วค่อยเปลี่ยนพื้นหลัง การแก้ไขทีละขั้นชนะคำสั่งเดียวที่บรรทุกเกินแทบทุกครั้ง และแต่ละขั้นตรวจสอบได้ง่าย

13คำถามที่พบบ่อย

---

การสร้าง การแก้ไข และการรวมหลายภาพ เป็นฟีเจอร์ของแอปแชท Shannon ส่วนเอนด์พอยต์ /v1/chat/completions, /v1/messages และ /v1/responses ให้บริการข้อความและการมองเห็น หมายความว่ามันอ่านภาพมากกว่าที่จะสร้างภาพ ไม่มีการสร้างวิดีโอ ตัวเลือกอัตราส่วน การรองรับพรอมป์เชิงลบ และพฤติกรรมการยืนยัน เป็นข้อมูลปัจจุบัน ณ วันที่ 5 กันยายน 2026 ที่เกี่ยวข้อง: การสร้างภาพ AI แบบไม่เซ็นเซอร์ · การแก้ไขภาพ AI แบบไม่เซ็นเซอร์ · การใช้งานอย่างรับผิดชอบ · เอกสาร API · ดัชนีงานวิจัย