AI rasm prompt qo'llanmasi

Ko'pchilik bu yerga SDXL da o'rgangan prompt odatlari bilan keladi: vergul bilan ajratilgan otlar satri, sifat tokenlaridan iborat muqaddima, bir nechta qavsdagi og'irlik va musbatidan qolishmaydigan uzun negativ prompt. O'sha odatlar o'sha modellar uchun to'g'ri edi va bu yerda zararli. Bu — haqiqatan ishlaydigan narsaning qisqacha bayoni — va Shannon generatsiya promptini siz uchun yozib, uni hech narsa render qilinishidan oldin ko'rsatgani uchun, bu ayni paytda Shannon taklif qilgan narsani o'qish va tuzatish qo'llanmasi hamdir.

01Nega nasr teglardan ustun: model til modelidek o'qiydi

Ko'pchilik prompt maslahatlari yozilgan eski diffuziya modellari amalda tushunchalar to'plamidek ishlaydigan matn enkoderidan foydalanardi: grammatika deyarli ahamiyatsiz edi va g'olib strategiya tegishli otlarni to'plab, ularni og'irliklar bilan siljitish edi. Teglar sho'rvasi o'sha enkoder uchun to'g'ri prompt shakli edi.

Shannon ning Rasm modeli bunday ishlamaydi. U promptni til modeli matnni o'qigandek o'qiydi, shuning uchun sintaksis ma'no tashiydi. "Soyasiga soyabon tirab turgan" — bu odam, buyum va tana qismi orasidagi munosabat; "soyabon, yelka" esa shunchaki mavjud bo'lgan ikki narsa. Ko'makchilar narsalarni joylashtiradi. Fe'llar pozalarni yaratadi. Ergash gaplar tafsilotni butun rasm bo'ylab suzib yurishiga yo'l qo'ymay, kerakli otga biriktiradi.

Mana bir xil rasm ikkala usulda so'ralgani.

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.

Teg versiyasi nimani ifodalay olmasligiga qarang. U soyabon ushlab turilganini aytmaydi, shuning uchun u yerda yotib qolishi mumkin. U neon asfaltda aks etayotganini aytmaydi, faqat ikkalasi ham borligini aytadi, shuning uchun siz belgilar va ho'l ko'chani olasiz, ular orasida hech qanday optik munosabat bo'lmaydi. U ayol qayerga qarayotganini aytmaydi, demak uning pozasi tanga tashlashga bog'liq. "Cinematic lighting" — kayfiyat yorlig'i, yorug'lik manbai emas. Oxirgi beshta token esa shovqin, ular boshqaruv dastagi emas, fotografiya haqidagi inglizcha so'zlar sifatida o'qiladi.

Nasr versiyasi bezakli bo'lgani uchun uzun emas. U teg versiyasi ochiq qoldirgan savollarga javob bergani uchun uzun. Butun sir shunda.

02Rasm prompti qanchalik uzun bo'lishi kerak?

30 dan 80 so'zgacha mo'ljal qiling. 100 dan ancha oshirmang. Bu — sizga ochiq bo'lgan eng oson sifat richagi va diapazonning ikkala uchi ham muhim.

Taxminan 30 so'zdan kam bo'lganda kompozitsiya, yorug'lik va kadrlash ko'rsatilmaydi, shuning uchun model statistik jihatdan eng oddiy variantni tanlaydi. "Qahvaxonadagi ayol" — to'g'ri prompt, lekin u esda qolmaydigan rasm beradi, chunki siz har bir qiziqarli qarorni boshqaga topshirdingiz.

Taxminan 100 so'zdan yuqorida boshqa nosozlik paydo bo'ladi: keyingi qismlar rasmning o'sha hududlari uchun oldingilari bilan raqobatlashadi va siz tafsilot to'plash o'rniga suyultirishni olasiz. Uchinchi yorug'lik tavsifi birinchisini bekor qiladi, birinchi sakkiz so'zda o'rnatgan sub'ektingiz esa qo'shgan har bir gapingiz bilan kamroq nisbiy e'tibor oladi. Uzun promptlar puxtadek o'qiladi. Ular puxtadek render bo'lmaydi.

Intizom: xohlagan promptni yozing, keyin uni olib tashlansa rasmni o'zgartiradigan gaplargacha qisqartiring.

03Tartib intizomi: eng muhim narsa birinchi

Model ketma-ket o'qigani uchun o'rin — urg'u: birinchi kelgani rasmni langarlaydi, oxirgi kelgani uni sozlaydi. Narsalarni model ularga muhtoj bo'lgan tartibda joylang:

1. Sub'ekt — bu rasm kim yoki nima haqida ekani, aniq holda.
2. Harakat yoki poza — nima qilayotgani, qanday turgani.
3. Uslub yoki kayfiyat — fotosurat, moybo'yoq, texnik illyustratsiya va uning ohangi.
4. Muhit va yorug'lik — bu qayerda sodir bo'layotgani va unga qanday yorug'lik tushayotgani.
5. Texnik — kadrlash, obyektiv, maydon chuqurligi, rang tafsilotlari.

Eng ko'p uchraydigan o'z-o'ziga qilingan zarar — texnik qismdan boshlash. "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" bilan boshlash modelga ko'rinish sub'ekt ekanini, erkak esa tafsilot ekanini aytadi. Siz ichida kichkina, noaniq figura turgan go'zal, bo'sh kadr olasiz.

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.

Birinchi versiyadagi har bir element ikkinchisida saqlanib qolgan; hech narsa tashlab yuborilmagan. Endi model rasm qanday suratga olinishini eshitishdan oldin u nima haqida ekanini biladi — va shu qayta tartiblashning o'zi sub'ektni tasodifiylikdan markazga ko'chiradi.

04Sub'ektni aniq ayting

"Bir odam" — sub'ekt emas, o'rin egallovchi — model esa o'rin egallovchilarni ko'rgan hamma narsasining o'rtachasi bilan to'ldiradi, yaltiroq, yoshsiz, xarakterisiz ko'rinish ham aynan shundan keladi. Aniqlik besh so'zga tushadi va sizga muayyan bir odamni sotib beradi:

Naqshga e'tibor bering: yosh yoki davr, bitta tuzilmaviy xususiyat, bitta ajratib turuvchi nuqson. Natijani generatsiya qilingandek emas, suratga olingandek his qildiradigan narsa aynan uchinchisi. Uchgan tish, yedirilgan etak, ustidan bo'yalgan yozuv — kichik assimetriyalar plastikka qarshi eng kuchli signal va ular so'z byudjetingizga deyarli hech nima tushmaydi.

05Fotorealizm: so'rovni fotosurat sifatida yozing

Agar siz art, illyustratsiya yoki anime so'ramasangiz, fotorealizm standart ohang. Lekin "photorealistic" so'zi kam ish bajaradi. Fotosuratni beradigan narsa — suratga olish jarayonini tasvirlash: haqiqiy kamera, haqiqiy obyektiv va haqiqiy plyonka yoki yorug'lik manbai.

Sababi oddiy. "Kodak Portra 400" deb izohlangan har bir rasm o'ziga xos donadorlik tuzilishi, yorug' joylarning so'nishi va teri rangi bilan muayyan jarayonda yaratilgan va plyonka turini nomlash bularning barini chaqiradi. "8k ultra detailed" esa faqat stok saytlaridagi spamda uchragan, shuning uchun u stok spamini chaqiradi. Bir xil sub'ektning aniq boshqacha rasmini beradigan bir nechta ishonchli retsept:

Asoslashni retseptga moslang — yuz sakson piksel balandlikda bo'lgan 24mm keng kadrda g'ovak darajasidagi teri teksturasi hech nima anglatmaydi — keyin uni qo'shing. Asoslovchi tafsilot — buni haqiqatan obyektiv yozib olganini ko'rsatadigan tekstura dalili. Ko'rinadigan teri g'ovaklari va mayin yuz tuklari. Zig'ir ko'ylakning to'quvi. Yorug'lik nurida uchayotgan chang zarralari. Charm etikdagi tirnalgan iz. Yorug' fondagi uchib turgan soch tolalari. Ikki-uchtasi yetarli va ular odamning renderi bilan odamning fotosurati orasidagi farqni beradi.

06Qatlamli sahnalar: old, o'rta va orqa plan

Sahnada chuqurlik bo'lganda uchta planni alohida va tartib bilan tasvirlang. Bu — fon emas, joy bo'lib his qilinishi kerak bo'lgan rasmlar uchun eng samarali usul va uni deyarli hech kim qilmaydi. Usiz siz yassilikni olasiz: prompt tilga olgan hamma narsa taxminan bir xil masofada tushadi va kadrning o'sha o'rta bo'lagi uchun raqobatlashadi. Planlarni nomlash modelga sarflaydigan chuqurlik byudjetini beradi.

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.

Ikkita nozik qo'shimcha. Old planga ataylab fokusdan chiqarilgan biror narsa qo'ying — chuqur sahnalarning haqiqiy fotosuratlarida deyarli doim shunday narsa bo'ladi va uning yo'qligi keng tarqalgan belgi. Va sub'ekt qaysi planda ekanini ayting: agar kuryer rasmning maqsadi bo'lsa, uning joyi o'rta plan, aks holda minora va qahva stakani u bilan kadr uchun kurashadi.

07Aniq ranglar: obyektlarga biriktirilgan hex kodlar

Brend ishi, kostyum izchilligi yoki "qizil" yetarli aniq bo'lmagan har qanday joy uchun hex kodni color #RRGGBB shaklida yozing va uni nomlangan obyektga biriktiring:

...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...

Uchta amaliy qoida. Hex ni haqiqatan muhim bo'lgan ikki-uchta rang uchun, qolganiga esa oddiy so'zlarni ishlating — oltita hex kodli prompt byudjetining katta qismini bo'yoq namunalariga sarflaydi. Kodni "yorug'lik" yoki "kayfiyat" ga emas, chegarasi bor obyektga bog'lang. Va yodda tuting: u obyektning rangini ko'rsatadi, yakuniy piksel qiymatini emas: oltin soatdagi teskari yorug'likdagi #8B0000 palto namunadan iliqroq render bo'ladi — hayotdagidek.

08Tomonlar nisbatini tanlash

Beshta nisbat mavjud va to'g'risi odatda sub'ektdan kelib chiqadi, lekin sizning aniq so'rovingiz doim g'olib — fon rasmini so'rasangiz, mazmun nimani taklif qilishidan qat'i nazar tall olasiz.

Buni noto'g'ri tanlash ko'ringanidan ko'ra ko'proq zarar keltiradi. wide kadrdagi to'liq bo'yli tik figura sizga katta kadrdagi kichik figurani bermaydi — u odatda kesilgan figurani beradi, chunki model kenglikni to'ldiradi va bosh yoki oyoq kadrdan chiqib ketadi. Kadrni sub'ektning ustun o'qiga moslang va kompozitsiya haqidagi shikoyatlarning aksariyati yo'qoladi.

Yodda tutishga arziydigan ikkita xatti-harakat: tahrir manba rasmning tomonlar nisbatini avtomatik saqlaydi, ya'ni tahrir orqali qayta kadrlay olmaysiz, birlashtirish esa yangi kanvas tanlashga imkon beradi — ko'pincha sizda allaqachon bor narsaning shaklini o'zgartirishning eng toza yo'li shu.

09Zararli odatlar: nimani to'xtatish kerak

Sifat tokenlari: "masterpiece, best quality, 8k, ultra detailed"

Bular jamoa tomonidan topilgan, muayyan eski o'quv taqsimoti uchun dastaklar edi: u yerda ma'lum izoh iboralari ma'lum rasm manbalari bilan korrelyatsiyada bo'lgan. Ular ko'chib o'tmaydi. Bu yerda ular oddiy inglizcha so'zlar sifatida o'qiladi, hech narsa qo'shmaydi va sizga allaqachon tor deyilgan so'z byudjetining bir qismini yeydi. O'rnini bosadigani — qaysi tafsilotni xohlayotganingizni aytish: "ultra detailed" emas, "paltoning matosidagi ko'rinadigan to'quv va jag' bo'ylab mayda tuklar" — o'sha niyat, model render qila oladigan narsa sifatida ifodalangan.

Og'irlik sintaksisi: (word:1.3), [word], {{word}}

Tahlil qilinmaydi. Qavslar, kvadrat qavslar, ikki nuqta va raqamlar so'zma-so'z matn sifatida tushadi va agar biror ta'siri bo'lsa, atrofdagi gapni o'qishni qiyinlashtiradi. Biror narsaga ko'proq urg'u bermoqchi bo'lsangiz, ishlaydigan ikkita richagdan foydalaning: uni promptda oldinroq siljiting va unga ko'proq so'z bering. "Uchlari popukli, shamolda ko'tarilib turgan qip-qizil ipak ro'mol" har qanday muhim o'lchov bo'yicha "(red scarf:1.4)" dan og'irroq keladi.

Zid ko'rsatmalar

Bir-biriga to'g'ri kelmaydigan ko'rsatmalarni aralashtirish ularni qorishtirmaydi; u odatda ikkalasini ham qoniqtirmaydigan beqaror o'rtachani beradi. Tez-tez uchraydiganlari:

• Vosita — "photorealistic" plyus "watercolor"; "oil painting" plyus "shot on 85mm". Bittasini tanlang va unga sodiq qoling.
• Kadrlash — "wide establishing shot" plyus "extreme close-up on her eyes"; "full body" plyus "detailed facial pores".
• Yorug'lik — "harsh midday sun" plyus "soft golden hour glow"; "low key, deep shadows" plyus "bright and airy".
• Davr — "1970s film aesthetic" plyus "modern minimalist" plyus "cyberpunk".
• Uslublarni to'plash — bir vaqtda to'rtta rassom yoki to'rtta janr. Ikkita bog'liq havola ishlashi mumkin; to'rttasi bir-birini bekor qilib, umumiy narsaga aylanadi.
• Yoyilish — "rustic, weathered, ancient, timeworn wooden door" — bu to'rt marta yozilgan bitta g'oya va har bir takror promptning qolganini suyultiradi.

10Matndan-rasmga negativ prompt yo'q

Bu — tajribali foydalanuvchilarni eng qattiq ushlaydigan zararli odat, chunki eski steklarda negativ prompt mahoratning yarmi edi.

Generatsiya uchun qoida mutlaq va biroz kutilmagan: promptga "matn yo'q, suv belgisi yo'q, ortiqcha barmoq yo'q" deb yozish bu narsalarni kamaytirmaydi, ko'paytiradi. Model "matn yo'q" ni matn tushunchasini o'z ichiga olgan gap sifatida o'qiydi; inkor kuchsiz signal, ot esa kuchli. Siz aslida matn so'ragan bo'lasiz. Buning o'rniga doim musbat shaklini ayting:

Tahrir va birlashtirish uchun negativ prompt mavjud va undan foydalanish kerak — lekin kontent uchun emas, artefaktlar uchun. Yaxshi material: suv belgisi, matn qoplamasi, takrorlangan a'zolar, qiyshaygan qo'llar, ortiqcha o'tkirlashtirish halolari, JPEG bloklari, kompozit chekkasidagi chok chiziqlari. Yomon material: rasm nima haqida ekani bilan bog'liq har qanday narsa; uning joyi ko'rsatmada.

11Shannon siz uchun yozgan promptni o'qish

Mana bu qo'llanmani nazariy emas, darhol qo'llanadigan qiladigan narsa. Generatsiya promptini o'zingiz yozishingiz shart emas. Siz oddiy tilda, istalgan tilda so'raysiz; Shannon rasm so'ralayotganini taniydi, inglizcha generatsiya promptini tuzadi va hech narsa render qilinishidan oldin uni sizga tasdiq kartasida ko'rsatadi. Siz tasdiqlamaguningizcha hech narsa yaratilmaydi va hech narsa uchun to'lov olinmaydi.

Shuning uchun eng ko'p foyda keltiradigan mahorat — noldan prompt yozish emas, kartadagi promptni o'qish. Shu ro'yxat bo'ylab yuring:

1. Sub'ekt aniqmi? Agar kartada "a person" yoki "a woman" deb yozilgan bo'lsa, siz mavjud eng katta yaxshilanishni topdingiz. Unga yosh, gavda, xususiyat bering.
2. Sub'ekt birinchimi? Agar prompt uslub yoki kameradan boshlansa, sub'ektdan boshlashni so'rang.
3. Diapazondami? 30 so'zdan kam bo'lsa, yorug'lik va muhit bo'yicha ko'proq aniqlik so'rang. 100 dan oshsa, qisqartirishni so'rang.
4. Yorug'lik manbai bormi? Kayfiyat so'zi emas — haqiqiy yorug'lik: deraza, ko'cha chirog'i, chaqnash, bulutli osmon, softboks.
5. Ziddiyat bormi? Bitta promptda ikkita vosita, ikkita kadrlash yoki ikkita yorug'lik sharoiti bor-yo'qligini ko'zdan kechiring.
6. Yashirin inkorlar bormi? Agar kartada "without", "no" yoki "avoid" bo'lsa, bu — o'zi nomlagan narsani so'rayotgan matndan-rasmga prompt.
7. Nisbat sub'ektga to'g'ri keladimi? wide dagi to'liq bo'yli figura — klassik nomuvofiqlik.

Tuzatishlar suhbat tarzida bo'ladi: "uni o'ttiz yoshning boshida qil, qoshidan o'tgan chandiq qo'sh, 85mm da Portra ga suratga ol va portrait ishlat" — mutlaqo yaxshi ko'rsatma. Siz yangi karta olasiz va o'shani tasdiqlaysiz. Iteratsiya uchun jarima yo'q, chunki hali hech narsa render qilinmagan.

Va Shannon so'ralmasdan rasm yaratmaydi. Salomlashish, savol yoki muhokama uchun biriktirgan foto renderni ishga tushirmaydi. Shannon dan rasmga qarashni so'rash — uni tavsiflash, o'qish, tahlil qilish — oddiy tasvirni o'qish ishi, generatsiya emas va qo'shimcha xarajat talab qilmaydi.

12Tahrir va birlashtirish uchun mahorat qanday o'zgaradi

Yuqoridagi qoidalar generatsiya uchun yozilgan. Ikkita qo'shni rejim promptning shaklini o'zgartiradi.

Bitta rasmni tahrirlash

Tahrir prompti — tavsif emas, ko'rsatma: nima o'zgarishini va nima qolishini ayting. O'zgarmaydigan qismlarni nomlash mahsulotdagi eng katta sifat richagi — "Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is" o'sha bandsiz so'ralganda ayolning yuzi jimgina qayta chizilib ketadigan joyda butunligicha ushlab turadi. Langar haqida aniq bo'ling: yuz, poza, soch va kiyimni bir xil qoldiring. Aynan bitta manba rasm ishlatiladi va chiqish uning tomonlar nisbatini saqlaydi.

Ikki yoki undan ortiq rasmni birlashtirish

Elementlar bir nechta rasmdan kelganda — kiyimni ko'chirish, obyektni sahnaga, bitta kadrda ikki odam, mahsulotni odam ustida, bir rasmning uslubi bilan boshqasining sub'ekti — prompt har bir rasmning rolini tartib bilan nomlashi shart: "The woman from the first image wearing the red knitted sweater from the second image, standing in the same park." Birinchi rasm — asosiy sub'ekt yoki sahna; keyingilari olib kiriladigan qismlarni beradi. Ko'p rasmli so'rovni bitta manba plyus matnli tavsifga siqib qo'ymang — haqiqiy rasmlarni birlashtirish o'sha narsalarning aslida qanday ko'rinishini saqlaydi.

13Senzurasiz promptlash: nimani nazarda tutsangiz, shuni ayting

Generatsiya yo'lida kontent filtri yo'q va promptni yozadigan modelda rad etish qatlami yo'q. Mahsulotning butun ma'nosi ham shu: filtrlangan generatorlar qonuniy ishni muntazam rad etadi — badiiy nyular, tibbiy va sud-tibbiy illyustratsiya, xavfsizlik tadqiqoti tasvirlari, badiiy asardagi zo'ravonlik, siyosiy satira, huquq egasining brend va o'xshashlik ishi. Filtrlangan platformalarda prompt mahoratining yarmi evfemizm muhandisligi, evfemizm esa aniq rasmning dushmani.

Shuning uchun kartada tekshiriladigan yana bitta narsa bor: u haqiqiy sub'ektni odamlar filtrlangan vositalardan o'rgangan yumshatilgan lug'at bilan emas, oddiy so'zlar bilan tasvirlayaptimi. Jarohatning sud-tibbiy illyustratsiyasi jarohat nima ekanini aytishi kerak. Yumshatilgan til hamma joyda yomonroq rasm beradi, chunki model so'zlar nima desa, shuni render qiladi.

Qobiliyat va hukm — alohida narsalar. Shannon Lab LLC buni chop etilgan Mas'uliyatli foydalanish siyosati asosida yuritadi: filtrsiz generatsiya — kasbiy vosita va siz yaratgan narsaga rozilik, huquqlar hamda qonun baribir taalluqli.

14API qayerga to'g'ri keladi

API qidiruvidan kelgan o'quvchilar uchun bitta aniqlik: rasm generatsiyasi, tahriri va birlashtirilishi /v1 API da emas, Shannon chat ilovasida joylashgan. API matn va tasvirga xizmat qiladi — u siz yuborgan rasmlarni uchala dialektda (/v1/chat/completions, /v1/messages, /v1/responses, hammasi striming bilan) o'qiy, tavsiflay va tahlil qila oladi — lekin ularni yaratmaydi. Agar siz rasmlarni tushunishi kerak bo'lgan konveyer qurayotgan bo'lsangiz, boshlanish joyi — API hujjatlari. Agar rasm yasamoqchi bo'lsangiz, bu — chat ilovasi va bu qo'llanmadagi hamma narsa o'sha yerga taalluqli. Rasmlar o'z GPU klasterimizda render qilinadi.

15Tez-tez so'raladigan savollar

Aloqador o'qish: Senzurasiz AI rasm generatsiyasi · Senzurasiz AI rasm tahriri · Mas'uliyatli foydalanish siyosati · API hujjatlari · Barcha Shannon research. Bu yerdagi ko'rsatmalar Shannon ning Rasm modelini o'zimiz sinovdan o'tkazishimizdan olingan; oldingi diffuziya steklari uchun yozilgan maslahatlar odatda ko'chib o'tmaydi.