LarpGPT · Útmutatók
Képarányok az AI-képekhez: hogyan válasszuk ki és állítsuk be őket
Négyzet, 3:2, 16:9 vagy függőleges 9:16: hogyan válasszunk képarányt egy mesterséges intelligencia képhez, hogyan változik a kompozíció vele, és hogyan állítsa be a Midjourney és OpenAI.
Ebben az útmutatóban14
Miért az arány az első?
A képarány a kép szélessége és magassága közötti kapcsolat, két számként írva, például 3:2 vagy 16:9. Ez az első döntése egy fotósnak, mert ő dönti el, hogy mit tud a keretben tartani. A képgenerálásnál ez még fontosabb: a modell a teljes jelenetet az Ön által adott képkockához komponálja, így az arány utólagos megváltoztatása kivágást vagy regenerálást jelent. Válassza ki, mielőtt finomítaná a prompt többi részét.
Az arány nem felbontás
Az arány semmit sem mond a pixelek számáról. A Midjourney dokumentációja közvetlenül rámutat erre: a képarány nem egyezik meg a kép méreteivel, és a végső méret a verziótól és a felskálázótól függ. A 3:2 arányú kép lehet kicsi vagy nagy. Döntse el az alakzatot, ahonnan a kép látható, és hogyan üljön benne az alany, majd foglalkozzon a felbontással, mint külön kérdéssel.
Négyzet, 1:1
A tér kiegyensúlyozott és statikus, nincs domináns irány. Egyedi objektumokhoz, szimmetrikus kompozíciókhoz és középen elhelyezett témákhoz illik, és ez az a keret, amelyet sok közösségi platform régóta használ bejegyzésekhez és profilképekhez. Ez a Midjourney alapértelmezett beállítása is, amelynek dokumentációja megjegyzi, hogy a képek négyzetekkel kezdődnek. A négyzet rosszul illeszkedik tájképekhez és csoportos jelenetekhez, ahol a téma természetesen oldalra terül.
Klasszikus fotó, 3:2 és 2:3
A 3:2 a hagyományos állóképarány, amelyet a 35 mm-es filmtől örököltek, és sok fényképezőgép még mindig ezt használja. Természetesnek tűnik egy fényképes felhívás, mert ez az a forma, amelyet az emberek a fényképekhez társítanak. A vízszintes 3:2 illik az utcákhoz, belső terekhez és tájakhoz; A függőleges 2:3 alkalmas portrékhoz, ajtónyílásokhoz és magas épületekhez, és a Midjourney dokumentációja megemlíti, hogy ez gyakori a nyomtatott fényképeken és a képkeretekben.
4:3 és 5:4
A 4:3 volt az eredeti televíziós képarány, amelyet még mindig sok táblagép és a legtöbb kompakt digitális fényképezőgép használja. Valamivel négyzetesebb, mint 3:2, így több hely marad a téma felett és alatt. Az 5:4 ismét négyzet alakú, és általános a nagy- és közepes formátumú fényképeken, valamint a 8 x 10 hüvelykes nyomatoknál. Mind belső terekhez, mind portrékhoz illik, ahol egy kis lélegzetvételi helyet szeretne a széles formátum erős vízszintes húzása nélkül.
Szélesvásznú, 16:9
A 16:9 a szabványos képarány televíziós és online videózásnál; A YouTube súgója a számítógép szabványos képarányaként írja le. Széles kerete jól illeszkedik tájképekhez, városképekhez, mozgó autókhoz és mozifilmes jelenetekhez, ahol a téma oldalra van helyezve. Erős választás bannerekhez, prezentációs diákhoz és videobélyegképekhez. Gyengébb az álló figurák számára, amelyek széles keretben kicsik.
Függőleges, 9:16
9:16 ugyanaz a forma az oldalára fordítva: a telefon teljes képernyője függőlegesen. A Midjourney dokumentációja azt írja le, hogy ez általános a közösségi médiában található mobiltartalmak esetében, a YouTube pedig megjegyzi, hogy a függőleges 9:16-os videók kitöltéssel is megjeleníthetők a számítógép képernyőjén. Álló figurákhoz, magas építészethez, vízesésekhez és bármihez illik, aminek erős függőleges vonala van. Szándékosan komponálj rá; a 9:16-ba szorított vízszintes jelenet általában elveszti témáját az üres égbolt és padló miatt.
Hogyan változik a kompozíció a kerettel
A szélesebb keret több teret ad a beállításnak és a harmadszabálynak, a téma nem középen, és teret ad a szemnek. A magasabb keret kiemeli a magasságot, és rétegezést tesz lehetővé az előtértől a háttérig. Említse meg a promptban való elhelyezést: "az autó a keret jobb harmadában, a balról bevezető üres út" 16:9-ben és 1:1-ben nagyon eltérően olvasható. Amikor megváltoztatja az arányt, olvassa el újra a kompozíciós mondatokat, és módosítsa azokat.
Az arány beállítása Midjourney-ban
A Midjourney dokumentációja felsorolja az --ar paramétert vagy a hosszú --aspect alakját, a prompt végén szóközzel hozzáadva a kötőjelek előtt, például "csendes kikötő hajnalban --ar 16:9". A számoknak egésznek kell lenniük: a dokumentáció szerint a tizedesjegyek nem fogadhatók el, és 139:100-at javasol az 1,39:1 helyett, az 1920:1080-as pixelméretet pedig 16:9-re egyszerűsítik. Azt is megjegyzi, hogy egyes arányok kissé megváltoznak felskálázáskor, és hogy a rendkívül széles vagy magas arányok kísérleti jellegűek.
A méret beállítása OpenAI képmodelljeivel
A OpenAI képgenerálási dokumentációja nem arányként, hanem képpontban írja le a méretet. A cikk írásakor az 1024x1024-es négyzet, az 1536x1024-es fekvő és az 1024x1536-os állókép szerepel az ajánlott méretek között, automatikus opcióval. Újabb modelljeinél az egyedi méreteket is szélesség/magasság formájában írja le, ahol mindkét élnek 16 többszörösének kell lennie, és a hosszú és rövid élek arányának 3:1-en belül kell maradnia. Vegye figyelembe, hogy az 1536x1024 maga is 3:2-es alakzat.
Stable Diffusion és egyéb eszközök
A Hugging Face diffusers könyvtárban a Stable Diffusion szöveg-kép folyamatvonal a magasság és a szélesség argumentumát képpontokban fogadja el. Az elv mindenhol ugyanaz: először döntse el az alakzatot, majd állítsa be, amit az eszköz kér, pixeleket vagy arányt. Ha egy eszköznek csak néhány mérete van, válassza ki a legközelebbit, majd vágja le, hagyva margót a kompozícióban, hogy a kivágás ne vágjon bele a témába.
Tervezz egynél több formátumot
Ha egy képet több helyen is használnak, mondjuk egy széles internetes bannert és egy függőleges történetet, akkor egy kép generálása és mindkét irányban történő levágása ritkán működik. Vagy írjon nagyvonalú üres teret egy központi téma körül, hogy mindkét vágás fennmaradjon, vagy állítson elő minden formátumot külön ugyanabból a promptból, adaptált kompozíciós mondatokkal. A második lehetőség általában jobb eredményeket ad, és csak egy kicsit több időbe kerül.
A választás gyors módja
Kérdezd meg, hol fog megjelenni a kép, és milyen alakja van az alanynak. Egy négyzethez egyetlen tárgy vagy egy középre szimmetrikus jelenet illik. Egy fénykép, amelyet úgy kell érezni, mint egy fénykép, megfelel a 3:2-nek vagy a 2:3-nak. A 16:9 aránynak megfelelő a széles tájkép vagy a videokockák. A teljes képernyős telefonkép vagy egy magas téma megfelel a 9:16 aránynak. Ha semmi sem mutat egyértelműen egy irányba, a 3:2 egy biztonságos fényképezési kiindulópont, amely jól illeszkedik más formákhoz.
Ahová a LarpGPT illik
A LarpGPT az utazáshoz, építészethez, autókhoz és életstílus-jelenetekhez készült fotóparancsok könyvtára, minden promptba írva a kompozíciót a téma, a világítás és az objektív mellett. Lemásol egy promptot, a keretezését a kívánt arányhoz igazítja, és beállítja ezt az arányt a már használt képgenerátorban. Az LarpGPT nem hoz létre képeket, és az eredmények kísérletenként változnak.
Kérdések
Mi a legjobb képarány az AI-képekhez?
Ez attól függ, hogy hol fog látni a képet, és a téma alakjától. A 3:2 egy természetes fényképezési alapértelmezés, a 16:9 a széles jelenetekhez és a videókhoz, a 9:16 a teljes képernyős telefonképekhez, az 1:1 pedig az egyetlen középre helyezett témákhoz.
Hogyan változtathatom meg a képarányt Midjourney-ban?
Adja hozzá a --ar számot, majd két egész számot a prompt végéhez, például --ar 3:2, a Midjourney dokumentációja szerint. A tizedesjegyeket a rendszer nem fogadja el, és az alapértelmezett négyzet.
Milyen méreteket támogatnak a OpenAI képmodellei?
A cikk írásakor a OpenAI dokumentációja felsorolja az 1024x1024, 1536x1024 és 1024x1536 méreteket az ajánlott méretek között, plusz egy automatikus opciót, és leírja az újabb modellek egyedi méreteit a meghatározott határokon belül.
Vághatok később egy mesterséges intelligencia képet másik arányra?
Megteheti, de az egyik formára készült kompozíció gyakran elveszti tárgyát a másikban. Hagyjon teret egy központi téma körül, vagy állítson elő minden formátumot külön-külön a kompozíciós mondatokkal.
További olvasnivalók
Útmutatók
Hogyan építsünk fel egy mesterséges intelligencia fotópromptot a semmiből
Megismételhető sorrend a képpromptok írására, hogy mit kell beletenni az egyes részekbe, milyen gyakori hibák, amelyek elsimítják az eredményt, és hogyan kell ismételni, hogy minden próbálkozás tanítson valamit.
Hat működő fényképes példa, és miért vannak ott az egyes sorok
Teljes utasítások építészeti belső terekhez, városi pillanatokhoz, objektumokhoz, tájképekhez, ételfotóhoz és munkaterülethez, mindegyik mondatról mondatra lebontva, hogy adaptálhassa őket.
A fotórealisztikus kép anatómiája
Mit csinálnak a prompt egyes részei a képgenerátoron belül, miért működik jobban egy-egy mondat döntésenként, mint a melléknevek fala, és hogyan lehet egy promptot adaptálni anélkül, hogy megtörné azt a dolgot, ami miatt működött.
Midjourney Fotorealisztikus felszólítások: praktikus módszer
Hogyan írjunk Midjourney promptokat, amelyek fényképként olvashatók: a kamera előtti struktúra, a dokumentált paraméterek, amelyek segítenek, és hogyan kell ismételni.
ChatGPT Képfelhívás a valódinak tűnő luxusfotókhoz
Hogyan kérhetsz ChatGPT-ra hihető luxus- és életstílus-képeket: anyagok, fény, visszafogottság, bevált példák, valamint márkák és nyilvánosságra hozatal.
Hogyan írjunk mesterséges intelligencia-üzeneteket reális embereknek
Írjon le hihető embereket a mesterséges intelligencia képeken: testtartás, ruházat, bőr, kéz és fény, valamint az ehhez kapcsolódó beleegyezés, hasonlatosság és közzétételi szabályok.
Világítási kulcsszavak MI-fotókhoz: praktikus szószedet
Arany óra, kék óra, ablakfény, háttérvilágítás, low key és még sok más: hogyan néznek ki az egyes világítási kifejezések egy fotón, és hogyan írd be őket egy AI promptba.
A negatív felszólítások elmagyarázzák: mikor és hogyan kell használni őket
Milyen negatív felszólítás, hogy melyik képeszközök dokumentálják az egyiket, hogyan működik a Midjourney --no és Stable Diffusion negative_prompt-ja, és miért érdemes takarékosan használni őket.
Hogyan írjunk MI-fotóparancsokat, amelyek olvashatóak maradnak
Megismételhető felszólító szerkezet a témához, a fényhez, az objektív nyelvéhez és a korlátokhoz, könnyebben finomítható példákkal.
AI képprompt eszközök, összehasonlítás
Kérjen könyvtárakat, prompt építőket, generátoron belüli asszisztenseket és saját maga írja meg: mit takarít meg, mennyibe kerül, és melyik tanít meg bármit.