AI ഇമേജുകൾക്കുള്ള വീക്ഷണാനുപാതം: അവ എങ്ങനെ തിരഞ്ഞെടുത്ത് സജ്ജീകരിക്കാം

എന്തുകൊണ്ടാണ് അനുപാതം ആദ്യം വരുന്നത്

3:2 അല്ലെങ്കിൽ 16:9 എന്നിങ്ങനെ രണ്ട് അക്കങ്ങളായി എഴുതിയിരിക്കുന്ന ഒരു ചിത്രത്തിൻ്റെ വീതിയും ഉയരവും തമ്മിലുള്ള ബന്ധമാണ് വീക്ഷണാനുപാതം. ഒരു ഫോട്ടോഗ്രാഫർ എടുക്കുന്ന ആദ്യ തീരുമാനമാണിത്, കാരണം ഫ്രെയിമിന് എന്ത് പിടിക്കാമെന്ന് അത് തീരുമാനിക്കുന്നു. ഇമേജ് ജനറേഷനിൽ ഇത് കൂടുതൽ പ്രാധാന്യമർഹിക്കുന്നു: നിങ്ങൾ നൽകുന്ന ഫ്രെയിമിനായി മോഡൽ മുഴുവൻ സീനും രചിക്കുന്നു, അതിനാൽ അനുപാതം മാറ്റുന്നത് ക്രോപ്പ് ചെയ്യുക അല്ലെങ്കിൽ പുനരുജ്ജീവിപ്പിക്കുക എന്നാണ് അർത്ഥമാക്കുന്നത്. ബാക്കിയുള്ള പ്രോംപ്റ്റുകൾ പരിഷ്കരിക്കുന്നതിന് മുമ്പ് അത് തിരഞ്ഞെടുക്കുക.

അനുപാതം റെസല്യൂഷനല്ല

ഒരു അനുപാതം പിക്സലുകളുടെ എണ്ണത്തെക്കുറിച്ച് ഒന്നും പറയുന്നില്ല. Midjourney-ൻ്റെ ഡോക്യുമെൻ്റേഷൻ ഈ പോയിൻ്റ് നേരിട്ട് നൽകുന്നു: വീക്ഷണാനുപാതം ഇമേജ് അളവുകൾക്ക് തുല്യമല്ല, അവസാന വലുപ്പം പതിപ്പിനെയും ഉയർന്ന നിലവാരത്തെയും ആശ്രയിച്ചിരിക്കുന്നു. 3:2 ചിത്രം ചെറുതോ വലുതോ ആകാം. ചിത്രം എവിടെ നിന്ന് കാണണമെന്നും അതിൽ വിഷയം എങ്ങനെ ഇരിക്കണമെന്നും ആകൃതി തീരുമാനിക്കുക, തുടർന്ന് ഒരു പ്രത്യേക ചോദ്യമായി റെസല്യൂഷൻ കൈകാര്യം ചെയ്യുക.

ചതുരം, 1:1

ചതുരം സമതുലിതവും നിശ്ചലവുമാണ്, പ്രബലമായ ദിശയൊന്നുമില്ല. ഇത് സിംഗിൾ ഒബ്‌ജക്‌റ്റുകൾക്കും സമമിതി കോമ്പോസിഷനുകൾക്കും കേന്ദ്രീകൃത വിഷയങ്ങൾക്കും അനുയോജ്യമാണ്, കൂടാതെ പോസ്റ്റുകൾക്കും പ്രൊഫൈൽ ഇമേജുകൾക്കുമായി നിരവധി സോഷ്യൽ പ്ലാറ്റ്‌ഫോമുകൾ വളരെക്കാലമായി ഉപയോഗിക്കുന്ന ഫ്രെയിമാണ് ഇത്. Midjourney എന്നതിലെ ഡിഫോൾട്ട് കൂടിയാണിത്, ഇതിൻ്റെ ഡോക്യുമെൻ്റേഷൻ സൂചിപ്പിക്കുന്നത് ചിത്രങ്ങൾ സ്ക്വയറുകളായി ആരംഭിക്കുന്നു എന്നാണ്. ഒരു ചതുരം പ്രകൃതിദൃശ്യങ്ങൾക്കും ഗ്രൂപ്പ് സീനുകൾക്കും അനുയോജ്യമല്ല, അവിടെ വിഷയം സ്വാഭാവികമായും വശത്തേക്ക് വ്യാപിക്കുന്നു.

ക്ലാസിക് ഫോട്ടോ, 3:2, 2:3

3:2 എന്നത് സ്റ്റിൽ ഫോട്ടോഗ്രാഫിയുടെ പരമ്പരാഗത അനുപാതമാണ്, 35 എംഎം ഫിലിമിൽ നിന്ന് പാരമ്പര്യമായി ലഭിച്ചതാണ്, പല ക്യാമറകളും ഇപ്പോഴും ഇത് ഉപയോഗിക്കുന്നു. ഫോട്ടോഗ്രാഫിക് പ്രോംപ്റ്റിന് ഇത് സ്വാഭാവികമാണെന്ന് തോന്നുന്നു, കാരണം ആളുകൾ ഫോട്ടോഗ്രാഫുകളുമായി ബന്ധപ്പെടുത്തുന്ന ആകൃതിയാണിത്. തിരശ്ചീന 3:2 തെരുവുകൾക്കും ഇൻ്റീരിയറുകൾക്കും പ്രകൃതിദൃശ്യങ്ങൾക്കും അനുയോജ്യമാണ്; ലംബമായ 2:3 പോർട്രെയ്‌റ്റുകൾക്കും വാതിലുകൾക്കും ഉയരമുള്ള കെട്ടിടങ്ങൾക്കും അനുയോജ്യമാണ്, കൂടാതെ Midjourney ൻ്റെ ഡോക്യുമെൻ്റേഷനിൽ അച്ചടിച്ച ഫോട്ടോഗ്രാഫിയിലും ചിത്ര ഫ്രെയിമുകളിലും ഇത് സാധാരണമാണെന്ന് പരാമർശിക്കുന്നു.

4:3, 5:4 എന്നിവ

4:3 ആയിരുന്നു യഥാർത്ഥ ടെലിവിഷൻ അനുപാതം, ഇപ്പോഴും പല ടാബ്‌ലെറ്റുകളിലും ഒട്ടുമിക്ക ഡിജിറ്റൽ ക്യാമറകളിലും ഇത് ഉപയോഗിക്കുന്നു. ഇത് 3:2 എന്നതിനേക്കാൾ അല്പം ചതുരാകൃതിയിലാണ്, ഇത് വിഷയത്തിന് മുകളിലും താഴെയുമായി കൂടുതൽ ഇടം നൽകുന്നു. 5:4 വീണ്ടും സ്ക്വയർ ആണ്, ഇത് വലുതും ഇടത്തരവുമായ ഫോട്ടോഗ്രാഫിയിലും 8 ബൈ 10 ഇഞ്ച് പ്രിൻ്റുകളിലും സാധാരണമാണ്. വിശാലമായ ഫോർമാറ്റിൻ്റെ ശക്തമായ തിരശ്ചീന പുൾ ഇല്ലാതെ നിങ്ങൾക്ക് ഒരു ചെറിയ ശ്വസനമുറി ആവശ്യമുള്ള ഇൻ്റീരിയറുകളും പോർട്രെയ്‌റ്റുകളും രണ്ടും അനുയോജ്യമാണ്.

വൈഡ്‌സ്‌ക്രീൻ, 16:9

16:9 ആണ് ടെലിവിഷൻ, ഓൺലൈൻ വീഡിയോ എന്നിവയുടെ സ്റ്റാൻഡേർഡ് അനുപാതം; ഒരു കമ്പ്യൂട്ടറിലെ സ്റ്റാൻഡേർഡ് വീക്ഷണാനുപാതം എന്നാണ് YouTube ൻ്റെ സഹായ കേന്ദ്രം അതിനെ വിവരിക്കുന്നത്. അതിൻ്റെ വിശാലമായ ഫ്രെയിം ലാൻഡ്‌സ്‌കേപ്പുകൾ, നഗരദൃശ്യങ്ങൾ, ചലനത്തിലുള്ള കാറുകൾ, ഒരു വശത്ത് ഒരു വിഷയമുള്ള സിനിമാറ്റിക് രംഗങ്ങൾ എന്നിവയ്ക്ക് അനുയോജ്യമാണ്. ബാനറുകൾക്കും അവതരണ സ്ലൈഡുകൾക്കും വീഡിയോ ലഘുചിത്രങ്ങൾക്കുമുള്ള ശക്തമായ തിരഞ്ഞെടുപ്പാണിത്. വിശാലമായ ഫ്രെയിമിൽ ചെറുതായി അവസാനിക്കുന്ന ഒറ്റ സ്റ്റാൻഡിംഗ് രൂപങ്ങൾക്ക് ഇത് ദുർബലമാണ്.

വെർട്ടിക്കൽ, 9:16

9:16 അതിൻ്റെ വശത്ത് തിരിഞ്ഞ അതേ ആകൃതിയാണ്: ഫോണിൻ്റെ പൂർണ്ണ സ്‌ക്രീൻ നിവർന്നുനിൽക്കുന്നു. Midjourney ൻ്റെ ഡോക്യുമെൻ്റേഷൻ സോഷ്യൽ മീഡിയയിലെ മൊബൈൽ ഉള്ളടക്കത്തിന് ഇത് സാധാരണമാണെന്ന് വിവരിക്കുന്നു, കൂടാതെ YouTube 9:16 വീഡിയോകൾ കമ്പ്യൂട്ടർ സ്‌ക്രീനുകളിൽ പാഡിംഗ് ഉപയോഗിച്ച് കാണിക്കാൻ കഴിയുമെന്ന് കുറിക്കുന്നു. നിൽക്കുന്ന രൂപങ്ങൾ, ഉയരമുള്ള വാസ്തുവിദ്യ, വെള്ളച്ചാട്ടങ്ങൾ തുടങ്ങി ശക്തമായ ലംബരേഖയുള്ള എന്തിനും ഇത് അനുയോജ്യമാണ്. അതിനായി ബോധപൂർവം രചിക്കുക; ഒരു തിരശ്ചീന ദൃശ്യം 9:16 ആയി ഞെക്കിപ്പിടിച്ചാൽ സാധാരണയായി ശൂന്യമായ ആകാശത്തിലേക്കും തറയിലേക്കും അതിൻ്റെ വിഷയം നഷ്ടപ്പെടും.

ഫ്രെയിമിനൊപ്പം ഘടന എങ്ങനെ മാറുന്നു

വിശാലമായ ഫ്രെയിം സജ്ജീകരണത്തിനും മൂന്നിലൊന്ന് നിയമത്തിനും കൂടുതൽ ഇടം നൽകുന്നു, വിഷയം ഓഫ് സെൻ്റർ, കണ്ണിന് സഞ്ചരിക്കാനുള്ള ഇടം. ഒരു ഉയരം കൂടിയ ഫ്രെയിം ഉയരം ഊന്നിപ്പറയുകയും മുൻവശത്ത് നിന്ന് പശ്ചാത്തലത്തിലേക്ക് ലേയറിംഗിനെ ക്ഷണിക്കുകയും ചെയ്യുന്നു. പ്രോംപ്റ്റിൽ പ്ലെയ്‌സ്‌മെൻ്റ് പരാമർശിക്കുക: "ഫ്രെയിമിൻ്റെ വലത് മൂന്നിലൊന്ന് കാർ, ഇടത്തുനിന്ന് വരുന്ന ശൂന്യമായ റോഡ്" 16:9 ലും 1:1 ലും വളരെ വ്യത്യസ്തമായി വായിക്കുന്നു. നിങ്ങൾ അനുപാതം മാറ്റുമ്പോൾ, കോമ്പോസിഷൻ വാക്യങ്ങൾ വീണ്ടും വായിച്ച് അവ ക്രമീകരിക്കുക.

Midjourney-ൽ അനുപാതം ക്രമീകരിക്കുന്നു

Midjourney ൻ്റെ ഡോക്യുമെൻ്റേഷൻ --ar പാരാമീറ്റർ അല്ലെങ്കിൽ അതിൻ്റെ ദൈർഘ്യമേറിയ --aspect ഫോം ലിസ്റ്റുചെയ്യുന്നു, ഡാഷുകൾക്ക് മുമ്പായി ഒരു സ്‌പെയ്‌സ് ഉപയോഗിച്ച് പ്രോംപ്റ്റിൻ്റെ അവസാനം ചേർത്തിരിക്കുന്നു, ഉദാഹരണത്തിന് "പ്രഭാതത്തിൽ ശാന്തമായ തുറമുഖം --ar 16:9". അക്കങ്ങൾ പൂർണ്ണമായിരിക്കണം: ഡോക്യുമെൻ്റേഷൻ ദശാംശങ്ങൾ സ്വീകരിക്കുന്നില്ലെന്നും 1.39:1 ന് പകരം 139:100 നിർദ്ദേശിക്കുകയും ചെയ്യുന്നു, കൂടാതെ 1920:1080 പോലുള്ള ഒരു പിക്സൽ വലുപ്പം 16:9 ആയി ലളിതമാക്കിയിരിക്കുന്നു. ചില അനുപാതങ്ങൾ ഉയർത്തുമ്പോൾ ചെറുതായി മാറുമെന്നും വളരെ വിശാലമോ ഉയരമുള്ളതോ ആയ അനുപാതങ്ങൾ പരീക്ഷണാത്മകമാണെന്നും ഇത് കുറിക്കുന്നു.

OpenAI ൻ്റെ ഇമേജ് മോഡലുകൾ ഉപയോഗിച്ച് വലുപ്പം ക്രമീകരിക്കുന്നു

OpenAI ൻ്റെ ഇമേജ് ജനറേഷൻ ഡോക്യുമെൻ്റേഷൻ ഒരു അനുപാതം എന്നതിലുപരി പിക്സലുകളിൽ വലുപ്പത്തെ വിവരിക്കുന്നു. എഴുതുന്ന സമയത്ത് അത് 1024x1024 ചതുരമായും 1536x1024 ലാൻഡ്‌സ്‌കേപ്പായും 1024x1536 പോർട്രെയ്‌റ്റായി ശുപാർശ ചെയ്‌ത വലുപ്പങ്ങളിൽ, ഒരു ഓട്ടോമാറ്റിക് ഓപ്‌ഷനോടുകൂടിയും ലിസ്റ്റ് ചെയ്യുന്നു. അതിൻ്റെ പുതിയ മോഡലുകൾക്കായി, ഉയരം അനുസരിച്ച് വീതിയിൽ എഴുതിയിരിക്കുന്ന ഇഷ്‌ടാനുസൃത വലുപ്പങ്ങളും ഇത് വിവരിക്കുന്നു, ഇവിടെ രണ്ട് അരികുകളും 16 ൻ്റെ ഗുണിതങ്ങളായിരിക്കണം കൂടാതെ നീളവും ചെറുതുമായ അരികുകൾ തമ്മിലുള്ള അനുപാതം 3:1 നുള്ളിൽ തുടരണം. 1536x1024 എന്നത് 3:2 ആകൃതിയാണെന്ന കാര്യം ശ്രദ്ധിക്കുക.

Stable Diffusion മറ്റ് ടൂളുകളും

Hugging Face diffusers ലൈബ്രറിയിൽ, Stable Diffusion ടെക്‌സ്‌റ്റ്-ടു-ഇമേജ് പൈപ്പ്‌ലൈൻ പിക്സലുകളിൽ ഉയരവും വീതിയും ആർഗ്യുമെൻ്റുകൾ സ്വീകരിക്കുന്നു. തത്വം എല്ലായിടത്തും ഒരുപോലെയാണ്: ആദ്യം ആകൃതി തീരുമാനിക്കുക, തുടർന്ന് ഉപകരണം ആവശ്യപ്പെടുന്നതെന്തും, പിക്സലുകൾ അല്ലെങ്കിൽ അനുപാതം സജ്ജമാക്കുക. ഒരു ഉപകരണം കുറച്ച് വലുപ്പങ്ങൾ മാത്രം നൽകുമ്പോൾ, ഏറ്റവും അടുത്തുള്ളത് തിരഞ്ഞെടുത്ത് ക്രോപ്പ് ചെയ്യുക, കോമ്പോസിഷനിൽ മാർജിൻ ഇടുക, അങ്ങനെ ക്രോപ്പ് സബ്ജക്റ്റിലേക്ക് മുറിക്കില്ല.

ഒന്നിലധികം ഫോർമാറ്റുകൾക്കായി ആസൂത്രണം ചെയ്യുക

ഒരു ചിത്രം നിരവധി സ്ഥലങ്ങളിൽ ഉപയോഗിക്കുകയാണെങ്കിൽ, വിശാലമായ ഒരു വെബ് ബാനറും ലംബമായ ഒരു സ്റ്റോറിയും പറയുക, ഒരു ഇമേജ് സൃഷ്‌ടിക്കുകയും അത് രണ്ട് വഴികളിലും ക്രോപ്പ് ചെയ്യുകയും ചെയ്യുന്നത് അപൂർവ്വമായി മാത്രമേ പ്രവർത്തിക്കൂ. ഒന്നുകിൽ ഒരു കേന്ദ്ര വിഷയത്തിന് ചുറ്റും ഉദാരമായ ശൂന്യമായ ഇടം ഉപയോഗിച്ച് രചിക്കുക, അതുവഴി രണ്ട് വിളകളും നിലനിൽക്കും, അല്ലെങ്കിൽ ഓരോ ഫോർമാറ്റും ഒരേ പ്രോംപ്റ്റിൽ നിന്ന് പ്രത്യേകം കോമ്പോസിഷൻ വാക്യങ്ങൾ ഉപയോഗിച്ച് സൃഷ്ടിക്കുക. രണ്ടാമത്തെ ഓപ്ഷൻ സാധാരണയായി മികച്ച ഫലങ്ങൾ നൽകുകയും കുറച്ച് സമയം മാത്രം ചിലവാക്കുകയും ചെയ്യും.

തിരഞ്ഞെടുക്കാനുള്ള ഒരു ദ്രുത മാർഗം

ചിത്രം എവിടെ കാണുമെന്നും വിഷയത്തിന് എന്ത് ആകൃതിയുണ്ടെന്നും ചോദിക്കുക. ഒരൊറ്റ വസ്തു അല്ലെങ്കിൽ ഒരു കേന്ദ്രീകൃത സമമിതി ദൃശ്യം ഒരു ചതുരത്തിന് അനുയോജ്യമാണ്. ഒരു ഫോട്ടോ 3:2 അല്ലെങ്കിൽ 2:3 ന് അനുയോജ്യമായ ഒരു ഫോട്ടോ പോലെ തോന്നാൻ ഉദ്ദേശിച്ചുള്ളതാണ്. വിശാലമായ ലാൻഡ്‌സ്‌കേപ്പ് അല്ലെങ്കിൽ ഒരു വീഡിയോ ഫ്രെയിം 16:9 ന് അനുയോജ്യമാണ്. ഒരു പൂർണ്ണ സ്‌ക്രീൻ ഫോൺ ചിത്രമോ ഉയരമുള്ള വിഷയമോ 9:16-ന് അനുയോജ്യമാണ്. ഒന്നും വ്യക്തമായി ഒരു വഴി ചൂണ്ടിക്കാണിക്കുന്നില്ലെങ്കിൽ, 3:2 സുരക്ഷിതമായ ഫോട്ടോഗ്രാഫിക് ആരംഭ പോയിൻ്റാണ്, അത് മറ്റ് ആകൃതികളിലേക്ക് നന്നായി ക്രോപ്പ് ചെയ്യുന്നു.

LarpGPT എവിടെയാണ് യോജിക്കുന്നത്

യാത്ര, വാസ്തുവിദ്യ, കാറുകൾ, ജീവിതശൈലി രംഗങ്ങൾ എന്നിവയ്‌ക്കായുള്ള ഫോട്ടോ പ്രോംപ്റ്റുകളുടെ ഒരു ലൈബ്രറിയാണ് LarpGPT, ഓരോ പ്രോംപ്റ്റിലും വിഷയം, ലൈറ്റിംഗ്, ലെൻസ് എന്നിവയ്‌ക്കൊപ്പം കോമ്പോസിഷനും എഴുതിയിരിക്കുന്നു. നിങ്ങൾ ഒരു പ്രോംപ്റ്റ് പകർത്തി, അതിൻ്റെ ഫ്രെയിമിംഗ് നിങ്ങൾക്കാവശ്യമായ അനുപാതത്തിലേക്ക് പൊരുത്തപ്പെടുത്തുക, നിങ്ങൾ ഇതിനകം ഉപയോഗിക്കുന്ന ഇമേജ് ജനറേറ്ററിൽ ആ അനുപാതം സജ്ജമാക്കുക. LarpGPT ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നില്ല, ശ്രമങ്ങൾക്കിടയിൽ ഫലങ്ങൾ വ്യത്യാസപ്പെടുന്നു.

തുടർ വായന

• Midjourney documentation: Aspect Ratio (archived copy, May 2026)
• OpenAI API documentation: Image generation
• Hugging Face diffusers: Stable Diffusion text-to-image pipeline
• YouTube Help: Video resolution and aspect ratios
• Aspect ratio (image) (Wikipedia)