LarpGPT
मराठी
← ॲपवर परत या

LarpGPT · मार्गदर्शक

फोटो-रिअलिस्टिक इमेज प्रॉम्प्टची शरीररचना

प्रॉम्प्टचा प्रत्येक भाग इमेज जनरेटरमध्ये काय करतो, विशेषणांच्या भिंतीपेक्षा प्रत्येक निर्णयाचे एक वाक्य का चांगले कार्य करते आणि ज्या गोष्टीमुळे ते कार्य करते त्या गोष्टीचा भंग न करता प्रॉम्प्ट कसे अनुकूल करावे.

LarpGPT — तुमची पुढील प्रतिमा येथून सुरू होते
LarpGPT · तुमची पुढील प्रतिमा येथून सुरू होते
या मार्गदर्शकामध्ये१५

प्रॉम्प्ट एक संक्षिप्त आहे, शब्दलेखन नाही

इमेज प्रॉम्प्ट्सबद्दलचा सर्वात कायमचा गैरसमज हा आहे की काही शब्द जादूचे असतात आणि काम ते गोळा करणे असते. प्रश्न विचारू न शकणाऱ्या छायाचित्रकाराला माहिती देण्याच्या जवळ जे कार्य करते ते आहे. तुम्ही एखाद्या दृश्याचे वर्णन करत आहात जे कोणीतरी सेट करणे, प्रकाश देणे आणि शूट करणे आवश्यक आहे आणि तुम्ही न सांगता सोडलेला प्रत्येक निर्णय हा मॉडेल तुमच्यासाठी घेतो, सामान्यतः तुम्ही विचारलेल्या सर्वात सरासरी आवृत्तीच्या दिशेने.

प्रति निर्णय एक वाक्य

लांब प्रॉम्प्ट अयशस्वी होतात कारण ते लांब असतात म्हणून नाही तर ते भिन्न नसल्यामुळे. एका वाक्यातील वीस विशेषण एकमेकांशी स्पर्धा करतात आणि मॉडेल त्यांची सरासरी काढतात. समान सामग्री लहान वाक्यांमध्ये विभागली गेली आहे, प्रत्येक एक निर्णय घेऊन, अधिक अंदाजे परिणाम देते. हे प्रॉम्प्टला संपादन करण्यायोग्य देखील बनवते, कारण जेव्हा काहीतरी चूक होते तेव्हा कोणते वाक्य बदलायचे ते तुम्ही पाहू शकता.

विषय प्रथम येतो आणि सर्वात जास्त वजन आहे

पद महत्त्वाचे. प्रॉम्प्टमध्ये जे लवकर दिसते ते सामान्यत: अधिक वजनदार असते, त्यामुळे विषय समोरचा असतो, त्याचे ठोस वर्णन केले जाते. ठोस विषय असा आहे की आपण फोटो घेऊ शकता: एखादी वस्तू, जागा, भौतिक गुणधर्म असलेली परिस्थिती. अमूर्त विषय मॉडेलला तयार करण्यासाठी काहीही देत ​​नाहीत आणि ते जागा भरण्यासाठी सामान्य काहीतरी शोधून काढेल.

जे दृश्यमान असेल ते वर्णन करा, काय जाणवले नाही

ही एकमेव सर्वात उपयुक्त शिस्त आहे. मेलान्कोलिक सारखा शब्द एक व्याख्या आहे आणि मॉडेलला अंदाज लावावा लागेल की कोणत्या दृश्य व्यवस्थेमुळे ते तयार होते. खिडकीवरचा पाऊस, एकच पेटलेला दिवा, रिकामी खुर्ची: या गोष्टी कॅमेरा रेकॉर्ड करतो. परिणामापेक्षा कारणे लिहा, आणि परिणाम अधिक सुसंगततेने स्वतःहून येतो.

देखावा मर्यादा सेट करते

सेटिंग सजावट नाही. कोणता प्रकाश उपलब्ध आहे, ते परावर्तित करण्यासाठी कोणते पृष्ठभाग अस्तित्वात आहेत, पार्श्वभूमीत काय दिसू शकते आणि प्रत्येक गोष्ट कोणत्या स्केलवर वाचते हे ते ठरवते. तपशीलवार वर्णन केलेला विषय कोणत्याही स्पष्ट सेटिंगशिवाय कुठेतरी सामान्य ठेवला जाईल आणि जेनेरिक सेटिंग नंतर तुम्ही विषयाबद्दल केलेल्या अर्ध्या निवडींना विरोध करेल.

तो क्षण एका दृश्याला छायाचित्रात संकुचित करतो

दिवसाची वेळ, हवामान आणि हंगाम बहुतेक लोकांच्या अपेक्षेपेक्षा जास्त काम करतात, कारण प्रत्येकाकडे संपूर्ण प्रकाश व्यवस्था असते. शरद ऋतूतील उशिरा दुपार म्हणजे कमी उबदार सूर्य, लांब सावल्या आणि एका विशिष्ट रंगाचा कास्ट, हे सर्व चार शब्दांमधून. बहुतेक प्रॉम्प्टमध्ये क्षणाचे नाव देणे हे सर्वात प्रभावी वाक्य आहे.

प्रकाश हा निर्णय आहे, नंतरचा विचार नाही

छायाचित्रे मुख्यत्वे प्रकाशापासून बनलेली असतात आणि सिंथेटिक दिसणाऱ्या सपाट, समान रीतीने प्रकाशित झालेल्या प्रतिमेसाठी अस्पष्ट प्रकाशयोजना हा सर्वात जलद मार्ग आहे. प्रकाश कुठून येतो आणि तो कोणत्या प्रकारचा आहे ते सांगा. डावीकडून खिडकीचा प्रकाश. एकल ओव्हरहेड स्रोत. ढगाळ आकाश. पानांमधून थेट सूर्यप्रकाश. प्रत्येकजण एकाच विषयातून आणि दृश्यातून वेगळी प्रतिमा निर्माण करतो.

कठोर आणि मऊ प्रकाश भिन्न कार्य करतात

लहान किंवा दूरच्या स्त्रोताकडून येणारा प्रकाश कठीण आहे: सावलीच्या तीक्ष्ण कडा, उच्च तीव्रता, दृश्यमान पोत. मोठ्या किंवा विखुरलेल्या स्त्रोताचा प्रकाश मऊ असतो: हळूहळू सावल्या, कमी कॉन्ट्रास्ट, सौम्य पृष्ठभाग. तुम्हाला कोणते नाव हवे आहे ते मॉडेलला मूडबद्दलच्या कोणत्याही विशेषणापेक्षा प्रतिमेच्या मूडबद्दल अधिक सांगते.

मॉडेल अनुसरण करू शकते रचना सूचना

फ्रेमिंग अटी उपयुक्त आहेत कारण ते अस्पष्ट आहेत. क्लोज-अप, वाइड शॉट, डोळ्याची पातळी, कमी कोन, ओव्हरहेड. विषय मध्यभागी बसला आहे किंवा एका बाजूला आहे. समोर काय आणि मागे काय. हे असे शब्द आहेत जे छायाचित्रकार सेटवर वापरतील आणि ते स्वच्छ भाषांतर करतात कारण ते चवीऐवजी भूमितीचे वर्णन करतात.

लेन्स भाषा आणि ती प्रत्यक्षात काय करते

विस्तृत फोकल लांबी खोली अतिशयोक्त करते आणि जवळच्या गोष्टी मोठ्या बनवते. लांब फोकल लांबी अंतर संकुचित करते आणि स्तर सपाट करते. विस्तृत छिद्र पार्श्वभूमी फोकसच्या बाहेर फेकून देते आणि विषय वेगळे करते. या अटी प्रॉम्प्टमध्ये कार्य करतात कारण ते वास्तविक ऑप्टिकल वर्तनाशी संबंधित आहेत आणि अस्पष्ट पार्श्वभूमी विचारण्यापेक्षा फील्डची उथळ खोली विचारणे अधिक अचूक आहे.

रंग, संयमित

दोन किंवा तीन रंगांना नाव दिल्याने एक सुसंगत प्रतिमा तयार होते. आठचे नाव दिल्याने चिखल निर्माण होतो, कारण मॉडेल त्या सर्वांचा समावेश करण्याचा प्रयत्न करते आणि कोणाचेही वर्चस्व नसते. रंग महत्त्वाचा असल्यास, संपूर्ण चित्राऐवजी एखाद्या वस्तूशी जोडा: लाल रंगाचा दरवाजा लाल-टिंट केलेल्या दृश्यापेक्षा चांगले वाचतो आणि बाकीचे पॅलेट प्रकाशाचे अनुसरण करण्यासाठी मोकळे सोडतो.

एका वेळी एक गोष्ट बदला

जेव्हा परिणाम जवळ असतो परंतु चुकीचा असतो, तेव्हा प्रॉम्प्ट पुन्हा लिहिण्याची प्रवृत्ती असते. त्याचा प्रतिकार करा. एक वाक्य बदला, पुन्हा निर्माण करा आणि काय हलवले ते पहा. हे प्रत्येक प्रयत्नात कमी आणि एकूणच वेगवान आहे, कारण प्रत्येक वाक्य काय करत आहे हे तुम्ही शिकता. एक पुनर्लेखन प्रॉम्प्ट जे कार्य करते ते तुम्हाला उद्या पुन्हा वापरू शकणारे काहीही शिकवत नाही.

तुम्ही टाकून दिलेल्या आवृत्त्या ठेवा

एक प्रॉम्प्ट ज्याने काहीतरी मनोरंजक निर्माण केले परंतु आपल्याला जे हवे होते ते ठेवण्यासारखे आहे. प्रॉम्प्ट लायब्ररी त्यांच्याकडून तयार केली जातात, यशातून नव्हे, कारण पुढची संक्षिप्त माहिती जरा वेगळी असते तेव्हा तुम्ही जे जवळून चुकवता ते तुम्ही जुळवून घेता. परिणाम प्रत्यक्षात कसा दिसला याची एक टीप केवळ प्रॉम्प्टपेक्षा अधिक मोलाची आहे.

रचना खंडित न करता जुळवून घ्या

जेव्हा तुम्ही प्रॉम्प्ट पुन्हा वापरता, तेव्हा विषय आणि सेटिंग स्वॅप करा आणि प्रथम प्रकाश, रचना आणि लेन्स वाक्ये सोडा. ते असे भाग आहेत जे प्रतिमेला फोटोग्राफिक दिसायला लावतात आणि ते असे भाग असतात जेव्हा एखादी प्रॉम्प्ट खूप लांब वाटते तेव्हा लोक हटवतात. मुद्दाम बदला, एका वेळी, नवीन विषय कार्य करत असताना.

प्रतिमा काय आहे ते सांगा

अशा प्रकारे बनवलेल्या प्रतिमा ही छायाचित्रे नसतात आणि असे म्हणण्याचे मानक आधीच अस्तित्वात आहेत. IPTC डिजिटल स्त्रोत प्रकार शब्दसंग्रह जनरेटिव्ह AI वापरून तयार केलेल्या मीडियामधून वास्तविक जीवनातील नमुना केलेल्या डिजिटल कॅप्चरमध्ये फरक करणारी मूल्ये प्रदान करते आणि C2PA स्पेसिफिकेशन हे परिभाषित करते की मूळ माहिती फाइलसह कशी प्रवास करते. एखाद्या वास्तविक गोष्टीच्या रेकॉर्डसाठी प्रतिमा कुठे घेतली जाऊ शकते, त्यावर लेबल लावा. LarpGPT प्रॉम्प्ट आणि संदर्भ सामग्री प्रदान करते आणि तुम्ही जे तयार करता ते वापरण्यासाठी तुमचे असते आणि ते उघड करायचे असते.

प्रश्न

लांब प्रतिमा प्रॉम्प्ट अनेकदा अयशस्वी का होतात?

कारण ते अभेद्य आहेत, लांब आहेत म्हणून नाही. एका वाक्यात वीस विशेषण स्पर्धा करतात आणि मॉडेल त्यांची सरासरी काढते. समान सामग्री प्रत्येकी एक निर्णय घेऊन लहान वाक्यांमध्ये विभाजित करा आणि परिणाम अधिक अंदाजे बनतो.

मी मूड किंवा दृश्यमान काय वर्णन करावे?

जे दिसते ते. मेलान्कोलिक सारखा शब्द म्हणजे मॉडेलला अंदाज लावायचा आहे. खिडकीवर पडणारा पाऊस, एकच पेटलेला दिवा, रिकामी खुर्ची या कॅमेरा रेकॉर्ड करतो. कारणे लिहा आणि मूड खालीलप्रमाणे आहे.

तात्काळ शब्दांचा क्रम महत्त्वाचा आहे का?

होय. जे लवकर दिसते ते सामान्यत: जास्त वजनदार असते, त्यामुळे तो विषय समोरच्या जवळचा असतो, ज्याचे तुम्ही फोटो काढू शकता इतके ठोस वर्णन केले आहे.

फोकल लेंथ सारख्या कॅमेरा अटी प्रत्यक्षात काम करतात का?

ते करतात, कारण ते वास्तविक ऑप्टिकल वर्तनाशी संबंधित आहेत. रुंद फोकल लांबी खोलीला अतिशयोक्ती देते, लांब फोकल लांबी त्यास संकुचित करते आणि विस्तृत छिद्र विषय वेगळे करते. अस्पष्ट पार्श्वभूमी विचारण्यापेक्षा फील्डची उथळ खोली विचारणे अधिक अचूक आहे.

AI-व्युत्पन्न केलेल्या प्रतिमेला मी कसे लेबल करावे?

मानके अस्तित्वात आहेत. IPTC डिजिटल स्त्रोत प्रकार शब्दसंग्रह जनरेटिव्ह AI वापरून तयार केलेल्या मीडियामधून वास्तविक जीवनातील नमुना केलेल्या डिजिटल कॅप्चरला वेगळे करतो आणि C2PA तपशील फाइलसह कसा प्रवास करतो हे परिभाषित करते. वास्तविक काहीतरी रेकॉर्ड करण्यासाठी घेतले जाऊ शकते असे काहीही लेबल करा.

पुढील वाचन

सर्व अनुप्रयोग