AI-pildigeneraatorite puhul teeskleb igaüks, et nad tahavad "fotorealistlikku täiuslikkust", kuni mudel tabab naelapea pihta sellega, mida nad tegelikult tahtsid: maitse. Ja maitse – mitte kiirus, mitte megapikslid, mitte ruunik süntaksiga viiped – on koht, kus võitlus käib.
Esitame kõigepealt ilmse küsimuse. Kui AI-pildigeneraatorid on nüüd nii head, siis miks on nii palju pilte ikka veel... kummalised? Mitte valed. Lihtsalt veidi nihkes, nagu vahakujude muuseum, kus valgustus on suurepärane, aga silmad jälgivad sind sekundi liiga hilja. See lõhe – selle vahel, mida me ütleme, et tahame, ja selle vahel, mida me aktsepteerime – on see, mis seda kogu stseeni käimas hoiab.
Siin on see, mis on selge: AI-pildigeneraatorid on kiired, paindlikud ja ausalt öeldes vapustavad. Ja nad muutuvad üha paremaks selles ühes asjas, milles arvutid peaksid olema kohutavad: tegema seda, mida me mõtlesime, mitte seda, mida me ütlesime. See teine osa jääb libedaks. Kui sa oled kunagi rännanud jänesekõrvaauku, et teada saada, "miks see ei pane tekst siltidele ilma tähti sulatamata", siis oled sa seda tundnud.
Me oleme kuskil varajase digikaamera ajastu ja hetke vahel, mil nutitelefonid muutsid fotograafia igapäevaseks supervõimeks. Mudelid suudavad renderdada nahapoore, mis paneksid su dermatoloogi punastama, ja nad võivad sülitada välja kuus variatsiooni enne, kui sa jõuad öelda "esteetiline". Kuid tegelik lugu ei ole pinnapealne realism. See on kontroll. Koherentsus. Ja maitse.
Mida inimesed tegelikult AI-pildigeneraatoritelt tahavad
- Ilmsed juhtnupud: inpainting, outpainting, stiililukud, seemnete konsistents, kuvasuhted, mis ei käitu nagu soovitused.
- Ennustatavus: sama viip, sama väljundsuund, mitte täringuheide kena entroopiaga.
- Piirangute austamine: loetav tüpograafia, inimestele kuuluvad käed, valgustus, mis ei reeda füüsikat.
- Juriidiline ja litsentsimise selgus: mitte autoriõiguste rulett.
- Töövoog, mis ei nõua {Discordi} arheoloogia kraadi.
Paberil näeb ruum rahvarohke välja. Praktikas avab iga suurem tööriist erineva arvamuse selle kohta, milline peaks pildi tegemine tunduma.
- {Midjourney}: autori meeleolulaud. Kummaliselt hea stiili ja kompositsiooni poolest, kontrolli osas ikka veel veidi müstiline. Sa töötad {Midjourney}'ga, mitte selle peal.
- {DALL·E 3}: laitmatult kuulekas loomulikule keelele ja pealkirjadele. See on eeskujulik õpilane: suurepärane juhiste järgimises, aeg-ajalt isegi puuduliku mõistmisega.
- {Stable Diffusion} ja {SDXL/SD3.x}: nokitseja garaaž. Avatud, muudetav, õigetes kätes metsikult võimekas. Ohtlik, kui sa ei tea, milliseid hoobasid tõmmata. Tasuv, kui sa tead.
- {Adobe Firefly}: korporatiivne täiskasvanu. Ohutuspiirded. Kaubanduslikud litsentsid. Ekstra portsjon "jah, juriidiline kiitis heaks".
Ühine niit: AI-pildigeneraatorid on südames maitsevõimendid. Need võimaldavad mitte-kunstnikel väljendada visiooni, kuid nad premeerivad ikka samu vanu, igavaid voorusi: iteratsioon, toimetamine ja silm.
Viip ei ole loits. See on lühikokkuvõte.
Tööstuse halvim harjumus on teeselda, et viiped on arkaanid. Tõde on lähemal hea loomingulise lühikokkuvõtte kirjutamisele. Sa ei vaja barokseid määrsõnu ja kolme tosinat komaga eraldatud kunstnikku. Sa vajad:
- Subjekti selgus: mis on kaadris, mis ei ole, mida vaataja peaks esmalt märkama.
- Kontekst ja piirangud: kellaaeg, valgustusstiil, objektiivi tunnetus (lai vs tele), ajastu, meedium, meeleolu.
- Kompositsiooni vihjed: esiplaan vs taust, sümmeetria, negatiivne ruum, kuhu tekst peaks minema.
- Mitte-läbiräägitavad: "viis sõrme", loetav sildistus, brändi värvide täpsus.
Kohtle mudelit nagu nooremat disainerit: piisavalt spetsiifiline, et olla vastutav, piisavalt avatud valikute jaoks. Seejärel itereeri. Esimene pilt on harva see, mis alles jääb. Teine on sageli. Kolmas pöörab mõnikord kontseptsiooni ümber.
Realism vs. Maitse (vali maitse)
Fotorealism on salongitrikk. See vaimustas meid; nüüd me ootame seda. See, mis muudab olukorda, on maitse. See on põhjus, miks {Midjourney} pildid võivad näida filmilikud isegi siis, kui nad detaile valesti saavad – mudel on kallutatud esteetika poole. Fotograafid ja illustraatorid kehtestavad maitse instinktiga; AI kehtestab selle eelnevate tõenäosustega. See ei ole viga. See on funktsioon. Küsimus on selles, kas mudeli maitse kattub sinu omaga.
Sa saad eelmiste tõenäosustega võidelda. Või sa saad nendega surfata. Inimesed, kes saavad häid tulemusi, ei suru mudelit jõuga ortodoksiasse; nad suunavad oma viiped voolu. Küsi {Saul Bass}'i plakatit ja võitle liivase minimalismi eest, sa jõuad sinna kiiremini kui alustades "tee mulle minimalistlik plakat" ja rebides mudeli välja "modernsest läikivast gradiendi pudrust".
Tüpograafia on ikka veel kanaarilind
Küsi ükskõik milliselt disainerilt: kui tüüp tundub vale, tundub kogu pilt vale. AI tekstikäsitlusprobleemid on paranenud "tähestikusupist lisakätega" kuni "peaaegu õige, kui sa liiga tähelepanelikult ei vaata". See on parem – isegi kasutatav – paigutustes, kus mudel austab tühje piirkondi. Kuid me ei ole veel "pealkirja valmis" kõigis valdkondades. Kui sa vajad tüpograafiat, mis on tihe, võidab ikka vanaaegne viis (sina, tõeline font ja paigutusvahend).
Ja see on hea. Sest AI-pildigeneraatorite suurepärane kasutusjuht ei ole lõplik trükk. See on kontseptimine. Need on kavandid, mis sind ei häbista. See ületab tühja lehe. Parim töö, mida ma olen näinud, on AI paaristamine inimese toimetajaga, kes on allergiline laiskadele detailidele.
{Inpainting}, {Outpainting} ja kontrolli illusioon
Tööriistad armastavad müüa kontrolli. Tegelikkus: {inpainting} ja {outpainting} on vähem nagu kirurgilised instrumendid ja rohkem nagu improvisatsiooniline džäss skalpellidega. Nad töötavad suurepäraselt, kui sa tõukad: eemalda lamp, lisa taevas, pikenda komplekti. Nad muutuvad närviliseks struktuuriliste muudatustega, mis on vastuolus stseeni loogikaga. Nipp on mõelda nagu operaator. Säilita järjepidevus: nurk, valguse suund, skaala. Kui päike nihkub {inpaint} läbimiste vahel 30 kraadi, tunneb vaataja seda, isegi kui ta ei suuda seletada, miks.
Negatiivsed viiped on endiselt kasulikud, kuid nagu kogu negatiivne ruum, loevad nad paremini, kui neid kasutatakse säästlikult. "Ei mingeid lisasõrmi" on hea. Pesunimekiri "ei seda, ei toda" muudab generaatori süüdi tunnetavaks improvisatsioonipartneriks. Ütle talle, mida teha, mitte ainult seda, mida vältida.
Juriidiline reaalsus: litsentsid ja vesimärgid
Siin on see osa, mida kõik teeskleb, et see on igav, kuni klient küsib allikat. Kui sa teed kommertstööd, vajad sa selgust: mis on andmed, mis on litsents, mis juhtub, kui keegi kaebab? Mudelid, mis on seotud selgesõnalise varu- või ettevõttelitsentsiga, võidavad jätkuvalt tehinguid. Mitte sellepärast, et nad on paremad kunstnikud, vaid sellepärast, et nendega on kaasas paberimajandus. Teine osa on päritolu – krüptograafilised sisu volitused, vesimärgid, kogu see tähestikusupp. Nad ei peata halbu tegijaid. Nad aitavad ausatel meeskondadel tõestada, mis on mis.
Individuaalsete loojate jaoks on pragmaatiline tee lihtsam: hoia oma kihte, hoia oma seemneid, hoia oma viipeid. Dokumenteeri oma protsessi. See ei ole glamuurne, aga see on sinu alibi.
Töövoog: kuhu AI-pildigeneraatorid tegelikult sobivad
- Ajurünnak: lase 15 minutiga läbi 20 suunda ja tapa neist 18 null süümepiinadega.
- Meeleolulauad: ühenda välimus enne, kui keegi vaidleb kaamerate üle, mida sa ei oma.
- Kavandid: näita paigutust usutava valgustuse ja usutava perspektiiviga.
- Variatsioonid: a/b testpaletid, poosid, keskkonnad ilma ümberpildistamiseta.
- Järeltoimingud: {inpaint} elemendid, mis sa komplektist unustasid, pikenda kaadrit, paranda hulkuv peegeldus.
Pane tähele, mis puudu on: "lõplik põhikunst" ja "tootmisvalmis tüpograafia". Mõned meeskonnad saavad sinna piisava iteratsiooni ja inimese lihvimisega. Enamik ei tohiks proovida samme vahele jätta lihtsalt sellepärast, et esimene läbimine nägi läikiv välja.
Kuidas tegelikult AI-pildigeneratsioonis heaks saada
- Alusta lihtsalt. Nimisõna, verb, kontekst. Saa korralik alus.
- Lukusta seemned, kui sulle meeldib suund. Seejärel itereeri: kaamera, objektiiv, valgus, kellaaeg.
- Hoia väikest isiklikku stiiliraamatut: 10 viidet, mida sa imetled. Suuna nende poole ilma nimesid nimetamata.
- Kasuta pilt-pildile nagu professionaal: jäme visand, blokeeri kompositsioon, seejärel lase mudelil lisada ilus.
- Õpi kärpima. Kompositsioon on pool võitlust ja kärpetööriist on ikka veel võitmatu.
- Järeltöötlus. Kõverad, tera, peen õitsemine, tegelik tüüp. Viimased viis protsenti on olulised.
Avatud küsimus: kas see on "kunst"?
Muidugi võib see olla. Muidugi ei ole see ka sageli. Kasulik lähenemine on autorlus. Kui sa saad kirjeldada, reprodutseerida ja arendada oma protsessi – kui sinu valikutes on läbiv joon –, siis sa tegeled autorlusega. Kui sa mängid mänguautomaati, kuni sa saad midagi lahedat ja kordumatut, siis see on hea plakatite ja vibratsioonide jaoks, aga ära teeskle, et see on sama asi.
Tööstuse teesklus, mida ma ei saa ignoreerida
On olemas AI-võimenduse tüvi, mis ütleb sisuliselt, et mudel on kunstnik ja sul on lihtsalt õnne, et sa seal oled. See on tagurpidi. Mudel on kaamera 10 000 objektiivi ja miljoni meeleoluga. Kaamerad ei tee pilte. Inimesed teevad. Parem metafoor on muusikainstrument. Pane {Steinway} minu elutuppa; see ei loo sonatti. See aga paneb pädeva pianisti kõlama suurepäraselt ja suurepärase transtsendentselt. Halvad viiped kõlavad nagu halb harjutamine.
Teisest küljest, puristlik joon, et AI on "petmine", jätab vahele pikema ajaloo. Fotograafia oli petmine. Digitaalne värv oli petmine. Tagasivõtmine oli petmine. Tegelik petukood on iteratsioon mõttekiirusel. Kui sa oled nõus mõtlema.
Tööriistade kohta, ilma hypeta
- {Midjourney} vibratsiooni ja stiili jaoks. Suurepärane filmiliku valgustuse poolest. Ikka veel veidralt läbipaistmatu nuppudes ja ketastes. Aktsepteeri selle temperamenti ja see premeerib sind.
- {DALL·E 3} sõnasõnalise juhendi järgimise ja kompositsioonilise mõistlikkuse jaoks. Suurepärane, kui kliendid kirjutavad viipeid nagu koosoleku märkmeid.
- {Stable Diffusion} variatsioonid ({SDXL, SD3.x}) kontrollifriikidele ja nokitsejatele. Kui sa naudid mudeliversioone, {LoRA}sid ja kohalikke seadmeid, siis see on sinu mänguväljak.
- {Firefly} meeskondadele, kes hoolivad sama palju kahjude hüvitamisest kui bokehist.
Kui sinu töö on teha pilte, mille eest inimesed maksavad, siis õige vastus on tavaliselt "kasuta rohkem kui ühte". Stiil ühest, tüpograafia ja paigutus mujalt, puhastamine kõikjal, kus sa kõige kiirem oled. Tööriista monogaamia on vibratsioon, mitte töövoog.
Tööriistad, mis aitavad sul mõelda, mitte ainult genereerida, on alahinnatud. Kui sa žongleerid uurimistöö, viidete, visuaalse iteratsiooni ja viipetega, siis on assistent, mis organiseerib sinu aju, kasulikum kui järjekordne "vaata, superresolutsioon jälle" funktsioon. Generaatorid on lärmakad. Töövoog on vaikne. Vaikne võidab sagedamini kui mitte.
Parimad praktikad, mis säästavad tunde
- Ehita viipeteek. Mitte 500 viibet; 15 head viibet koos märkmetega selle kohta, millal need töötavad.
- Hoia seemnepanka. Kohtle seemneid kui koordinaate; sildista oma kaardid.
- Nimeta oma väljundid selgelt. Tuleviku-sina on kaastööline. Ära ole ebaviisakas.
- Ekspordi alati puhas alus enne, kui sa alustad tugevate muudatustega. Sa tahad tagasi minna.
- Itereeri harudes. Kui idee jaguneb, duplikeeri fail ja mine mõlemas suunas.
Tulevik: vähem nuppe, rohkem otsustusvõimet
Mudelite paranedes tunduvad parimad lihtsamad – mitte sellepärast, et nad kaotasid võimekuse, vaid sellepärast, et nad said paremaks kavatsuste austamises. Kasutajaliides, mis võidab, ei ole pilootkabiin, mis on täis lüliteid. See on vaikne lõuend käputäie sisukate valikute ja tugevate vaikeseadetega. Ülejäänu on maitse. Ja maitse ei skaleeru. See ongi point.
Lahkuminekupunkti (või kaks)
Kui sa oled AI-piltide pärast põnevil, sest sa arvad, et need eemaldavad inimesed protsessist, siis valmistu pettumuseks ja seejärel kergenduseks. Tehnoloogia muutub pidevalt paremaks. Tulemused sõltuvad üha enam inimestest, kes teavad, mida nad teevad. See ei ole vastuolu. See on muster.
Kui sa aga arvad, et AI-pildigeneraatorid on lihtsalt uhked lõikepildid, siis jälgi edasi. Lõhe "mänguasja" ja "tööriista" vahel sulgus vaikselt, samal ajal kui kõik veebis vaidlesid. Mudelid ei vaja, et sa neid kummardaksid. Nad vajavad lihtsalt, et sa kasutaksid neid kavatsusega. Ülejäänu on harjutamine.
Ja see kummaline org? See kahaneb. Aeglaselt, tüütult, vältimatult. Kuid isegi kui see on kadunud, on tegelik töö sama, mis see on alati olnud: otsusta, mida sa tahad öelda, ja seejärel pane iga piksel seda ütlema.
KKK
K1: Milles on AI-pildigeneraatorid praegu tegelikult parimad?
Kontseptimine ja iteratsioon. AI-pildigeneraatorid purustavad tühja lehe, uurivad stiile ja toodavad kiiresti kasutatavaid kavandeid – eriti kui sa hoiad tüpograafiat ja lõplikku lihvimist inimkätes.
K2: Kas AI-pildigeneraatorid on piisavalt head kommertstööd jaoks?
Jah, kui sa hoolid protsessist ja litsentsimisest. Kasuta AI-pildigeneraatoreid uurimiseks ja baasrenderdusteks, seejärel lõpeta korraliku tüübi, retušeerimise ja tööriistaketiga, mis ei pane seaduslikku piinlema.
K3: Millise AI-pildigeneraatori peaksin valima realistlike tulemuste saamiseks?
Vali tööriist, mis sobib sinu maitsega: {Midjourney} filmiliku meeleolu jaoks, {DALL·E 3} usaldusväärseks juhiste järgimiseks ja {Stable Diffusion} variandid, kui sa soovid detailset kontrolli. AI-pildigeneraatorid ei ole vahetatavad; neil on selged eelmised tõenäosused.
K4: Miks tekst näeb AI-ga genereeritud piltidel ikka veel veider välja?
Sest tüpograafia on andestamatu ja mudelid kohtlevad ikka veel tähti nagu tekstureeritud kujundeid. AI-pildigeneraatorid paranevad, kuid pealkirjade ja bränditüübi jaoks võidavad ikka veel reaalsed fondid reaalsetes paigutusvahendites.
K5: Kuidas ma saan AI-pildigeneraatorite jaoks paremaid viipeid kirjutada?
Kirjuta lühikokkuvõte, mitte loits. Ole konkreetne subjekti, valgustuse, kompositsiooni ja piirangute osas; lukusta seemned, kui suund töötab; ja itereeri väikeste, tahtlike muudatustega, selle asemel et lisada omadussõnu.
