Tekoälykuvageneraattoreiden ongelma on, että kaikki teeskentelevät haluavansa "fotorealistista täydellisyyttä", kunnes malli osuu siihen, mitä he oikeasti halusivat: makua. Ja maku – ei nopeus, ei megapikselit, ei riimusyntaksilla varustetut kehotteet – on se, mistä taistelu käydään.
Esitetään ensin ilmeinen kysymys. Jos tekoälykuvageneraattorit ovat nyt niin hyviä, miksi niin monet kuvat ovat edelleen… aavemaisia? Ei vääriä. Vain hieman pielessä, kuin vahakabinetti, jossa valaistus on upea, mutta silmät seuraavat sinua sekunnin liian myöhään. Tuo kuilu – sen välillä, mitä sanomme haluavamme ja mitä hyväksymme – on se, millä koko tämä kenttä toimii.
Selvää on, että tekoälykuvageneraattorit ovat nopeita, joustavia ja suoraan sanottuna upeita. Ja ne parantavat jatkuvasti siinä yhdessä asiassa, jossa tietokoneiden oletetaan olevan hirveitä: tekemään sen, mitä tarkoitimme, ei mitä sanoimme. Jälkimmäinen osa on edelleen liukas. Jos olet koskaan sukeltanut syvälle siihen, miksi se ei laita tekstiä kylttiin sulattamatta kirjaimia, olet tuntenut sen.
Olemme jossain varhaisen digitaalikamerakauden ja sen hetken välissä, kun älypuhelimet tekivät valokuvauksesta jokapäiväisen supervoiman. Mallit voivat renderöidä ihohuokosia, jotka saisivat ihotautilääkärisi punastumaan, ja ne voivat sylkeä ulos kuusi variaatiota ennen kuin ehdit sanoa "esteettinen". Mutta todellinen tarina ei ole pinnallinen realismi. Se on kontrolli. Yhtenäisyys. Ja maku.
Mitä ihmiset oikeasti haluavat tekoälykuvageneraattoreilta
- Ilmeiset säätimet: maalaaminen sisään, maalaaminen ulos, tyylilukot, siemenkonsistenssi, kuvasuhteet, jotka eivät toimi kuin ehdotukset.
- Ennustettavuus: sama kehotus, sama tulossuunta, ei nopanheitto komealla entropialla.
- Kunnioitus rajoituksia kohtaan: typografia, joka on luettavaa, kädet, jotka kuuluvat ihmisille, valaistus, joka ei petä fysiikkaa.
- Laillinen ja lisensoinnin selkeys: ei tekijänoikeusrulettia.
- Työnkulku, joka ei vaadi <a0>Discord
-arkeologian tutkintoa.</a0>Paperilla tila näyttää täydeltä. Käytännössä jokainen päätyökalu paljastaa erilaisen mielipiteen siitä, miltä kuvan tekemisen pitäisi tuntua.
- <a0>MidjourneyMidjourneyn
: tekijän tunnelmataulu. Aavemaisen hyvä tyylissä ja sommittelussa, edelleen hieman mystinen kontrollissa. Teet töitä - <a0>MidjourneyMidjourneyn
kanssa, et sen parissa.</a0>: moitteettomasti tottelevainen luonnolliselle kielelle ja kuvateksteille. Se on mallioppilas: hyvä seuraamaan ohjeita, toisinaan kirjaimellinen äärimmilleen.</a0>- <a0>Stable DiffusionSDXL/SD3.x
ja - <a0>Stable DiffusionSDXL/SD3.x
: näpertelijän verstas. Avoin, muokattava, valtavan kyvykäs oikeissa käsissä. Vaarallinen, jos et tiedä, mitä vipuja vetää. Palkitseva, jos tiedät.</a0>: yritysmaailman aikuinen. Turvakiskot. Kaupalliset lisenssit. Ekstra-annos "kyllä, lakiosasto hyväksyi".</a0>Yhteinen säie: tekoälykuvageneraattorit ovat pohjimmiltaan maun vahvistimia. Ne antavat ei-taiteilijoille mahdollisuuden artikuloida visio, mutta ne palkitsevat edelleen samat vanhat, tylsät hyveet: iteraatio, editointi ja silmä.
Kehote ei ole loitsu. Se on briiffi.
Alan pahin tapa on teeskennellä, että kehotteet ovat salatieteitä. Totuus on lähempänä hyvän luovan briiffin kirjoittamista. Et tarvitse barokkityylisiä adverbejä ja kolmea tusinaa pilkuilla erotettua taiteilijaa. Tarvitset:
- Aiheen selkeys: mitä on kehyksessä, mitä ei, mitä katsojan pitäisi huomata ensin.
- Konteksti ja rajoitukset: vuorokauden aika, valaistustyyli, linssin tuntuma (laaja vs tele), aikakausi, media, tunnelma.
- Sommittluvihjeet: etuala vs tausta, symmetria, negatiivinen tila, minne tekstin pitäisi mennä.
- Ehdoton: "viisi sormea", luettavat opasteet, brändivärien tarkkuus.
Kohtele mallia kuin nuorempaa suunnittelijaa: riittävän tarkka ollakseen vastuussa, riittävän avoin vaihtoehdoille. Sitten iteroi. Ensimmäinen kuva on harvoin se oikea. Toinen on usein. Kolmas kääntää joskus konseptin päälaelleen.
Realismi vs. Maku (Valitse maku)
Fotorealismi on salonkitemppu. Se hämmästytti meitä; nyt odotamme sitä. Se, mikä liikuttaa neulaa, on maku. Siksi <a0>Midjourney
-kuvat voivat näyttää elokuvallisilta, vaikka ne saisivat yksityiskohdat väärin – malli on puolueellinen estetiikkaa kohtaan. Valokuvaajat ja kuvittajat asettavat maun vaistomaisesti; tekoäly asettaa sen aiemmilla todennäköisyyksillä. Se ei ole bugi. Se on ominaisuus. Kysymys on, onko mallin maku päällekkäinen sinun makusi kanssa.</a0>Voit taistella aiempia todennäköisyyksiä vastaan. Tai voit surffata niillä. Ihmiset, jotka saavat hyviä tuloksia, eivät pakota mallia ortodoksiaan; he suuntaavat kehotteensa nykyiseen suuntaukseen. Pyydä <a0>Saul Bass
-julistetta ja taistele karkeasta minimalismista, pääset sinne nopeammin kuin aloittamalla "tee minulle minimalistinen juliste" ja vääntämällä mallin pois "modernista kiiltävästä liukuvärimössöstä".</a0>Typografia on edelleen kanarialintu
Kysy keneltä tahansa suunnittelijalta: jos kirjasintyyppi näyttää väärältä, koko kuva näyttää väärältä. Tekoälyn tekstinkäsittelyongelmat ovat parantuneet "aakkoskeitosta ylimääräisillä käsivarsilla" "melkein oikeaksi, jos et katso liian tarkasti". Se on parempi – jopa käyttökelpoinen – asetteluissa, joissa malli kunnioittaa tyhjiä alueita. Mutta emme ole vielä "valmiissa otsikossa" kaikkialla. Kun tarvitset tiukkaa typografiaa, vanhanaikainen tapa (sinä, oikea fontti ja asettelutyökalu) voittaa edelleen.
Ja tämä on hienoa. Koska tekoälykuvageneraattoreiden tappava käyttötapaus ei ole lopullinen-lopullinen tuloste. Se on konseptointi. Se on sommittelmia, jotka eivät nolota sinua. Se työntää ohi tyhjän sivun. Paras työ, jonka olen nähnyt, yhdistää tekoälyn ihmisen toimittajaan, joka on allerginen laiskoille yksityiskohdille.
Maalaaminen sisään, maalaaminen ulos ja kontrollin illuusio
Työkalut rakastavat myydä kontrollia. Todellisuus: maalaaminen sisään ja maalaaminen ulos ovat vähemmän kuin kirurgisia instrumentteja ja enemmän kuin improvisatorista jazzia skalpelleilla. Ne toimivat kauniisti, kun tönit: poista lamppu, lisää taivas, jatka sarjaa. Ne hermostuvat rakenteellisista muokkauksista, jotka ovat ristiriidassa kohtauksen logiikan kanssa. Temppu on ajatella kuin elokuvaaja. Säilytä jatkuvuus: kulma, valon suunta, mittakaava. Jos aurinko siirtyy 30 astetta sisäänmaalausten välillä, katsoja tuntee sen, vaikka hän ei osaisi selittää miksi.
Negatiiviset kehotteet ovat edelleen hyödyllisiä, mutta kuten kaikki negatiivinen tila, ne luetaan paremmin, kun niitä käytetään säästeliäästi. "Ei ylimääräisiä sormia" on hyvä. Pyykkiluettelo "ei tätä, ei tuota" muuttaa generaattorin syyllisyydentuntoiseksi improvisointikumppaniksi. Kerro sille, mitä tehdä, älä vain mitä välttää.
Laillinen todellisuus: lisenssit ja vesileimat
Tässä on se osa, jonka kaikki teeskentelevät olevan tylsää, kunnes asiakas kysyy lähdettä. Jos teet kaupallista työtä, tarvitset selvyyttä: mikä on data, mikä on lisenssi, mitä tapahtuu, jos joku valittaa? Mallit, jotka on sidottu nimenomaisiin osake- tai yrityslisensseihin, voittavat edelleen sopimuksia. Ei siksi, että ne olisivat parempia taiteilijoita, vaan siksi, että ne toimitetaan paperityön mukana. Toinen osa on alkuperä – kryptografiset sisällön tunnistetiedot, vesileimat, kaikki se aakkoskeitto. Ne eivät pysäytä pahantekijöitä. Ne auttavat rehellisiä tiimejä todistamaan, mikä on mikä.
Yksittäisille tekijöille pragmaattinen polku on yksinkertaisempi: pidä tasosi, pidä siemenesi, pidä kehotteesi. Dokumentoi prosessisi. Se ei ole lumoavaa, mutta se on alibisi.
Työnkulku: mihin tekoälykuvageneraattorit todella sopivat
- Aivoriihi: räjäytä läpi 20 suuntaa 15 minuutissa ja tapa 18 niistä ilman katumusta.
- Tunnelmataulut: yhdistä ulkoasu ennen kuin kukaan kiistelee kameroista, joita et omista.
- Sommittelmat: näytä asettelu uskottavalla valaistuksella ja uskottavalla perspektiivillä.
- Variaatiot: a/b-testaa paletteja, asentoja, ympäristöjä ilman uusia kuvauksia.
- Jälkikäsittelytemput: maalaa sisään elementtejä, jotka unohdit kuvauksissa, jatka kehystä, korjaa harhakuva.
Huomaa, mikä puuttuu: "lopullinen avaintaide" ja "tuotantovalmis typografia". Jotkut tiimit voivat päästä sinne riittävällä iteraatiolla ja ihmisen viimeistelyllä. Useimpien ei pitäisi yrittää ohittaa vaiheita vain siksi, että ensimmäinen vaihe näytti kiiltävältä.
Kuinka tulla todella hyväksi tekoälykuvien luomisessa
- Aloita yksinkertaisesti. Substantiivi, verbi, konteksti. Hanki kunnollinen pohja.
- Lukitse siemenet, kun pidät suunnasta. Iteraa sitten: kamera, linssi, valo, vuorokauden aika.
- Pidä pieni henkilökohtainen tyylikirja: 10 viitettä, joita ihailet. Kehota niitä kohti nimeämättä niitä.
- Käytä kuva-kuvaan kuin ammattilainen: karkea luonnos, estä sommittelu, anna sitten mallin lisätä kauneutta.
- Opi rajaamaan. Sommittelu on puoli taistelua, ja rajaustyökalu on edelleen lyömätön.
- Jälkikäsittely. Käyrät, rakeisuus, hienovarainen hehku, todellinen kirjasintyyppi. Viimeiset viisi prosenttia ovat tärkeitä.
Avoin kysymys: onko tämä "taidetta"?
Tietenkin se voi olla. Tietenkin se ei usein ole. Hyödyllinen linssi on tekijyys. Jos voit kuvata, toistaa ja kehittää prosessiasi – jos valinnoissasi on punainen lanka – teet tekijyyttä. Jos pelaat peliautomaattia, kunnes saat jotain hienoa ja toistamatonta, se on hienoa julisteille ja tunnelmille, mutta älä teeskentele, että se on sama asia.
Alan teeskentely, jota en voi sivuuttaa
Tekoälyn buusterismissa on suuntaus, joka sanoo pohjimmiltaan, että malli on taiteilija ja sinulla on vain onni olla siellä. Tämä on taaksepäin. Malli on kamera, jossa on 10 000 linssiä ja miljoona tunnelmaa. Kamerat eivät ota kuvia. Ihmiset tekevät. Parempi metafora on soitin. Laita <a0>Steinway
olohuoneeseeni; se ei sävellä sonaattia. Se kuitenkin saa pätevän pianistin kuulostamaan upealta ja suuren ylimaallisen. Huonot kehotteet kuulostavat huonoilta harjoituksilta.</a0>Toisaalta puristinen linja, jonka mukaan tekoäly on "huijausta", ohittaa pidemmän historian. Valokuvaus oli huijausta. Digitaalinen maali oli huijausta. Kumoa oli huijausta. Todellinen huijauskoodi on iteraatio ajatuksen nopeudella. Jos olet valmis ajattelemaan.
Työkaluista, ilman hypetystä
tunnelmaan ja tyyliin. Upea elokuvallisessa valaistuksessa. Edelleen oudon läpinäkymätön nupissa ja säätimissä. Hyväksy sen luonne, niin se palkitsee sinut.</a0> kirjaimelliseen ohjeiden noudattamiseen ja sommittelulliseen järjestykseen. Hienoa, kun asiakkaat kirjoittavat kehotteita kuin kokousmuistiinpanoja.</a0>- <a0>Stable DiffusionSDXLSD3.xLoRA
-makuja (- <a0>Stable DiffusionSDXLSD3.xLoRA
, - <a0>Stable DiffusionSDXLSD3.xLoRA
) kontrollifriikeille ja näpertelijöille. Jos nautit malliversioista, - <a0>Stable DiffusionSDXLSD3.xLoRA
:sta ja paikallisista laitteista, tämä on leikkikenttäsi.</a0> -tiimeille, jotka välittävät yhtä paljon korvauksesta kuin bokehista.</a0>Jos työsi on tehdä kuvia, joista ihmiset maksavat, oikea vastaus on yleensä "käytä useampaa kuin yhtä". Tyyli toisesta, typografia ja asettelu muualla, siivous missä olet nopein. Työkalumonogamia on tunnelma, ei työnkulku.
Työkalut, jotka auttavat sinua ajattelemaan, eivät vain luomaan, ovat aliarvostettuja. Jos jonglööräät tutkimusta, viitteitä, visuaalista iteraatiota ja kehotteita, avustaja, joka järjestää aivosi, on hyödyllisempi kuin jälleen yksi "katso, superresoluutio taas" -ominaisuus. Generaattorit ovat äänekkäitä. Työnkulku on hiljainen. Hiljaisuus voittaa useammin kuin ei.
Parhaat käytännöt, jotka säästävät tunteja
- Rakenna kehotekirjasto. Ei 500 kehotetta; 15 hyvää, joissa on muistiinpanoja siitä, milloin ne toimivat.
- Pidä siemenpankki. Kohtele siemeniä koordinaatteina; merkitse karttasi.
- Nimeä tuloksesi selkeästi. Tuleva sinä on yhteistyökumppani. Älä ole töykeä.
- Vie aina puhdas pohja ennen kuin aloitat raskaita muokkauksia. Haluat perääntyä.
- Iteroi haaroissa. Kun idea jakautuu, kopioi tiedosto ja mene molempiin suuntiin.
Tulevaisuus: vähemmän nuppeja, enemmän harkintaa
Mallien parantuessa parhaat tuntuvat yksinkertaisemmilta – ei siksi, että ne menettivät kykyjä, vaan siksi, että ne tulivat paremmiksi kunnioittamaan tarkoitusta. Käyttöliittymä, joka voittaa, ei ole ohjaamo täynnä kytkimiä. Se on hiljainen kangas, jossa on kourallinen merkityksellisiä valintoja ja vahvoja oletusarvoja. Loput on makua. Ja maku ei skaalaudu. Siinä on pointti.
Eroava riita (tai kaksi)
Jos olet innoissasi tekoälykuvista, koska luulet niiden poistavan ihmisiä prosessista, valmistaudu pettymään ja sitten helpottumaan. Teknologia paranee jatkuvasti. Tulokset riippuvat yhä enemmän ihmisistä, jotka tietävät mitä tekevät. Se ei ole ristiriita. Se on malli.
Jos sen sijaan luulet, että tekoälykuvageneraattorit ovat vain hienoja clip art -kuvia, jatka katsomista. Kuilu "lelun" ja "työkalun" välillä sulkeutui hiljaa, kun kaikki kiistelivät verkossa. Mallit eivät tarvitse sinua palvomaan niitä. Niiden tarvitsee vain, että käytät niitä tarkoituksella. Loput on harjoittelua.
Ja tuo aavemainen laakso? Se kutistuu. Hitaasti, ärsyttävästi, väistämättä. Mutta vaikka se olisi poissa, todellinen työ on sama kuin se on aina ollut: päätä, mitä haluat sanoa, ja saa sitten jokainen pikseli sanomaan sen.
UKK
K1: Missä tekoälykuvageneraattorit ovat todella parhaita juuri nyt?
Konseptointi ja iteraatio. Tekoälykuvageneraattorit murskaavat tyhjän sivun, tutkivat tyylejä ja tuottavat käyttökelpoisia sommittelmia nopeasti – erityisesti kun pidät typografian ja lopullisen kiillotuksen ihmiskäsissä.
K2: Ovatko tekoälykuvageneraattorit riittävän hyviä kaupalliseen työhön?
Kyllä, jos välität prosessista ja lisensoinnista. Käytä tekoälykuvageneraattoreita tutkimiseen ja pohjarenderointeihin, ja viimeistele sitten oikealla kirjasintyypillä, retusoinnilla ja työkaluketjulla, joka ei saa lakiosastoa nykimään.
K3: Mikä tekoälykuvageneraattori minun pitäisi valita realistisiin tuloksiin?
Valitse työkalu, joka vastaa makuasi: <a0>MidjourneyDALL·E 3Stable Diffusion
elokuvalliseen tunnelmaan, K3: Mikä tekoälykuvageneraattori minun pitäisi valita realistisiin tuloksiin?
Valitse työkalu, joka vastaa makuasi: <a0>MidjourneyDALL·E 3Stable Diffusion
uskolliseen ohjeiden noudattamiseen ja K3: Mikä tekoälykuvageneraattori minun pitäisi valita realistisiin tuloksiin?
Valitse työkalu, joka vastaa makuasi: <a0>MidjourneyDALL·E 3Stable Diffusion
-variantit, jos haluat rakeista hallintaa. Tekoälykuvageneraattorit eivät ole vaihdettavissa; niillä on erilliset aiemmat todennäköisyydet.</a0>K4: Miksi teksti näyttää edelleen oudolta tekoälyn luomissa kuvissa?
Koska typografia on anteeksiantamatonta ja mallit kohtelevat edelleen kirjaimia kuin teksturoituja muotoja. Tekoälykuvageneraattorit paranevat, mutta otsikoissa ja brändityypeissä oikeat fontit oikeissa asettelutyökaluissa voittavat edelleen.
K5: Kuinka kirjoitan parempia kehotteita tekoälykuvageneraattoreille?
Kirjoita briiffi, älä loitsua. Ole tarkka aiheen, valaistuksen, sommittelun ja rajoitusten suhteen; lukitse siemenet, kun suunta toimii; ja iteroi pienillä, harkituilla muutoksilla sen sijaan, että kasaat adjektiiveja.