AI ઇમેજ જનરેટર્સ વિશેની વાત એ છે કે દરેક જણ એવું વર્તન કરે છે કે તેઓને "ફોટોરિયાલિસ્ટિક પરફેક્શન" જોઈએ છે જ્યાં સુધી મોડેલ તેઓ જે ખરેખર ઇચ્છતા હતા તે વસ્તુને ખીલી ના દે: સ્વાદ. અને સ્વાદ - ઝડપ નહીં, મેગાપિક્સેલ્સ નહીં, રુનિક સિન્ટેક્સ સાથેના પ્રોમ્પ્ટ્સ નહીં - તે જ જગ્યા છે જ્યાં લડાઈ છે.
ચાલો પહેલાં સ્પષ્ટ પ્રશ્ન પૂછીએ. જો AI ઇમેજ જનરેટર્સ હવે આટલા સારા છે, તો પણ આટલી બધી છબીઓ હજી પણ... વિચિત્ર કેમ છે? ખોટું નથી. ફક્ત સહેજ બંધ, જેમ કે મીણનું સંગ્રહાલય જ્યાં લાઇટિંગ અદ્ભુત છે પરંતુ આંખો તમને એક સેકન્ડ મોડી ટ્રેક કરે છે. તે અંતર - આપણે જે કહીએ છીએ તે જોઈએ છે અને આપણે જે સ્વીકારીએ છીએ તેની વચ્ચે - તેના પર જ આખું દ્રશ્ય ચાલે છે.
અહીં શું સ્પષ્ટ છે: AI ઇમેજ જનરેટર્સ ઝડપી, લવચીક અને સ્પષ્ટપણે અદભૂત છે. અને તેઓ એક વસ્તુમાં વધુ સારા થઈ રહ્યા છે જેના પર કમ્પ્યુટર્સને ભયંકર માનવામાં આવે છે: આપણે જે કહેતા હતા તેના બદલે આપણે જે કહેવા માગતા હતા તે કરવું. બીજો ભાગ લપસણો રહે છે. જો તમે ક્યારેય "શા માટે તે અક્ષરોને ઓગાળ્યા વિના સાઇન પર ટેક્સ્ટ મૂકતું નથી" ના સસલાના છિદ્રમાં ઉતર્યા હોવ તો તમે તે અનુભવ્યું હશે.
આપણે પ્રારંભિક ડિજિટલ કેમેરા યુગ અને ક્ષણની વચ્ચે ક્યાંક છીએ જ્યારે સ્માર્ટફોન્સે ફોટોગ્રાફીને રોજિંદી મહાસત્તા બનાવી દીધી. મોડેલ્સ ત્વચાના છિદ્રોને રેન્ડર કરી શકે છે જે તમારા ત્વચારોગ વિજ્ઞાનીને શરમાવે અને તમે "સૌંદર્યલક્ષી" કહો તે પહેલાં તેઓ છ ભિન્નતા બહાર કાઢી શકે છે. પરંતુ વાસ્તવિક વાર્તા સપાટી-સ્તરની વાસ્તવિકતા નથી. તે નિયંત્રણ છે. સુસંગતતા. અને સ્વાદ.
લોકો AI ઇમેજ જનરેટર્સ પાસેથી ખરેખર શું ઇચ્છે છે
- સ્પષ્ટ નિયંત્રણ નોબ્સ: ઇનપેઇન્ટિંગ, આઉટપેઇન્ટિંગ, સ્ટાઇલ લૉક્સ, સીડ સુસંગતતા, પાસા રેશિયો જે સૂચનોની જેમ કાર્ય કરતા નથી.
- અનુમાનિતતા: સમાન પ્રોમ્પ્ટ, સમાન આઉટપુટ દિશા, હેન્ડસમ એન્ટ્રોપી સાથે ડાઇસ રોલ નહીં.
- બાધાઓ માટે આદર: ટાઇપોગ્રાફી જે વાંચી શકાય તેવી હોય, હાથ જે મનુષ્યના હોય, લાઇટિંગ જે ભૌતિકશાસ્ત્રને દગો ન કરે.
- કાનૂની અને લાઇસન્સિંગ સ્પષ્ટતા: કોઈ કૉપિરાઇટ રૂલેટ નહીં.
- એક વર્કફ્લો કે જેને Discord પુરાતત્વની ડિગ્રીની જરૂર નથી.
કાગળ પર, જગ્યા ભીડવાળી લાગે છે. વ્યવહારમાં, દરેક મુખ્ય સાધન છબી બનાવવાનું કેવું લાગે છે તે વિશે એક અલગ અભિપ્રાય આપે છે.
- Midjourney: લેખકનું મૂડબોર્ડ. શૈલી અને રચનામાં વિચિત્ર રીતે સારું, નિયંત્રણમાં હજી થોડું રહસ્યવાદી. તમે Midjourney સાથે કામ કરો છો, તેના પર નહીં.
- DALL·E 3: કુદરતી ભાષા અને કૅપ્શન્સનું દોષરહિત પાલન કરે છે. તે સીધો-એ વિદ્યાર્થી છે: દિશાઓનું પાલન કરવામાં મહાન, પ્રસંગોપાત ખામી માટે શાબ્દિક.
- Stable Diffusion અને SDXL/SD3.x: ટીંકરરનું ગેરેજ. ખુલ્લું, મોડિફાઇએબલ, યોગ્ય હાથમાં જંગલી રીતે સક્ષમ. જો તમને ખબર ન હોય કે કયા લિવર્સ ખેંચવા તો જોખમી. જો તમે કરો તો લાભદાયી.
- Adobe Firefly: કોર્પોરેટ પુખ્ત. સલામતી રેલ્સ. વ્યાપારી લાયસન્સ. "હા, કાનૂની સહી કરેલ" ની વધારાની મદદ.
સામાન્ય થ્રેડ: AI ઇમેજ જનરેટર્સ, હૃદયથી, સ્વાદ એમ્પ્લીફાયર્સ છે. તેઓ બિન-કલાકારોને એક વિઝન વ્યક્ત કરવા દે છે, પરંતુ તેઓ હજી પણ તે જ જૂના, કંટાળાજનક ગુણોને પુરસ્કાર આપે છે: પુનરાવર્તન, સંપાદન અને એક આંખ.
પ્રોમ્પ્ટ એ જોડણી નથી. તે સંક્ષિપ્ત છે.
ઉદ્યોગની સૌથી ખરાબ આદત એ છે કે પ્રોમ્પ્ટ્સ આર્કાના હોવાનો ડોળ કરવો. સત્ય એક સારા સર્જનાત્મક સંક્ષિપ્ત લખવાની નજીક છે. તમારે બારોક ક્રિયાવિશેષણો અને ત્રણ ડઝન અલ્પવિરામ-અલગ કલાકારોની જરૂર નથી. તમારે જરૂર છે:
- વિષય સ્પષ્ટતા: ફ્રેમમાં શું છે, શું નથી, દર્શકે પહેલા શું ધ્યાન આપવું જોઈએ.
- સંદર્ભ અને અવરોધો: દિવસનો સમય, લાઇટિંગ શૈલી, લેન્સની લાગણી (પહોળી વિ ટેલી), યુગ, માધ્યમ, મૂડ.
- રચના સંકેતો: અગ્રભાગ વિ પૃષ્ઠભૂમિ, સમપ્રમાણતા, નકારાત્મક જગ્યા, ટેક્સ્ટ ક્યાં જવું જોઈએ.
- બિન-વાટાઘાટો: "પાંચ આંગળીઓ," વાંચી શકાય તેવી સંકેત, બ્રાન્ડ કલર વફાદારી.
મોડેલ સાથે જુનિયર ડિઝાઇનર જેવું વર્તન કરો: જવાબદાર બનવા માટે પૂરતું વિશિષ્ટ, વિકલ્પો માટે પૂરતું ખુલ્લું. પછી પુનરાવર્તન કરો. પ્રથમ છબી ભાગ્યે જ રક્ષક હોય છે. બીજું ઘણીવાર હોય છે. ત્રીજું ક્યારેક ખ્યાલને પલટી નાખે છે.
વાસ્તવિકતા વિ સ્વાદ (સ્વાદ પસંદ કરો)
ફોટોરિયાલિઝમ એ એક પાર્લર યુક્તિ છે. તેણે અમને વાહિયાત કર્યા; હવે આપણે તેની અપેક્ષા રાખીએ છીએ. શું સોયને ખસેડે છે તે સ્વાદ છે. આ જ કારણ છે કે Midjourney છબીઓ સિનેમેટિક દેખાઈ શકે છે, પછી ભલે તેઓ વિગતો ખોટી પાડે - મોડેલ સૌંદર્યલક્ષી તરફ પક્ષપાતી છે. ફોટોગ્રાફરો અને ચિત્રકારો વૃત્તિથી સ્વાદ લાદે છે; AI અગાઉની સંભાવનાઓ દ્વારા તેને લાદે છે. તે બગ નથી. તે લક્ષણ છે. પ્રશ્ન એ છે કે શું મોડેલનો સ્વાદ તમારા સ્વાદ સાથે ઓવરલેપ થાય છે.
તમે પ્રાથમિકતાઓ સામે લડી શકો છો. અથવા તમે તેમને સર્ફ કરી શકો છો. જે લોકો સારા પરિણામો મેળવે છે તેઓ મોડેલને રૂઢિચુસ્તતામાં બળજબરીથી લાવતા નથી; તેઓ તેમના પ્રોમ્પ્ટ્સને વર્તમાનમાં લાવે છે. સોલ બાસ પોસ્ટર માટે પૂછો અને કઠોર ન્યૂનતમવાદ માટે લડો, તમે "મને એક ન્યૂનતમ પોસ્ટર બનાવો" થી શરૂઆત કરવા અને મોડેલને "આધુનિક ચળકતા ઢાળવાળી માટી" થી બહાર કાઢવા કરતાં ઝડપથી ત્યાં પહોંચશો.
ટાઇપોગ્રાફી હજી પણ કેનેરી છે
કોઈપણ ડિઝાઇનરને પૂછો: જો પ્રકાર ખોટો લાગે છે, તો આખી છબી ખોટી લાગે છે. AI ની ટેક્સ્ટ-હેન્ડલિંગ સમસ્યાઓ "વધારાના હાથ સાથે આલ્ફાબેટ સૂપ" થી સુધરીને "જો તમે નજીકથી ન જુઓ તો લગભગ બરાબર" થઈ ગઈ છે. તે વધુ સારું છે - વાપરી શકાય તેવું પણ - લેઆઉટમાં જ્યાં મોડેલ ખાલી પ્રદેશોનો આદર કરે છે. પરંતુ આપણે બોર્ડમાં "ડ્રોપ-ઇન હેડલાઇન તૈયાર" પર નથી. જ્યારે તમને ટાઇપોગ્રાફીની જરૂર હોય જે ચુસ્ત હોય, ત્યારે જૂની ફેશનવાળી રીત (તમે, એક વાસ્તવિક ફોન્ટ અને એક લેઆઉટ ટૂલ) હજી પણ જીતે છે.
અને આ સારું છે. કારણ કે AI ઇમેજ જનરેટર્સ માટે કિલર ઉપયોગ કેસ અંતિમ-અંતિમ પ્રિન્ટ નથી. તે કન્સેપ્ટિંગ છે. તે કૉમ્પ્સ છે જે તમને શરમજનક નથી કરતા. તે ખાલી પૃષ્ઠને દબાણ કરે છે. મેં જોયેલું શ્રેષ્ઠ કાર્ય AI ને માનવ સંપાદક સાથે જોડે છે જે આળસુ વિગતવારથી એલર્જીક છે.
ઇનપેઇન્ટિંગ, આઉટપેઇન્ટિંગ અને નિયંત્રણનો ભ્રમ
સાધનો નિયંત્રણ વેચવાનું પસંદ કરે છે. વાસ્તવિકતા: ઇનપેઇન્ટિંગ અને આઉટપેઇન્ટિંગ સર્જિકલ સાધનો કરતાં ઓછા અને સ્કેલ્પલ્સ સાથેના ઇમ્પ્રુવાઇઝેશનલ જાઝ જેવા વધુ છે. જ્યારે તમે નડજિંગ કરી રહ્યા હો ત્યારે તેઓ સુંદર રીતે કામ કરે છે: દીવો દૂર કરો, આકાશ ઉમેરો, સેટને વિસ્તૃત કરો. તેઓ માળખાકીય સંપાદનોથી ગભરાઈ જાય છે જે દ્રશ્યના તર્કનો વિરોધાભાસ કરે છે. યુક્તિ સિનેમેટોગ્રાફરની જેમ વિચારવાની છે. સાતત્ય જાળવો: કોણ, પ્રકાશ દિશા, સ્કેલ. જો સૂર્ય ઇનપેઇન્ટ પાસ વચ્ચે 30 ડિગ્રી ખસેડે છે, તો દર્શક તેને અનુભવે છે, ભલે તેઓ સમજાવી ન શકે કે શા માટે.
નકારાત્મક પ્રોમ્પ્ટ્સ ઉપયોગી રહે છે, પરંતુ બધી નકારાત્મક જગ્યાની જેમ, જ્યારે તેનો ઉપયોગ ઓછી માત્રામાં કરવામાં આવે ત્યારે તેઓ વધુ સારી રીતે વાંચે છે. "વધારાની આંગળીઓ નહીં" સારું છે. "આ નહીં, તે નહીં" ની લોન્ડ્રી સૂચિ જનરેટરને અપરાધ-ગ્રસ્ત ઇમ્પ્રુવ પાર્ટનર બનાવે છે. તેને શું કરવું તે કહો, ફક્ત શું ટાળવું તે નહીં.
કાનૂની વાસ્તવિકતા: લાયસન્સ અને વૉટરમાર્ક્સ
અહીં તે ભાગ છે જે દરેક જણ કંટાળાજનક હોવાનો ડોળ કરે છે જ્યાં સુધી કોઈ ક્લાયન્ટ સ્ત્રોત માટે પૂછે નહીં. જો તમે વ્યાપારી કાર્ય કરી રહ્યા છો, તો તમારે સ્પષ્ટતાની જરૂર છે: ડેટા શું છે, લાયસન્સ શું છે, જો કોઈ ફરિયાદ કરે તો શું થાય છે? સ્પષ્ટ સ્ટોક અથવા એન્ટરપ્રાઇઝ લાયસન્સ સાથે જોડાયેલા મોડેલ્સ સોદા જીતતા રહેશે. કારણ કે તેઓ સારા કલાકારો છે તેથી નહીં, પરંતુ કારણ કે તેઓ કાગળ સાથે શિપ કરે છે. બીજો ભાગ મૂળ છે - ક્રિપ્ટોગ્રાફિક સામગ્રી ઓળખપત્રો, વૉટરમાર્ક્સ, તે બધા આલ્ફાબેટ સૂપ. તેઓ ખરાબ કલાકારોને રોકશે નહીં. તેઓ પ્રમાણિક ટીમોને સાબિત કરવામાં મદદ કરશે કે શું છે.
વ્યક્તિગત સર્જકો માટે, વ્યવહારિક માર્ગ સરળ છે: તમારા સ્તરો રાખો, તમારા બીજ રાખો, તમારા પ્રોમ્પ્ટ્સ રાખો. તમારી પ્રક્રિયાનું દસ્તાવેજીકરણ કરો. તે આકર્ષક નથી, પરંતુ તે તમારી અલીબી છે.
વર્કફ્લો: AI ઇમેજ જનરેટર્સ ખરેખર ક્યાં બંધબેસે છે
- બ્રેઇનસ્ટોર્મિંગ: 15 મિનિટમાં 20 દિશાઓમાંથી બ્લાસ્ટ કરો અને શૂન્ય પસ્તાવો સાથે તેમાંથી 18 ને મારી નાખો.
- મૂડબોર્ડ્સ: તમે ન ધરાવતા કેમેરા વિશે કોઈ દલીલ કરે તે પહેલાં એક લુકને એકીકૃત કરો.
- કૉમ્પ્સ: સંભવિત લાઇટિંગ અને વિશ્વાસપાત્ર પરિપ્રેક્ષ્ય સાથે લેઆઉટ બતાવો.
- ભિન્નતા: ફરીથી શૂટ વિના a/b પરીક્ષણ પેલેટ્સ, પોઝ, વાતાવરણ.
- પોસ્ટ યુક્તિઓ: સેટ પર તમે ભૂલી ગયેલા તત્વોને ઇનપેઇન્ટ કરો, ફ્રેમ વિસ્તૃત કરો, ભટકતા પ્રતિબિંબને ઠીક કરો.
શું ગુમ છે તે નોંધો: "અંતિમ કી આર્ટ" અને "ઉત્પાદન-તૈયાર ટાઇપોગ્રાફી." કેટલીક ટીમો પૂરતા પુનરાવર્તન અને માનવ પોલિશ સાથે ત્યાં પહોંચી શકે છે. મોટાભાગના લોકોએ પગલાં છોડવાનો પ્રયાસ કરવો જોઈએ નહીં કારણ કે પ્રથમ પાસ ચળકતો દેખાતો હતો.
AI ઇમેજ જનરેશનમાં ખરેખર સારું કેવી રીતે મેળવવું
- સરળ શરૂઆત કરો. સંજ્ઞા, ક્રિયાપદ, સંદર્ભ. એક યોગ્ય આધાર મેળવો.
- જ્યારે તમને દિશા ગમે ત્યારે બીજને લૉક કરો. પછી પુનરાવર્તન કરો: કેમેરા, લેન્સ, લાઇટ, દિવસનો સમય.
- એક નાની વ્યક્તિગત સ્ટાઇલબુક રાખો: 10 સંદર્ભો જેની તમે પ્રશંસા કરો છો. નામ-ડ્રોપિંગ વિના તેમની તરફ પ્રોમ્પ્ટ કરો.
- પ્રોની જેમ ઇમેજ-ટુ-ઇમેજનો ઉપયોગ કરો: રફ સ્કેચ, રચનામાં બ્લોક કરો, પછી મોડેલને સુંદર ઉમેરવા દો.
- પાકવાનું શીખો. રચના અડધી લડાઈ છે, અને પાકનું સાધન હજી પણ અજેય છે.
- પોસ્ટ-પ્રોસેસ. વણાંકો, દાણા, સૂક્ષ્મ ફૂલો, વાસ્તવિક પ્રકાર. છેલ્લા પાંચ ટકા મહત્વપૂર્ણ છે.
ખુલ્લો પ્રશ્ન: શું આ "કલા" છે?
ચોક્કસ તે હોઈ શકે છે. અલબત્ત તે ઘણીવાર નથી પણ હોતું. ઉપયોગી લેન્સ લેખકત્વ છે. જો તમે તમારી પ્રક્રિયાનું વર્ણન, પુનઃઉત્પાદન અને વિકસાવી શકો છો - જો તમારી પસંદગીઓમાં થ્રુલાઇન હોય - તો તમે લેખકત્વ કરી રહ્યા છો. જો તમે સ્લોટ મશીન-ઇંગ કરી રહ્યા છો જ્યાં સુધી તમને કંઈક ઠંડું અને અવિશ્વસનીય ન મળે, તો તે પોસ્ટર્સ અને વાઇબ્સ માટે સારું છે, પરંતુ ડોળ કરશો નહીં કે તે સમાન વસ્તુ છે.
ઉદ્યોગ ડોળ જે હું અવગણી શકતો નથી
AI બૂસ્ટરવાદનો એક તાણ છે જે આવશ્યકપણે કહે છે કે મોડેલ કલાકાર છે અને તમે ત્યાં હોવા માટે ફક્ત નસીબદાર છો. આ પાછળની તરફ છે. મોડેલ એ 10,000 લેન્સ અને લાખો મૂડવાળો કેમેરો છે. કેમેરા ચિત્રો લેતા નથી. લોકો કરે છે. વધુ સારું રૂપક એ સંગીતનું સાધન છે. મારા લિવિંગ રૂમમાં સ્ટેઇનવે મૂકો; તે સોનાટાની રચના કરશે નહીં. તે, જો કે, એક સક્ષમ પિયાનોવાદકને ભવ્ય અને એક મહાનને અલૌકિક સંભળાવશે. ખરાબ પ્રોમ્પ્ટ્સ ખરાબ પ્રેક્ટિસ જેવા લાગે છે.
ફ્લિપ બાજુ પર, AI "ચીટિંગ" છે તે શુદ્ધતાવાદી લાઇન લાંબા ઇતિહાસને ચૂકી જાય છે. ફોટોગ્રાફી ચીટિંગ હતી. ડિજિટલ પેઇન્ટ ચીટિંગ હતી. અનડુ ચીટિંગ હતી. વાસ્તવિક ચીટ કોડ વિચારની ઝડપે પુનરાવર્તન છે. જો તમે વિચારવા માટે તૈયાર છો.
સાધનો પર, હાઇપ વિના
- વાઇબ અને શૈલી માટે Midjourney. સિનેમેટિક લાઇટિંગમાં અદભૂત. નોબ્સ અને ડાયલ્સમાં હજી પણ વિચિત્ર રીતે અપારદર્શક. તેના સ્વભાવને સ્વીકારો અને તે તમને પુરસ્કાર આપશે.
- શાબ્દિક સૂચના અનુસરણ અને રચનાત્મક સમજદારી માટે DALL·E 3. જ્યારે ગ્રાહકો મીટિંગ નોટ્સ જેવા પ્રોમ્પ્ટ્સ લખે ત્યારે મહાન.
- નિયંત્રણ ફ્રીક્સ અને ટીંકરર્સ માટે Stable Diffusion ફ્લેવર્સ (SDXL, SD3.x). જો તમે મોડેલ વર્ઝન, LoRAs અને સ્થાનિક રિગ્સનો આનંદ માણો છો, તો આ તમારું રમતનું મેદાન છે.
- ટીમો માટે Firefly જે બોકેહ જેટલી જ ઇન્ડેમ્નિફિકેશન વિશે કાળજી લે છે.
જો તમારી નોકરી એવી છબીઓ બનાવવાની છે જેના માટે લોકો ચૂકવણી કરશે, તો યોગ્ય જવાબ સામાન્ય રીતે "એક કરતાં વધુનો ઉપયોગ કરો" છે. એકમાંથી શૈલી, ટાઇપોગ્રાફી અને લેઆઉટ અન્યત્ર, સફાઈ જ્યાં તમે સૌથી ઝડપી હોવ. ટૂલ મોનોગેમી એ વાઇબ છે, વર્કફ્લો નથી.
Sider.AI ક્યાં બંધબેસે છે (અને ક્યાં નથી) સાધનો જે તમને ફક્ત જનરેટ કરવા માટે જ નહીં, પરંતુ વિચારવામાં પણ મદદ કરે છે, તે ઓછો આંકવામાં આવે છે. જો તમે સંશોધન, સંદર્ભો, વિઝ્યુઅલ પુનરાવર્તન અને પ્રોમ્પ્ટ્સને જગલિંગ કરી રહ્યાં છો, તો સહાયક કે જે તમારા મગજને ગોઠવે છે તે અન્ય "જુઓ, સુપર-રિઝોલ્યુશન ફરીથી" સુવિધા કરતાં વધુ મદદરૂપ છે. જનરેટર્સ મોટા છે. વર્કફ્લો શાંત છે. શાંત મોટાભાગે જીતે છે.
શ્રેષ્ઠ પ્રથાઓ જે કલાકો બચાવે છે
- એક પ્રોમ્પ્ટ લાઇબ્રેરી બનાવો. 500 પ્રોમ્પ્ટ્સ નહીં; 15 સારા પ્રોમ્પ્ટ્સ જ્યારે તેઓ કામ કરે ત્યારે નોંધો સાથે.
- એક બીજ બેંક રાખો. બીજને કોઓર્ડિનેટ્સ તરીકે ગણો; તમારા નકશાને લેબલ કરો.
- તમારા આઉટપુટને સ્પષ્ટ રીતે નામ આપો. ભાવિ-તમે એક સહયોગી છો. અસભ્ય ન બનો.
- તમે ભારે સંપાદનો શરૂ કરો તે પહેલાં હંમેશા સ્વચ્છ આધાર નિકાસ કરો. તમે પાછા જવા માગો છો.
- શાખાઓમાં પુનરાવર્તન કરો. જ્યારે કોઈ વિચાર વિભાજિત થાય, ત્યારે ફાઇલની નકલ કરો અને બંને રીતે જાઓ.
ભવિષ્ય: ઓછા નોબ્સ, વધુ ચુકાદો
જેમ જેમ મોડેલ્સ સુધરશે તેમ, શ્રેષ્ઠ લોકો સરળ લાગશે - કારણ કે તેઓએ ક્ષમતા ગુમાવી દીધી તેથી નહીં, પરંતુ કારણ કે તેઓ હેતુનો આદર કરવામાં વધુ સારા બન્યા. UI જે જીતે છે તે ટૉગલ્સથી ભરેલું કૉકપિટ નથી. તે શાંત કેનવાસ છે જેમાં થોડી અર્થપૂર્ણ પસંદગીઓ અને મજબૂત ડિફોલ્ટ્સ છે. બાકી સ્વાદ છે. અને સ્વાદ સ્કેલ કરતો નથી. તે મુદ્દો છે.
એક વિદાય વિવાદ (અથવા બે)
જો તમે AI છબીઓ વિશે ઉત્સાહિત છો કારણ કે તમને લાગે છે કે તેઓ પ્રક્રિયામાંથી લોકોને દૂર કરશે, તો નિરાશ થવા માટે તૈયાર રહો અને પછી રાહત મેળવો. ટેક્નોલોજી વધુ સારી થતી રહે છે. પરિણામો એવા લોકો પર વધુ આધાર રાખે છે જેઓ જાણે છે કે તેઓ શું કરી રહ્યા છે. તે વિરોધાભાસ નથી. તે પેટર્ન છે.
જો, તેના બદલે, તમને લાગે છે કે AI ઇમેજ જનરેટર્સ ફક્ત ફેન્સી ક્લિપ આર્ટ છે, તો જોતા રહો. "રમકડું" અને "ટૂલ" વચ્ચેનું અંતર શાંતિથી બંધ થઈ ગયું જ્યારે દરેક વ્યક્તિએ ઓનલાઇન દલીલ કરી. મોડેલ્સને તમારી પૂજા કરવાની જરૂર નથી. તેઓને ફક્ત એટલું જ જોઈએ છે કે તમે તેનો ઉપયોગ હેતુથી કરો. બાકી પ્રેક્ટિસ છે.
અને તે વિચિત્ર ખીણ? તે સંકોચાઈ રહી છે. ધીમે ધીમે, હેરાનગતિથી, અનિવાર્યપણે. પરંતુ જ્યારે તે જતું રહેશે, ત્યારે પણ વાસ્તવિક કાર્ય તે જ રહેશે જે હંમેશા રહ્યું છે: નક્કી કરો કે તમે શું કહેવા માગો છો, પછી દરેક પિક્સેલને તે કહો.
FAQ
Q1: AI ઇમેજ જનરેટર્સ હાલમાં ખરેખર શેમાં શ્રેષ્ઠ છે?
કન્સેપ્ટિંગ અને પુનરાવર્તન. AI ઇમેજ જનરેટર્સ ખાલી પૃષ્ઠને કચડી નાખે છે, શૈલીઓનું અન્વેષણ કરે છે અને ઝડપથી વાપરી શકાય તેવા કૉમ્પ્સનું ઉત્પાદન કરે છે - ખાસ કરીને જ્યારે તમે ટાઇપોગ્રાફી અને અંતિમ પોલિશને માનવ હાથમાં રાખો છો.
Q2: શું AI ઇમેજ જનરેટર્સ વ્યાપારી કાર્ય માટે પૂરતા સારા છે?
હા, જો તમે પ્રક્રિયા અને લાઇસન્સિંગની કાળજી લો છો. AI ઇમેજ જનરેટર્સનો ઉપયોગ સંશોધન અને બેઝ રેન્ડર માટે કરો, પછી યોગ્ય પ્રકાર, રિટચિંગ અને એક ટૂલચેઇન સાથે સમાપ્ત કરો જે કાનૂની ટ્વિચ નહીં કરે.
Q3: વાસ્તવિક પરિણામો માટે મારે કયું AI ઇમેજ જનરેટર પસંદ કરવું જોઈએ?
તમારા સ્વાદ સાથે મેળ ખાતું સાધન પસંદ કરો: સિનેમેટિક મૂડ માટે Midjourney, વિશ્વાસુ સૂચના અનુસરણ માટે DALL·E 3 અને જો તમને દાણાદાર નિયંત્રણ જોઈતું હોય તો Stable Diffusion વેરિઅન્ટ્સ. AI ઇમેજ જનરેટર્સ બદલી શકાય તેવા નથી; તેમની પાસે અલગ પ્રાથમિકતાઓ છે.
Q4: AI-જનરેટેડ છબીઓમાં ટેક્સ્ટ હજી પણ વિચિત્ર કેમ લાગે છે?
કારણ કે ટાઇપોગ્રાફી માફ કરતું નથી અને મોડેલ્સ હજી પણ અક્ષરોને ટેક્સ્ચરવાળા આકારોની જેમ ગણે છે. AI ઇમેજ જનરેટર્સ સુધરી રહ્યા છે, પરંતુ હેડલાઇન્સ અને બ્રાન્ડ પ્રકાર માટે, વાસ્તવિક લેઆઉટ ટૂલ્સમાં વાસ્તવિક ફોન્ટ્સ હજી પણ જીતે છે.
Q5: AI ઇમેજ જનરેટર્સ માટે હું વધુ સારા પ્રોમ્પ્ટ્સ કેવી રીતે લખું?
જોડણી નહીં, એક સંક્ષિપ્ત લખો. વિષય, લાઇટિંગ, રચના અને અવરોધો વિશે વિશિષ્ટ બનો; જ્યારે દિશા કામ કરે ત્યારે બીજને લૉક કરો; અને વિશેષણોને થાંભલા કરવાને બદલે નાના, ઇરાદાપૂર્વકના ફેરફારો સાથે પુનરાવર્તન કરો.