Runājot par AI attēlu ģeneratoriem, visi izliekas, ka vēlas “fotoreālistisku pilnību”, līdz modelis trāpa tam, ko viņi patiesībā vēlējās: gaumei. Un gaume – nevis ātrums, megapikseļi vai uzvednes ar rūniskām sintaksēm – ir tas, kur notiek cīņa.
Uzdodam acīmredzamo jautājumu. Ja AI attēlu ģeneratori tagad ir tik labi, kāpēc tik daudz attēlu joprojām ir... dīvaini? Ne nepareizi. Vienkārši nedaudz ne tā, kā vaska muzejs, kur apgaismojums ir lielisks, bet acis seko tev sekundi par vēlu. Šī atšķirība – starp to, ko mēs sakām, ka vēlamies, un to, ko mēs pieņemam – ir tas, uz kā balstās visa šī aina.
Ir skaidrs, ka AI attēlu ģeneratori ir ātri, elastīgi un, atklāti sakot, satriecoši. Un tie kļūst labāki vienā lietā, kurā datoriem vajadzētu būt briesmīgiem: darīt to, ko mēs domājām, nevis to, ko mēs teicām. Šī otrā daļa joprojām ir slidena. Ja jūs kādreiz esat ielīdis "kāpēc tas neieliek tekstu uz zīmes, nesabojājot burtus" trusīša alā, jūs to esat sajutis.
Mēs atrodamies kaut kur starp digitālo kameru ēras sākumu un brīdi, kad viedtālruņi padarīja fotografēšanu par ikdienas superspēju. Modeļi var atveidot ādas poras, kas liktu jūsu dermatologam nosarkt, un tie var izspļaut sešas variācijas, pirms jūs varat pateikt "estētika". Bet patiesais stāsts nav virspusējs reālisms. Tā ir kontrole. Saskaņotība. Un gaume.
Ko cilvēki patiesībā vēlas no AI attēlu ģeneratoriem
- Acīmredzamas vadības pogas: iezīmēšana, ārpuszīmēšana, stila fiksācijas, sēklu konsistence, malu attiecības, kas neizturas kā ierosinājumi.
- Prognozējamība: viena un tā pati uzvedne, viens un tas pats izvades virziens, nevis kauliņu mešana ar izskatīgu entropiju.
- Cieņa pret ierobežojumiem: salasāma tipogrāfija, rokas, kas pieder cilvēkiem, apgaismojums, kas nenodod fiziku.
- Juridiskā un licencēšanas skaidrība: nekādas autortiesību ruletes.
- Darba plūsma, kurai nav nepieciešams {Discord} arheoloģijas grāds.
Uz papīra šī joma izskatās pārpildīta. Praksē katrs galvenais rīks atklāj atšķirīgu viedokli par to, kādai vajadzētu būt attēla veidošanai.
- {Midjourney}: autora garastāvokļa dēlis. Neticami labs stilā un kompozīcijā, joprojām nedaudz mistisks kontrolē. Jūs strādājat ar {Midjourney}, nevis pie tā.
- {DALL·E 3}: nevainojami paklausīgs dabiskajai valodai un parakstiem. Tas ir teicamnieks: lieliski seko norādījumiem, dažreiz burtiski līdz kļūdai.
- {Stable Diffusion} un {SDXL/SD3.x}: meistara garāža. Atvērts, modificējams, ārkārtīgi spējīgs pareizajās rokās. Bīstams, ja nezināt, kurus sviras vilkt. Atalgojošs, ja zināt.
- {Adobe Firefly}: korporatīvais pieaugušais. Drošības barjeras. Komerclicences. Papildu porcija "jā, juristi apstiprināja".
Kopīgais pavediens: AI attēlu ģeneratori būtībā ir gaumes pastiprinātāji. Tie ļauj ne-māksliniekiem formulēt vīziju, bet tie joprojām atalgo tos pašus vecos, garlaicīgos tikumus: iterāciju, rediģēšanu un aci.
Uzvedne nav burvestība. Tas ir brīfings.
Nozares sliktākais ieradums ir izlikties, ka uzvednes ir arkanas. Patiesība ir tuvāka laba radošā brīfinga rakstīšanai. Jums nav nepieciešami baroka apstākļi un trīs desmiti ar komatiem atdalītu mākslinieku. Jums ir nepieciešams:
- Subjekta skaidrība: kas ir kadrā, kas nav, kas skatītājam jāpamana vispirms.
- Konteksts un ierobežojumi: diennakts laiks, apgaismojuma stils, objektīva sajūta (plats pret tele), ēra, vide, noskaņojums.
- Kompozīcijas padomi: priekšplāns pret fonu, simetrija, negatīva telpa, kur jāiet teksts.
- Nekas nav apspriežams: “pieci pirksti”, salasāmas zīmes, zīmola krāsu precizitāte.
Izturieties pret modeli kā pret jaunāko dizaineri: pietiekami specifisku, lai būtu atbildīgs, pietiekami atvērtu iespējām. Pēc tam atkārtojiet. Pirmais attēls reti ir turētājs. Otrais bieži ir. Trešais dažreiz apgriež koncepciju.
Reālisms pret gaumi (izvēlieties gaumi)
Fotoreālisms ir salona triks. Tas mūs apžilbināja; tagad mēs to sagaidām. Tas, kas kustina adatu, ir gaume. Tāpēc {Midjourney} attēli var izskatīties kinemātiski pat tad, ja tie kļūdās detaļās – modelis ir tendēts uz estētiku. Fotogrāfi un ilustratori uzspiež gaumi instinktīvi; AI to uzspiež pēc iepriekšējām varbūtībām. Tā nav kļūda. Tā ir funkcija. Jautājums ir par to, vai modeļa gaume sakrīt ar jūsu gaumi.
Jūs varat cīnīties ar iepriekšējām zināšanām. Vai arī jūs varat tās pārvarēt. Cilvēki, kas gūst labus rezultātus, neiebilst pret modeli ortodoksijā; viņi pielāgo savus uzvednes pašreizējā virzienā. Lūdziet {Saul Bass} plakātu un cīnieties par graudainu minimālismu, jūs tur nokļūsiet ātrāk nekā sākot ar “izveidojiet man minimālu plakātu” un atbrīvojot modeli no “mūsdienīga glancēta gradienta putra”.
Tipogrāfija joprojām ir kanārijputniņš
Pajautājiet jebkuram dizainerim: ja fonts izskatās nepareizi, viss attēls izskatās nepareizi. AI teksta apstrādes problēmas ir uzlabojušās no “alfabēta zupas ar papildu rokām” līdz “gandrīz pareizi, ja neskatāties pārāk cieši”. Tas ir labāk – pat izmantojams – izkārtojumos, kur modelis respektē tukšos reģionus. Bet mēs neesam “gatavi ievietot virsrakstu” visā pasaulē. Ja jums ir nepieciešama cieša tipogrāfija, vecmodīgais veids (jūs, īsts fonts un izkārtojuma rīks) joprojām uzvar.
Un tas ir labi. Jo AI attēlu ģeneratoru galvenais izmantošanas gadījums nav galīgā-galīgā druka. Tā ir konceptualizācija. Tie ir maketi, kas jums neliek kaunēties. Tas virzās garām tukšajai lapai. Labākais darbs, ko esmu redzējis, apvieno AI ar cilvēku redaktoru, kuram ir alerģija pret slinkām detaļām.
Iezīmēšana, ārpuszīmēšana un kontroles ilūzija
Rīki vēlas pārdot kontroli. Realitāte: iezīmēšana un ārpuszīmēšana ir mazāk kā ķirurģiski instrumenti un vairāk kā improvizācijas džezs ar skalpeļiem. Tie darbojas lieliski, kad jūs grūžat: noņemiet lampu, pievienojiet debesis, paplašiniet komplektu. Viņi kļūst nervozi ar strukturālām izmaiņām, kas ir pretrunā ainas loģikai. Triks ir domāt kā kinematogrāfistam. Saglabājiet nepārtrauktību: leņķi, gaismas virzienu, mērogu. Ja saule pārvietojas par 30 grādiem starp iezīmēšanas gājieniem, skatītājs to jūt, pat ja viņš nevar izskaidrot, kāpēc.
Negatīvās uzvednes joprojām ir noderīgas, bet, tāpat kā visa negatīvā telpa, tās lasās labāk, ja tās lieto taupīgi. "Bez papildu pirkstiem" ir labi. Veļas saraksts ar "nē šim, nē tam" pārvērš ģeneratoru par vainas apziņas pilnu improvizācijas partneri. Sakiet tam, kas jādara, nevis tikai to, no kā jāizvairās.
Juridiskā realitāte: licences un ūdenszīmes
Šī ir daļa, par kuru visi izliekas, ka ir garlaicīga, līdz klients pieprasa avotu. Ja jūs veidojat komerciālu darbu, jums ir nepieciešama skaidrība: kādi ir dati, kāda ir licence, kas notiek, ja kāds sūdzas? Modeļi, kas saistīti ar skaidrām krājumu vai uzņēmumu licencēm, turpinās slēgt darījumus. Ne tāpēc, ka viņi ir labāki mākslinieki, bet gan tāpēc, ka viņi piegādā dokumentus. Otra daļa ir izcelsme – kriptogrāfiski satura akreditācijas dati, ūdenszīmes, visa šī alfabēta zupa. Tie neapturēs sliktos aktierus. Tie palīdzēs godīgām komandām pierādīt, kas ir kas.
Individuāliem veidotājiem pragmatiskais ceļš ir vienkāršāks: saglabājiet savus slāņus, saglabājiet savas sēklas, saglabājiet savus uzvednes. Dokumentējiet savu procesu. Tas nav krāšņi, bet tas ir jūsu alibi.
Darba plūsma: kur AI attēlu ģeneratori patiesībā iederas
- Ideju ģenerēšana: 15 minūtēs izpūtiet cauri 20 virzieniem un nogaliniet 18 no tiem bez jebkādas nožēlas.
- Garastāvokļa dēļi: apvienojiet izskatu, pirms kāds strīdas par kamerām, kas jums nepieder.
- Maketi: parādiet izkārtojumu ar ticamu apgaismojumu un ticamu perspektīvu.
- Variācijas: a/b pārbaudes paletes, pozas, vides bez atkārtotas fotografēšanas.
- Pēctrikus: iezīmējiet elementus, kurus aizmirsāt uzlikt, paplašiniet kadru, salabojiet klaiņojošu atspīdumu.
Pievērsiet uzmanību tam, kas trūkst: “galīgā galvenā māksla” un “ražošanai gatava tipogrāfija”. Dažas komandas var tur nokļūt ar pietiekamu iterāciju un cilvēka pulējumu. Lielākajai daļai nevajadzētu mēģināt izlaist soļus tikai tāpēc, ka pirmais gājiens izskatījās glancēts.
Kā patiesībā kļūt labam AI attēlu ģenerēšanā
- Sāciet vienkārši. Lietvārds, darbības vārds, konteksts. Iegūstiet pienācīgu bāzi.
- Bloķējiet sēklas, kad jums patīk virziens. Pēc tam atkārtojiet: kamera, objektīvs, gaisma, diennakts laiks.
- Saglabājiet nelielu personīgo stilu grāmatu: 10 atsauces, kuras jūs apbrīnojat. Mudiniet uz tām, neminot vārdus.
- Izmantojiet attēlu-attēlā kā profesionālis: aptuvenu skici, bloķējiet kompozīciju, pēc tam ļaujiet modelim pievienot skaisto.
- Iemācieties apgriezt. Kompozīcija ir puse no cīņas, un apgriešanas rīks joprojām ir nepārspēts.
- Pēcapstrāde. Līknes, graudi, smalks zieds, īsts tips. Pēdējie pieci procenti ir svarīgi.
Atklātais jautājums: vai tā ir “māksla”?
Protams, tas var būt. Protams, tas arī bieži nav. Noderīgais objektīvs ir autorība. Ja jūs varat aprakstīt, reproducēt un attīstīt savu procesu – ja jūsu izvēlēs ir caurviju līnija – jūs veicat autorību. Ja jūs spēlējat spēļu automātu, līdz iegūstat kaut ko foršu un neatkārtojamu, tas ir piemērots plakātiem un vibrācijām, bet neizliecieties, ka tas ir viens un tas pats.
Nozares izlikšanās, kuru es nevaru ignorēt
Pastāv AI veicināšanas spriedze, kas būtībā saka, ka modelis ir mākslinieks, un jums vienkārši paveicies, ka esat tur. Tas ir atpakaļ. Modelis ir kamera ar 10 000 objektīviem un miljonu noskaņu. Kameras nefotografē. Cilvēki to dara. Labāka metafora ir mūzikas instruments. Ielieciet {Steinway} manā viesistabā; tas nekomponēs sonāti. Tomēr tas liks kompetentam pianistam izklausīties lieliski, bet izcilam – pārcilvēciski. Sliktas uzvednes izklausās kā slikta prakse.
No otras puses, puristiskā līnija, ka AI ir “krāpšanās”, izlaiž garāku vēsturi. Fotografēšana bija krāpšanās. Digitālā krāsa bija krāpšanās. Atsaukšana bija krāpšanās. Īstais krāpšanās kods ir iterācija domāšanas ātrumā. Ja jūs vēlaties domāt.
Par rīkiem, bez reklāmas
- {Midjourney} vibrācijai un stilam. Spektakulārs kinemātiskajā apgaismojumā. Joprojām dīvaini necaurspīdīgs pogās un ciparnīcās. Pieņemiet tā temperamentu, un tas jūs atalgos.
- {DALL·E 3} burtiskiem norādījumiem un kompozīcijas veselajam saprātam. Lieliski, ja klienti raksta uzvednes kā sapulces piezīmes.
- {Stable Diffusion} varianti ({SDXL}, {SD3.x}) kontroles frīkiem un meistariem. Ja jums patīk modeļu versijas, {LoRA} un vietējie statīvi, šis ir jūsu rotaļu laukums.
- {Firefly} komandām, kurām rūp tikpat daudz par atbildības atlīdzināšanu, cik par {bokeh}.
Ja jūsu darbs ir veidot attēlus, par kuriem cilvēki maksās, pareizā atbilde parasti ir “izmantojiet vairāk nekā vienu”. Stils no viena, tipogrāfija un izkārtojums citur, tīrīšana tur, kur jūs esat visātrākais. Rīku monogāmija ir vibrācija, nevis darba plūsma.
Rīki, kas palīdz domāt, nevis tikai ģenerēt, ir nenovērtēti. Ja jūs žonglējat ar pētījumiem, atsaucēm, vizuālu iterāciju un uzvednēm, palīgs, kas organizē jūsu smadzenes, ir noderīgāks nekā vēl viena funkcija “paskatieties, atkal superizšķirtspēja”. Ģeneratori ir skaļi. Darba plūsma ir klusa. Klusums uzvar biežāk nekā nē.
Labākā prakse, kas ietaupa stundas
- Izveidojiet uzvedņu bibliotēku. Ne 500 uzvednes; 15 labas ar piezīmēm par to, kad tās darbojas.
- Saglabājiet sēklu banku. Izturieties pret sēklām kā pret koordinātēm; marķējiet savas kartes.
- Skaidri nosauciet savus izvades. Jūsu nākotne ir līdzstrādnieks. Neesiet rupjš.
- Vienmēr eksportējiet tīru bāzi, pirms sākat smagus rediģējumus. Jūs vēlēsities atgriezties.
- Atkārtojiet zaros. Kad ideja sadalās, dublējiet failu un dodieties abos virzienos.
Nākotne: mazāk pogu, vairāk spriedumu
Modeļiem uzlabojoties, labākie jutīsies vienkāršāk – nevis tāpēc, ka tie zaudēja spējas, bet gan tāpēc, ka tie labāk ievēroja nodomu. Lietotāja saskarne, kas uzvar, nav kabīne, kas pilna ar pārslēdzējiem. Tas ir kluss audekls ar dažām nozīmīgām izvēlēm un spēcīgiem noklusējumiem. Pārējais ir gaume. Un gaume nemērogojas. Tas ir jēga.
Šķiršanās strīds (vai divi)
Ja jūs sajūsmina AI attēli, jo domājat, ka tie izņems cilvēkus no procesa, gatavojieties vilties un pēc tam atviegloties. Tehnoloģija kļūst arvien labāka. Rezultāti arvien vairāk ir atkarīgi no cilvēkiem, kuri zina, ko dara. Tā nav pretruna. Tas ir modelis.
Ja, tā vietā, jūs domājat, ka AI attēlu ģeneratori ir tikai izsmalcināta klipkopu māksla, turpiniet skatīties. Atšķirība starp “rotaļlietu” un “rīku” klusi noslēdzās, kamēr visi strīdējās tiešsaistē. Modeļiem nav nepieciešams, lai jūs tos pielūgtu. Viņiem vienkārši ir nepieciešams, lai jūs tos izmantotu ar nodomu. Pārējais ir prakse.
Un šī dīvainā ieleja? Tā sarūk. Lēnām, kaitinoši, neizbēgami. Bet pat tad, kad tā būs pazudusi, īstais darbs būs tāds pats kā vienmēr: izlemiet, ko vēlaties pateikt, pēc tam lieciet katram pikselim to pateikt.
Biežāk uzdotie jautājumi
Q1: Kas AI attēlu ģeneratoriem patiesībā padodas vislabāk šobrīd?
Konceptualizācija un iterācija. AI attēlu ģeneratori sagrauj tukšo lapu, izpēta stilus un ātri izveido izmantojamus maketus – īpaši, ja tipogrāfija un galīgā pulēšana tiek atstāta cilvēku rokās.
Q2: Vai AI attēlu ģeneratori ir pietiekami labi komerciālam darbam?
Jā, ja jums rūp process un licencēšana. Izmantojiet AI attēlu ģeneratorus izpētei un bāzes atveidojumiem, pēc tam pabeidziet ar atbilstošu tipu, retušēšanu un rīku ķēdi, kas neliks juristiem raustīties.
Q3: Kuru AI attēlu ģeneratoru man izvēlēties reālistiskiem rezultātiem?
Izvēlieties rīku, kas atbilst jūsu gaumei: {Midjourney} kinemātiskajam noskaņojumam, {DALL·E 3} uzticamai norādījumu izpildei un {Stable Diffusion} variantiem, ja vēlaties detalizētu kontroli. AI attēlu ģeneratori nav savstarpēji aizstājami; tiem ir atšķirīgas iepriekšējās zināšanas.
Q4: Kāpēc teksts joprojām izskatās dīvaini AI ģenerētos attēlos?
Jo tipogrāfija ir nepielūdzama, un modeļi joprojām izturas pret burtiem kā pret teksturētām formām. AI attēlu ģeneratori uzlabojas, taču virsrakstiem un zīmola tipiem īsti fonti īstos izkārtojuma rīkos joprojām uzvar.
Q5: Kā es varu rakstīt labākas uzvednes AI attēlu ģeneratoriem?
Rakstiet brīfingu, nevis burvestību. Esiet konkrēts par subjektu, apgaismojumu, kompozīciju un ierobežojumiem; bloķējiet sēklas, kad virziens darbojas; un atkārtojiet ar mazām, apdomātām izmaiņām, nevis uzkrājiet īpašības vārdus.