AI ഇമേജ് ജനറേറ്ററുകളുടെ കാര്യം എന്തെന്നാൽ, എല്ലാവരും “ഫോട്ടോ റിയലിസ്റ്റിക് പെർഫെക്ഷൻ” ആണ് ആഗ്രഹിക്കുന്നതെന്ന് നടിക്കുന്നു, മോഡൽ അവർ ശരിക്കും ആഗ്രഹിച്ച കാര്യം കൃത്യമായി ചെയ്യുന്നതുവരെ: ടേസ്റ്റ്. വേഗതയല്ല, മെഗാപിക്സലുകളല്ല, റൂണിക് സിന്റാക്സുള്ള പ്രോംപ്റ്റുകളുമല്ല - ടേസ്റ്റിലാണ് പോരാട്ടം.
ആദ്യം തന്നെ വ്യക്തമായ ചോദ്യം ചോദിക്കാം. AI ഇമേജ് ജനറേറ്ററുകൾ ഇത്രത്തോളം മികച്ചതാണെങ്കിൽ, എന്തുകൊണ്ടാണ് പല ചിത്രങ്ങളും ഇപ്പോഴും... വിചിത്രമായി തോന്നുന്നത്? തെറ്റായിട്ടല്ല. നേരിയ വ്യത്യാസം മാത്രം, ലൈറ്റിംഗ് മികച്ച രീതിയിൽ ക്രമീകരിച്ചിട്ടുള്ള ഒരു മെഴുകുമ്യൂസിയം പോലെ, പക്ഷെ കണ്ണുകൾ ഒരു സെക്കൻഡ് വൈകി നിങ്ങളെ പിന്തുടരുന്നു. നമ്മൾ ആഗ്രഹിക്കുന്നു എന്ന് പറയുന്നതും നമ്മൾ സ്വീകരിക്കുന്നതും തമ്മിലുള്ള ഈ അന്തരം നിലനിർത്തുന്നതിലാണ് ഈ രംഗം മുഴുവൻ പ്രവർത്തിക്കുന്നത്.
ഇവിടെ വ്യക്തമായ കാര്യമിതാണ്: AI ഇമേജ് ജനറേറ്ററുകൾ വേഗതയേറിയതും ഫ്ലെക്സിബിളും അതിശയകരവുമാണ്. കമ്പ്യൂട്ടറുകൾക്ക് മോശമാണെന്ന് കരുതുന്ന ഒരുകാര്യത്തിൽ അവ മെച്ചപ്പെട്ടുകൊണ്ടിരിക്കുന്നു: നമ്മൾ പറഞ്ഞതിനെയല്ല, നമ്മൾ എന്താണോ ഉദ്ദേശിച്ചത് അത് ചെയ്യുക. രണ്ടാമത്തെ ഭാഗം ഇപ്പോഴും വഴുവഴുപ്പുള്ളതാണ്. “എന്തുകൊണ്ട് ഇത് അക്ഷരങ്ങൾ ഉരുക്കാതെ സൈൻ ബോർഡിൽ എഴുത്ത് ചേർക്കുന്നില്ല” എന്നറിയാൻ നിങ്ങൾ എപ്പോഴെങ്കിലും ശ്രമിച്ചിട്ടുണ്ടെങ്കിൽ നിങ്ങൾക്കത് മനസ്സിലാകും.
ഡിജിറ്റൽ ക്യാമറകളുടെ ആദ്യകാലഘട്ടത്തിനും സ്മാർട്ട്ഫോണുകൾ ഫോട്ടോഗ്രാഫിയെ ദൈനംദിന സൂപ്പർ പവർ ആക്കിയ നിമിഷത്തിനും ഇടയിലെവിടെയോ ആണ് നമ്മൾ. നിങ്ങളുടെ ഡെർമറ്റോളജിസ്റ്റിനെ പോലും ലജ്ജിപ്പിക്കുന്ന തരത്തിലുള്ള ചർമ്മത്തിലെ സുഷിരങ്ങൾ മോഡലുകൾക്ക് നൽകാൻ കഴിയും, കൂടാതെ “സൗന്ദര്യശാസ്ത്രം” എന്ന് നിങ്ങൾ പറയുന്നതിനുമുമ്പ് തന്നെ ആറ് വ്യത്യസ്ത വേരിയേഷനുകൾ പുറന്തള്ളാനും കഴിയും. എന്നാൽ ഇതിലെ യഥാർത്ഥ കഥ ഉപരിതലത്തിലുള്ള റിയലിസമല്ല. നിയന്ത്രണമാണ് പ്രധാനം. സ്ഥിരതയും, രുചിയുമാണ്.
AI ഇമേജ് ജനറേറ്ററുകളിൽ നിന്ന് ആളുകൾക്ക് ശരിക്കും എന്താണ് വേണ്ടത്
- പ്രധാനപ്പെട്ട നിയന്ത്രണങ്ങൾ: ഇൻപെയിൻ്റിംഗ്, ഔട്ട്പെയിൻ്റിംഗ്, സ്റ്റൈൽ ലോക്കുകൾ, സ്ഥിരമായ സീഡ്, നിർദ്ദേശങ്ങൾ പോലെ തോന്നാത്ത ആസ്പെക്ട് റേഷ്യോകൾ.
- പ്രവചിക്കാൻ കഴിയുന്നത്: ഒരേ പ്രോംപ്റ്റ്, ഒരേ ഔട്ട്പുട്ട് ദിശ, ആകർഷകമായ എൻട്രോപ്പിയോടുകൂടിയ ഡൈസ് റോൾ ആകരുത്.
- പരിമിതികളോടുള്ള ആദരവ്: വായിക്കാൻ എളുപ്പമുള്ള ടൈപ്പോഗ്രാഫി, മനുഷ്യരുടേതായ കൈകൾ, ഭൗതികശാസ്ത്രത്തെ காட்டிக்கொடுக்காத வெளிச்சம்.
- നിയമപരവും ലൈസൻസിംഗിലുമുള്ള വ്യക്തത: പകർപ്പവകാശ പ്രശ്നങ്ങളില്ലാത്ത സുതാര്യത.
- Discord ആർക്കിയോളജി ഡിഗ്രി ആവശ്യമില്ലാത്ത ഒരു വർക്ക്ഫ്ലോ.
കടലാസിൽ നോക്കുമ്പോൾ, ഈ രംഗം വളരെ വലുതായി തോന്നാം. എന്നാൽ ഓരോ പ്രധാന ടൂളുകളും ഒരു ചിത്രം എങ്ങനെ ഉണ്ടാക്കണം എന്നതിനെക്കുറിച്ച് വ്യത്യസ്ത അഭിപ്രായങ്ങൾ നൽകുന്നു.
- Midjourney: രചയിതാവിൻ്റെ moodboard. ശൈലിയിലും ഘടനയിലും മികച്ചതും, നിയന്ത്രണത്തിൽ ഇപ്പോഴും കുറച്ച് നിഗൂഢവുമാണ്. നിങ്ങൾ Midjourney-യിൽ പ്രവർത്തിക്കുന്നു, അതിനുവേണ്ടിയല്ല.
- DALL·E 3: സ്വാഭാവിക ഭാഷയ്ക്കും അടിക്കുറിപ്പുകൾക്കും അനുസരണയുള്ളത്. ഇത് എല്ലാത്തിനും A+ വാങ്ങുന്ന വിദ്യാർത്ഥിയെപ്പോലെയാണ്: നിർദ്ദേശങ്ങൾ പാലിക്കുന്നതിൽ മികച്ചതും, ചിലപ്പോൾ അക്ഷരാർത്ഥത്തിൽ തെറ്റുകൾ വരുത്തുന്നതും.
- Stable Diffusion and SDXL/SD3.x: ഒരു ആശാരിയുടെ പണിപ്പുര പോലെ. തുറന്നതും, മാറ്റങ്ങൾ വരുത്താൻ സാധിക്കുന്നതും, ശരിയായ കൈകളിൽ എത്തിയാൽ അതിശയകരമായ കഴിവുകൾ ഉള്ളതും. ഏതൊക്കെ ലിവറുകളാണ് ഉപയോഗിക്കേണ്ടതെന്ന് അറിയില്ലെങ്കിൽ അപകടകരം. അറിയാമെങ്കിൽ പ്രതിഫലദായകവും.
- Adobe Firefly: കോർപ്പറേറ്റ് ലോകത്തിലെ മുതിർന്ന വ്യക്തി. സുരക്ഷാ മാനദണ്ഡങ്ങൾ, വാണിജ്യ ലൈസൻസുകൾ, നിയമപരമായ കാര്യങ്ങൾ ഉറപ്പുവരുത്തുന്ന ഒന്ന്.
പൊതുവായിട്ടുള്ള കാര്യം: AI ഇമേജ് ജനറേറ്ററുകൾ, അടിസ്ഥാനപരമായി, ടേസ്റ്റ് ആംപ്ലിഫയറുകളാണ്. കലാകാരന്മാരല്ലാത്തവരെ ഒരു കാഴ്ചപ്പാട് വ്യക്തമാക്കാൻ അവ അനുവദിക്കുന്നു, എന്നാൽ പഴയതും വിരസവുമായ കാര്യങ്ങൾക്ക് ഇപ്പോളും പ്രതിഫലം നൽകുന്നു: ആവർത്തനം, എഡിറ്റിംഗ്, ഒരു നല്ല കണ്ണ് എന്നിവയാണവ.
പ്രോംപ്റ്റ് ഒരു മന്ത്രമല്ല. അതൊരു സംഗ്രഹമാണ്.
ഈ വ്യവസായത്തിലെ ഏറ്റവും മോശം ശീലം പ്രോംപ്റ്റുകൾ രഹസ്യമാണെന്ന് നടിക്കുന്നതാണ്. സത്യം പറഞ്ഞാൽ ഒരു നല്ല ക്രിയേറ്റീവ് സംഗ്രഹം എഴുതുന്നതിന് തുല്യമാണിത്. നിങ്ങൾക്ക് അതിഗംഭീരമായ Adverbs-ഉം മൂന്ന് ഡസനോളം കോമകളാൽ വേർതിരിച്ച ആർട്ടിസ്റ്റുകളും ആവശ്യമില്ല. നിങ്ങൾക്ക് വേണ്ടത്:
- വിഷയത്തിന്റെ വ്യക്തത: ഫ്രെയിമിൽ എന്താണ് ഉള്ളത്, എന്താണ് ഇല്ലാത്തത്, കാഴ്ചക്കാരൻ ആദ്യം ശ്രദ്ധിക്കേണ്ടത് എന്താണ്.
- സന്ദർഭവും പരിമിതികളും: ദിവസത്തിൻ്റെ സമയം, ലൈറ്റിംഗ് ശൈലി, ലെൻസിൻ്റെ അനുഭവം (വൈഡ് vs ടെലി), കാലഘട്ടം, മാധ്യമം, മാനസികാവസ്ഥ.
- രചന സൂചനകൾ: മുൻവശം vs පසුവശം, സമമിതി, നെഗറ്റീവ് സ്പേസ്, എവിടെയാണ് ടെക്സ്റ്റ് പോകേണ്ടത്.
- ഒഴിവാക്കാൻ പറ്റാത്തവ: “അഞ്ച് വിരലുകൾ”, വായിക്കാൻ കഴിയുന്ന അടയാളങ്ങൾ, ബ്രാൻഡ് കളർ കൃത്യത.
മോഡലിനെ ഒരു ജൂനിയർ ഡിസൈനറായി കണക്കാക്കുക: ഉത്തരവാദിത്തം ഏൽപ്പിക്കാൻ തക്കവിധം വ്യക്തവും, കൂടുതൽ സാധ്യതകൾ നൽകുന്നതിന് തുറന്നതുമായിരിക്കണം. എന്നിട്ട് വീണ്ടും ശ്രമിക്കുക. ആദ്യ ചിത്രം ഒരുപോലെ നിലനിർത്താൻ സാധിക്കണമെന്നില്ല. രണ്ടാമത്തേത് മിക്കപ്പോഴും സാധിക്കും. മൂന്നാമത്തേത് ചിലപ്പോൾ ആശയം തന്നെ മാറ്റിമറിച്ചേക്കാം.
റിയലിസം vs ടേസ്റ്റ് (ടേസ്റ്റ് തിരഞ്ഞെടുക്കുക)
ഫോട്ടോറിയലിസം ഒരു തരംഗം മാത്രമാണ്. അത് നമ്മെ അതിശയിപ്പിച്ചു; ഇപ്പോൾ നമ്മളത് പ്രതീക്ഷിക്കുന്നു. ടേസ്റ്റാണ് മുന്നോട്ട് കൊണ്ടുപോകുന്നത്. അതുകൊണ്ടാണ് Midjourney ചിത്രങ്ങൾ തെറ്റുകൾ വരുത്തിയാലും സിനിമാറ്റിക് ആയി തോന്നുന്നത് - മോഡൽ ഒരു സൗന്ദര്യശാസ്ത്രത്തിലേക്ക് പക്ഷപാതപരമാണ്. ഫോട്ടോഗ്രാഫർമാരും ചിത്രകാരന്മാരും സഹജമായി ടേസ്റ്റ് നൽകുന്നു; AI മുൻഗണനാ സാധ്യതകളിലൂടെ അത് നൽകുന്നു. അതൊരു പിഴവല്ല. അതാണ് ഇതിലെ സവിശേഷത. മോഡലിൻ്റെ ടേസ്റ്റ് നിങ്ങളുടെ ഇഷ്ട്ടങ്ങളുമായി ചേർന്ന് പോകുന്നുണ്ടോ എന്നതാണ് ചോദ്യം.
നിങ്ങൾക്ക് മുൻഗണനകളോട് പോരാടാം. അല്ലെങ്കിൽ അവയിൽ സഞ്ചരിക്കാൻ സാധിക്കും. നല്ല ഫലങ്ങൾ നേടുന്ന ആളുകൾ മോഡലിനെ അതിന്റെ വഴിക്ക് വിടാതെ, അവരുടെ ആവശ്യാനുസരണം പ്രോംപ്റ്റുകൾ നൽകുന്നു. “ഒരു Saul Bass പോസ്റ്റർ വേണം” എന്ന് ചോദിച്ച് മിനുസമാർന്ന മിനിമലിസത്തിനായി ശ്രമിച്ചാൽ, “എനിക്ക് ഒരു മിനിമൽ പോസ്റ്റർ ഉണ്ടാക്കി തരൂ” എന്ന് പറഞ്ഞ് മോഡലിനെ “ആധുനിക ഗ്ലോസി ഗ്രേഡിയൻ്റ്” ആക്കുന്നതിൽ നിന്ന് രക്ഷിക്കുന്നതിനേക്കാൾ വേഗത്തിൽ നിങ്ങൾക്ക് അവിടെയെത്താൻ സാധിക്കും.
ടൈപ്പോഗ്രാഫി ഇപ്പോളും ഒരു സൂചനയാണ്
ഏത് ഡിസൈനറോട് ചോദിച്ചാലും അവർ പറയും: ടൈപ്പ് തെറ്റായി തോന്നിയാൽ, ചിത്രം മുഴുവൻ തെറ്റായി തോന്നും. AI-യുടെ ടെക്സ്റ്റ് കൈകാര്യം ചെയ്യാനുള്ള കഴിവ് “കൂടുതൽ കൈകളുള്ള അക്ഷരമാല സൂപ്പ്” എന്നതിൽ നിന്ന് മെച്ചപ്പെട്ട് “അത്ര ശ്രദ്ധിച്ചില്ലെങ്കിൽ ഏകദേശം ശരി” എന്നതിലേക്ക് എത്തിയിട്ടുണ്ട്. മോഡൽ ശൂന്യമായ ഭാഗങ്ങളെ ബഹുമാനിക്കുന്ന ലേഔട്ടുകളിൽ ഇത് ഉപയോഗിക്കാൻ സാധിക്കുന്നതാണ്. എന്നാൽ നമ്മൾ ഇപ്പോളും “ഹെഡ്ലൈൻ ഇടാൻ തയ്യാറായ” അവസ്ഥയിലേക്ക് എത്തിയിട്ടില്ല. നിങ്ങൾക്ക് ടൈറ്റായ ടൈപ്പോഗ്രാഫി വേണമെങ്കിൽ പഴയ രീതി (നിങ്ങൾ, ഒരു യഥാർത്ഥ ഫോണ്ട്, ഒരു ലേഔട്ട് ടൂൾ) ഉപയോഗിക്കുന്നതാണ് നല്ലത്.
ഇതും നല്ലതാണ്. കാരണം AI ഇമേജ് ജനറേറ്ററുകൾ ഉപയോഗിക്കുന്നതിലെ പ്രധാന ഉദ്ദേശം ഫൈനൽ പ്രിൻ്റ് എടുക്കലല്ല. ആശയങ്ങൾ രൂപപ്പെടുത്തുക എന്നതാണ് ഇതിൻ്റെ ലക്ഷ്യം. നിങ്ങളെ വിഷമിപ്പിക്കാത്ത കോമ്പുകൾ ഉണ്ടാക്കുക, ശൂന്യമായ പേജിൽ നിന്ന് മുന്നോട്ട് പോകാൻ സഹായിക്കുക എന്നിവയാണ് ഇത് കൊണ്ട് ഉദ്ദേശിക്കുന്നത്. AI-യെ മനുഷ്യ എഡിറ്ററുമായി ചേർത്ത് ഉപയോഗിക്കുന്നതാണ് ഞാൻ കണ്ടതിൽ വെച്ച് മികച്ച രീതി.
ഇൻപെയിൻ്റിംഗ്, ഔട്ട്പെയിൻ്റിംഗ്, നിയന്ത്രണത്തിൻ്റെ മിഥ്യാബോധം
ടൂളുകൾക്ക് നിയന്ത്രണം നൽകാൻ ഇഷ്ടമാണ്. യാഥാർത്ഥ്യം എന്തെന്നാൽ, ഇൻപെയിൻ്റിംഗും ഔട്ട്പെയിൻ്റിംഗും ശസ്ത്രക്രിയാ ഉപകരണങ്ങളേക്കാൾ സ്കാൽപ്പലുകളുള്ള ഇംപ്രൊവൈസേഷണൽ ജാസ് പോലെയാണ്. ഒരു വിളക്ക് നീക്കം ചെയ്യുക, ആകാശം ചേർക്കുക, ഒരു സെറ്റ് വികസിപ്പിക്കുക തുടങ്ങിയ കാര്യങ്ങളിൽ ഇത് മനോഹരമായി പ്രവർത്തിക്കുന്നു. രംഗത്തിൻ്റെ യുക്തിക്ക് വിരുദ്ധമായ ഘടനാപരമായ മാറ്റങ്ങൾ വരുത്തുമ്പോൾ അവയ്ക്ക് പിരിമുറുക്കം ഉണ്ടാകാറുണ്ട്. ഒരു സിനിമാട്ടോഗ്രാഫറെപ്പോലെ ചിന്തിക്കുക എന്നതാണ് ഇതിലെ തന്ത്രം. തുടർച്ച നിലനിർത്തുക: ആംഗിൾ, ലൈറ്റ് ദിശ, സ്കെയിൽ. ഇൻപെയിൻ്റ് പാസുകൾക്കിടയിൽ സൂര്യൻ 30 ഡിഗ്രി മാറിയാൽ, കാഴ്ചക്കാരന് അത് അനുഭവപ്പെടും, എന്തുകൊണ്ടാണെന്ന് വിശദീകരിക്കാൻ കഴിഞ്ഞില്ലെങ്കിൽ പോലും.
നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ ഉപയോഗപ്രദമായി തുടരുന്നു, പക്ഷേ എല്ലാ നെഗറ്റീവ് സ്പേസുകളെയും പോലെ, അവ മിതമായി ഉപയോഗിക്കുമ്പോൾ നന്നായി വായിക്കാൻ സാധിക്കും. “No extra fingers” എന്നത് നല്ലതാണ്. “ഇത് വേണ്ട, അത് വേണ്ട” എന്നുള്ള ഒരുപാട് നിർദ്ദേശങ്ങൾ നൽകുന്നത് ജനറേറ്ററിനെ കുറ്റബോധമുള്ള ഒരു ഇംപ്രൂവ് പങ്കാളിയാക്കി മാറ്റും. എന്ത് ചെയ്യണം എന്ന് പറയുക, എന്തൊക്കെ ഒഴിവാക്കണം എന്ന് പറയേണ്ടതില്ല.
നിയമപരമായ യാഥാർത്ഥ്യം: ലൈസൻസുകളും വാട്ടർമാർക്കുകളും
ഒരു ക്ലയിന്റ് സോഴ്സ് ചോദിക്കുന്നത് വരെ എല്ലാവരും ബോറാണെന്ന് നടിക്കുന്ന ഭാഗം ഇതാണ്. നിങ്ങൾ ഒരു കൊമേർഷ്യൽ വർക്കാണ് ചെയ്യുന്നതെങ്കിൽ, നിങ്ങൾക്ക് വ്യക്തത ആവശ്യമാണ്: ഡാറ്റ എന്താണ്, ലൈസൻസ് എന്താണ്, ആരെങ്കിലും പരാതിപ്പെട്ടാൽ എന്ത് സംഭവിക്കും? എക്സ്പ്ലിസിറ്റ് സ്റ്റോക്ക് അല്ലെങ്കിൽ എന്റർപ്രൈസ് ലൈസൻസുകളുമായി ബന്ധിപ്പിച്ചിട്ടുള്ള മോഡലുകൾ കൂടുതൽ ഡീലുകൾ നേടിക്കൊണ്ടിരിക്കും. അവ മികച്ച ആർട്ടിസ്റ്റുകളായതുകൊണ്ടല്ല, പേപ്പർ വർക്കുകൾ ഉള്ളതുകൊണ്ടാണ്. മറ്റൊന്ന് ഉത്ഭവമാണ് - ക്രിപ്റ്റോഗ്രാഫിക് ഉള്ളടക്ക ക്രെഡൻഷ്യലുകൾ, വാട്ടർമാർക്കുകൾ, അങ്ങനെയുള്ള കാര്യങ്ങൾ. ഇത് മോശം ആളുകളെ തടയില്ല. സത്യസന്ധരായ ടീമുകൾക്ക് കാര്യങ്ങൾ തെളിയിക്കാൻ ഇത് സഹായകമാകും.
വ്യക്തിഗത ക്രിയേറ്റർമാർക്ക്, പ്രായോഗികമായ വഴി ലളിതമാണ്: നിങ്ങളുടെ ലെയറുകൾ സൂക്ഷിക്കുക, നിങ്ങളുടെ സീഡുകൾ സൂക്ഷിക്കുക, നിങ്ങളുടെ പ്രോംപ്റ്റുകൾ സൂക്ഷിക്കുക. നിങ്ങളുടെ പ്രവർത്തനരീതി രേഖപ്പെടുത്തുക. ഇത് ആകർഷകമല്ല, പക്ഷേ നിങ്ങളുടെ ഒഴികഴിവാണ്.
വർക്ക്ഫ്ലോ: AI ഇമേജ് ജനറേറ്ററുകൾ എവിടെയാണ് ശരിക്കും ഉപയോഗിക്കേണ്ടത്
- ബ്രെയിൻസ്റ്റോമിംഗ്: 15 മിനിറ്റിനുള്ളിൽ 20 ദിശകളിലൂടെ കടന്നുപോവുകയും ഒരു കുറ്റബോധവുമില്ലാതെ 18 എണ്ണം ഉപേക്ഷിക്കുകയും ചെയ്യുക.
- മൂഡ്ബോർഡുകൾ: നിങ്ങൾ സ്വന്തമാക്കാത്ത ക്യാമറകളെക്കുറിച്ച് ആരെങ്കിലും പറയുന്നതിന് മുൻപ് ഒരു ലുക്ക് ഏകീകരിക്കുക.
- കോമ്പുകൾ: വിശ്വസനീയമായ ലൈറ്റിംഗും വിശ്വസനീയമായ കാഴ്ചപ്പാടുമുള്ള ഒരു ലേഔട്ട് കാണിക്കുക.
- വ്യതിയാനങ്ങൾ: വീണ്ടും ഷൂട്ട് ചെയ്യാതെ തന്നെ പാലറ്റുകൾ, പോസുകൾ, ചുറ്റുപാടുകൾ എന്നിവ a/b ടെസ്റ്റ് ചെയ്യുക.
- പോസ്റ്റ് ട്രിക്കുകൾ: സെറ്റിൽ മറന്നുപോയ കാര്യങ്ങൾ ഇൻപെയിൻ്റ് ചെയ്യുക, ഒരു ഫ്രെയിം നീട്ടുക, തെറ്റായ പ്രതിഫലനം ശരിയാക്കുക.
എന്താണ് ഇല്ലാത്തതെന്ന് ശ്രദ്ധിക്കുക: “ഫൈനൽ കീ ആർട്ട്”, “പ്രൊഡക്ഷൻ-റെഡി ടൈപ്പോഗ്രാഫി”. ചില ടീമുകൾക്ക് ആവർത്തനത്തിലൂടെയും മനുഷ്യ സഹായത്തിലൂടെയും അവിടെയെത്താൻ കഴിയും. ആദ്യത്തെ പാസ് ഗ്ലോസ്സിയായി തോന്നിയതുകൊണ്ട് മാത്രം കൂടുതൽ സ്റ്റെപ്പുകൾ ഒഴിവാക്കാൻ ശ്രമിക്കരുത്.
AI ഇമേജ് ജനറേഷനിൽ എങ്ങനെ ശരിക്കും മികച്ചതാകാം
- ലളിതമായി തുടങ്ങുക. നാമം, ക്രിയ, സന്ദർഭം. നല്ലൊരു അടിത്തറ നേടുക.
- ഒരു ദിശ ഇഷ്ടപ്പെട്ടാൽ സീഡുകൾ ലോക്ക് ചെയ്യുക. എന്നിട്ട് ആവർത്തിക്കുക: ക്യാമറ, ലെൻസ്, ലൈറ്റ്, ദിവസത്തിൻ്റെ സമയം.
- ഒരു ചെറിയ വ്യക്തിഗത ശൈലീപുസ്തകം സൂക്ഷിക്കുക: നിങ്ങൾ ഇഷ്ടപ്പെടുന്ന 10 റഫറൻസുകൾ. പേര് പറയാതെ അവയിലേക്ക് പ്രോംപ്റ്റ് ചെയ്യുക.
- ഒരു പ്രൊഫഷണലിനെപ്പോലെ ഇമേജ്-ടു-ഇമേജ് ഉപയോഗിക്കുക: ഒരു ഏകദേശ രേഖാചിത്രം ഉണ്ടാക്കുക, കോമ്പോസിഷൻ ബ്ലോക്ക് ചെയ്യുക, എന്നിട്ട് മോഡലിനെ മനോഹരമാക്കാൻ അനുവദിക്കുക.
- ക്രോപ്പ് ചെയ്യാൻ പഠിക്കുക. കോമ്പോസിഷനാണ് പകുതി വിജയം, ക്രോപ്പ് ടൂളിനെ ആർക്കും തോൽപ്പിക്കാൻ കഴിയില്ല.
- പോസ്റ്റ്-പ്രോസസ്സ് ചെയ്യുക. കർവുകൾ, ഗ്രെയിൻ, നേരിയ ബ്ലൂം, യഥാർത്ഥ ടൈപ്പ്. അവസാനത്തെ അഞ്ച് ശതമാനം പ്രധാനമാണ്.
തുറന്ന ചോദ്യം: ഇതാണോ “കല”?
തീർച്ചയായും ഇത് കലയാകാം. തീർച്ചയായും മിക്കപ്പോഴും അങ്ങനെയല്ല. ഉപയോഗപ്രദമായ ലെൻസ് രചയിതാവാണ്. നിങ്ങളുടെ പ്രക്രിയ വിവരിക്കാനും പുനർനിർമ്മിക്കാനും വികസിപ്പിക്കാനും കഴിയുമെങ്കിൽ - നിങ്ങളുടെ തിരഞ്ഞെടുപ്പുകൾക്ക് ഒരു കാരണമുണ്ടെങ്കിൽ - നിങ്ങൾ രചന നടത്തുകയാണ്. നിങ്ങൾക്ക് മനോഹരവും ആവർത്തിക്കാൻ കഴിയാത്തതുമായ എന്തെങ്കിലും ലഭിക്കുന്നതുവരെ നിങ്ങൾ സ്ലോട്ട് മെഷീൻ ഉപയോഗിക്കുകയാണെങ്കിൽ, അത് പോസ്റ്ററുകൾക്കും വൈബുകൾക്കും നല്ലതാണ്, പക്ഷേ അത് ഒരേ കാര്യമാണെന്ന് നടിക്കരുത്.
എനിക്ക് അവഗണിക്കാൻ കഴിയാത്ത വ്യവസായപരമായ दिखावा
AI ബൂസ്റ്ററിസത്തിൻ്റെ ഒരു ഭാഗം പറയുന്നത്, അടിസ്ഥാനപരമായി, മോഡലാണ് കലാകാരൻ എന്നും നിങ്ങൾ അവിടെ ഉണ്ടായിരുന്നത് ഭാഗ്യംകൊണ്ടാണെന്നുമാണ്. ഇത് തെറ്റാണ്. മോഡൽ 10,000 ലെൻസുകളും ഒരു ദശലക്ഷം മാനസികാവസ്ഥകളുമുള്ള ഒരു ക്യാമറയാണ്. ക്യാമറകൾ ചിത്രങ്ങൾ എടുക്കുന്നില്ല. ആളുകളാണ് എടുക്കുന്നത്. ഇതിലും നല്ലത് ഒരു സംഗീതോപകരണവുമായി താരതമ്യം ചെയ്യുന്നതാണ്. എൻ്റെ സ്വീകരണമുറിയിൽ ഒരു Steinway വെച്ചാൽ അത് ഒരു സോണാറ്റ ഉണ്ടാക്കില്ല. എന്നിരുന്നാലും, ഒരു നല്ല പിയാനിസ്റ്റിനെ മികച്ചവനായും, അതിഗംഭീരമായ ഒരാളെ അതിശ്രേഷ്ഠനുമാക്കാനും അതിന് കഴിയും. മോശം പ്രോംപ്റ്റുകൾ മോശം പരിശീലനം പോലെ തോന്നിക്കും.
മറുവശത്ത്, AI “ചീറ്റിംഗ്” ആണെന്നുള്ള വാദം ചരിത്രത്തെ മനസ്സിലാക്കാത്തതുകൊണ്ടാണ്. ഫോട്ടോഗ്രാഫി ചീറ്റിംഗ് ആയിരുന്നു. ഡിജിറ്റൽ പെയിൻ്റ് ചീറ്റിംഗ് ആയിരുന്നു. പഴയതിലേക്ക് മാറ്റുന്നത് ചീറ്റിംഗ് ആയിരുന്നു. ചിന്തയുടെ വേഗതയിലുള്ള ആവർത്തനമാണ് യഥാർത്ഥ ചീറ്റ് കോഡ്. ചിന്തിക്കാൻ തയ്യാറാണെങ്കിൽ മാത്രം.
ഹൈപ്പില്ലാത്ത ടൂളുകളെക്കുറിച്ച്
- വൈബിനും ശൈലിക്കും Midjourney. സിനിമാറ്റിക് ലൈറ്റിംഗിൽ മികച്ചത്. ഇപ്പോളും ഉപയോഗിക്കാൻ കുറച്ച് ബുദ്ധിമുട്ടാണ്. അതിൻ്റെ രീതി സ്വീകരിക്കുകയാണെങ്കിൽ അത് നിങ്ങൾക്ക് പ്രതിഫലം നൽകും.
- കൃത്യമായ നിർദ്ദേശങ്ങൾക്കും കോമ്പോസിഷണൽ സെനിറ്റിക്കും DALL·E 3. ക്ലയിന്റുകൾ മീറ്റിംഗ് നോട്ടുകൾ പോലെ പ്രോംപ്റ്റുകൾ എഴുതുമ്പോൾ ഇത് വളരെ നല്ലതാണ്.
- നിയന്ത്രണം ആഗ്രഹിക്കുന്നവർക്കും പരീക്ഷണങ്ങൾ ചെയ്യാൻ ഇഷ്ടപ്പെടുന്നവർക്കും Stable Diffusion (SDXL, SD3.x). നിങ്ങൾക്ക് മോഡൽ പതിപ്പുകളും LoRA-കളും പ്രാദേശിക റിഗുകളും ആസ്വദിക്കാനാവുമെങ്കിൽ, ഇതാണ് നിങ്ങളുടെ കളിസ്ഥലം.
- Indemnification-നെക്കുറിച്ച് bokeh-യെക്കുറിച്ച് കരുതുന്നതുപോലെ ചിന്തിക്കുന്ന ടീമുകൾക്ക് Firefly.
നിങ്ങളുടെ ജോലി ആളുകൾ പണം നൽകുന്ന ചിത്രങ്ങൾ നിർമ്മിക്കുക എന്നതാണ് എങ്കിൽ, ഒന്നിൽ കൂടുതൽ ഉപയോഗിക്കുക എന്നതാണ് ശരിയായ ഉത്തരം. ഒരു ടൂളിൽ നിന്ന് ശൈലിയും, മറ്റൊരിടത്ത് നിന്ന് ടൈപ്പോഗ്രാഫിയും ലേഔട്ടും, ഏറ്റവും വേഗത്തിൽ ചെയ്യാൻ സാധിക്കുന്നിടത്ത് വെച്ച് ക്ലീൻഅപ്പ് ചെയ്യുക. ടൂൾ മോണോഗമി ഒരു വൈബ് മാത്രമാണ്, ഒരു വർക്ക്ഫ്ലോ അല്ല.
Sider.AI എവിടെയാണ് ഉപയോഗിക്കേണ്ടത് (എവിടെയാണ് ഉപയോഗിക്കാൻ പാടില്ലാത്തത്) നിങ്ങളെ ചിന്തിക്കാൻ സഹായിക്കുന്ന ടൂളുകൾക്ക് അർഹിക്കുന്നതിലും കുറഞ്ഞ പരിഗണനയെ ലഭിക്കുന്നുള്ളു, അല്ലാതെ വെറുതെ ഉണ്ടാക്കാൻ സഹായിക്കുന്ന ടൂളുകൾക്കല്ല. നിങ്ങൾ ഗവേഷണം, റഫറൻസുകൾ, വിഷ്വൽ ആവർത്തനം, പ്രോംപ്റ്റുകൾ എന്നിവ ഒരുമിപ്പിക്കുകയാണെങ്കിൽ, നിങ്ങളുടെ തലച്ചോറിനെ ഓർഗനൈസ് ചെയ്യാൻ സഹായിക്കുന്ന ഒരു അസിസ്റ്റൻ്റ്, “ഇതാ, സൂപ്പർ-റെസല്യൂഷൻ വീണ്ടും” എന്ന ഫീച്ചറിനേക്കാൾ സഹായകമാകും. ജനറേറ്ററുകൾ ശബ്ദമുണ്ടാക്കുന്നവയാണ്. വർക്ക്ഫ്ലോ നിശബ്ദമാണ്. മിക്കപ്പോഴും നിശബ്ദതയാണ് വിജയിക്കുന്നത്.
മണിക്കൂറുകൾ ലാഭിക്കുന്ന മികച്ച രീതികൾ
- ഒരു പ്രോംപ്റ്റ് ലൈബ്രറി ഉണ്ടാക്കുക. 500 പ്രോംപ്റ്റുകളല്ല; 15 നല്ല പ്രോംപ്റ്റുകൾ, അവ എപ്പോൾ ഉപയോഗിക്കാമെന്നുള്ള കുറിപ്പുകളോടുകൂടി ഉണ്ടാക്കുക.
- ഒരു സീഡ് ബാങ്ക് സൂക്ഷിക്കുക. സീഡുകളെ കോർഡിനേറ്റുകളായി കണക്കാക്കുക; നിങ്ങളുടെ മാപ്പുകൾ ലേബൽ ചെയ്യുക.
- നിങ്ങളുടെ ഔട്ട്പുട്ടുകൾക്ക് വ്യക്തമായ പേരുകൾ നൽകുക. ഭാവിയിലുള്ള നിങ്ങൾ ഒരു സഹകാരിയാണ്. അവരോട് മര്യാദയില്ലാതെ പെരുമാറരുത്.
- നിങ്ങൾ വലിയ എഡിറ്റിംഗുകൾ ആരംഭിക്കുന്നതിന് മുമ്പ് എപ്പോഴും ഒരു ക്ലീൻ ബേസ് എക്സ്പോർട്ട് ചെയ്യുക. നിങ്ങൾക്ക് പഴയതിലേക്ക് പോകേണ്ടി വരും.
- ശാഖകളായി ആവർത്തിക്കുക. ഒരു ആശയം വിഭജിക്കുമ്പോൾ, ഫയൽ ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്ത് രണ്ട് വഴിക്കും പോകുക.
ഭാവി: കുറഞ്ഞ നോബുകൾ, കൂടുതൽ വിവേചനം
മോഡലുകൾ മെച്ചപ്പെടുന്നതിനനുസരിച്ച്, മികച്ചവ ലളിതമായി തോന്നും - കാരണം അവയുടെ കഴിവ് നഷ്ടപ്പെട്ടതുകൊണ്ടല്ല, ഉദ്ദേശ്യത്തെ മാനിക്കുന്നതിൽ അവ മെച്ചപ്പെട്ടതുകൊണ്ടാണ്. ധാരാളം ടോഗിളുകൾ ഉള്ള കോക്ക്പിറ്റ് അല്ല മികച്ച UI. കുറഞ്ഞതും അർത്ഥവത്തായതുമായ തിരഞ്ഞെടുപ്പുകളും ശക്തമായ സ്ഥിരസ്ഥിതികളുമുള്ള നിശബ്ദമായ ക്യാൻവാസാണ്. ബാക്കിയെല്ലാം ടേസ്റ്റാണ്. ടേസ്റ്റ് അളക്കാൻ പറ്റുന്ന ഒന്നല്ല. അതാണ് ഇതിലെ കാര്യം.
ഒരു വിയോജിപ്പ് (അല്ലെങ്കിൽ രണ്ട്)
AI ചിത്രങ്ങൾ പ്രോസസ്സിൽ നിന്ന് ആളുകളെ ഒഴിവാക്കുമെന്ന് കരുതിയാണ് നിങ്ങൾ ആവേശത്തിലാകുന്നതെങ്കിൽ, നിരാശപ്പെടാനും പിന്നീട് ആശ്വസിക്കാനും തയ്യാറാകൂ. സാങ്കേതികവിദ്യ മെച്ചപ്പെട്ടുകൊണ്ടേയിരിക്കുന്നു. എന്ത് ചെയ്യണമെന്ന് അറിയുന്ന ആളുകളെ ആശ്രയിച്ചാണ് ഫലങ്ങൾ ഉണ്ടാകുന്നത്. അതൊരു വൈരുദ്ധ്യമല്ല. അതാണ് രീതി.
AI ഇമേജ് ജനറേറ്ററുകൾ വെറും fancy clip art ആണെന്ന് നിങ്ങൾ കരുതുന്നുണ്ടെങ്കിൽ, തുടർന്ന് കണ്ടുകൊണ്ടേയിരിക്കുക. എല്ലാവരും ഓൺലൈനിൽ തർക്കിക്കുമ്പോൾ “കളിപ്പാട്ടം”, “ഉപകരണം” എന്നിവ തമ്മിലുള്ള അന്തരം നിശബ്ദമായി അടഞ്ഞു. മോഡലുകൾ നിങ്ങളവരെ ആരാധിക്കേണ്ട ആവശ്യമില്ല. നിങ്ങൾ ഉദ്ദേശത്തോടെ അവ ഉപയോഗിക്കാൻ തയ്യാറായാൽ മാത്രം മതി. ബാക്കിയെല്ലാം പരിശീലനമാണ്.
ആ വിചിത്രമായ താഴ്വര? അത് ചുരുങ്ങിക്കൊണ്ടിരിക്കുകയാണ്. സാവധാനം, বিরক্তিকরമായി, അനിവാര്യമായി. എന്നാൽ അത് ഇല്ലാതായാലും, യഥാർത്ഥ ജോലി എപ്പോഴും ഉണ്ടായിരുന്നതുപോലെ തന്നെയായിരിക്കും: നിങ്ങൾക്ക് എന്താണ് പറയേണ്ടതെന്ന് തീരുമാനിക്കുക, എന്നിട്ട് ഓരോ പിക്സലും അത് പറയുന്ന രീതിയിൽ ഉണ്ടാക്കുക.
പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ
Q1: AI ഇമേജ് ജനറേറ്ററുകൾ ഇപ്പോൾ ഏറ്റവും മികച്ചതായിരിക്കുന്നത് എന്തുകൊണ്ടാണ്?
ആശയരൂപീകരണവും ആവർത്തനവും. AI ഇമേജ് ജനറേറ്ററുകൾ ശൂന്യമായ പേജിനെ തകർക്കുന്നു, ശൈലികൾ പരീക്ഷിക്കുന്നു, വേഗത്തിൽ ഉപയോഗിക്കാൻ കഴിയുന്ന കോമ്പുകൾ നിർമ്മിക്കുന്നു - പ്രത്യേകിച്ചും നിങ്ങൾ ടൈപ്പോഗ്രാഫിയും ഫൈനൽ മിനുക്കുപണിയും മനുഷ്യന്റെ കൈകളിൽ സൂക്ഷിക്കുകയാണെങ്കിൽ.
Q2: AI ഇമേജ് ജനറേറ്ററുകൾ കൊമേർഷ്യൽ വർക്കിന് മതിയാവുമോ?
പ്രോസസ്സിനെയും ലൈസൻസിംഗിനെയും കുറിച്ച് നിങ്ങൾക്ക് മതിയായ ബോധ്യമുണ്ടെങ്കിൽ മതിയാകും. AI ഇമേജ് ജനറേറ്ററുകൾ ഉപയോഗിച്ച് ആശയങ്ങൾ കണ്ടെത്തുകയും അടിസ്ഥാനപരമായ കാര്യങ്ങൾ റെൻഡർ ചെയ്യുകയും ചെയ്യുക, എന്നിട്ട് ശരിയായ ടൈപ്പ്, റീടച്ചിംഗ്, നിയമപരമായ പ്രശ്നങ്ങളില്ലാത്ത ടൂൾചെയിൻ എന്നിവ ഉപയോഗിച്ച് പൂർത്തിയാക്കുക.
Q3: റിയലിസ്റ്റിക് ഫലങ്ങൾക്കായി ഞാൻ ഏത് AI ഇമേജ് ജനറേറ്ററാണ് തിരഞ്ഞെടുക്കേണ്ടത്?
നിങ്ങളുടെ ടേസ്റ്റിന് അനുയോജ്യമായ ടൂൾ തിരഞ്ഞെടുക്കുക: സിനിമാറ്റിക് മൂഡിന് Midjourney-യും, കൃത്യമായ നിർദ്ദേശങ്ങൾക്ക് DALL·E 3-യും, കൂടുതൽ നിയന്ത്രണം വേണമെങ്കിൽ Stable Diffusion വേരിയന്റുകളും തിരഞ്ഞെടുക്കാവുന്നതാണ്. AI ഇമേജ് ജനറേറ്ററുകൾ പരസ്പരം മാറ്റാൻ കഴിയുന്നവയല്ല; അവയ്ക്ക് വ്യത്യസ്തമായ മുൻഗണനകളുണ്ട്.
Q4: AI ഉപയോഗിച്ച് ഉണ്ടാക്കിയ ചിത്രങ്ങളിൽ ടെക്സ്റ്റ് ഇപ്പോളും വിചിത്രമായി കാണപ്പെടുന്നത് എന്തുകൊണ്ടാണ്?
കാരണം ടൈപ്പോഗ്രാഫിയിൽ തെറ്റുകൾ സംഭവിക്കാൻ പാടില്ല, മോഡലുകൾ ഇപ്പോളും അക്ഷരങ്ങളെ ടെക്സ്ചർ ചെയ്ത രൂപങ്ങളായാണ് കണക്കാക്കുന്നത്. AI ഇമേജ് ജനറേറ്ററുകൾ മെച്ചപ്പെടുന്നുണ്ട്, പക്ഷേ ഹെഡ്ലൈനുകൾക്കും ബ്രാൻഡ് ടൈപ്പിനും, ലേഔട്ട് ടൂളുകളിലെ യഥാർത്ഥ ഫോണ്ടുകൾ തന്നെയാണ് മികച്ചത്.
Q5: AI ഇമേജ് ജനറേറ്ററുകൾക്കായി മികച്ച പ്രോംപ്റ്റുകൾ എങ്ങനെ എഴുതാം?
ഒരു മന്ത്രമായിട്ടല്ല, ഒരു സംഗ്രഹമായി എഴുതുക. വിഷയം, ലൈറ്റിംഗ്, കോമ്പോസിഷൻ, പരിമിതികൾ എന്നിവയെക്കുറിച്ച് വ്യക്തമായി പറയുക; ഒരു ദിശ ശരിയായി വന്നാൽ സീഡുകൾ ലോക്ക് ചെയ്യുക; കൂടാതെ വിശേഷണങ്ങൾ ചേർക്കുന്നതിന് പകരം ചെറിയ മാറ്റങ്ങൾ വരുത്തി ആവർത്തിക്കുക.