തിരിച്ചുവായിക്കുന്ന ചിത്രം
മാന്ത്രികൻ അതിനെക്കുറിച്ച് വിവരിക്കാൻ തുടങ്ങുമ്പോൾ എല്ലാവർക്കും മാജിക് ഇഷ്ടമാണ്. DALL·E 3-യുടെ പ്രത്യേകത അതാണ്: ഒരു ഇമേജ് ജനറേറ്റർ വളരെ മികച്ചതായതുകൊണ്ട് അത് കബളിപ്പിക്കൽ പോലെ തോന്നുന്നു, ഒപ്പം ഒരു വിശദീകരണ എഞ്ചിനും ഒപ്പമുണ്ട്, അത് ഒട്ടും നിർത്തുന്നില്ല. ഇതൊരു സാധാരണ “AI ആർട്ട് ടൂൾ” അവലോകനം മാത്രമല്ല. ഇതൊരു DALL·E 3 അവലോകനമാണ്, കാരണം DALL·E 3 ഒരു നിർദ്ദിഷ്ട ലേഖനത്തിന് അർഹമാണ്. ടെക്സ്റ്റ്-ടു-ഇമേജ് ഒരു തന്ത്രം മാത്രമല്ലെന്ന് ഇത് നിങ്ങളെ ബോധ്യപ്പെടുത്തുന്നു. ഇതൊരു അഭിപ്രായങ്ങളുള്ള Photoshop ആണ്.
അടിസ്ഥാനം ആദ്യം പറയട്ടെ: DALL·E 3 എന്നത് DALL·E 2-നേക്കാൾ മികച്ചതാണ് - ഏതാണ്ട് എല്ലാ കാര്യങ്ങളിലും - സ്ഥിരത, ടൈപ്പോഗ്രാഫി, സ്പേഷ്യൽ റീസണിംഗ്, സൂക്ഷ്മത, കൂടാതെ “ഓ! ഞാൻ എന്താണ് അർത്ഥമാക്കിയതെന്ന് എനിക്കറിയാമായിരുന്നു, പക്ഷേ എങ്ങനെ പറയണമെന്ന് അറിയില്ലായിരുന്നു” എന്നൊക്കെ തോന്നുന്ന കാര്യങ്ങളിലും. ഈ മെച്ചപ്പെടുത്തലുകൾ അത്ര ചെറുതല്ല. ഒരു നല്ല കാരിക്കേച്ചറും ഒരു ഡീസന്റ് പോർട്രെയ്റ്റും തമ്മിലുള്ള വ്യത്യാസമാണത്. ഡെമോയിൽ മികച്ച പ്രകടനം കാഴ്ചവെക്കുകയും സാധാരണ ഉപയോഗത്തിൽ തകർന്നടിയുകയും ചെയ്യുന്ന മറ്റ് മോഡലുകളിൽ നിന്ന് വ്യത്യസ്തമായി, DALL·E 3 സാധാരണ രീതിയിൽ നിലനിൽക്കുന്നു.
എന്നാൽ “മെച്ചപ്പെട്ടത്” എന്നത് ഒരു അടിസ്ഥാന യോഗ്യത മാത്രമാണ്. DALL·E 3 അവലോകനത്തിൽ ഏറ്റവും പ്രധാനപ്പെട്ട ചോദ്യം, അത് വിശ്വസനീയമാണോ എന്നതാണ്. അതിന്റെ ശക്തിയെക്കുറിച്ചല്ല. നമുക്ക് ശക്തമായവ ഉണ്ടായിട്ടുണ്ട്. വളരെ വിചിത്രമായ രീതിയിൽ ശക്തമായവയും ഉണ്ടായിട്ടുണ്ട്. ചോദ്യം ഇതാണ്: ഒരു ലാബ് എലിയെപ്പോലെയോ ലോട്ടറി കളിക്കാരനെപ്പോലെയോ നിങ്ങളോട് പെരുമാറാതെ, നിങ്ങൾക്ക് പിന്തുണയ്ക്കാൻ കഴിയുന്ന എന്തെങ്കിലും ഇത് വീണ്ടും വീണ്ടും ഉണ്ടാക്കാൻ സഹായിക്കുമോ?
ചുരുക്ക ഉത്തരം: മിക്കവാറും. വിശദമായ ഉത്തരം: ഇത് AI ആണ്, അതായത് “വിശദീകരിക്കാൻ കഴിയുന്ന മാജിക്” ഇപ്പോളും ഇടയ്ക്കിടെ അതിന്റെ തൊപ്പി ഊരി കഴുത്തിലിടും.
DALL·E 3 കൃത്യമായി ചെയ്യുന്ന കാര്യങ്ങൾ (പ്രതീക്ഷിക്കാത്തത്)
- ഇത് വായിക്കുന്നു. അക്ഷരാർത്ഥത്തിൽ അല്ലെങ്കിലും, പ്രവർത്തനപരമായി. ഉൾച്ചേർത്ത ക്ലോസുകൾ, ശൈലീപരമായ പരിമിതികൾ, കോമ്പോസിഷണൽ നിർദ്ദേശങ്ങൾ എന്നിവ അടങ്ങിയ പ്രോംപ്റ്റുകൾ സാധാരണയായി നിങ്ങൾ ആവശ്യപ്പെട്ടതുമായി സാമ്യമുള്ള രീതിയിൽ പുറത്തുവരുന്നു.
- ഇത് ലേഔട്ടുകളിൽ ചിന്തിക്കുന്നു. ഒരു പോസ്റ്ററോ, ഒരു പുസ്തകത്തിന്റെ കവറോ, ഒരു സ്പ്ലിറ്റ്-സ്ക്രീൻ ആശയം അവതരിപ്പിക്കാനോ ആവശ്യപ്പെടുക. ഇത് നെഗറ്റീവ് സ്പേസിനെ മാനിക്കുന്നു. ഒരു ഡിസൈൻ ക്ലാസ്സിൽ പങ്കെടുത്തതുപോലെ ഇത് സമമിതിയെയും അസമമിതിയെയും ബഹുമാനിക്കുന്നു.
- ഇതിന് ടെക്സ്റ്റിനോട് അലർജി കുറവാണ്. AI ചിത്രങ്ങളിലെ ടൈപ്പോഗ്രാഫി ഒരു ടൈപ്പ് റൈറ്ററിൽ ആരോ അക്ഷരമാല സൂപ്പ് ഒഴിച്ചതുപോലെ തോന്നുമായിരുന്നു. DALL·E 3 ഉപയോഗിച്ച്, “കളിയായ സെരിഫിലുള്ള കോഫി ഷോപ്പ് മെനു, വായിക്കാൻ എളുപ്പമുള്ള വിലകൾ” എന്നത് ഒരു പ്രാർത്ഥനയല്ല, മറിച്ച് ന്യായമായ ഒരു അഭ്യർത്ഥനയാണ്.
- ഇത് ടോണിന്റെ കാര്യത്തിൽ മികച്ചതാണ്. “ഇതിനെ നോയിർ ആക്കുക” എന്നല്ല, “മിഡ്-സെഞ്ച്വറി ട്രാവൽ പോസ്റ്ററുകളിലൂടെ ഗൗഡി ശുഭാപ്തിവിശ്വാസം ഫിൽട്ടർ ചെയ്യുക” എന്ന് പറയുന്നിടത്ത് പോലും. അത്തരത്തിലുള്ള വൈബ്-മാച്ചിംഗിന് ഒരു റെഫറൻസ് ബോർഡും ഒരു ആർട്ട് ഡയറക്ടറും ആവശ്യമായിരുന്നു. ഇപ്പോൾ അത് ഒരു ഖണ്ഡിക മാത്രമാണ്.
DALL·E 3 അതിശയകരമല്ലാതെ മറ്റെന്തെങ്കിലും ആണെന്ന് പറയുന്ന ഒരു അവലോകനമാണ് നിങ്ങൾ ഇവിടെ പ്രതീക്ഷിക്കുന്നതെങ്കിൽ, നിങ്ങൾക്ക് ഇതിനെക്കാൾ നല്ല കാര്യങ്ങൾ തിരഞ്ഞെടുക്കാം.
എവിടെയാണ് ഇത് പിഴയ്ക്കുന്നത് (കാരണം അത് ഉറപ്പായിട്ടും സംഭവിക്കും)
- കൃത്യമായ എണ്ണവും ക്രമീകരണവും ഇപ്പോളും തെറ്റായി വരാൻ സാധ്യതയുണ്ട്. “കാറ്റുള്ള നടപ്പാതയിൽ വലുപ്പത്തിനനുരിച്ച് ഏഴ് ചുവന്ന കുടകൾ അടുക്കിയിരിക്കുന്നു, അതിൽ ഒരെണ്ണം തലകീഴായി മറിഞ്ഞിരിക്കുന്നു” എന്നത് മൂന്ന് തവണയിൽ ഒരു തവണ ശരിയാകാൻ സാധ്യതയുണ്ട്.
- അക്ഷരാർത്ഥത്തിലുള്ള കൃത്യത ഒരു അനുഗ്രഹവും അതേസമയം ഒരു കെണിയുമാണ്. നിങ്ങൾ എന്താണോ ചോദിച്ചത് അത് കൃത്യമായി ലഭിക്കും, ചിലപ്പോൾ അതിന്റെ കൃത്യതയിൽ നിങ്ങൾക്ക് ഖേദമുണ്ടാകാം.
- ഒരു സീരീസിലുടനീളമുള്ള സ്ഥിരത - കഥാപാത്രങ്ങൾ, ലൈറ്റിംഗ്, വസ്ത്രധാരണത്തിലെ തുടർച്ച - സാധ്യമാണ്, പക്ഷേ അതിന് ചിട്ടയായ പ്രോംപ്റ്റ് ആവശ്യമാണ്. Pixar-നെ പ്രതീക്ഷിക്കരുത്. മൂന്നാമത്തെ പാനലിൽ നായകന്റെ ഷൂസ് എങ്ങനെയുണ്ടായിരുന്നു എന്ന് മറന്നുപോയ ഒരു കഴിവുള്ള ഫ്രീലാൻസറെ പ്രതീക്ഷിക്കുക.
ഇവയിലൊന്നും വലിയ പ്രശ്നങ്ങളല്ല, പക്ഷേ ഇത് ഇങ്ങനെയുള്ള ടൂളുകളുടെ ഒരു വൈരുദ്ധ്യം വെളിപ്പെടുത്തുന്നു: അവ എത്രത്തോളം മികച്ചതാകുന്നോ അത്രത്തോളം അവയുടെ കുറവുകൾ വ്യക്തമാകും.
ഒരു DALL·E 3 അവലോകനം, ഒരൊറ്റ പ്രോംപ്റ്റിൽ
“മിതമായ നിറത്തിലുള്ള ഒരു എഡിറ്റോറിയൽ ചിത്രീകരണം, DALL·E 3 അവലോകനത്തെക്കുറിച്ചുള്ള ഒരു ചെറിയ നർമ്മം, അത് സംശയമുള്ളതും എന്നാൽ മതിപ്പുളവാക്കുന്നതുമാണ്; ടൈപ്പോഗ്രാഫി വൃത്തിയുള്ളതായി സൂക്ഷിക്കുക, ഒരുപക്ഷേ 2000-കളുടെ തുടക്കത്തിലെ ടെക് ബ്ലോഗുകളിലേക്ക് ഒരു സൂക്ഷ്മമായ തലയാട്ടൽ.”
നിങ്ങൾക്ക് ഇത് DALL·E 3-ക്ക് നൽകാനും പ്രസിദ്ധീകരിക്കാൻ കഴിയുന്ന എന്തെങ്കിലും തിരിച്ചുകിട്ടാനും കഴിയും, അതിൽ യാതൊരു പരിഹാസവുമില്ല. അതാണ് ഗെയിമിന്റെ കാതൽ. ഇതൊരു പുതിയ ടൂൾ മാത്രമല്ല. ഇതൊരു പുതിയ ക്രിയേറ്റീവ് ലൂപ്പാണ് - ആശയങ്ങൾ നേരിട്ട് ദൃശ്യങ്ങളായി മാറുന്നു, അത് മികച്ച ആശയങ്ങളായി മാറുന്നു, അത് നിങ്ങളുടെ കഫീൻ രക്തത്തിൽ കലരുന്നതിനേക്കാൾ വേഗത്തിൽ പൂർത്തിയായ സൃഷ്ടിയായി മാറുന്നു.
ഇത് എങ്ങനെ താരതമ്യം ചെയ്യുന്നു (കാരണം നിങ്ങൾ ചോദിക്കാൻ പോകുന്നു)
Stable Diffusion എന്നത് ഒരു ആശാരിയുടെ കളിസ്ഥലമാണ്; നിങ്ങളുടെ സ്വന്തം ട്രാമ്പോളിൻ ഉണ്ടാക്കാൻ നിങ്ങൾ തയ്യാറാണെങ്കിൽ അത് ബാക്ക്ഫ്ലിപ്പ് ചെയ്യും. Midjourney എന്നത് വൈബിന്റെ രാജാവാണ്; നിങ്ങൾ കവിത പോലെ അവ്യക്തമായി സംസാരിച്ചാൽപ്പോലും മനോഹരമായ കലാസൃഷ്ടി നൽകുന്നു. DALL·E 3 “ഞാൻ പറഞ്ഞത് എന്താണോ അത് അർത്ഥമാക്കി” എന്ന ക്യാമ്പിലാണ് ഇരിക്കുന്നത്. ഇത് കൂടുതൽ അക്ഷരാർത്ഥത്തിലുള്ളതും സംഭാഷണരീതിയിലുള്ളതുമാണ്. പല സാഹചര്യങ്ങളിലും, ഒരു സ്പെക് പ്രധാനമായ ക്ലയിന്റ്-ഫേസിംഗ് ജോലികൾക്ക് ഇത് കൂടുതൽ ആശ്രയിക്കാവുന്നതാണ്.
- പ്രോംപ്റ്റ് പാലിക്കൽ: DALL·E 3 വിജയിക്കുന്നു. നിങ്ങൾ ഒരു മനുഷ്യനെപ്പോലെ എഴുതുന്നു; ഇത് നല്ല അഭിരുചിയുള്ള ഒരു സഹായിയെപ്പോലെ പ്രതികരിക്കുന്നു.
- തയ്യാറാക്കിയ പോളിഷ്: Midjourney-ക്ക് ഇപ്പോളും ഒരു സിനിമാറ്റോഗ്രാഫർ-ഇൻ-എ-ബോക്സ് തിളക്കമുണ്ട്.
- കസ്റ്റമൈസേഷനും നിയന്ത്രണവും: നിങ്ങളുടെ സ്വന്തം പൈപ്പുകളും പ്ലഗ്-ഇന്നുകളും ഉപയോഗിക്കാൻ തയ്യാറാണെങ്കിൽ Stable Diffusion ട്രോഫി നേടും.
നിങ്ങളുടെ ജോലി ബ്രീഫുകൾ, മൂഡ്ബോർഡുകൾ, കൂടാതെ പരസ്യ ഏജൻസികൾ, ഉൽപ്പന്ന ടീമുകൾ, ടെക് മാർക്കറ്റിംഗ് എന്നിവയിലെ മാറ്റങ്ങൾ എന്നിവയിലാണെങ്കിൽ, “കൊള്ളാം, പക്ഷേ തെറ്റാണ്” എന്ന പ്രശ്നം ഒഴിവാക്കാൻ DALL·E 3 ഏറ്റവും സുരക്ഷിതമായ മാർഗ്ഗമാണ്.
നിങ്ങൾ ശരിക്കും ശ്രദ്ധിക്കുന്ന ചില കാര്യങ്ങൾ
- പ്രോംപ്റ്റിംഗ്: കുറഞ്ഞത് മതി, പക്ഷേ കൃത്യത വിജയിക്കുന്നു. “ഒരു ഉൽപ്പന്നത്തിന്റെ ഹീറോ ചിത്രം, മൃദുവായ കീ ലൈറ്റ്, മാറ്റ് ടെക്സ്ചറുകൾ, 45-ഡിഗ്രി ആംഗിൾ, പശ്ചാത്തലം Desaturated Teal കളറിൽ, ഇടത് നിന്ന് ഇലയുടെ നിഴൽ” എന്നിവ ഒരു ഷോട്ടിൽ തന്നെ ലഭിക്കാൻ സാധ്യതയുണ്ട്.
- ആവർത്തനം: ഒരു മനുഷ്യനോട് ചോദിക്കുന്നതുപോലെ ചെറിയ മാറ്റങ്ങൾ ആവശ്യപ്പെടുക: “അതേ കോമ്പോസിഷൻ, തണുത്ത വെളിച്ചം, സെറാമിക് മഗിന് പകരം ഡബിൾ-വാൾഡ് ഗ്ലാസ് ഉപയോഗിക്കുക.” ഇത് ശ്രദ്ധിക്കുന്നു.
- സീരീസ് വർക്ക്: നിങ്ങളുടെ നാമങ്ങളും വിശേഷണങ്ങളും ലോക്ക് ചെയ്യുക. സ്ഥിരമായ കഥാപാത്ര വിവരണങ്ങൾ ഉപയോഗിക്കുക. സാധ്യമെങ്കിൽ സീഡുകൾ സംരക്ഷിക്കുക. ഇതൊരു കോൺടിന്യുവിറ്റി സോഫ്റ്റ്വെയർ അല്ല, പക്ഷേ ചിട്ടയായ പരിശ്രമത്തിലൂടെ നിങ്ങൾക്ക് വിശ്വസനീയമായി തോന്നുന്ന രീതിയിൽ മാറ്റിയെടുക്കാൻ കഴിയും.
- ചിത്രത്തിലെ ടെക്സ്റ്റ്: ഒടുവിൽ തെറ്റായതിനെക്കാൾ കൂടുതൽ ശരിയാവുന്നു. പൂർണ്ണമല്ലാത്തത്. എന്നാൽ നിങ്ങളുടെ “EVENT TONIGHT 7 PM” എന്നത് “EVFNT TOMGHT 7 PN” എന്ന് തിരിച്ചുവരില്ല. പുരോഗതി.
ധാർമ്മികതയും ഒഴിവാക്കാനാവാത്ത ആശങ്കകളും
എനിക്ക് AI ആർട്ട് ധാർമ്മികതയെക്കുറിച്ച് വലിയ സിദ്ധാന്തങ്ങളൊന്നുമില്ല. അങ്ങനെ പറയുന്നുണ്ടെങ്കിൽ അവരൊരുപക്ഷെ എന്തെങ്കിലും വിൽക്കാൻ ശ്രമിക്കുന്നവരായിരിക്കും. ഇതിലെ പ്രധാന വിഷയം ലളിതമാണ്: കലാകാരന്മാർക്ക് സമ്മതം, അംഗീകാരം, പ്രതിഫലം എന്നിവ വേണം; ഉപയോക്താക്കൾക്ക് ശക്തി, വേഗത, ചെലവ് കുറയ്ക്കൽ എന്നിവ വേണം. കമ്പനികൾക്ക് വളർച്ചയാണ് ആവശ്യം. നിലവിലെ ഒത്തുതീർപ്പ് സാധാരണ ടെക് ബാർഗെയിനാണ് - ഒഴിവാക്കലുകൾ, പോളിസി നോബുകൾ, “പൊതുവായി ലഭ്യമായ ഡാറ്റ”യെക്കുറിച്ചുള്ള ചില ശ്രദ്ധാപൂർവ്വമായ പദപ്രയോഗങ്ങൾ - കൂടാതെ പ്രവർത്തിക്കാത്തതുവരെ നന്നായി പ്രവർത്തിക്കുന്ന ഡിറ്റക്ഷൻ ടൂളുകളും.
പരസ്പരവിരുദ്ധമില്ലാതെ നിലനിൽക്കാൻ കഴിയുന്ന രണ്ട് ചിന്തകൾ:
- DALL·E 3 എന്നത് കലാകാരനല്ലാത്തവർക്ക് യഥാർത്ഥ ജോലി സാധ്യമാക്കുകയും കലാകാരന്മാർക്ക് വേഗത്തിലാക്കുകയും ചെയ്യുന്ന ഒരു അസാധാരണ ടൂളാണ്.
- ഈ വ്യവസായം ഇപ്പോളും കലാകാരന്മാർക്ക് “ഞങ്ങളെ വിശ്വസിക്കൂ” എന്നതിനെക്കാൾ മികച്ച ഒരു വാഗ്ദാനം നൽകാനുണ്ട്.
ഇതൊരു നല്ല ലോകമാണോ അതോ മോഷണമാണോ എന്ന് പറയാൻ നിങ്ങൾ ഒരു DALL·E 3 അവലോകനത്തിന് വന്നതാണെങ്കിൽ, ക്ഷമിക്കണം. ഇത് നല്ലതും മോശമായതുമാണ്. തർക്കിക്കാൻ യോഗ്യമായ എന്തും പോലെ.
ഒളിഞ്ഞിരിക്കുന്ന സൂപ്പർ പവർ: ചിത്രങ്ങൾക്കായി എഴുതുക
DALL·E 3 ഉപയോഗിച്ച് ജീവിക്കുന്ന ആളുകൾക്ക് ഒരു പ്രത്യേകതയുണ്ട്. കാരണം ഞങ്ങൾ സ്പെഷ്യൽ ആയതുകൊണ്ടല്ല, വ്യക്തത ഇവിടെ ഒരു സൂപ്പർ പവറാണ്. ഒരു നല്ല ഡിസൈനർ ചെയ്യുന്നതുപോലെ ഈ മോഡൽ കൃത്യതയ്ക്ക് പ്രതിഫലം നൽകുന്നു. നിങ്ങളുടെ മനസ്സിലുള്ള ഷോട്ട് ലിസ്റ്റ് വിവരിക്കാൻ കഴിയുമെങ്കിൽ, നിങ്ങൾക്ക് പ്രൊഫഷണൽ ജോലിയോട് വളരെ അടുത്തുവരുന്ന ചിത്രങ്ങൾ ലഭിക്കും. ഇവിടെ തടസ്സം ഡ്രോയിംഗ് സ്കിൽ അല്ല, വ്യക്തമായി പറയാനുള്ള കഴിവാണ്. മികച്ച പ്രോംപ്റ്റുകൾ എഴുതുക, മികച്ച ചിത്രങ്ങൾ നേടുക.
ഇത് സാധാരണ രീതിയെ മാറ്റുന്നു. പഴയ ലോകത്ത്, എഴുത്തുകാരൻ ഡിസൈനർക്ക് ഇമെയിൽ അയച്ച് കാത്തിരിക്കും. ഇപ്പോൾ എഴുത്തുകാരന് ഉച്ചഭക്ഷണത്തിന് മുമ്പ് അഞ്ച് ദിശകൾ ഉണ്ടാക്കാനും മിനുസപ്പെടുത്താൻ അർഹമായ ഒന്ന് അയയ്ക്കാനും കഴിയും. ഇത് പ്രോസസ്സ്-ഹെവി ടീമുകൾക്ക് ഭയപ്പെടുത്തുന്നതും വേഗത്തിൽ കാര്യങ്ങൾ ചെയ്യുന്ന ടീമുകൾക്ക് വളരെ സൗകര്യപ്രദവുമാണ്.
പരാജയപ്പെടുമ്പോൾ, വലിയ രീതിയിൽ പരാജയപ്പെടുന്നു
DALL·E 3 ചെയ്യുന്ന ഏറ്റവും മോശം കാര്യം വ്യക്തമായത് നഷ്ടപ്പെടുത്തുമ്പോൾ ആത്മവിശ്വാസം നടിക്കുക എന്നതാണ്. ആറ് വിരലുകളുള്ള കൈ? ഇപ്പോൾ കുറവാണ്. അർത്ഥമില്ലാത്ത അടയാളങ്ങൾ? വിരളം. പക്ഷേ അത് ഇപ്പോളും ചിലയിടങ്ങളിൽ തെന്നിമാറുന്നു: പ്രതിഫലിക്കാത്ത പ്രതിഫലനങ്ങൾ, ജ്യാമിതിയെ അനുസരിക്കാത്ത നിഴലുകൾ, ഉൽപ്പന്ന പോർട്ടുകൾ ഷോട്ടുകൾക്കിടയിൽ മാറിക്കൊണ്ടിരിക്കുന്നു. അൺകാനി വാലി മുകളിലേക്ക് നീങ്ങി. നിങ്ങൾ സൂം ഇൻ ചെയ്യുന്നതുവരെ നിങ്ങൾ ശ്രദ്ധിക്കില്ല, പിന്നീട് അത് കാണാതിരിക്കാൻ കഴിയില്ല.
ഇതിൻ്റെ പരിഹാരം ലളിതമാണ്: ഔട്ട്പുട്ടുകളെ മികച്ച ഡ്രാഫ്റ്റുകളായി കണക്കാക്കുക. ക്രോപ്പ് ചെയ്യുക, ടച്ച് അപ്പ് ചെയ്യുക അല്ലെങ്കിൽ വീണ്ടും ഉണ്ടാക്കുക. എല്ലാം തികഞ്ഞതായിരിക്കണം എന്ന് നിങ്ങൾ പ്രതീക്ഷിക്കുന്നുണ്ടെങ്കിൽ അത് നിങ്ങളുടെ തെറ്റാണ്, ടൂളിന്റെയല്ല. ക്യാമറകൾ പോലും നിങ്ങൾക്ക് ഫൈനൽ ആർട്ട് നൽകുന്നില്ല.
വിലയും ലഭ്യതയും ലളിതമായി
DALL·E 3 സാധാരണയായി ചാറ്റ്-സ്റ്റൈൽ ഇന്റർഫേസുകളിലൂടെയും API ആക്സസ്സിലൂടെയും ലഭ്യമാണ്, ഉപയോഗം ജനറേഷൻ അനുസരിച്ചും റെസല്യൂഷൻ അനുസരിച്ചും വ്യത്യാസപ്പെടുന്നു. നിങ്ങൾ ഒരു സാധാരണ ഉപയോക്താവാണെങ്കിൽ, ചാറ്റ് ഇന്റർഫേസ് മതി - കുറഞ്ഞ ബുദ്ധിമുട്ട്, വേഗത്തിലുള്ള ഫലങ്ങൾ. നിങ്ങൾ ഒരു ടീമോ ഉൽപ്പന്നമോ ആണെങ്കിൽ API പ്രധാനമാണ്. ഒരു സ്ലോട്ട് മെഷീൻ പോലെ “റീജനറേറ്റ്” ചെയ്യുന്നതിനുപകരം മനഃപൂർവം ആവർത്തിക്കുന്ന ആളുകൾക്ക് ഇത് കൂടുതൽ ലാഭകരമാണ്. ആയിരം റാൻഡം കാര്യങ്ങൾക്കുവേണ്ടി ബഡ്ജറ്റ് ചെയ്യുന്നതിന് പകരം ചെറിയ മാറ്റങ്ങൾ വരുത്തുന്നതിന് വേണ്ടി ബഡ്ജറ്റ് ചെയ്യുക.
ഗാർഡ് റെയിലുകളെക്കുറിച്ച് ഒരു ചെറിയ വാക്ക്
സുരക്ഷാ പാളി കർശനമാണ്, പക്ഷേ പഴയതിനേക്കാൾ മികച്ചതാണ്. ഗ്രാഫിക് വയലൻസ്, പ്രശ്നങ്ങളുണ്ടാക്കുന്ന സാഹചര്യങ്ങളിലുള്ള പൊതു വ്യക്തികൾ, വ്യാപാരമുദ്ര പ്രശ്നങ്ങൾ എന്നിവയിൽ നിങ്ങൾക്ക് തടസ്സമുണ്ടാകും. അതുപോലെ അത്ര വ്യക്തമല്ലാത്ത ചില സാഹചര്യങ്ങളിലും തടസ്സങ്ങളുണ്ടാവാം. ശല്യപ്പെടുത്തുന്നതാണോ? അതെ. ആവശ്യമുണ്ടോ? അതും അതെ. “തെറ്റായ കാരണങ്ങളാൽ തലക്കെട്ടുകൾ ഉണ്ടാക്കാതിരിക്കുക” എന്നതാണ് ലക്ഷ്യം, ആ കാര്യത്തിൽ ഇത് നന്നായി പ്രവർത്തിക്കുന്നു.
നിങ്ങളുടെ സമയം പാഴാക്കാത്ത വർക്ക്ഫ്ലോ
ഇതാ DALL·E 3 അവലോകനത്തിൻ്റെ പ്രധാന ഭാഗം - ഇത് ചെയ്താൽ മതി, നിങ്ങൾ മിടുക്കനായി കാണപ്പെടും:
- ഒരു ക്രിയേറ്റീവ് ബ്രീഫ് പോലെ ടെക്സ്റ്റിൽ ആശയം രൂപപ്പെടുത്തുക. പരമാവധി രണ്ട് മുതൽ നാല് വരെ വാക്യങ്ങൾ.
- നാല് ഓപ്ഷനുകൾ ഉണ്ടാക്കുക. 70% ശരിയാണെങ്കിൽ പോലും മികച്ചത് തിരഞ്ഞെടുക്കുക.
- ഓരോ തവണയും ഓരോ വേരിയബിൾ എന്ന രീതിയിൽ കൃത്യമായ പ്രോംപ്റ്റുകൾ ഉപയോഗിച്ച് ആവർത്തിക്കുക.
- ഒരു സീഡ് ലോക്ക് ചെയ്ത് സുരക്ഷയ്ക്കായി മറ്റ് ഓപ്ഷനുകൾ ഉണ്ടാക്കുക.
- നിങ്ങളുടെ ആവശ്യത്തിനനുസരിച്ചുള്ള വലുപ്പത്തിൽ എക്സ്പോർട്ട് ചെയ്യുക; ആവശ്യമുള്ളപ്പോൾ മാത്രം വലുപ്പം കൂട്ടുക.
- ഒരു യഥാർത്ഥ എഡിറ്ററിൽ ടച്ച് അപ്പ് ചെയ്യുക. മോഡൽ എന്നെന്നേക്കുമായി വിട്ടുപോയത് നിങ്ങൾ രണ്ട് മിനിറ്റിനുള്ളിൽ ശരിയാക്കും.
ഏതെല്ലാം സാഹചര്യങ്ങളിലാണ് Sider.AI സഹായിക്കുന്നത് (വിൽപനയ്ക്കുള്ള പരസ്യമല്ല, സത്യം)
ഞാൻ ഉൽപ്പന്നങ്ങളെക്കുറിച്ച് അധികം സംസാരിക്കാറില്ല. പക്ഷേ, നന്നായി പ്രവർത്തിക്കുന്ന കാര്യങ്ങളെ അവഗണിക്കാറുമില്ല. Sider.AI നിങ്ങൾ ഗവേഷണവും എഴുത്തും ചെയ്യുന്ന ബ്രൗസറിൽത്തന്നെ ലഭ്യമാണ്. DALL·E 3-യുടെ കാര്യത്തിൽ അത് വളരെ പ്രധാനമാണ്. ഒരു സ്പെക്, ഒരു എതിരാളിയുടെ പേജ് അല്ലെങ്കിൽ നിങ്ങളുടെ സ്വന്തം കുറിപ്പുകൾ വായിക്കുമ്പോളാണ് നിങ്ങൾക്ക് മികച്ച പ്രോംപ്റ്റ് ആശയങ്ങൾ ലഭിക്കുന്നത്. Sider.AI ഒരുപാട് ടാബുകൾ തുറക്കാതെ തന്നെ പ്രോംപ്റ്റുകൾ മെച്ചപ്പെടുത്താനും താരതമ്യം ചെയ്യാനും ഇഷ്ടമുള്ളവ സംരക്ഷിക്കാനും നിങ്ങളെ സഹായിക്കുന്നു. അതുപോലെ, അവ്യക്തമായ കാര്യങ്ങൾ പറയുന്നവരെ മനസ്സിലാക്കാനും -ക്ക് മനസ്സിലാക്കാവുന്ന പ്രോംപ്റ്റുകളാക്കി മാറ്റാനും ഇത് സഹായിക്കുന്നു - “ഇതിനെ പോപ്പ് ആക്കുക, എന്നാൽ കൂടുതൽ ഉച്ചത്തിലാകരുത്” എന്നതിനെ “മിതമായ പാലറ്റിൽ ഉയർന്ന കോൺട്രാസ്റ്റ് കളർ ആക്സന്റുകൾ, ആകർഷകമായ ലൈറ്റിംഗ്, മിതമായ ഹൈലൈറ്റുകൾ” എന്നാക്കി മാറ്റാൻ സാധിക്കും. ഇതൊരു മാന്ത്രിക വിദ്യയല്ല. ഇത് വർക്ക്ഫ്ലോയെ ഒന്നിപ്പിക്കുന്ന ഒരു പശയാണ്. അത് നഷ്ടപ്പെടുമ്പോളാണ് നമ്മളത് ശ്രദ്ധിക്കുന്നത്.
ആരെല്ലാം DALL·E 3 ഉപയോഗിക്കണം (ആരൊക്കെ ഉപയോഗിക്കരുത്)
- ആശയപരമായ ചിത്രകല, മാർക്കറ്റിംഗ് വിഷ്വലുകൾ, സ്റ്റോറിബോർഡുകൾ, ലഘുചിത്രങ്ങൾ അല്ലെങ്കിൽ ആന്തരിക വാങ്ങലുകൾ എന്നിവയിൽ നിന്ന് പ്രയോജനം നേടുന്ന കാര്യങ്ങൾ നിങ്ങൾ ചെയ്യുന്നുണ്ടെങ്കിൽ ഇത് ഉപയോഗിക്കുക. ഇത് ഡിസൈനർമാർക്ക് ഒരു മൾട്ടിപ്ലയറാണ്, കൂടാതെ നല്ല അഭിരുചിയുള്ള ഡിസൈനർമാരല്ലാത്തവർക്ക് ഒരു രക്ഷാമാർഗ്ഗവുമാണ്.
- 200 പേജുള്ള ഒരു ഗ്രാഫിക് നോവലിൽ ഉറപ്പുള്ള തുടർച്ചയും നിയമപരമായി ക്ലിയർ ചെയ്ത കഥാപാത്രങ്ങളുമുള്ള ചിത്രീകരണമാണ് നിങ്ങൾ പ്രതീക്ഷിക്കുന്നതെങ്കിൽ ഇത് ഉപയോഗിക്കരുത്. നിങ്ങൾക്ക് അടുത്തുവരാൻ കഴിഞ്ഞേക്കാം, പക്ഷേ “അടുത്തു” എന്നത് ഒരു കരാറല്ല.
- “ആദ്യത്തെ 80% മിനിറ്റുകൾക്കുള്ളിൽ” എന്നതിനെ നിങ്ങൾ വിലമതിക്കുന്നുണ്ടെങ്കിൽ ഇത് ഉപയോഗിക്കുക. നിങ്ങളുടെ വർക്ക്ഫ്ലോ ആവർത്തനത്തെ ശിക്ഷിക്കുകയും മികച്ച രീതിയിൽ മിനുക്കിയ ആദ്യ ഡ്രാഫ്റ്റുകൾക്ക് പ്രതിഫലം നൽകുകയും ചെയ്യുന്നുണ്ടെങ്കിൽ ഇത് ഉപയോഗിക്കരുത്.
ക്രിയേറ്റിവിറ്റിയെക്കുറിച്ച്, സംഗ്രഹമായി, പഴഞ്ചൊല്ലുകളില്ലാതെ
ഉപകരണങ്ങൾ നല്ല അഭിരുചി ഉണ്ടാക്കുന്നില്ല. അവ ഒഴികഴിവുകൾ ഇല്ലാതാക്കുന്നു. നിങ്ങൾക്ക് നല്ലൊരു ആശയമുണ്ടായിട്ടും വരയ്ക്കാൻ കഴിഞ്ഞില്ലെങ്കിൽ, ഇപ്പോൾ അത് കാണിക്കാൻ കഴിയും. നിങ്ങളുടെ ആശയങ്ങൾ വ്യക്തമല്ലാത്തതാണെങ്കിൽ, DALL·E 3 നിങ്ങൾക്ക് മനോഹരമായി വെളിച്ചം നൽകിയ വ്യക്തമല്ലാത്ത ചിത്രം നൽകുന്നു. ഈ മോഡൽ ഇടത്തരം ചിന്തകളെ ഉയർത്തുന്നില്ല; നിങ്ങളുടെ ചിന്തകൾ ശക്തമാകുമ്പോൾ ഇത് വഴിയിൽ വരുന്നില്ല.
ഇതാണ് മിക്ക “AI ക്രിയേറ്റീവുകളെ മാറ്റിസ്ഥാപിക്കും” എന്ന ചിന്താഗതിക്കാർക്ക് നഷ്ടപ്പെടുന്ന ഭാഗം: DALL·E 3 മൂല്യത്തെ മുകളിലേക്ക് മാറ്റുന്നു. പ്രധാനപ്പെട്ട ജോലി കീസ്ട്രോക്കുകളല്ല; തിരഞ്ഞെടുക്കലാണ് പ്രധാനം. റഫറൻസുകൾ തിരഞ്ഞെടുക്കുക. മാനസികാവസ്ഥ തിരഞ്ഞെടുക്കുക. എന്താണ് ഒഴിവാക്കേണ്ടതെന്ന് തിരഞ്ഞെടുക്കുക. മെഷീൻ പെയിന്റ് കൈകാര്യം ചെയ്യുന്നു. ക്യാൻവാസിൽ എന്താണ് വേണ്ടതെന്ന് നിങ്ങൾ തീരുമാനിക്കണം.
വിധി (മനസ്സില്ലാമനസ്സോടെ ആത്മാർത്ഥമായത്)
ഒരു DALL·E 3 അവലോകനത്തിന് ഇതിനെക്കുറിച്ച് വളരെയധികം സംസാരിക്കാൻ കഴിയില്ല: യഥാർത്ഥ സമയപരിധിക്കുള്ളിൽ യഥാർത്ഥ കാര്യങ്ങൾ ചെയ്യേണ്ട സാധാരണക്കാർക്ക് ലഭ്യമായ ഏറ്റവും ഉപയോഗപ്രദമായ ടെക്സ്റ്റ്-ടു-ഇമേജ് സിസ്റ്റമാണിത്. ഇത് എല്ലായ്പ്പോഴും ആകർഷകമാകണമെന്നില്ല, പക്ഷേ ഇത് വിശ്വസനീയമായി അനുസരിക്കുന്നു. ഒരുപാട് സ്ലൈഡറുകൾക്ക് പകരം സ്വാഭാവിക ഭാഷയുമായി ചേർന്ന് പ്രവർത്തിക്കുന്ന ഈ അനുസരണമാണ് ഇതിനെ മുന്നോട്ട് നയിക്കുന്നത്.
ഇത് പൂർണ്ണമാണോ? അല്ല. ഇത് ടീമുകൾ പ്രവർത്തിക്കുന്ന രീതിയെ മാറ്റാൻ പര്യാപ്തമാണോ? ഇതിനോടകം മാറ്റി കഴിഞ്ഞു.
ശക്തിയേറിയ ചില പ്രോംപ്റ്റുകൾ
- “മാഗസിൻ കവർ ആശയം, ഒരൊറ്റ കട്ടിയുള്ള വസ്തു കേന്ദ്രീകരിച്ച്, മൃദുവായ റിം ലൈറ്റ്, മാസ്റ്റ്ഹെഡിനായി ധാരാളം നെഗറ്റീവ് സ്പേസ്, കളർ പാലറ്റ്: കടും നീലയും സ്വർണ്ണവും, ആത്മവിശ്വാസമുള്ള എന്നാൽ മിതമായ ടൈപ്പോഗ്രാഫി.”
- “സ്റ്റോറിബോർഡ് ഫ്രെയിം, ഒരു ഡെവലപ്പർ പുലർച്ചെ 2 മണിക്ക് ഡിബഗ്ഗിംഗ് ചെയ്യുന്നതിൻ്റെ ഓവർ-ദി-ഷോൾഡർ ഷോട്ട്, തണുത്ത മോണിറ്റർ ഗ്ലോ, കാലിയായ റെഡ് ബുൾ കാൻ, മഴ ഒരു ജനലിലൂടെ താഴേക്ക് ഒഴുകുന്നു, ടോൺ: വിഷാദമുള്ളതും എന്നാൽ ദൃഢനിശ്ചയമുള്ളതും.”
- “പാക്കേജിംഗ് മോക്കപ്പ്, മാറ്റ് റീസൈക്കിൾ ചെയ്യാവുന്ന പൗച്ച്, നേരിയ ടെക്സ്ചറുകൾ, ഉൽപ്പന്നത്തിന്റെ പേര് ‘Rivet’ എന്ന് ഹ്യൂമനിസ്റ്റ് സാൻസിൽ എഴുതിയിരിക്കുന്നു, ഒരു ബോൾട്ടിന്റെ ചെറിയ എംബോസ് ചെയ്ത ഐക്കൺ, ഒരു തടി കൗണ്ടറിലെ ജീവിതശൈലിയിലുള്ള രംഗം, പ്രഭാത വെളിച്ചം.”
ഇവയെല്ലാം ഫോർമുലകളല്ല. വ്യക്തതയ്ക്ക് പ്രതിഫലം ലഭിക്കുന്നു എന്നതിന്റെ തെളിവാണിവ.
അവസാനിക്കാത്ത ഭാഗം
DALL·E 3-യുടെ ഏറ്റവും വിചിത്രമായ ഭാഗം അത് നന്നായി വരയ്ക്കുന്നു എന്നതല്ല. അത് ശ്രദ്ധിക്കുന്നു എന്നതാണ്. നിങ്ങൾക്ക് അതിനോട് വിലപേശാം. കുറച്ച് തർക്കിക്കാം. നിർബന്ധം പിടിക്കാം. മിക്ക സോഫ്റ്റ്വെയറുകളും വിലപേശുന്നില്ല; അത് തെറ്റുകൾ കാണിക്കുന്നു. ഇത് ഒരു കൂട്ടുകാരനെപ്പോലെ തോന്നുന്നു - മുൻകോപിയും ഇടയ്ക്കിടെ തെറ്റുകൾ വരുത്തുന്നവനുമാണ്, പക്ഷേ വേഗതയുള്ളവനും കളിക്കാൻ തയ്യാറുമുള്ളവനുമാണ്.
ഒരുപക്ഷേ അതാണ് യഥാർത്ഥ മാറ്റം. നമ്മൾ ഒരു ഫീച്ചറിനായി ക്ലിക്കുചെയ്ത് പരതുകയല്ല ചെയ്യുന്നത്. നമ്മൾ ഒരു ഉദ്ദേശ്യം പ്രസ്താവിക്കുകയും ഫലങ്ങൾ വിലയിരുത്തുകയും ചെയ്യുന്നു. അതൊരു നല്ല കാര്യമാണ്. അത് നിങ്ങളുടെ അഭിരുചിയെ ആശ്രയിച്ചിരിക്കുന്നതിനാൽ പേടി തോന്നുന്ന ഒന്നുമാണ്.
അത് നിങ്ങളെ അലട്ടുന്നുണ്ടെങ്കിൽ കുഴപ്പമില്ല. പക്ഷേ ഒഴികഴിവുകൾ ഇല്ലാതാക്കുന്ന ടൂളുകൾക്ക് നിലനിൽക്കാനുള്ള കഴിവുണ്ട്.
താഴത്തെ വരി
DALL·E 3 എന്നത് കൂടുതൽ സമയം പരീക്ഷിച്ച് കളിക്കാൻ ഇഷ്ടമില്ലാത്ത ഒരാൾക്ക് ഞാൻ ശുപാർശ ചെയ്യുന്ന ആദ്യത്തെ ഇമേജ് മോഡലാണ്. ഇത് കൃത്യനിഷ്ഠയോടെ കാര്യങ്ങൾ ചെയ്യുന്നവർക്കുള്ള മോഡലാണ്. കൃത്യതയോടെ ഉപയോഗിക്കുക, നിങ്ങളുടെ പ്രതീക്ഷകൾ മിതമായ രീതിയിൽ വെക്കുക, ഇത് നിങ്ങളെ അത്ഭുതപ്പെടുത്തും.
അങ്ങനെ സംഭവിച്ചില്ലെങ്കിൽ വീണ്ടും ശ്രമിക്കുക. മാന്ത്രികന്റെ സംസാരമല്ല പ്രധാനം. ആ മാജിക്കാണ് പ്രധാനം.
പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ
Q1: DALL·E 3 പ്രൊഫഷണൽ ജോലികൾക്ക് മതിയാവുമോ?
അതെ - നിങ്ങളുടെ പ്രൊഫഷണൽ ജോലിയിൽ കൃത്യമായ പ്രോംപ്റ്റുകളും വേഗത്തിലുള്ള ആവർത്തനവും പ്രധാനമാണെങ്കിൽ. ഒരു DALL·E 3 അവലോകനത്തിൽ, പ്രധാന വിഷയം വിശ്വാസ്യതയാണ്: ഇത് മിക്കപ്പോഴും കൃത്യമായ ഉത്തരം നൽകുന്നു, തെറ്റുകൾ തിരുത്താൻ സാധിക്കുന്നവയുമാണ്.
Q2: Midjourney-യുമായിട്ടും Stable Diffusion-മായിട്ടും DALL·E 3 എങ്ങനെ താരതമ്യം ചെയ്യാം?
നിർദ്ദേശങ്ങൾ പാലിക്കുന്നതിൽ DALL·E 3 വിജയിക്കുന്നു; സിനിമാറ്റിക് പോളിഷിൽ Midjourney വിജയിക്കുന്നു; ആഴത്തിലുള്ള കസ്റ്റമൈസേഷനിൽ Stable Diffusion വിജയിക്കുന്നു. നിങ്ങൾക്ക് കൃത്യതയാണോ, ആകർഷകമായ ചിത്രീകരണമാണോ അതോ നിയന്ത്രണമാണോ വേണ്ടത് എന്നതിനെ അടിസ്ഥാനമാക്കി തിരഞ്ഞെടുക്കുക.
Q3: DALL·E 3-ക്ക് ചിത്രങ്ങളിൽ കൃത്യമായ ടെക്സ്റ്റ് ഉണ്ടാക്കാൻ കഴിയുമോ?
മുമ്പത്തെ മോഡലുകളെക്കാൾ കൂടുതൽ, അതെ. ഈ DALL·E 3 അവലോകനത്തിൽ, ടൈപ്പോഗ്രാഫി ഒടുവിൽ ഉപയോഗിക്കാൻ സാധിക്കുന്ന ഒന്നായിരിക്കുന്നു - ഇപ്പോളും പൂർണമല്ല, പക്ഷേ അക്ഷരമാല സൂപ്പ് പോലെയല്ല.
Q4: DALL·E 3-യെ പ്രോംപ്റ്റ് ചെയ്യാനുള്ള ഏറ്റവും നല്ല മാർഗം ഏതാണ്?
ഒരു ബ്രീഫ് എഴുതുന്നത് പോലെ എഴുതുക: വ്യക്തമായ നാമങ്ങൾ, പ്രത്യേക പരിധികൾ, ഓരോ ആവർത്തനത്തിലും ഓരോ മാറ്റം മാത്രം. DALL·E 3 കവിത പോലെ എഴുതുന്നതിനെക്കാൾ നല്ലത് വ്യക്തമായ നിർദ്ദേശങ്ങൾ നൽകുന്നതിനെ പ്രോത്സാഹിപ്പിക്കുന്നു.
Q5: ഡിസൈനർമാർ DALL·E 3 തങ്ങളെ മാറ്റിസ്ഥാപിക്കുന്നതിനെക്കുറിച്ച് വിഷമിക്കേണ്ട കാര്യമുണ്ടോ?
മാറ്റിസ്ഥാപിക്കുന്നതിനെക്കുറിച്ച് അധികം വിഷമിക്കാതെ മൂല്യത്തെക്കുറിച്ച് കൂടുതൽ ശ്രദ്ധിക്കുക. DALL·E 3 ഡ്രാഫ്റ്റുകൾ വേഗത്തിലാക്കുന്നു; നല്ല അഭിരുചിയും നന്നായി തിരഞ്ഞെടുക്കാനുള്ള കഴിവും എന്താണ് വേണ്ടതെന്ന് തീരുമാനിക്കുന്നു.