ഒരു AI-യോട് “സുവർണ്ണ മണിക്കൂറിൽ ചുവന്ന ഇഷ്ടിക ഭിത്തിയിൽ ചാരി വെച്ച ഒരു വിന്റേജ് സൈക്കിൾ” വരയ്ക്കാൻ ആവശ്യപ്പെട്ടപ്പോൾ, ലാവ വിളക്കിലെ ഉരുകിയ ട്രൈസൈക്കിൾ പോലെ തോന്നിയോ? എങ്കിൽ നിങ്ങൾ ഒറ്റക്കല്ല. അപ്പോഴാണ് Stable Diffusion XL— സാധാരണയായി SDXL എന്ന് ചുരുക്കി വിളിക്കുന്നത്—കല ക്ലാസ്സിലെ പുതിയ കുട്ടിയെപ്പോലെ എത്തിയത്, അവനൊരു സൈക്കിൾ എങ്ങനെയിരിക്കുമെന്ന് അറിയാം.
ഈ SDXL അവലോകനത്തിൽ, SDXL എന്താണെന്നും, എങ്ങനെയാണ് ഇത് ക്ലാസിക് Stable Diffusion അനുഭവത്തെ മെച്ചപ്പെടുത്തുന്നത് എന്നും, നിങ്ങൾക്ക് എന്ത് ഹാർഡ്വെയർ വേണമെന്നും, നിങ്ങളുടെ മനസ്സിലുള്ള രൂപത്തിലേക്ക് ഇതിനെ എങ്ങനെ നയിക്കാമെന്നും, എവിടെയാണ് ഇതിന് പിഴവുകൾ സംഭവിക്കുന്നതെന്നും ഞാൻ വിശദീകരിക്കും. കൂടാതെ, ഫോട്ടോ റിയൽ ഇമേജുകൾക്കും, ടൈപ്പോഗ്രാഫിക്കും, വിലകൂടിയ സ്റ്റോക്ക് സൈറ്റുകളുടെയും, ചിത്രകാരന്മാരുടെയും മാത്രം കൈവശമുണ്ടായിരുന്ന ശൈലികൾക്കും വേണ്ടി ഡിസൈനർമാർ, വിപണനക്കാർ, ഹോബിയിസ്റ്റുകൾ തുടങ്ങിയ സാധാരണക്കാർ ഇത് എങ്ങനെ ഉപയോഗിക്കുന്നുവെന്നും ഞാൻ കാണിച്ചുതരാം.
എന്താണ് SDXL—എന്തുകൊണ്ട് നിങ്ങൾ ഇത് ശ്രദ്ധിക്കണം?
നിങ്ങളുടെ ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളെ ചിത്രങ്ങളാക്കി മാറ്റുന്ന “എഞ്ചിൻ” ആയി Stable Diffusion-നെ കണക്കാക്കുക. SDXL എന്നത് ഏറ്റവും പുതിയ എഞ്ചിൻ അപ്ഗ്രേഡാണ്: കൂടുതൽ സിലിണ്ടറുകൾ, മികച്ച സസ്പെൻഷൻ, മികച്ച ഇന്റീരിയർ. പഴയ Stable Diffusion മോഡലുകൾ (1.5 പോലെ) വികൃതികളായിരുന്നെങ്കിലും, SDXL വലുതും ശാന്തവുമാണ്, കൂടാതെ ചെറിയ വിശദാംശങ്ങളിൽ മികച്ചതുമാണ്—വിരലുകൾ, കണ്ണുകൾ, ലൈറ്റിംഗ്, തുണിയുടെ ടെക്സ്ചർ. നിങ്ങൾക്ക് “ഒരു ജനലിലൂടെ വരുന്ന വെളിച്ചത്തിൽ മൂഡിയായിട്ടുള്ള പോർട്രെയ്റ്റ്” വേണമെന്ന് ആവശ്യപ്പെട്ടാൽ, നിങ്ങൾക്ക് ശരിക്കും ഒരു ജനലിലൂടെ വരുന്ന വെളിച്ചത്തിൽ മൂഡിയായിട്ടുള്ള പോർട്രെയ്റ്റ് ലഭിക്കും, അല്ലാതെ ഒരു ഡിസ്കോ ബോൾ അല്ല.
ലളിതമായി പറഞ്ഞാൽ: SDXL ഉയർന്ന റെസല്യൂഷനും, കൂടുതൽ വ്യക്തതയുമുള്ള ചിത്രങ്ങൾ പ്രോംപ്റ്റ് ജിംനാസ്റ്റിക്സ് ഇല്ലാതെ നിർമ്മിക്കുന്നു. ഇതിന് പ്രോംപ്റ്റ്-എസിൽ PhD ആവശ്യമില്ല.
ആർക്കുവേണ്ടിയുള്ളതാണ് ഇത്?
- സബ്സ്ക്രിപ്ഷൻ ഇല്ലാതെ ഫോട്ടോറിയൽ ചിത്രങ്ങൾ ആഗ്രഹിക്കുന്ന ക്രിയേറ്റർമാർക്ക്.
- ബ്രാൻഡ് സുരക്ഷിതവും സ്ഥിരവുമായ ദൃശ്യങ്ങൾ ആവശ്യമുള്ള വിപണനക്കാർക്ക്.
- ബ്രീഫിന് അനുയോജ്യമായ ആശയം ആഗ്രഹിക്കുന്ന ഇൻഡി ഗെയിം ഡെവലപ്പർമാർക്ക്.
- ഡ്രാഗണിന് ശരിയായ എണ്ണം ചിറകുകൾ ഉണ്ടാകണമെന്ന് ആഗ്രഹിക്കുന്ന സാധാരണക്കാർക്ക്.
SDXL vs പഴയവ: എന്താണ് മാറിയത്?
അപ്ഗ്രേഡ് ചെയ്ത തലച്ചോറ്: SDXL-ൻ്റെ ആർക്കിടെക്ചർ വലുതും കൂടുതൽ എക്സ്പ്രെസ്സീവുമാണ്, ഇത് മികച്ച ടെക്സ്ചറുകൾ, വിശ്വസനീയമായ ലൈറ്റിംഗ്, കുറഞ്ഞ ശരീരഘടനാപരമായ അപകടങ്ങൾ എന്നിവയ്ക്ക് സഹായകമാണ്.
ഉയർന്ന റെസല്യൂഷൻ: SDXL വലിയ സൈസുകളിൽ മികച്ചതാണ്. അച്ചടിക്ക് അനുയോജ്യമായ ചിത്രങ്ങൾ ലഭിക്കാൻ നിങ്ങൾ അപ്സ്കെയിലറുകളെയും പാച്ച് വർക്ക് വർക്ക്ഫ്ലോകളെയും അമിതമായി ആശ്രയിക്കേണ്ടതില്ല.
വൃത്തിയും വെടിപ്പുമുള്ള ടെക്സ്റ്റ് റെൻഡറിംഗ്: പഴയ മോഡലുകൾ ടൈപ്പോഗ്രാഫിയെ ആധുനിക കലയായിട്ടാണ് കണക്കാക്കിയിരുന്നത്. SDXL ന് വായിക്കാൻ എളുപ്പമുള്ള അക്ഷരങ്ങളും ലോഗോകളും ഉണ്ട് - പൂർണമല്ലെങ്കിലും, ഗണ്യമായി മെച്ചപ്പെട്ടിട്ടുണ്ട്.
ശൈലീപരമായ ശ്രേണി: SDXL പെയിന്റർലി, ഫോട്ടോറിയൽ, സിനിമാറ്റിക്, ഗ്രാഫിക് രൂപങ്ങൾ പ്രോംപ്റ്റ് അക്രോബാറ്റിക്സ് ഇല്ലാതെ കൈകാര്യം ചെയ്യുന്നു. നിങ്ങൾക്ക് വ്യക്തമായിരിക്കാം അല്ലെങ്കിൽ ലളിതമായി നിലനിർത്താം.
എളുപ്പത്തിലുള്ള എലിവേറ്റർ പിച്ച്: Stable Diffusion 1.5 ഒരു സ്ക്രാപ്പി ഇൻഡി ആയിരുന്നെങ്കിൽ, SDXL എന്നത് സ്റ്റുഡിയോ റിലീസാണ്—കൂടുതൽ മിനുസപ്പെടുത്തൽ, കുറഞ്ഞ മൂർച്ചയുള്ള അരികുകൾ.
നിങ്ങളുടെ മുടി വലിച്ചുപറിക്കാതെ SDXL എങ്ങനെ പ്രവർത്തിപ്പിക്കാം
- എളുപ്പവഴി: ഹോസ്റ്റഡ് സേവനം ഉപയോഗിക്കുക. നിങ്ങൾക്ക് സജ്ജീകരണം, ഡ്രൈവറുകൾ, GPU എന്നിവ ഒഴിവാക്കാം. എന്നാൽ സ്വകാര്യതയും നിയന്ത്രണവും നഷ്ടപ്പെടും, കൂടാതെ ഓരോ ചിത്രത്തിനും പണം നൽകേണ്ടി വന്നേക്കാം.
- DIY വഴി: ഒരു വെബ് ഇൻ്റർഫേസ് പോലുള്ള സൗകര്യപ്രദമായ UI ഉപയോഗിച്ച് ഇത് പ്രാദേശികമായി പ്രവർത്തിപ്പിക്കുക. ഗുണങ്ങൾ: നിങ്ങളുടെ മോഡലുകൾ, സ്വകാര്യത, ചെലവുകൾ എന്നിവ നിയന്ത്രിക്കാനാകും. ദോഷം: നിങ്ങൾക്ക് നല്ല VRAM ഉള്ള ഒരു GPU ആവശ്യമാണ്.
ഹാർഡ്വെയർ യാഥാർത്ഥ്യ പരിശോധന
- സ്വീറ്റ് സ്പോട്ട് GPU: 12 GB VRAM അല്ലെങ്കിൽ അതിൽ കൂടുതൽ SDXL-ന് നല്ല വേഗതയിൽ പ്രവർത്തിക്കാൻ സൗകര്യപ്രദമാണ്. നിങ്ങൾക്ക് 8 GB ഉണ്ടെങ്കിൽ, അതും പ്രവർത്തിക്കും - പക്ഷേ കുറഞ്ഞ വേഗതയും ചെറിയ ബാച്ചുകളും പ്രതീക്ഷിക്കുക.
- CPU-കൾക്ക് പ്രാധാന്യം കുറവാണ്: SDXL എന്നത് GPU-ബന്ധിതമാണ്. നിങ്ങളുടെ ഗ്രാഫിക്സ് കാർഡാണ് താരം.
- RAM, സംഭരണം: 16 GB സിസ്റ്റം RAM-ഉം മോഡലുകൾക്കും, LoRA-കൾക്കും, ഔട്ട്പുട്ടുകൾക്കുമായി കുറച്ച് ഡസൻ ജിഗാബൈറ്റുകളും ഉണ്ടായാൽ മതി.
നിങ്ങളുടെ GPU, ബാച്ച് സൈസ്, സാമ്പ്ലർ ക്രമീകരണങ്ങൾ എന്നിവയെ ആശ്രയിച്ച് വേഗത വ്യത്യാസപ്പെടാം. നിങ്ങൾക്ക് ഒരു ചെറിയ കാർഡ് ആണുള്ളതെങ്കിൽ, ശ്രദ്ധയോടെ പ്രവർത്തിക്കുക: ചെറുതായി റെൻഡർ ചെയ്യുക, തുടർന്ന് അപ്സ്കെയിൽ ചെയ്യുക; ബാച്ച് സൈസുകൾ കുറയ്ക്കുക; കാര്യക്ഷമമായ സാമ്പ്ലറുകൾ പരീക്ഷിക്കുക.
ഒരു സൗഹൃദപരമായ ടൂർ: നിങ്ങളുടെ ആദ്യത്തെ മികച്ച SDXL ചിത്രം
- ലളിതമായി തുടങ്ങുക. ഇത് പരീക്ഷിക്കുക: “30 വയസ്സുള്ള ഒരു സ്ത്രീയുടെ സിനിമാറ്റിക് പോർട്രെയ്റ്റ്, സ്വാഭാവിക വെളിച്ചം, കുറഞ്ഞ ഡെപ്ത് ഓഫ് ഫീൽഡ്, Fujifilm ഫിലിം സ്റ്റോക്ക്, 85mm ലെൻസ്, Freckles, മൃദുവായ പുഞ്ചിരി.”
- എന്തുകൊണ്ട് ഇത് പ്രവർത്തിക്കുന്നു: പ്രത്യേക ക്യാമറ ഭാഷ SDXL-നെ വിഷയം കൂടുതൽ പരിമിതപ്പെടുത്താതെ തന്നെ ഒരു ലുക്കിലേക്ക് കൊണ്ടുവരാൻ സഹായിക്കുന്നു.
- നെഗറ്റീവുകൾ ഉപയോഗിച്ച് സുരക്ഷ ഉറപ്പാക്കുക: “വിരൂപമായ കൈകൾ, അധിക വിരലുകൾ, വാട്ടർമാർക്ക്, ടെക്സ്റ്റ്, മങ്ങിയത്, കുറഞ്ഞ റെസല്യൂഷൻ.”
- നെഗറ്റീവുകളെ വാതിൽക്കൽ നിൽക്കുന്ന ബൗൺസർമാരായി കരുതുക, കുഴപ്പക്കാരെ പുറത്ത് നിർത്തുന്നു.
- ഒരു സാമ്പ്ലറും സ്റ്റെപ്പുകളും തിരഞ്ഞെടുക്കുക. 25–35 സ്റ്റെപ്പുകളിൽ ഒരു ആധുനിക സാമ്പ്ലറിൽ നിന്ന് ആരംഭിക്കുക. നിങ്ങൾക്ക് ഇഷ്ടപ്പെട്ടില്ലെങ്കിൽ, 100 സ്റ്റെപ്പുകളിലേക്ക് മാറ്റുന്നതിന് മുമ്പ് സാമ്പ്ലർ മാറ്റുക. ഇത് കൂടുതൽ ഉപ്പ് ചേർക്കുന്നതിന് പകരം പാചകക്കാരനെ മാറ്റുന്നത് പോലെയാണ്.
- സീഡ് സൈക്ലിംഗ്. നിങ്ങൾക്ക് അടുത്ത് എത്തിയിട്ട് പൂർണ്ണമാകുന്നില്ലെങ്കിൽ, നിങ്ങളുടെ സീഡ് ശരിയാക്കി പ്രോംപ്റ്റ് മാറ്റിയെഴുതുക. എല്ലാം തെറ്റാണെങ്കിൽ, സീഡ് മാറ്റുക. സീഡുകൾ “മറ്റൊരു ലോകത്തിലേക്കുള്ള” സ്വിച്ചാണ്.
- ബുദ്ധിപരമായി അപ്സ്കെയിൽ ചെയ്യുക. നിങ്ങൾക്ക് പ്രിന്റ് ക്വാളിറ്റി ആവശ്യമാണെങ്കിൽ, ആദ്യം സൗകര്യപ്രദമായ വലുപ്പത്തിൽ ഉണ്ടാക്കുക, തുടർന്ന് ഒരു ഡെഡിക്കേറ്റഡ് അപ്സ്കെയിലർ ഉപയോഗിക്കുക. വലിയ റെൻഡറുകൾ ചെയ്യുന്നതിനേക്കാൾ വേഗത്തിലും വൃത്തിയായും ചെയ്യാൻ ഇത് സഹായിക്കും.
പ്രോംപ്റ്റ് ജൂഡോ: നിങ്ങൾ ഉദ്ദേശിക്കുന്ന കാര്യം SDXL-നെക്കൊണ്ട് ചെയ്യിപ്പിക്കുക
- ലുക്ക് അടിസ്ഥാനമാക്കിയുള്ള ഭാഷ ഉപയോഗിക്കുക: “ബാക്ക്ലിറ്റ്,” “റിം ലൈറ്റ്,” “ഓവർകാസ്റ്റ്,” “ക്ലാംഷെൽ ലൈറ്റിംഗ്,” “പോർട്ര 400,” “35mm ഗ്രെയിൻ.” SDXL, ഫോട്ടോഗ്രാഫിക് പദാവലികളോട് നന്നായി പ്രതികരിക്കുന്നു.
- ഓരോ തവണയും ഓരോ ശൈലി മാത്രം: “വാട്ടർ കളർ, ഓയിൽ പെയിന്റിംഗ്, പിക്സർ, സൈബർപങ്ക് നോയിർ, സ്റ്റെയിൻഡ് ഗ്ലാസ്” എന്നിവ ഒരുമിപ്പിക്കരുത്. ഏതെങ്കിലും ഒന്ന് തിരഞ്ഞെടുത്ത് മെച്ചപ്പെടുത്തുക.
- റഫറൻസ് ചിത്രങ്ങൾ: ലഭ്യമാണെങ്കിൽ, ഇമേജ് കണ്ടീഷനിംഗിന് വളരെ മൂല്യമുണ്ട്. 50 വിശേഷണങ്ങളേക്കാൾ കൂടുതൽ ഒരു ഫോട്ടോ അല്ലെങ്കിൽ സ്കെച്ച് ശൈലി വ്യക്തമാക്കുന്നു.
- കൃത്യമായ വെയിറ്റിംഗ്: നിങ്ങളുടെ UI പ്രോംപ്റ്റ് വെയിറ്റിംഗിനെ അനുവദിക്കുകയാണെങ്കിൽ, ചെറുതായി മാത്രം നൽകുക, അമിതമായി നൽകരുത്. അമിതഭാരം വിചിത്രമായ രൂപങ്ങൾക്ക് കാരണമാകും.
SDXL തിളങ്ങുന്ന ഇടങ്ങൾ
- ഫോട്ടോറിയൽ പോർട്രെയ്റ്റുകൾ: ചർമ്മത്തിന്റെ ടെക്സ്ചർ, ഹൈലൈറ്റുകൾ, മുടിയുടെ വിശദാംശങ്ങൾ - അപകടകരമായ ഭാഗങ്ങൾ ഒഴിവാക്കിയിരിക്കുന്നു.
- ഉൽപ്പന്ന ചിത്രങ്ങൾ: വൃത്തിയുള്ള അരികുകൾ, വിശ്വസനീയമായ മെറ്റീരിയലുകൾ, സ്ഥിരമായ ലൈറ്റിംഗ്. മോക്കപ്പുകൾക്കും കോൺസെപ്റ്റ് ബോർഡുകൾക്കും മികച്ചത്.
- പരിసరങ്ങൾ: വാസ്തുവിദ്യാപരമായ എക്സ്റ്റീരിയറുകൾ, മൂഡിയായ ഇന്റീരിയറുകൾ, മൂടൽമഞ്ഞുള്ള വനങ്ങൾ - SDXL നിങ്ങളുടെ ലൈറ്റിംഗ് സൂചനകൾ നന്നായി മനസ്സിലാക്കുന്നു.
- ഗ്രാഫിക് ഡിസൈനും ടൈപ്പും: പഴയ മോഡലുകളേക്കാൾ മികച്ച അക്ഷരരൂപങ്ങൾ, ഇത് പോസ്റ്റർ ശൈലിയിലുള്ള ചിത്രങ്ങൾക്കും ലഘുചിത്രങ്ങൾക്കും വാതിലുകൾ തുറക്കുന്നു. എന്നിരുന്നാലും, ടെക്സ്റ്റ് കൂടുതലുള്ള ഡിസൈനുകൾ വീണ്ടും പരിശോധിക്കുക.
SDXL ഇപ്പോഴും പരാജയപ്പെടുന്ന ഇടങ്ങൾ
- சிக்கலான போஸ்களில் உள்ள கைகள்: முன்னேற்றம் உள்ளது. கைகள் சிக்கலான தோற்றத்தில் இருக்கும் பொழுதும், நீண்ட உரைகளைக் கையாளும் பொழுதும் தடுமாறுகிறது.
- ശ്രദ്ധയോടെയുള്ള ടൈപ്പോഗ്രാഫി: ചെറിയ വാക്കുകൾ ശരിയാണ്. ദൈർഘ്യമേറിയ, കൃത്യമായ ടൈപ്പ് ലേഔട്ടുകൾ? പിന്നീട് യഥാർത്ഥ വാചകം ചേർക്കുന്നത് പരിഗണിക്കുക.
- അൾട്രാ-സ്പെസിഫിക് IP അനുകരണം: എല്ലാ ഉത്തരവാദിത്തപ്പെട്ട മോഡലുകളെയും പ്ലാറ്റ്ഫോമുകളെയും പോലെ, പകർപ്പവകാശമുള്ള കഥാപാത്രങ്ങളെയോ ലോഗോകളെയോ ലംഘിക്കുന്ന പ്രോംപ്റ്റുകൾ നിങ്ങൾ ഒഴിവാക്കണം. “പ്രചോദനം ഉൾക്കൊണ്ട്” എന്ന് നൽകുക, അല്ലാതെ “സമാനമായത്” എന്ന് നൽകരുത്.
SDXL vs മറ്റ് മോഡലുകൾ
- Stable Diffusion 1.5-നെ അപേക്ഷിച്ച്: SDXL റിയലിസം, വിശദാംശങ്ങൾ, കുറഞ്ഞ പ്രോംപ്റ്റ് ഹാക്കുകൾ എന്നിവയിൽ മികച്ചതാണ്. 1.5-ന് ചില ആളുകൾ ഇഷ്ടപ്പെടുന്ന മികച്ച ശൈലികളുണ്ട്. നിങ്ങൾക്ക് പ്രിയപ്പെട്ട 1.5 LoRA ഉണ്ടെങ്കിൽ, അത് സൂക്ഷിക്കുക.
- ക്ലോസ്ഡ് മോഡലുകളെ അപേക്ഷിച്ച്: ചില ഹോസ്റ്റഡ് പ്ലാറ്റ്ഫോമുകളിൽ, നിങ്ങൾക്ക് ചിലപ്പോൾ വേഗത്തിലും മനോഹരവുമായ ഡിഫോൾട്ടുകൾ ലഭിക്കും, എന്നാൽ കുറഞ്ഞ നിയന്ത്രണവും കൂടുതൽ ആവർത്തനമുണ്ടെങ്കിൽ ഉയർന്ന ചിലവും ഉണ്ടാകും. SDXL-ൻ്റെ ഏറ്റവും വലിയ പ്രത്യേകത എന്നത് തുറന്ന സമീപനവും ഇഷ്ടത്തിനനുസരിച്ച് മാറ്റം വരുത്താനുമുള്ള സൗകര്യവുമാണ്.
ഞാൻ ഉപയോഗിക്കുന്ന വർക്ക്ഫ്ലോ രീതികൾ
രീതി A: ഫാസ്റ്റ് കോൺസെപ്റ്റ് ആർട്ട്
- പ്രോംപ്റ്റ്: “മൂഡിയായ സയൻസ് ഫിക്ഷൻ ഇടനാഴി, വോള്യൂമെട്രിക് ഫോഗ്, ടീൽ/ഓറഞ്ച്, സിനിമാറ്റിക്, 24mm ലെൻസ്, ലോ ആംഗിൾ.”
- ക്രമീകരണങ്ങൾ: 512x768, 20–25 സ്റ്റെപ്പുകൾ, ബാച്ച് 2, ആധുനിക സാമ്പ്ലർ.
- ഫലം: കുറഞ്ഞ സമയത്തിനുള്ളിൽ ഒരു ആശയം ലഭിക്കാൻ ഇത് മതിയാകും. ഒരെണ്ണം ഇഷ്ടപ്പെട്ടാൽ, 1024x1536 ആയി ഉയർത്തി മെച്ചപ്പെടുത്തുക.
രീതി B: ക്ലീൻ പ്രൊഡക്റ്റ് മോക്കപ്പ്
- പ്രോംപ്റ്റ്: “മാറ്റ് സ്റ്റോണിലുള്ള മിനിമലിസ്റ്റ് സ്കിൻകെയർ ബോട്ടിൽ, സോഫ്റ്റ് വിൻഡോ ലൈറ്റ്, നേരിയ ഷാഡോകൾ, 3/4 ആംഗിൾ, ഉയർന്ന വിശദാംശങ്ങൾ, എഡിറ്റോറിയൽ ഫോട്ടോഗ്രാഫി.”
- ക്രമീകരണങ്ങൾ: 768x768, 30 സ്റ്റെപ്പുകൾ, നല്ലൊരു രൂപം കിട്ടിയാൽ സീഡ് ലോക്ക് ചെയ്യുക.
- മെച്ചപ്പെടുത്തൽ: ബുദ്ധിമുട്ടുള്ള ലേബൽ അരികുകൾ ശരിയാക്കാൻ ഒരു മാസ്കിംഗ്/ഇൻപെയിന്റ് പാസ് ഉപയോഗിക്കുക. വാചകം പ്രധാനമാണെങ്കിൽ, പിന്നീട് യഥാർത്ഥ വാചകം ചേർക്കുക.
രീതി C: ആളുകളെപ്പോലെയുള്ള ആളുകൾ
- പ്രോംപ്റ്റ്: “സ്വാഭാവിക പോർട്രെയ്റ്റ്, ഡെനിം ജാക്കറ്റ് ധരിച്ച 50 വയസ്സുള്ള പുരുഷൻ, മൃദുവായ സൈഡ്-ലൈറ്റ്, സുഷിരങ്ങളും നേരിയ Freckles-കളും, കുറഞ്ഞ ഡെപ്ത് ഓഫ് ഫീൽഡ്, നല്ല വെളിച്ചമുള്ള പശ്ചാത്തലം.”
- ക്രമീകരണങ്ങൾ: 768x1024, 28–32 സ്റ്റെപ്പുകൾ.
- ബുദ്ധിമുട്ടുള്ള ഭാഗങ്ങൾ: മുഖത്തിന് അടുത്തുള്ള കൈകൾ - ക്രോപ്പ് ചെയ്യുക അല്ലെങ്കിൽ ഇൻപെയിന്റ് തിരുത്തലുകൾ വരുത്തുക.
ഫൈൻ-ട്യൂണുകൾ, LoRA-കൾ, ശൈലികൾ
SDXL-ൻ്റെ പ്രത്യേകതകളിൽ ഒന്ന്, നിയോൺ സൈബർപങ്ക്, എഡിറ്റോറിയൽ ഫാഷൻ, വാട്ടർ കളർ എന്നിങ്ങനെ ഇഷ്ടമുള്ള രൂപത്തിലേക്ക് മാറ്റാൻ കഴിയുന്ന ഫൈൻ-ട്യൂൺ ചെയ്ത മോഡലുകളുമായും LoRA-കളുമായുമുള്ള അതിന്റെ അനുയോജ്യതയാണ്. ഇതിലൊരു ടിപ്പ് ഇതാ: LoRA-കളെ സുഗന്ധവ്യഞ്ജനങ്ങളായി കണക്കാക്കുക.
- അവ ഇല്ലാതെ ആരംഭിക്കുക, ഒരു അടിസ്ഥാനരൂപം നേടുക.
- കുറഞ്ഞ വെയിറ്റിൽ (0.5–0.8) ഒരു LoRA ചേർക്കുക. ചിത്രം ട്രാക്ക് തെറ്റിയാൽ, നിങ്ങളുടെ സുഗന്ധവ്യഞ്ജനം വളരെ ശക്തമാണ്.
- രണ്ട് LoRA-കൾ ഒരുമിച്ച് നന്നായി പ്രവർത്തിക്കും; മൂന്നെണ്ണം കുഴപ്പമുണ്ടാക്കാം. ശ്രദ്ധയോടെ മുന്നോട്ട് പോകുക.
സുരക്ഷ, ധാർമ്മികത, മുതിർന്നവരുടെ സംസാരം
- സമ്മതവും സാദൃശ്യവും: അനുമതിയില്ലാതെ യഥാർത്ഥ ആളുകളെ ഉണ്ടാക്കുന്നത് ഒഴിവാക്കുക.
- സെൻസിറ്റീവ് ഉള്ളടക്കം: SDXL UI-കളിൽ സാധാരണയായി സുരക്ഷാ ഫിൽട്ടറുകൾ ഉൾപ്പെടുന്നു - നിങ്ങൾ ഒരു പ്രൊഫഷണൽ പശ്ചാത്തലത്തിലാണ് ജോലി ചെയ്യുന്നതെങ്കിൽ അവ ഓണാക്കുക.
- പകർപ്പവകാശം: “ഇതിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട്” എന്നത് നിയമപരവും ധാർമ്മികവുമായ കാര്യമാണ്. ഒറിജിനൽ രൂപങ്ങൾ ഉണ്ടാക്കുക, അല്ലെങ്കിൽ നിങ്ങൾ സ്വന്തമാക്കിയ ആസ്തികളിൽ ഒരു LoRA ഉണ്ടാക്കുക.
പ്രശ്നപരിഹാരത്തിനുള്ള സഹായം
- എൻ്റെ ചിത്രങ്ങൾ വ്യക്തമല്ലാത്തത് പോലെ തോന്നുന്നു.
വിശേഷണങ്ങൾ കുറയ്ക്കുക, വ്യക്തമായ ലൈറ്റിംഗ് നൽകുക, ലളിതമായ കോമ്പോസിഷനുകൾ ഉപയോഗിക്കുക. നിങ്ങൾ ഒരു പ്രാരംഭ ചിത്രത്തിൽ നിന്ന് മെച്ചപ്പെടുത്തുകയാണെങ്കിൽ ഡെനോയിസ് സ്ട്രെങ്ത് കുറയ്ക്കുക. സ്റ്റെപ്പുകൾ കൂട്ടുന്നതിന് മുമ്പ് സാമ്പ്ലർ മാറ്റുക.
- ഇത് എൻ്റെ കോമ്പോസിഷൻ പിന്തുടരുന്നില്ല.
ഒരു റഫറൻസായി ഒരു പ്രാരംഭ സ്കെച്ച് ഉപയോഗിക്കുക, അല്ലെങ്കിൽ പോസിനും ലേഔട്ട് മാർഗ്ഗനിർദ്ദേശത്തിനും ControlNet പോലുള്ള ടൂളുകൾ ലഭ്യമാണെങ്കിൽ അത് ഉപയോഗിക്കുക.
- മുഖങ്ങൾ മെഴുകുപോലെ തോന്നുന്നു.
ഫോട്ടോഗ്രാഫിക് പദങ്ങൾ (“ഡിഫ്യൂസ്ഡ് വിൻഡോ ലൈറ്റ്,” “35mm”) ഉപയോഗിക്കുക, നിങ്ങളുടെ സ്മൂത്തിംഗ്/സ്ട്രെങ്ത് ക്രമീകരണങ്ങൾ കുറയ്ക്കുക. നിങ്ങളുടെ UI പിന്തുണയ്ക്കുകയാണെങ്കിൽ മറ്റൊരു ഫെയ്സ് റെസ്റ്റോറേഷൻ മോഡൽ പരീക്ഷിക്കുക.
- ടൈപ്പോഗ്രാഫി ഇപ്പോഴും മോശമാണ്.
പശ്ചാത്തല ആർട്ട് ഉണ്ടാക്കുക, തുടർന്ന് ഒരു ഗ്രാഫിക്സ് ആപ്പിൽ ടെക്സ്റ്റ് ചേർക്കുക. ചെറിയ വാക്കുകൾക്ക്, ഓരോ വരിയായി നൽകുക.
വില: യഥാർത്ഥത്തിൽ എത്ര ചിലവ് വരും
- ഹോസ്റ്റഡ്: നിങ്ങൾ ഓരോ ചിത്രത്തിനും അല്ലെങ്കിൽ സബ്സ്ക്രിപ്ഷനും പണം നൽകണം. കുറഞ്ഞ ഉപയോഗത്തിന് മികച്ചത്; നിങ്ങൾ ദിവസം മുഴുവൻ ഉപയോഗിക്കുകയാണെങ്കിൽ ചിലവേറും.
- പ്രാദേശികം: മുൻകൂട്ടിയുള്ള ഹാർഡ്വെയർ, തുടർന്ന് വൈദ്യുതി ചാർജ്. നിങ്ങൾ കൂടുതൽ ഉപയോഗിക്കുകയാണെങ്കിൽ, ഇത് വേഗത്തിൽ ലാഭകരമാകും.
ഇവിടെ ഒരു സർപ്രൈസ് ഉണ്ട്: Sider.AI നിങ്ങളുടെ പ്രോംപ്റ്റിംഗിനും ആവർത്തനത്തിനുമുള്ള കമാൻഡ് സെന്ററായി പ്രവർത്തിക്കുന്നു. ഇത് SDXL ചിത്രങ്ങൾ സ്വയം റെൻഡർ ചെയ്യില്ല, പക്ഷേ പ്രോംപ്റ്റുകൾ ക്രമീകരിക്കുന്നതിനും, ഔട്ട്പുട്ടുകൾ താരതമ്യം ചെയ്യുന്നതിനും, നിങ്ങളുടെ ടീമംഗങ്ങളുമായി പങ്കിടാൻ കഴിയുന്ന വർക്ക്ഫ്ലോകൾ നിർമ്മിക്കുന്നതിനും ഇത് ഉപയോഗപ്രദമാണ്. പ്രതികരിക്കുന്ന മൂഡ് ബോർഡുകളായി ഇതിനെ കരുതുക. നിങ്ങൾ ഒന്നിലധികം മോഡൽ ക്രമീകരണങ്ങൾ, LoRA-കൾ, ഇമേജ് റഫറൻസുകൾ എന്നിവ ഉപയോഗിച്ച് പ്രവർത്തിക്കുമ്പോൾ, എല്ലാം ഒരിടത്ത് സൂക്ഷിക്കുന്നത് “ഫൈനൽ-ഫൈനൽ-2-റിയലി-ഫൈനൽ” എന്ന് പേരുള്ള ഫോൾഡറുകൾ തിരയുന്നത് ഒഴിവാക്കാൻ സഹായിക്കും. യഥാർത്ഥ ലോകത്തിലെ മിനി-കേസ് പഠനങ്ങൾ
- ബ്രാൻഡ് നവീകരണം: ഒരു ചെറിയ കോഫി റോസ്റ്റർ SDXL-ൽ പശ്ചാത്തലങ്ങൾ ഉണ്ടാക്കുകയും അതിൽ യഥാർത്ഥ വാചകം ചേർക്കുകയും ചെയ്തുകൊണ്ട് പുതിയ പാക്കേജിംഗ് വിഷ്വലുകൾ (കാപ്പിക്കുരു, കപ്പുകൾ, ലാറ്റെ ആർട്ട്, കുറഞ്ഞ ടൈപ്പ്) ഉണ്ടാക്കി. ഒരാഴ്ച എടുക്കുന്നതിന് പകരം ഒരു ദിവസം കൊണ്ട് അഞ്ച് ആശയങ്ങൾ പരീക്ഷിച്ചു.
- ഇൻഡി ഗെയിം: രണ്ട് വ്യക്തികൾ അടങ്ങിയ ഒരു സ്റ്റുഡിയോ SDXL ഉപയോഗിച്ച് കോൺസെപ്റ്റ് സീനുകളും കഥാപാത്രങ്ങളുടെ രൂപങ്ങളും ഉണ്ടാക്കി, തുടർന്ന് സ്ഥിരമായ കവച രൂപകൽപ്പനയ്ക്കായി ഒരു ലൈറ്റ് വെയ്റ്റ് LoRA ഉപയോഗിച്ചു. ഇത് പ്രീ-പ്രൊഡക്ഷൻ സമയം പകുതിയായി കുറച്ചെന്ന് അവർ പറയുന്നു.
- ക്രിയേറ്ററുടെ തംനെയിൽ: ഒരു യൂട്യൂബർ SDXL-ൽ ഓരോ വീഡിയോയ്ക്കും മൂന്ന് തംനെയിൽ ഓപ്ഷനുകൾ നിർമ്മിക്കുന്നു: ഒന്ന് ഫോട്ടോ-റിയൽ, ഒന്ന് ചിത്രീകരണം, ഒന്ന് ഗ്രാഫിക്. വാചകം സ്വമേധയാ ചേർക്കുകയും പശ്ചാത്തലം ലളിതമായി നിലനിർത്തുകയും ചെയ്തപ്പോൾ കാഴ്ചക്കാർ കൂടി.
വിധി
കൂടുതൽ റിയലിസവും, വ്യക്തമായ വിശദാംശങ്ങളും, കുറഞ്ഞ പ്രോംപ്റ്റ് ആവശ്യമുള്ള സാധാരണ ക്രിയേറ്റർമാർക്കുള്ള ഏറ്റവും ഉപയോഗപ്രദമായ ഓപ്പൺ ഇമേജ് മോഡലാണ് SDXL. കൃത്യസമയത്ത് ആവശ്യമുള്ള കാര്യങ്ങൾ നൽകുന്ന ഒരു പ്രൊഫഷണൽ ഫോട്ടോഗ്രാഫർക്കോ ചിത്രകാരനോ ഇതിന് പകരമാകാൻ കഴിയില്ല - പക്ഷേ ഇത് നിങ്ങളെ മിനിറ്റുകൾക്കുള്ളിൽ 80% വരെ എത്തിക്കും, കൂടാതെ ക്ഷമയും മനസ്സുമുണ്ടെങ്കിൽ ചിലപ്പോൾ 100% വരെയും എത്തിക്കാൻ കഴിയും. പഴയ Stable Diffusion പതിപ്പുകൾ വൃത്തിയില്ലാത്തതായി തോന്നിയതിനാൽ നിങ്ങൾ അതിൽ നിന്ന് പിന്മാറിയിട്ടുണ്ടെങ്കിൽ, SDXL നിങ്ങൾക്ക് “ഇത് ശരിക്കും പ്രവർത്തിക്കുന്നു” എന്ന് തോന്നിയേക്കാം.
ചീറ്റ് ഷീറ്റ്: സ്ഥിരമായി മികച്ച ഫലങ്ങൾ എങ്ങനെ നേടാം
- വൃത്തിയും വെടിപ്പുമുള്ള ഫോട്ടോഗ്രാഫി ശൈലിയിലുള്ള പ്രോംപ്റ്റുകളിൽ നിന്ന് ആരംഭിക്കുക.
- usual ഉണ്ടാകുന്ന പ്രശ്നങ്ങൾ ഒഴിവാക്കാൻ നെഗറ്റീവുകൾ ഉപയോഗിക്കുക.
- നിങ്ങൾക്ക് ഇഷ്ടപ്പെട്ട ഒരു സാമ്പ്ലർ തിരഞ്ഞെടുക്കുക; സ്റ്റെപ്പുകൾ കൂട്ടുന്നതിന് മുമ്പ് അത് മാറ്റുക.
- നല്ലൊരു സീഡ് ലോക്ക് ചെയ്യുക; ചെറിയ പ്രോംപ്റ്റ് എഡിറ്റുകൾ ഉപയോഗിച്ച് മാറ്റങ്ങൾ വരുത്തുക.
- അപ്സ്കെയിൽ ചെയ്തതിന് ശേഷം വലുതാക്കുക; വലിയ ആരംഭ വലുപ്പങ്ങൾ ഉപയോഗിക്കാതിരിക്കുക.
- പ്രധാനപ്പെട്ട എന്തെങ്കിലും ഉണ്ടെങ്കിൽ ടെക്സ്റ്റ് പിന്നീട് ചേർക്കുക.
- LoRA-കൾ കുറഞ്ഞ അളവിൽ മാത്രം ഉപയോഗിക്കുക.
- കോമ്പോസിഷൻ പ്രധാനമാണെങ്കിൽ റഫറൻസ് ചിത്രങ്ങൾ ഉപയോഗിക്കുക.
- വിജയങ്ങൾ വീണ്ടും ഉണ്ടാക്കാൻ കഴിയുന്ന തരത്തിൽ ചിത്രത്തോടൊപ്പം ക്രമീകരണങ്ങൾ സംരക്ഷിക്കുക.
ഒരുകൂടി കാര്യം...
AI ആർട്ട് ഒരു ഭൂതത്തെ നിയന്ത്രിക്കുന്നത് പോലെ തോന്നാം: പ്രത്യേക ആഗ്രഹങ്ങൾക്ക് മികച്ച ഫലങ്ങൾ ലഭിക്കും. SDXL ഭൂതത്തെ കൂടുതൽ കഴിവുള്ളവനാക്കുന്നു - പക്ഷേ നിങ്ങൾ ഇപ്പോളും സംവിധായകനാണ്. ജിജ്ഞാസയോടെയിരിക്കുക, മാറ്റങ്ങൾ പരീക്ഷിക്കുക, നിങ്ങളുടെ മികച്ച പ്രോംപ്റ്റുകൾ എവിടെയെങ്കിലും സൂക്ഷിക്കുക. അടുത്ത ആഴ്ചയിലെ “ഫൈനൽ-ഫൈനൽ” വരുമ്പോൾ, നിങ്ങൾ സന്തോഷിക്കും.
FAQ
Q1:ഞാൻ ഇതിനകം Stable Diffusion 1.5 ഉപയോഗിക്കുന്നുണ്ടെങ്കിൽ SDXL ഉപയോഗിക്കുന്നതിൽ എന്തെങ്കിലും കാര്യമുണ്ടോ?
ഉണ്ട്—SDXL റിയലിസം, വിശദാംശങ്ങൾ, ടെക്സ്റ്റ് കൈകാര്യം ചെയ്യൽ എന്നിവയിൽ ശ്രദ്ധേയമായ മാറ്റങ്ങൾ വരുത്തുന്നു, കൂടാതെ ഇതിന് കുറഞ്ഞ പ്രോംപ്റ്റ് ആവശ്യമുള്ളൂ. ചില പ്രത്യേക ശൈലികൾക്കായി 1.5 സൂക്ഷിക്കുക, എന്നാൽ ദൈനംദിന ഇമേജ് ഉണ്ടാക്കുന്നതിന് SDXL നിങ്ങളുടെ സ്ഥിരസ്ഥിതിയായി മാറിയേക്കാം.
Q2:SDXL സുഗമമായി പ്രവർത്തിപ്പിക്കാൻ എനിക്ക് എന്ത് GPU ആവശ്യമാണ്?
SDXL വേഗത്തിൽ ഉണ്ടാക്കാൻ 12 GB VRAM ഉള്ള ഒരു GPU ഉപയോഗിക്കുക; 8 GB-ക്ക് ചെറിയ ബാച്ചുകളും വലുപ്പവും ഉപയോഗിച്ച് പ്രവർത്തിക്കാൻ കഴിയും. നിങ്ങളുടെ ഹാർഡ്വെയർ കുറവാണെങ്കിൽ, ചെറുതായി ഉണ്ടാക്കിയ ശേഷം വലുതാക്കുക—ഇത് വേഗത്തിലും വൃത്തിയായും ചെയ്യാൻ കഴിയും.
Q3:കൈകളും നീണ്ട വാചകങ്ങളും ഉപയോഗിക്കുമ്പോൾ SDXL എന്തിനാണ് ബുദ്ധിമുട്ടുന്നത്?
சிக்கலான கோணங்களில் உள்ள உடற்கூறியல் மற்றும் பல வரி உரைகளைக் கையாளுவது இன்னும் கடினமான பிரச்சினையாக உள்ளது. சிறந்த முடிவுகளுக்கு கைகளுக்கு பெயிண்டிங் செய்யவும், பிராண்ட் குறித்த முக்கியமான வாக்கியங்களை டிசைன் செயலியில் உருவாக்கவும்.
Q4:SDXL ചിത്രങ്ങൾ എങ്ങനെ കൂടുതൽ ഫോട്ടോറിയൽ ആക്കാം?
ഫോട്ടോഗ്രാഫിക് ഭാഷ ഉപയോഗിക്കുക - ലൈറ്റിംഗ്, ലെൻസുകൾ, ഫിലിം സ്റ്റോക്കുകൾ - കൂടാതെ പ്രോംപ്റ്റുകൾ ലളിതമായി സൂക്ഷിക്കുക. ഏകദേശം 25–35 സ്റ്റെപ്പുകളിൽ ഒരു ആധുനിക സാമ്പ്ലർ പരീക്ഷിക്കുക, അടുത്തെത്തുമ്പോൾ സീഡ് ശരിയാക്കുക, അതിനുശേഷം വലുതാക്കുക.
Q5:SDXL വർക്ക്ഫ്ലോയിൽ Sider.AI-യുടെ ഉപയോഗമെന്താണ്?
SDXL ഉപയോഗിച്ച് ചിത്രങ്ങൾ ഉണ്ടാക്കുമ്പോൾ പ്രോംപ്റ്റുകൾ ക്രമീകരിക്കുന്നതിനും, ഔട്ട്പുട്ടുകൾ താരതമ്യം ചെയ്യുന്നതിനും, ആവർത്തിക്കാവുന്ന വർക്ക്ഫ്ലോകൾ ഉണ്ടാക്കുന്നതിനും Sider.AI നിങ്ങളെ സഹായിക്കുന്നു. ആവർത്തനങ്ങളും റഫറൻസുകളും പതിപ്പ് നിയന്ത്രണവും കൈകാര്യം ചെയ്യുന്ന ടീമുകൾക്കും ക്രിയേറ്റർമാർക്കും ഇത് മികച്ചതാണ്.