സങ്കീർണ്ണമായ കോമ്പോസിഷനുകൾക്കായി Nano Banana-യിൽ മൾട്ടി-ഇമേജ് ഫ്യൂഷനായി എങ്ങനെ പ്രോംപ്റ്റ് ചെയ്യാം
ശൈലി: പ്രായോഗികവും പരിഹാരം കണ്ടെത്താൻ സഹായിക്കുന്നതും
ഒന്നിലധികം റഫറൻസ് ചിത്രങ്ങൾ ഒരുമിപ്പിച്ച് ഒരൊറ്റ സീനായി മാറ്റാൻ ശ്രമിക്കുമ്പോൾ, വിഷയം വ്യക്തമായി നിലനിർത്തുകയും ശൈലിയിൽ മാറ്റം വരാതെ ഒരു കോമ്പോസിഷൻ ഉണ്ടാക്കിയെടുക്കുകയും ചെയ്യുക എന്നത് വളരെ ബുദ്ധിമുട്ടുള്ള കാര്യമാണ്. Nano Banana-യുടെ മൾട്ടി-ഇമേജ് ഫ്യൂഷൻ ഉപയോഗിച്ച് ഇത് കൃത്യമായി ചെയ്യാനാകും - അതിനായി നിങ്ങൾ ഉദ്ദേശിച്ച് പ്രോംപ്റ്റ് നൽകണം. ഈ ഗൈഡ്, ഇൻപുട്ട് ഫോർമാറ്റിംഗ്, ഇമേജ് വെയ്റ്റിംഗ് സ്ട്രാറ്റജികൾ, കോമ്പോസിഷൻ പ്ലാനിംഗ്, നെഗറ്റീവ് പ്രോംപ്റ്റിംഗ്, സീഡ് കൺട്രോൾ, ട്രബിൾഷൂട്ടിംഗ് എന്നിവ ഉൾപ്പെടെ സങ്കീർണ്ണമായ കോമ്പോസിഷനുകൾക്കായുള്ള ഫീൽഡ്-ടെസ്റ്റ് ചെയ്ത വർക്ക്ഫ്ലോയിലൂടെ നിങ്ങളെ നയിക്കുന്നു.
Nano Banana എന്നത് മികച്ച എഡിറ്റിംഗ്, സ്ഥിരത, മൾട്ടി-ഇമേജ് ഫ്യൂഷൻ കഴിവുകളുള്ള ഒരു അത്യാധുനിക ഇമേജ് മോഡൽ ആണെന്ന് ആദ്യം ശ്രദ്ധിക്കുക. കൂടാതെ മോഡൽ ഡയറക്ടറികളിൽ പ്രൊഡക്ഷൻ-റെഡി മോഡലുകളിൽ ഇത് ലിസ്റ്റ് ചെയ്തിട്ടുണ്ട്. ഈ മോഡലിനായുള്ള പ്രോംപ്റ്റ് പാറ്റേണുകൾ, സാഹചര്യങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള ടിപ്പുകൾ, പ്രായോഗിക ഉപയോഗത്തിനുള്ള വഴികൾ എന്നിവയെക്കുറിച്ചുള്ള കമ്മ്യൂണിറ്റി ഗൈഡുകളും ലഭ്യമാണ്. ഇതിൽ നിന്നുമുള്ള വിവരങ്ങൾ ഇവിടെ നൽകുന്നു.
Nano Banana-യിൽ മൾട്ടി-ഇമേജ് ഫ്യൂഷൻ എന്നാൽ എന്ത്?
- നിർവ്വചനം: ലൈറ്റിംഗ്, പെർസ്പെക്ടീവ്, കളർ പാലറ്റുകൾ, സ്പേഷ്യൽ അറേഞ്ച്മെന്റ് എന്നിവയിലെ വൈരുദ്ധ്യങ്ങൾ പരിഹരിച്ച് രണ്ടോ അതിലധികമോ ഇൻപുട്ട് ചിത്രങ്ങളെ (വിഷയങ്ങൾ, ശൈലികൾ, ലേഔട്ടുകൾ) ഒരൊറ്റ ഔട്ട്പുട്ടിലേക്ക് സംയോജിപ്പിക്കുന്നത്.
- എന്തുകൊണ്ട് ഇത് പ്രധാനമാണ്: മാനുവൽ മാസ്കിംഗ് ഇല്ലാതെ തന്നെ സങ്കീർണ്ണമായ കോമ്പോസിറ്റുകൾ (ഉദാഹരണത്തിന്, ഒരു വാട്ടർ കളർ ലാൻഡ്സ്കേപ്പിന്റെ ശൈലിയിലുള്ള ഒരു പോർട്രെയ്റ്റ്; ഒരു സിനിമ രംഗത്തിൽ സ്ഥാപിച്ചിട്ടുള്ള ഒരു ഉൽപ്പന്നം) നിർമ്മിക്കാൻ ഇത് നിങ്ങളെ സഹായിക്കുന്നു.
- പ്രധാന കാര്യങ്ങൾ: ഇമേജ് വെയ്റ്റുകൾ, ടെക്സ്റ്റ് പ്രോംപ്റ്റ് മുൻഗണനകൾ, നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ, സീഡ് കൺട്രോൾ, ആസ്പെക്ട്/സൈസ് പരിധികൾ.
സങ്കീർണ്ണമായ കോമ്പോസിഷനുകൾക്കായുള്ള ഉയർന്ന തലത്തിലുള്ള വർക്ക്ഫ്ലോ
- പ്രോംപ്റ്റ് ചെയ്യുന്നതിന് മുമ്പ് കോമ്പോസിഷൻ പ്ലാൻ ചെയ്യുക
- ഏത് ചിത്രമാണ് ലേഔട്ട് (കോമ്പോസിഷൻ) നൽകുന്നത്, ഏതാണ് വിഷയത്തിന്റെ ഐഡന്റിറ്റി നൽകുന്നത്, ഏതാണ് ശൈലി നൽകുന്നത് എന്ന് തീരുമാനിക്കുക. നിങ്ങളുടെ പക്കൽ മൂന്ന് ചിത്രങ്ങളുണ്ടെങ്കിൽ, ഓരോന്നിനും ഒരു റോൾ നൽകുക.
- ഒരു ലഘുചിത്രം സ്കെച്ച് ചെയ്യുക (മാനസികമായി അല്ലെങ്കിൽ പെട്ടെന്നുള്ള ഡൂഡിൽ). ഫോക്കൽ പോയിന്റുകളും ആഴവും ശ്രദ്ധിക്കുക.
- ലേഔട്ടിനായി ഒരു അടിസ്ഥാന ചിത്രം ഉപയോഗിച്ച് ആരംഭിക്കുക
- നിങ്ങൾ ആഗ്രഹിക്കുന്ന സീനുമായി ഇതിനകം യോജിക്കുന്ന പെർസ്പെക്ടീവും ഫ്രെയിമിംഗുമുള്ള ഒരു റഫറൻസ് ചിത്രം ഉപയോഗിക്കുക.
- ആദ്യം അതിന്റെ വെയ്റ്റ് മിതമായി നിലനിർത്തുക (ഉദാഹരണത്തിന്, 0.6–0.8). പിന്നീട് ട്യൂൺ ചെയ്യാം.
- വിഷയത്തിന്റെ ഐഡന്റിറ്റി ചിത്രം(ങ്ങൾ) ചേർക്കുക
- കോമ്പോസിഷനിൽ മാറ്റം വരുത്തുമ്പോൾ ഐഡന്റിറ്റി നഷ്ടപ്പെടാതിരിക്കാൻ, വിഷയത്തിന്റെ റഫറൻസിന് അൽപ്പം ഉയർന്ന വെയ്റ്റ് നൽകുക (ഉദാഹരണത്തിന്, 0.8–1.0).
- സോഴ്സ് തിരക്കുള്ളതാണെങ്കിൽ, ഐഡന്റിറ്റി വ്യക്തമാക്കാൻ ഉറവിട ചിത്രം ക്രോപ്പ് ചെയ്ത് ഉപയോഗിക്കുക.
- ഒരു സ്റ്റൈൽ ഇമേജ് (പാലറ്റ്/ബ്രഷ് വർക്ക്/ലൈറ്റിംഗ്) ഉപയോഗിക്കുക. ഐഡന്റിറ്റിക്ക് കൂടുതൽ പ്രാധാന്യം കൊടുക്കാതിരിക്കാൻ കുറഞ്ഞ വെയ്റ്റിൽ (0.3–0.6) ആരംഭിക്കുക.
- റിയലിസം കുറവാണെങ്കിൽ, ഒരു സ്റ്റൈൽ ഇമേജിന് പകരം ടെക്സ്റ്റിൽ ശൈലി വിശദീകരിക്കാൻ ശ്രമിക്കുക.
- വൈരുദ്ധ്യങ്ങൾ പരിഹരിക്കുന്ന ഒരു പ്രോംപ്റ്റ് എഴുതുക
- വ്യത്യസ്ത റഫറൻസുകളെ ഒരേപോലെ കൊണ്ടുവരാൻ സീൻ, ലെൻസ്, ലൈറ്റിംഗ്, മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ എന്നിവ വ്യക്തമാക്കുക.
- സ്ഥലപരമായ റോളുകൾ ഉൾപ്പെടുത്തുക: “വിഷയം A മുൻവശത്ത്,” “ചിത്രം B-യിൽ നിന്നുള്ള പശ്ചാത്തലം,” “ചിത്രം C-യിൽ നിന്നുള്ള ശൈലി.”
- കോമ്പോസിഷൻ സംരക്ഷിക്കാൻ നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ ചേർക്കുക
- കൃത്രിമ വസ്തുക്കൾ (“വിരൂപമായ കൈകൾ,” “അധിക അവയവങ്ങൾ,” “ഇരട്ട കണ്ണുകൾ,” “ലോഗോ ബ്ലീഡ്,” “യോജിക്കാത്ത ലൈറ്റിംഗ്,” “ഗ്ലിച്ചുകൾ”) എന്നിവ ഒഴിവാക്കുക.
- ശൈലി വളരെ ശക്തമാണെങ്കിൽ, “അമിതമായി സ്റ്റൈലൈസ് ചെയ്ത, പെയിന്റർലി സ്മിയർ” അല്ലെങ്കിൽ “കട്ടിയുള്ള ബ്രഷ് ടെക്സ്ചർ” (വേണ്ടെങ്കിൽ) പോലുള്ള നെഗറ്റീവുകൾ ചേർക്കുക.
- ഒരു നല്ല ഡ്രാഫ്റ്റിന് ശേഷം സീഡ് ലോക്ക് ചെയ്യുക
- ആഗോള കോമ്പോസിഷൻ ശരിയായി വന്നാൽ, വെയ്റ്റുകൾ, സ്റ്റൈൽ ശക്തി, വിശദാംശങ്ങൾ എന്നിവയിൽ കൃത്യമായ മാറ്റങ്ങൾ വരുത്താനായി സീഡ് ഫ്രീസ് ചെയ്യുക.
- ചെറിയ മാറ്റങ്ങളോടെ ആവർത്തിക്കുക
- ഓരോ തവണയും ഒരു പാരാമീറ്റർ മാത്രം മാറ്റുക (ഉദാഹരണത്തിന്, സ്റ്റൈൽ വെയ്റ്റ് +0.1) എന്നിട്ട് താരതമ്യം ചെയ്യുക.
ചില പൊതു ഗൈഡുകൾ ഈ സ്റ്റേജിംഗ് സമീപനം mirror ചെയ്യുന്ന സാഹചര്യങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള പ്രോംപ്റ്റിംഗ് രീതികളും A/B ടെസ്റ്റുകളും നൽകുന്നു. കൂടാതെ റഫറൻസിംഗും നെഗറ്റീവ് പ്രോംപ്റ്റിംഗ് തന്ത്രങ്ങളും എങ്ങനെ ഉപയോഗിക്കാമെന്നും വിശദീകരിക്കുന്നു.
പ്രോംപ്റ്റ് ആർക്കിടെക്ചർ: വിശ്വസനീയമായ പാറ്റേൺ
വേഗത്തിൽ മാറ്റം വരുത്താൻ കഴിയുന്ന ലെയർഡ്, റീഡബിൾ ഘടന ഉപയോഗിക്കുക:
- സിസ്റ്റം/ഇൻസ്ട്രക്ഷണൽ ഉദ്ദേശം (സപ്പോർട്ട് ചെയ്താൽ): “ഐഡന്റിറ്റിക്കായി റഫറൻസ് ചിത്രങ്ങൾ കർശനമായി പിന്തുടരുക, സ്റ്റൈൽ സൂക്ഷ്മതകൾക്കായി ടെക്സ്റ്റ് ഉപയോഗിക്കുക.”
- റോളുകളുള്ള ചിത്രങ്ങളുടെ ബ്ലോക്ക്: ലേഔട്ട്, ഐഡന്റിറ്റി, സ്റ്റൈൽ.
- കോമ്പോസിഷൻ, ക്യാമറ, ലൈറ്റിംഗ്, മെറ്റീരിയലുകൾ എന്നിവ അടങ്ങിയ ടെക്സ്റ്റ് ബ്ലോക്ക്.
- കൺട്രോളുകൾ: സീഡ്, ഗൈഡൻസ്/CFG, സൈസ്/ആസ്പെക്ട്.
ഉദാഹരണ ഘടന (സ്യൂഡോ-പ്രോംപ്റ്റ്):
ചിത്രങ്ങൾ:
- img_layout: <URL or upload id> weight: 0.7 role: layout
- img_identity: <URL or upload id> weight: 0.9 role: subject identity
- img_style: <URL or upload id> weight: 0.4 role: style/palette
പ്രോംപ്റ്റ്:
img_identity-യിൽ നിന്നുള്ള വ്യക്തിയുടെ ഒരു മീഡിയം-ഷോട്ട് പോർട്രെയ്റ്റ്, img_layout-ൽ നിന്നുള്ള തെരുവ് സീനിൽ നിൽക്കുന്നു.
img_style-ൽ നിന്നുള്ള കളർ പാലറ്റും ലൈറ്റിംഗ് മൂഡും നിലനിർത്തുക: ഊഷ്മളമായ സന്ധ്യ, മൃദുവായ റിം ലൈറ്റ്, ഷാലോ ഡെപ്ത് ഓഫ് ഫീൽഡ്.
ക്യാമറ: 50mm, f/1.8, ഷോൾഡർ-ലെവൽ ആംഗിൾ. സോഫ്റ്റ് ബോക്കെ, റിയലിസ്റ്റിക് സ്കിൻ ടെക്സ്ചർ.
വസ്ത്രധാരണം: ലളിതമായ ഡാർക്ക് ജാക്കറ്റ്, ലോഗോകളില്ല. ഭാവം: ശാന്തം, ആത്മവിശ്വാസം.
നെഗറ്റീവുകൾ:
അമിതമായി സ്റ്റൈലൈസ് ചെയ്ത ബ്രഷ് വർക്ക്, പെയിന്റർലി സ്മിയർ, പ്ലാസ്റ്റിക് സ്കിൻ, അധിക വിരലുകൾ, വിരൂപമായ കൈകൾ, ഇരട്ട മുഖ്യാംശങ്ങൾ,
യോജിക്കാത്ത പെർസ്പെക്ടീവ്, പോസ്റ്ററൈസ്ഡ് ഷാഡോകൾ, chromatic noise, ലോഗോ ആർട്ടിഫാക്റ്റുകൾ.
കൺട്രോളുകൾ:
seed: 142375
guidance: 5.5–7.5 (6.5-ൽ ആരംഭിക്കുക)
size: 768x1024 (പോർട്രെയ്റ്റ്) അല്ലെങ്കിൽ 1024x768 (ലാൻഡ്സ്കേപ്പ്)
നിങ്ങളുടെ ഇൻ്റർഫേസ് ഇമേജ് വെയ്റ്റ് സ്ലൈഡറുകളെയോ ടോക്കണുകളെയോ പിന്തുണയ്ക്കുന്നുണ്ടെങ്കിൽ, വെയ്റ്റുകൾ 0.3–1.2 ബാൻഡിൽ നിലനിർത്തുക; ഐഡന്റിറ്റി നഷ്ടപ്പെടുമ്പോൾ മാത്രം ഉയർത്തുക. Nano Banana-ക്ക് പുറത്തും, കുറഞ്ഞ വെയ്റ്റ് സ്വാതന്ത്ര്യം നൽകുമെന്നും ഉയർന്ന വെയ്റ്റ് കൃത്യത ഉറപ്പാക്കുമെന്നും കണ്ടെത്തിയിട്ടുണ്ട്.
ഇമേജ് വെയ്റ്റുകൾ: മൂന്ന് പ്രായോഗിക രീതികൾ
- ഐഡന്റിറ്റിക്ക് പ്രാധാന്യം നൽകുന്ന പോർട്രെയ്റ്റ്
- കാരണം: മുഖത്തിന്റെ കൃത്യത നിലനിർത്തുകയും രൂപത്തെക്കുറിച്ച് സൂചന നൽകുകയും ചെയ്യുന്നു.
- ശൈലിക്ക് പ്രാധാന്യം നൽകുന്ന എഡിറ്റോറിയൽ
- കാരണം: ഫ്രെയിമിൽ ഒരു ശക്തമായ കലാപരമായ ദിശാബോധം നൽകുന്നു.
- സന്തുലിതമായ ലോകം കെട്ടിപ്പടുക്കൽ
- കാരണം: കോമ്പോസിഷൻ ഒത്തിണക്കം ഏറ്റവും പ്രധാനമാണ്; ഐഡന്റിറ്റി ഉണ്ട്, പക്ഷേ പൂർണ്ണമല്ല.
കോമ്പോസിഷൻ കൺട്രോൾ: പെർസ്പെക്ടീവ്, ഡെപ്ത്, ലൈറ്റിംഗ്
- പെർസ്പെക്ടീവ്: ടെക്സ്റ്റിലെയും ചിത്രങ്ങളിലെയും ലെൻസ് തുല്യമായി ക്രമീകരിക്കുക (ഉദാഹരണത്തിന്, വിശാലമായ സീനുകൾക്ക് “24mm വൈഡ് ഷോട്ട്”; പോർട്രെയ്റ്റുകൾക്ക് “85mm”). ലേഔട്ട് ചിത്രം 24mm ആണെങ്കിലും നിങ്ങൾ 85mm ലുക്ക് ആവശ്യപ്പെട്ടാൽ, മോഡൽ വൈരുദ്ധ്യമുള്ള ജ്യാമിതിയെ ഒത്തുതീർപ്പാക്കേണ്ടിവരും. അതിനാൽ അവ സ്ഥിരമായി നിലനിർത്തുക.
- ഡെപ്ത്: മുൻവശം/നടുഭാഗം/പിൻവശം എന്നിങ്ങനെ റോളുകൾ പറയുക (“മുൻവശത്തെ വിഷയം, മധ്യഭാഗത്തെ ആകാശം, പശ്ചാത്തലത്തിലെ പർവതങ്ങൾ”). ഇത് ഒബ്ജക്റ്റ് ഓവർലാപ്പ് കുറയ്ക്കുന്നു.
- ലൈറ്റിംഗ്: ഒരു പ്രധാന പ്രകാശ സ്രോതസ്സും ദിവസത്തിലെ സമയവും വ്യക്തമാക്കുക. “ഇടത് ഭാഗത്ത് പ്രധാന ലൈറ്റ്, ഊഷ്മളമായ; ഫിൽ സോഫ്റ്റ്, കൂൾ; റിം ലൈറ്റ് നേരിയത്” എന്നിങ്ങനെ ഉപയോഗിക്കുക. ഇത് പൊരുത്തമില്ലാത്ത സോഴ്സ് ചിത്രങ്ങൾ ലയിപ്പിക്കാൻ സഹായിക്കുന്നു.
സഹായിക്കുന്ന നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ
- Structural: “യോജിക്കാത്ത പെർസ്പെക്ടീവ്,” “ചരിഞ്ഞ горизонт,” “വിരൂപമായ ശരീരഘടന,” “പരന്ന ആഴം.”
- Surface/texture: “പ്ലാസ്റ്റിക് ഷീൻ,” “മങ്ങിയ വിശദാംശങ്ങൾ,” “പോസ്റ്ററൈസേഷൻ,” “ബാൻഡിംഗ്,” “അമിതമായി ഷാർപ്പൻ ചെയ്ത അരികുകൾ.”
- ശൈലി നിയന്ത്രണം: റിയലിസം ലക്ഷ്യമിടുമ്പോൾ “അമിതമായി സ്റ്റൈലൈസ് ചെയ്തത്,” “കട്ടിയുള്ള ബ്രഷ് ടെക്സ്ചർ,” “കാർട്ടൂണിഷ്” എന്നിവ ഉപയോഗിക്കുക.
- സ്ഥിരത: ലോഗോകളോ വാട്ടർമാർക്കുകളോ ഉണ്ടെങ്കിൽ, “വാട്ടർമാർക്കുകളില്ല, ലോഗോകളില്ല” എന്ന് ചേർക്കുക.
സീഡ്, വേരിയേഷൻ തന്ത്രം
- ഫ്രെയിമിംഗ് ശരിയാകുന്നതുവരെ ഒരു റാൻഡം സീഡ് ഉപയോഗിച്ച് പര്യവേക്ഷണം ചെയ്യുക.
- സീഡ് ലോക്ക് ചെയ്ത് ചെറിയ ഘട്ടങ്ങളിൽ വെയ്റ്റുകൾ മാറ്റുക: ±0.1. ഒരു പതിപ്പ് ലോഗ് സൂക്ഷിക്കുക.
- ചെറിയ വിശദാംശങ്ങൾ (കൈകൾ, ചെറിയ പ്രോപ്പുകൾ) ശരിയാകുന്നില്ലെങ്കിൽ, സീഡ് നിലനിർത്തുക, പക്ഷേ ഗൈഡൻസ്/CFG ±0.5 ആയി മാറ്റുക, നെഗറ്റീവുകൾ ക്രമീകരിക്കുക.
റെസല്യൂഷൻ, വീക്ഷണാനുപാതം, അപ്സ്കെയിലിംഗ്
- അപ്സ്കെയിലിംഗ് സമയത്ത് കോമ്പോസിഷൻ മാറുന്നത് ഒഴിവാക്കാൻ നിങ്ങളുടെ ടാർഗെറ്റ് വീക്ഷണാനുപാതത്തിൽ അല്ലെങ്കിൽ അതിനടുത്തുള്ള അനുപാതത്തിൽ ചിത്രം നിർമ്മിക്കുക.
- നിങ്ങൾക്ക് വളരെ ഉയർന്ന വിശദാംശങ്ങൾ ആവശ്യമാണെങ്കിൽ, 768–1024 px-ൽ ഒരു നല്ല അടിസ്ഥാനം ഉണ്ടാക്കുക, തുടർന്ന് വിശദാംശങ്ങൾ നിലനിർത്തുന്ന ഒരു പാസ് ഉപയോഗിച്ച് അപ്സ്കെയിൽ ചെയ്യുക. അപ്സ്കെയിൽ ചെയ്യുമ്പോൾ വീക്ഷണാനുപാതം മാറ്റുന്നത് ഒഴിവാക്കുക.
ട്രബിൾഷൂട്ടിംഗ്
- മുഖം അല്ലെങ്കിൽ ഐഡന്റിറ്റി മാറുന്നു
- ഐഡന്റിറ്റി വെയ്റ്റ് +0.1 മുതൽ +0.2 വരെ വർദ്ധിപ്പിക്കുക.
- ടെക്സ്റ്റിൽ വ്യക്തമായ ഐഡന്റിറ്റി ഡിസ്ക്രിപ്റ്ററുകൾ ചേർക്കുക (ഹെയർ സ്റ്റൈൽ, മുഖത്തെ അടയാളങ്ങൾ, ആക്സസറികൾ).
- കൃത്യമായ ഐഡന്റിറ്റി ക്രോപ്പ് ഉപയോഗിക്കുക.
- ശൈലി റിയലിസത്തെ അതിശയിക്കുന്നു
- സ്റ്റൈൽ വെയ്റ്റ് കുറയ്ക്കുക; “അമിതമായി സ്റ്റൈലൈസ് ചെയ്ത, പെയിന്റർലി സ്മിയർ” പോലുള്ള നെഗറ്റീവുകൾ ചേർക്കുക.
- സ്റ്റൈൽ ചിത്രത്തിന് പകരം ടെക്സ്റ്റ്-ഒൺലി സ്റ്റൈൽ പ്രോംപ്റ്റ് ഉപയോഗിക്കുക.
- ലേഔട്ട് വെയ്റ്റ് ഉയർത്തുക, ടെക്സ്റ്റിൽ ആഴത്തിലുള്ള സൂചനകൾ വർദ്ധിപ്പിക്കുക (“വിമാനങ്ങളുടെ വ്യക്തമായ വേർതിരിവ്”).
- പ്രോംപ്റ്റ് ലളിതമാക്കുക; വൈരുദ്ധ്യമുള്ള വിശേഷണങ്ങൾ നീക്കം ചെയ്യുക.
- ലൈറ്റിംഗിൽ പൊരുത്തമില്ലായ്മ
- ഒരു ദിവസത്തിലെ സമയവും ഒരു പ്രകാശ ദിശയും നൽകുക; അത് വ്യക്തമായി പറയുക.
- ഒരു സ്റ്റൈൽ ചിത്രം വ്യത്യസ്ത ലൈറ്റിംഗ് നൽകുന്നുണ്ടെങ്കിൽ, അതിന്റെ വെയ്റ്റ് കുറയ്ക്കുക.
- ആവർത്തിച്ചുള്ള പ്രശ്നങ്ങൾ (കൈകൾ, ലോഗോകൾ)
- നെഗറ്റീവുകൾ ശക്തമാക്കുക; ഗൈഡൻസ് ചെറുതായി വർദ്ധിപ്പിക്കുക.
- ചെറിയ മാറ്റങ്ങൾ വരുത്തിയ ശേഷം അതേ സീഡ് ഉപയോഗിച്ച് വീണ്ടും നിർമ്മിക്കുക, അതുവഴി കോമ്പോസിഷൻ നിലനിർത്തുകയും വിശദാംശങ്ങൾ പുതുക്കുകയും ചെയ്യാം.
യഥാർത്ഥ ലോകത്തിലെ ഉപയോഗ കേസുകൾ
- ഒരു ലൈഫ്സ്റ്റൈൽ ക്രമീകരണത്തിലെ ഉൽപ്പന്നം
- ലേഔട്ട്: ലൈഫ്സ്റ്റൈൽ ഫോട്ടോ; ഐഡന്റിറ്റി: ഉൽപ്പന്ന പാക്ക്ഷോട്ട്; ശൈലി: ബ്രാൻഡ് ടോൺ ബോർഡ്.
- നിഴലുകളും പ്രതിഫലനങ്ങളും സ്ഥിരമായി നിലനിർത്താൻ പ്രോംപ്റ്റ് ചെയ്യുക; “പൊങ്ങിക്കിടക്കുന്ന വസ്തുക്കൾ,” “തെറ്റായ പ്രതിഫലനങ്ങൾ” എന്നിവ ഒഴിവാക്കുക.
- ഒരു മാസ്റ്ററുടെ ശൈലിയിലുള്ള പോർട്രെയ്റ്റ്
- ലേഔട്ട്: സ്റ്റുഡിയോ പോസ് റഫറൻസ്; ഐഡന്റിറ്റി: വ്യക്തി; ശൈലി: പെയിന്റിംഗ് അല്ലെങ്കിൽ കളർ ഗ്രേഡ് റഫറൻസ്.
- ടെക്സ്റ്റിൽ സാച്ചുറേഷനും ടെക്സ്ചറും നിയന്ത്രിക്കുക; സാമ്യം നിലനിർത്താൻ സ്റ്റൈൽ വെയ്റ്റ് മിതമായി നിലനിർത്തുക.
- സ്റ്റോറിബോർഡ് പാനൽ മാഷപ്പ്
- ലേഔട്ട്: പരിസ്ഥിതി പ്ലേറ്റ്; ഐഡന്റിറ്റി: കഥാപാത്രത്തിന്റെ ടേൺഎറൗണ്ട്; ശൈലി: സിനിമാറ്റോഗ്രാഫി ഫ്രെയിം.
- ലേഔട്ട് സൂചിപ്പിക്കുന്ന ക്യാമറ ചലനം വ്യക്തമാക്കുക (“താഴ്ന്ന ഡോളി, ചെറിയ ടിൽറ്റ്-അപ്പ്”).
ഉദാഹരണ പ്രോംപ്റ്റുകൾ (കോപ്പി ചെയ്യാൻ തയ്യാറുള്ളത്)
- രണ്ട്-ചിത്ര ഫ്യൂഷൻ: ഐഡന്റിറ്റി + ലേഔട്ട്
ചിത്രങ്ങൾ:
- img_layout: city_street_at_dusk.jpg weight: 0.7 role: layout
- img_identity: subject_headshot.png weight: 1.0 role: identity
പ്രോംപ്റ്റ്:
ഒരു ക്രോസ്സ്വാക്കിൽ നിൽക്കുന്ന വ്യക്തിയുടെ മീഡിയം-ഷോട്ട് പോർട്രെയ്റ്റ്, img_layout-ന്റെ അതേ പെർസ്പെക്ടീവിൽ.
സുവർണ്ണ മണിക്കൂറിലെ സൈഡ് ലൈറ്റ്, ഷാലോ ഡെപ്ത്, സ്വാഭാവിക ചർമ്മ ഘടന, മൃദുവായ ബോക്കെ.
നെഗറ്റീവുകൾ:
പ്ലാസ്റ്റിക് സ്കിൻ, വിരൂപമായ വിരലുകൾ, അധിക അവയവങ്ങൾ, ലോഗോ ആർട്ടിഫാക്റ്റുകൾ, അമിതമായി ഷാർപ്പൻ ചെയ്ത അരികുകൾ.
കൺട്രോളുകൾ:
seed: 88123, guidance: 6.5, size: 896x1152
- മൂന്ന്-ചിത്ര ഫ്യൂഷൻ: ലേഔട്ട് + ഐഡന്റിറ്റി + ശൈലി
ചിത്രങ്ങൾ:
- img_layout: forest_path_wide.png weight: 0.8 role: layout
- img_identity: runner_profile.jpg weight: 0.9 role: identity
- img_style: teal_orange_grade.png weight: 0.5 role: style
പ്രോംപ്റ്റ്:
അതേ വനപാതയിൽ ഓടുന്നയാളുടെ ഫുൾ-ബോഡി ഷോട്ട്, ചലനാത്മകമായ നടത്തം, വ്യക്തമായ ചലനം, ടീൽ-ഓറഞ്ച് സിനിമാറ്റിക് ഗ്രേഡ്.
ലെൻസ് 35mm, താഴ്ന്ന ആംഗിൾ, പ്രഭാതത്തിലെ മൂടൽമഞ്ഞ്, വലതുവശത്ത് നിന്നുള്ള സൂര്യരശ്മി.
നെഗറ്റീവുകൾ:
മോഷൻ ബ്ലർ സ്ട്രീക്കുകൾ, മങ്ങിയ ഇലകൾ, പോസ്റ്ററൈസേഷൻ, പൊരുത്തമില്ലാത്ത നിഴലുകൾ.
കൺട്രോളുകൾ:
seed: 44701, guidance: 6.0, size: 1024x768
- ശൈലിക്ക് പ്രാധാന്യം നൽകുന്ന എഡിറ്റോറിയൽ കോമ്പോസിറ്റ്
ചിത്രങ്ങൾ:
- img_layout: studio_three_point_lighting.jpg weight: 0.6 role: layout
- img_identity: model_closeup.png weight: 0.7 role: identity
- img_style: magazine_cover_moodboard.jpg weight: 0.9 role: style
പ്രോംപ്റ്റ്:
എഡിറ്റോറിയൽ കവർ പോർട്രെയ്റ്റ്, തിളങ്ങുന്ന ഹൈലൈറ്റുകൾ, കുറഞ്ഞ പശ്ചാത്തലം, ടൈപ്പോഗ്രാഫിക്ക് അനുയോജ്യമായ നെഗറ്റീവ് സ്പേസ് ഇടത് ഭാഗത്ത്.
ലെൻസ് 85mm, f/2, ന്യൂട്രൽ എക്സ്പ്രഷൻ, ക്ലീൻ മേക്കപ്പ്.
നെഗറ്റീവുകൾ:
കഠിനമായ സ്കിൻ സ്മൂത്തിംഗ്, അമിതമായി സ്റ്റൈലൈസ് ചെയ്ത ബ്രഷ് വർക്ക്, ബാൻഡിംഗ്, കളർ ഫ്രിഞ്ചിംഗ്.
കൺട്രോളുകൾ:
seed: 99021, guidance: 7.0, size: 1024x1365
ഈ മോഡലിനെക്കുറിച്ചുള്ള കൂടുതൽ സാഹചര്യപരമായ सेटअप- കളെക്കുറിച്ചും പ്രോംപ്റ്റ് ഉദാഹരണങ്ങളെക്കുറിച്ചും അറിയാൻ കമ്മ്യൂണിറ്റി എഴുതിയ ലേഖനങ്ങൾ സഹായകമാണ്. Nano Banana-യുടെ ശക്തിയായി മൾട്ടി-ഇമേജ് ഫ്യൂഷനെക്കുറിച്ചും പറയുന്നുണ്ട്.
സങ്കീർണ്ണമായ രംഗങ്ങൾക്കായുള്ള പ്രോ ടിപ്പുകൾ
- ഓരോന്നിന്റെയും റോൾ വ്യക്തമാക്കുക: നിങ്ങൾ കൂടുതൽ ചിത്രങ്ങൾ ഉപയോഗിക്കുമ്പോൾ, ഓരോന്നിന്റെയും ജോലി എന്താണെന്ന് വ്യക്തമാക്കണം.
- റിയലിസത്തിന് മുൻഗണന നൽകുക: ലെൻസ്, അപ്പർച്ചർ, ഉയരം, ലൈറ്റിംഗ് ദിശ എന്നിവ നൽകുക.
- ശൈലി ഒരു മസാലയായി ഉപയോഗിക്കുക: കുറഞ്ഞ അളവിൽ തുടങ്ങി ആവശ്യാനുസരണം കൂട്ടുക.
- ഒരു ഡിസൈനറെപ്പോലെ ആവർത്തിക്കുക: നിശ്ചിത സീഡ് ഉപയോഗിച്ച് ചെറിയ മാറ്റങ്ങൾ വരുത്തുക.
- എപ്പോൾ മാറണമെന്ന് അറിയുക: ഒരു ചിത്രം ലക്ഷ്യത്തിന് വിരുദ്ധമായി പ്രവർത്തിക്കുന്നുണ്ടെങ്കിൽ (പെർസ്പെക്ടീവിൽ വൈരുദ്ധ്യം), അത് ട്യൂൺ ചെയ്യുന്നതിനുപകരം മാറ്റുക.
Sider.AI-യെക്കുറിച്ചുള്ള ഒരു കുറിപ്പ്
നിങ്ങൾ പ്രോംപ്റ്റ് ഡ്രാഫ്റ്റിംഗും ആവർത്തിച്ചുള്ള താരതമ്യങ്ങളും ചെയ്യുകയാണെങ്കിൽ, സീഡുകൾ, വെയ്റ്റുകൾ, നെഗറ്റീവുകൾ എന്നിവയുടെ വിവിധ പതിപ്പുകൾ സൂക്ഷിക്കുന്ന ഒരു വർക്ക്സ്പേസ് ഉപയോഗപ്രദമാണ്. മൾട്ടി-ഇമേജ് റോളുകൾ ടെംപ്ലേറ്റ് ചെയ്യാനും ഇമേജ് ID-കൾ സംഭരിക്കാനും വെയ്റ്റുകൾ വേഗത്തിൽ മാറ്റാനും ഒരു പ്രോംപ്റ്റ് മാനേജ്മെൻ്റ് ടൂൾ ഉപയോഗിക്കാം – ഫ്യൂഷൻ ഗുണനിലവാരം മെച്ചപ്പെടുത്താൻ ഇത് സഹായകമാണ്.
പ്രധാന കണ്ടെത്തലുകൾ
- ഓരോ റഫറൻസ് ചിത്രത്തിനും വ്യക്തമായ റോളുകൾ നൽകുക: ലേഔട്ട്, ഐഡന്റിറ്റി, ശൈലി.
- സ്റ്റൈൽ വെയ്റ്റ് കുറച്ച് ഉപയോഗിച്ച് തുടങ്ങുക; ഉയർന്ന വെയ്റ്റ് നൽകി ഐഡന്റിറ്റി സംരക്ഷിക്കുക.
- ടെക്സ്റ്റിലെയും ചിത്രങ്ങളിലെയും ലെൻസും ലൈറ്റിംഗും ഒരുപോലെ ക്രമീകരിക്കുക.
- ചെറിയ മാറ്റങ്ങൾ വരുത്തുന്നതിന് മുമ്പ് സീഡ് ലോക്ക് ചെയ്യുക; ഓരോ തവണയും ഒരൊറ്റ കാര്യം മാത്രം മാറ്റുക.
- ഘടന, ടെക്സ്ചർ, ആർട്ടിഫാക്റ്റ് കൺട്രോൾ എന്നിവയ്ക്കായി ടാർഗെറ്റ് ചെയ്ത നെഗറ്റീവുകൾ ഉപയോഗിക്കുക.
റഫറൻസുകളും കൂടുതൽ വായനയ്ക്ക്: Nano Banana പ്രോംപ്റ്റിംഗിനെക്കുറിച്ചുള്ള അവലോകനങ്ങളും കമ്മ്യൂണിറ്റി എങ്ങനെ ഉപയോഗിക്കാമെന്ന് നൽകുന്ന വിവരങ്ങളും; അതിന്റെ മൾട്ടി-ഇമേജ് ഫ്യൂഷൻ കഴിവിനെക്കുറിച്ചുള്ള വിവരങ്ങളും; മോഡൽ ഡയറക്ടറി ലിസ്റ്റിംഗും.
പതിവുചോദ്യങ്ങൾ
Q1: Nano Banana-യിൽ മികച്ച ഫ്യൂഷനായി ഒന്നിലധികം ചിത്രങ്ങൾക്ക് എങ്ങനെ വെയ്റ്റ് നൽകാം?
റോളുകൾ നൽകുക (ലേഔട്ട്, ഐഡന്റിറ്റി, ശൈലി) കൂടാതെ 0.7/1.0/0.5 പോലുള്ള വെയ്റ്റുകളിൽ ആരംഭിക്കുക. സാമ്യം കുറവാണെങ്കിൽ ഐഡന്റിറ്റി വെയ്റ്റ് ഉയർത്തുക; റിയലിസത്തെ ശൈലി അതിശയിക്കുന്നുവെങ്കിൽ സ്റ്റൈൽ വെയ്റ്റ് കുറയ്ക്കുക. ±0.1 പോലുള്ള ചെറിയ മാറ്റങ്ങൾ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു.
Q2: Nano Banana-യിലെ മൾട്ടി-ഇമേജ് ഫ്യൂഷനിൽ ഏത് നെഗറ്റീവ് പ്രോംപ്റ്റുകളാണ് സഹായിക്കുന്നത്?
Structural, texture എന്നിവ പരിരക്ഷിക്കുക: “വിരൂപമായ ശരീരഘടന, പൊരുത്തമില്ലാത്ത പെർസ്പെക്ടീവ്, പ്ലാസ്റ്റിക് സ്കിൻ, പോസ്റ്ററൈസേഷൻ, അമിതമായി ഷാർപ്പൻ ചെയ്ത അരികുകൾ, ലോഗോ ആർട്ടിഫാക്റ്റുകൾ.” റിയലിസം ആവശ്യമായി വരുമ്പോൾ “അമിതമായി സ്റ്റൈലൈസ് ചെയ്ത ബ്രഷ് വർക്ക്” പോലുള്ള ശൈലി നിയന്ത്രണ നെഗറ്റീവുകൾ ചേർക്കുക.
Q3: സങ്കീർണ്ണമായ കോമ്പോസിഷനുകൾ മിക്സ് ചെയ്യുമ്പോൾ ഞാൻ സീഡ് ശരിയാക്കണോ?
അതെ. ഫ്രെയിമിംഗ് ഇഷ്ടപ്പെടുന്നതുവരെ സ്വതന്ത്രമായി പര്യവേക്ഷണം ചെയ്യുക, തുടർന്ന് കോമ്പോസിഷൻ നഷ്ടപ്പെടാതെ വെയ്റ്റുകൾ, സ്റ്റൈൽ ശക്തി, ഗൈഡൻസ്, നെഗറ്റീവുകൾ എന്നിവയിൽ മാറ്റങ്ങൾ വരുത്താനായി സീഡ് ലോക്ക് ചെയ്യുക.
Q4: മൾട്ടി-ഇമേജ് ഫ്യൂഷനായി ഞാൻ ഏത് റെസല്യൂഷനും വീക്ഷണാനുപാതവുമാണ് ഉപയോഗിക്കേണ്ടത്?
കോമ്പോസിഷൻ മാറുന്നത് ഒഴിവാക്കാൻ നിങ്ങളുടെ ടാർഗെറ്റ് വീക്ഷണാനുപാതത്തിനനുസരിച്ച് (ഉദാഹരണത്തിന്, 1024×768 അല്ലെങ്കിൽ 896×1152) ചിത്രം നിർമ്മിക്കുക. അതിനുശേഷം വിശദാംശങ്ങൾ നിലനിർത്തുന്ന ഒരു പാസ് ഉപയോഗിച്ച് അപ്സ്കെയിൽ ചെയ്യുക, വീക്ഷണാനുപാതം സ്ഥിരമായി നിലനിർത്തുക.
Q5: എനിക്ക് ഒരു സ്റ്റൈൽ ചിത്രവും ടെക്സ്റ്റ് വിവരണവും ഒരുമിപ്പിക്കാൻ കഴിയുമോ?
തീർച്ചയായും. കുറഞ്ഞ സ്റ്റൈൽ ഇമേജ് വെയ്റ്റിൽ (0.3–0.5) ആരംഭിച്ച് ടെക്സ്റ്റിലൂടെ രൂപം മെച്ചപ്പെടുത്തുക (ലൈറ്റിംഗ്, കളർ ഗ്രേഡ്). സ്റ്റൈൽ ചിത്രം സീനുമായി യോജിക്കുന്നില്ലെങ്കിൽ, അതിന്റെ വെയ്റ്റ് കുറയ്ക്കുക അല്ലെങ്കിൽ ടെക്സ്റ്റ്-ഒൺലി സ്റ്റൈലിംഗിലേക്ക് മാറുക.