ടെക്സ്റ്റ്-ടു-ഇമേജിന്റെ കാര്യം എന്തെന്നാൽ, എല്ലാവരും ഇത് മാന്ത്രികമാണെന്ന് നടിക്കും, നിങ്ങൾ ഇത് ഉപയോഗിക്കേണ്ടി വരുന്നതുവരെ. പിന്നീട് ഇത് പ്ലംബിംഗ് പോലെയാണ്. Grok Image 0.9 -നെ പലപ്പോഴും “Grok Imagine” എന്ന് വിളിക്കാറുണ്ട് - സാധാരണയായി പറയുന്ന വാഗ്ദാനങ്ങൾ ഇതൊക്കെയാണ്: കുറച്ച് വാക്കുകൾ ടൈപ്പ് ചെയ്യുക, ഒരു ചിത്രം നേടുക, നിങ്ങൾക്ക് സിനിമാറ്റിക് ഫീൽ തോന്നുകയാണെങ്കിൽ ഒരു ചെറിയ വീഡിയോ പോലും ഉണ്ടാക്കാം. ഇതിലെ തന്ത്രം ഇത് പ്രവർത്തിക്കുന്നു എന്നതല്ല, മറിച്ച് നിങ്ങളുടെ ഇഷ്ടത്തിനനുസരിച്ച്, സ്ഥിരമായി, ഒരു സ്റ്റേജ് അമ്മയെപ്പോലെ ഓരോ പിക്സലിനെയും ശ്രദ്ധിക്കാതെ എങ്ങനെ പ്രവർത്തിപ്പിക്കാം എന്നതാണ്.
Grok Image 0.9 ഉപയോഗിച്ച് എങ്ങനെ പ്രോംപ്റ്റുകളെ ദൃശ്യങ്ങളാക്കി മാറ്റാമെന്ന് ഇതാ ഒരു ലളിതമായ വിശദീകരണം - ഈ ടൂൾ എവിടെയാണ് തിളങ്ങുന്നത്, എവിടെയാണ് പ്രധാനപ്പെട്ട കാര്യങ്ങൾ ഒളിപ്പിക്കുന്നത്, മാർക്കറ്റിംഗ് പൊലിപ്പിക്കലുകളെ നിങ്ങൾ എവിടെയാണ് എതിർക്കേണ്ടത് എന്നതിനെക്കുറിച്ചെല്ലാം സംശയത്തോടെ നോക്കിക്കാണാവുന്നതാണ്. അവിടെ ധാരാളം സംസാരവിഷയങ്ങളുണ്ട്, അതിൽ “Aurora engines,” ആകർഷകമായ വീഡിയോ അവകാശവാദങ്ങൾ, മാറിക്കൊണ്ടിരിക്കുന്ന ഫീച്ചറുകളുടെ പേരുകൾ എന്നിവയുമുണ്ട്. അതിൽ ചിലത് യാഥാർത്ഥ്യമാണ്, ചിലത് വലിയ സ്വപ്നങ്ങളാണ്. “ചെയ്യാൻ കഴിയുന്നത്” എന്താണെന്നും, “കീനോട്ടിൽ കേൾക്കാൻ കൊള്ളാവുന്നത്” എന്താണെന്നും ഞങ്ങൾ വേർതിരിക്കും. ഇതിന്റെ പശ്ചാത്തലത്തിൽ, xAI-യുടെ Grok-ന് ഔദ്യോഗിക മൾട്ടിമോഡൽ കഴിവുകളുണ്ട് - ഒബ്ജക്റ്റ് ഡിറ്റക്ഷനും ലാംഗ്വേജ്-ഡ്രൈവൻ വിഷനും രേഖപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് ബ്രാൻഡിന് കീഴിൽ ഒരു അടിത്തറയുണ്ടെന്ന് സൂചിപ്പിക്കുന്നു, അല്ലാതെ ഒരു പെട്ടിയിലെ സ്റ്റിക്കറല്ല. കൂടാതെ, 0.9 പോലുള്ള പതിപ്പ് ടാഗുകളും വലിയ ഫീച്ചർ ലിസ്റ്റുകളുമുള്ള ടെക്സ്റ്റ്-ടു-ഇമേജ്, ടെക്സ്റ്റ്-ടു-വീഡിയോ എന്നിവ പ്രോത്സാഹിപ്പിക്കുന്ന “Grok Imagine” ഫ്രണ്ടെൻഡുകളുടെ ഒരു ചെറിയ വ്യവസായം തന്നെ വളർന്നു വരുന്നുണ്ട്. വാങ്ങുന്നയാൾ ശ്രദ്ധിച്ച് വാങ്ങുക.
എന്തുകൊണ്ട് Grok Image 0.9, എന്തുകൊണ്ട് ഇപ്പോൾ?
- കാരണം ടെക്സ്റ്റ്-ടു-ഇമേജ് ജനാധിപത്യപരവും അതേസമയം ദേഷ്യം പിടിപ്പിക്കുന്നതുമാണ്. ആർക്കും ഇത് പരീക്ഷിക്കാം, എന്നാൽ ആദ്യ ദിവസം തന്നെ നന്നായി ഉപയോഗിക്കാൻ വളരെ കുറച്ചുപേർക്കേ കഴിയൂ. നിങ്ങൾക്ക് ഒരു മെന്റൽ മോഡൽ ആവശ്യമാണ്.
- കാരണം Grok-ന്റെ പുതിയ ഇമേജറുകൾ ഫോട്ടോ-റിയലിസവും വീഡിയോ ഉണ്ടാക്കാനുള്ള കഴിവും അവകാശപ്പെടുന്നു. അതിൽ പകുതി സത്യമാണെങ്കിൽ പോലും, ഇത് നിങ്ങളുടെ സമയം വിലമതിക്കുന്നതാണ് - പ്രത്യേകിച്ചും പെട്ടെന്നുള്ള കോമ്പോസിഷനുകൾ, മൂഡ് ബോർഡുകൾ, സ്റ്റോറിബോർഡുകൾ, ലഘുചിത്ര ആശയങ്ങൾ എന്നിവയ്ക്ക്.
- കാരണം മൾട്ടിമോഡാലിറ്റി - ടെക്സ്റ്റ്, ഇമേജ്, ഒരുപക്ഷേ ചലനം - “ഇത് അടിപൊളിയാക്ക്” എന്നതിനേക്കാളും പ്രാർത്ഥിക്കുന്നതിനേക്കാളും മികച്ച പ്രോംപ്റ്റ് ഡിസിപ്ലിൻ ആവശ്യമാണ്.
ഈ ഗൈഡ് പ്രായോഗികമായ കാര്യങ്ങൾ ലക്ഷ്യമിടുന്നു: Grok ശരിക്കും ശ്രദ്ധിക്കുന്ന പ്രോംപ്റ്റുകൾ എങ്ങനെ എഴുതാം, എങ്ങനെ മെച്ചപ്പെടുത്താം, സ്റ്റൈൽ എങ്ങനെ നിയന്ത്രിക്കാം, സിസ്റ്റം എവിടെയാണ് വഴിതെറ്റിപ്പോകാൻ സാധ്യതയുള്ളത്.
ലളിതമായി തുടങ്ങുക, ബോധപൂർവ്വം
ആളുകൾ തിരക്കഥയിലെ ലോഗ്ലൈനുകൾ പോലെ പ്രോംപ്റ്റുകൾ എഴുതുന്നു, എന്നിട്ട് മോഡൽ മെച്ചപ്പെടുത്തുമ്പോൾ അത്ഭുതപ്പെടുന്നു.
- വിഷയം: വ്യക്തമായ ഒരു നാമപദം. “ഒരു ഗോൾഡൻ റിട്രീവർ നായക്കുട്ടി.”
- സന്ദർഭം: എവിടെ/എപ്പോൾ/എങ്ങനെ. “ഒരു അടുക്കളയിൽ സൂര്യോദയത്തിൽ.”
- കാഴ്ചപ്പാടും ലെൻസും: “35mm, ഷാലോ ഡെപ്ത് ഓഫ് ഫീൽഡ്, f/2.0, ക്ലോസപ്പ്.”
- ടോൺ/സ്റ്റൈൽ: “ഇളം പ്രകൃതിദത്ത വെളിച്ചം, ഊഷ്മളമായ കളർ ഗ്രേഡിംഗ്.”
- ഔട്ട്പുട്ട് ഫോർമാറ്റ്: “4:5 പോർട്രെയിറ്റ്, 2048×2560.”
അത്രയേയുള്ളൂ. ഓരോ വരിയിലും ഓരോ വാക്യം മാത്രം. മോഡൽ അടിസ്ഥാനകാര്യങ്ങൾ അനുസരിക്കുന്നതുവരെ വിശേഷണങ്ങൾ ഉപയോഗിക്കാതിരിക്കുക. Grok Image 0.9 ഉപയോഗിച്ച് - അല്ലെങ്കിൽ ഏതെങ്കിലും ടെക്സ്റ്റ്-ടു-ഇമേജ് എഞ്ചിൻ ഉപയോഗിച്ച് - ആദ്യത്തെ വിജയം അതിനെ ബുദ്ധിപരമായി പ്രവർത്തിക്കുന്നത് നിർത്തലാക്കുക എന്നതാണ്. ബുദ്ധി നിങ്ങൾക്ക് വേണ്ടിയുള്ളതാണ്; വാച്യാർത്ഥം മോഡലിന് വേണ്ടിയുള്ളതാണ്.
ഒരു ചൂതാട്ടക്കാരനെപ്പോലെയല്ല, ഒരു ഡയറക്ടറെപ്പോലെ ആവർത്തിക്കുക
- ഓരോ തവണയും ഓരോ വേരിയബിൾ മാറ്റുക. നിങ്ങൾ ലൈറ്റിംഗും കോമ്പോസിഷനും പോസും മാറ്റുകയാണെങ്കിൽ, എന്തുകൊണ്ടാണ് ഔട്ട്പുട്ട് മെച്ചപ്പെട്ടതെന്ന് (അല്ലെങ്കിൽ മോശമായതെന്ന്) നിങ്ങൾക്കറിയില്ല.
- A/B പ്രോംപ്റ്റിംഗ് ഉപയോഗിക്കുക. പ്രോംപ്റ്റ് ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്യുക, ഒരു ക്ലോസ് മാറ്റുക (“ബാക്ക്ലൈറ്റ്” എന്നത് “45°യിൽ കീ ലൈറ്റ്” എന്നാക്കുക), എന്നിട്ട് താരതമ്യം ചെയ്യുക.
- കുറിപ്പുകളുള്ള മോശം ഇമേജുകൾ സൂക്ഷിക്കുക. മോഡൽ എവിടെയാണ് വഴിതെറ്റിപ്പോകുന്നതെന്ന് മോശം ചിത്രങ്ങൾ നിങ്ങളെ പഠിപ്പിക്കുന്നു. നല്ല മോഡലുകൾ കുറഞ്ഞ അളവിൽ വഴിതെറ്റിപ്പോകുന്നു. മികച്ച പ്രോംപ്റ്റുകൾ നിർദ്ദേശങ്ങളെ തെറ്റുകൾ വരാത്ത രീതിയിൽ ക്രമീകരിക്കുന്നു.
നിങ്ങളുടെ നാമപദങ്ങൾ മെച്ചപ്പെടുത്തുക
ഔട്ട്പുട്ടുകൾ മെച്ചപ്പെടുത്താനുള്ള ഏറ്റവും വേഗമേറിയ മാർഗ്ഗം മികച്ച നാമപദങ്ങൾ ഉപയോഗിക്കുക എന്നതാണ്: ബ്രാൻഡ് നെയിമുകൾ (അനുവദനീയമായ സ്ഥലങ്ങളിൽ), ലെൻസ് നെയിമുകൾ, മെറ്റീരിയലുകൾ, ക്യാമറ ബോഡികൾ, ഫിലിം സ്റ്റോക്കുകൾ. ഫോട്ടോ റിയലിസം പരസ്യം ചെയ്യുന്ന Grok-ബ്രാൻഡഡ് ഇമേജറുകൾ പലപ്പോഴും ക്യാമറ/ലെൻസ് പദാവലികളോട് നന്നായി പ്രതികരിക്കുന്നു; ഇത് മോഡൽ പരിശീലന സമയത്ത് കണ്ടിരിക്കാൻ സാധ്യതയുള്ള നിയന്ത്രണങ്ങളുള്ള രംഗത്തെ അടിസ്ഥാനമാക്കുന്നു.
- ക്യാമറ/ഫിലിം: “Leica M10, Portra 400” നിറവും ഗ്രെയിനും സൂചിപ്പിക്കുന്നു.
- ലെൻസ് വിശദാംശങ്ങൾ: “50mm Summilux, f/1.4 bokeh” ഡെപ്തും ഹൈലൈറ്റുകളും നിയന്ത്രിക്കുന്നു.
- മെറ്റീരിയലുകൾ: “ബ്രഷ് ചെയ്ത അലുമിനിയം, മാറ്റ് സെറാമിക്, വാൽനട്ട് വെനീർ” ടെക്സ്ചർ വ്യക്തമാക്കുന്നു.
സ്റ്റൈലിസ്റ്റിക് ഗാർഡ്റെയിലുകൾ (അതുകൊണ്ട് ഇത് Pinterest പോലെയാവില്ല)
- സ്റ്റൈൽ ആങ്കറുകൾ: ഒരു പ്രത്യേക ലിവിംഗ് ആർട്ടിസ്റ്റിനേക്കാൾ സുരക്ഷിതമാണ് “മിഡ്-സെഞ്ച്വറി പ്രൊഡക്റ്റ് കാറ്റലോഗിന്റെ ശൈലിയിൽ” എന്നത്, ഇത് സാധാരണയായി നന്നായി പ്രവർത്തിക്കുകയും ചെയ്യും.
- കളർ ഡിസിപ്ലിൻ: 3–5 പേരുള്ള നിറങ്ങൾ ഉപയോഗിച്ച് പാലറ്റ് വ്യക്തമാക്കുക (“ഓക്സ്ഫോർഡ് ബ്ലൂ, ഐവറി, വാൽനട്ട്, ബ്രാസ്, മ്യൂട്ടഡ് ടീൽ”).
- കോമ്പോസിഷൻ നിയമങ്ങൾ: “റൂൾ ഓഫ് തേർഡ്സ്, വിഷയത്തെ ഇടത് ഭാഗത്ത് മൂന്നിലൊന്നായി കേന്ദ്രീകരിക്കുക, വലതുവശത്ത് നെഗറ്റീവ് സ്പേസ് നൽകുക.” അതെ, നിങ്ങൾക്ക് ഇത് അങ്ങനെ പറയാൻ കഴിയും, ഇത് പലപ്പോഴും സഹായിക്കുകയും ചെയ്യും.
നിങ്ങൾക്ക് ഫോട്ടോ റിയലിസ്റ്റിക് മുഖങ്ങൾ ആവശ്യമുള്ളപ്പോൾ
മുഖങ്ങൾ ടെക്സ്റ്റ്-ടു-ഇമേജ് മോഡലുകൾക്ക് മനോഹരമാകുന്ന ഒരിടമാണ്. ഷോട്ടുകളിൽ സ്ഥിരത നിലനിർത്താൻ:
- പോസും ലൈറ്റിംഗും ലോക്ക് ചെയ്യുക. “ത്രീ-ക്വാർട്ടർ പ്രൊഫൈൽ, വലത് വശത്ത് കീ ലൈറ്റ്, 10 മണിക്ക് കാച്ച്ലൈറ്റുകൾ.”
- പ്രായത്തിന്റെ അടയാളങ്ങൾ യാഥാർത്ഥ്യബോധത്തോടെ വിവരിക്കുക. “ചെറിയ കാക്കപ്പുള്ളികൾ, നേരിയ നാസോലാബിയൽ മടക്ക്” എഴുതാൻ വിചിത്രമാണ്, പക്ഷേ മുഖം സ്ഥിരമാക്കുന്നു.
- ആട്രിബ്യൂട്ടുകൾ വ്യക്തമാക്കുക. മുടിയുടെ സ്റ്റൈൽ, ചർമ്മത്തിന്റെ നിറം, കണ്ണിന്റെ നിറം എന്നിവ ഒരു വാക്യത്തിന്റെ നടുവിൽ ഒളിപ്പിക്കരുത്; അവ ലിസ്റ്റ് ചെയ്യുക.
ആസ്പെക്റ്റ് റേഷ്യോയും റെസല്യൂഷനും
ആവശ്യമുള്ളത് മുൻകൂട്ടി ചോദിക്കുക. ടൂൾ കൃത്യമായ അളവുകളെ പിന്തുണയ്ക്കുകയാണെങ്കിൽ (“Grok Imagine 0.9” UI-കളിൽ പലതും), അത് ഉപയോഗിക്കുക. ഇല്ലെങ്കിൽ, ആസ്പെക്റ്റ് റേഷ്യോ ഉപയോഗിക്കുക: “16:9 അൾട്രാ-വൈഡ് എസ്റ്റാബ്ലിഷിംഗ് ഷോട്ട്, 4096×2304 നല്ലതാണ്.” എഞ്ചിൻ വീഡിയോ അല്ലെങ്കിൽ ഇമേജ്-ടു-വീഡിയോയെ പിന്തുണയ്ക്കുകയാണെങ്കിൽ, ക്ലിപ്പുകളിൽ ജിറ്റർ അല്ലെങ്കിൽ സോഫ്റ്റ് ഫ്രെയിമുകൾ ഒഴിവാക്കാൻ നിങ്ങൾ ഒരു അടിസ്ഥാന റെസല്യൂഷനിൽ സ്റ്റാൻഡേർഡ് ആക്കണം.
നിങ്ങൾക്ക് ശരിക്കും ഉപയോഗിക്കാൻ കഴിയുന്ന പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ
- ഉൽപ്പന്നത്തിന്റെ പ്രധാന ചിത്രം
വിഷയം: “വയർലെസ് ഓവർ-ഇയർ ഹെഡ്ഫോണുകൾ, മാറ്റ് ബ്ലാക്ക്, ബ്രഷ് ചെയ്ത അലുമിനിയം ഹെഡ്ബാൻഡ്.”
സജ്ജീകരണം: “മാർബിൾ പ്രതലത്തിൽ, പ്രഭാതത്തിലെ ജനൽ വെളിച്ചം, മൃദുലമായ പ്രതിഫലനങ്ങൾ.”
ലെൻസ്: “85mm, f/2.8, നേരിയ ബാക്ക്ലൈറ്റ് എഡ്ജ്.”
ശൈലി: “ആപ്പിൾ-എസ്ക്യൂ ഉൽപ്പന്ന ഫോട്ടോഗ്രാഫി, കുറഞ്ഞത്, വലതുവശത്ത് നെഗറ്റീവ് സ്പേസ്.”
ഔട്ട്പുട്ട്: “3:2, 3000×2000.”
- കഥാപാത്രത്തിന്റെ ചിത്രം (ഏകദേശം റിയലിസ്റ്റിക്)
വിഷയം: “മധ്യവയസ്സുള്ള സ്ത്രീ, ചുരുണ്ട ഉപ്പും കുരുമുളകുമുള്ള മുടി, ഒലിവ് നിറമുള്ള ചർമ്മം, പച്ച കണ്ണുകൾ.”
പോസ്: “ത്രീ-ക്വാർട്ടർ പ്രൊഫൈൽ, നേരിട്ടുള്ള നോട്ടം.”
ലൈറ്റിംഗ്: “റെംബ്രാൻഡ് ലൈറ്റിംഗ്, ഇടത് നിന്ന് ഊഷ്മളമായ കീ, വലത് നിന്ന് തണുത്ത ഫിൽ.”
ശൈലി: “സിനിമാറ്റിക് ഹെഡ്ഷോട്ട്, പോർട്ര 400 കളർ.”
ഔട്ട്പുട്ട്: “4:5, 2048×2560.”
- പരിസ്ഥിതി ആശയം
വിഷയം: “രാത്രിയിൽ ക്യോട്ടോയിലെ മഴ നനഞ്ഞ തെരുവ് ചന്ത.”
ഘടകങ്ങൾ: “നിയോൺ അടയാളങ്ങൾ, മിനുസമാർന്ന കൽപ്പാതകൾ, തെരുവ് ഭക്ഷണത്തിൽ നിന്നുള്ള ആവി.”
ലെൻസ്: “24mm വൈഡ്, f/4, പ്രതിഫലനങ്ങൾക്ക് ഊന്നൽ നൽകി.”
ശൈലി: “സൈബർപങ്ക് പാലറ്റ്, ടീൽ/ഓറഞ്ച് നിയന്ത്രിതമായി, ഫിലിമിക് ഗ്രെയിൻ.”
ഔട്ട്പുട്ട്: “21:9, 4096×1760.”
അന്ധവിശ്വാസമില്ലാതെ നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ ഉപയോഗിക്കുന്നു
നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ ഒരു മാന്ത്രിക മന്ത്രമല്ല. നിങ്ങൾക്ക് ആവശ്യമില്ലാത്ത എന്തെങ്കിലും മോഡൽ നിർബന്ധിച്ച് ചെയ്തുകൊണ്ടേയിരിക്കുമ്പോൾ അവസാനമായി ഉപയോഗിക്കുന്ന ഒന്നാണ് ഇത്.
- “ടെക്സ്റ്റ് വേണ്ട, വാട്ടർമാർക്ക് വേണ്ട, ബോർഡർ വേണ്ട.”
- “കൂടുതൽ വിരലുകൾ വേണ്ട, കൈകളിൽ വൈകല്യം വേണ്ട.”
- “ലെൻസ് ഫ്ലെയർ വേണ്ട, ക്രോമാറ്റിക് അബറേഷൻ വേണ്ട.”
മിതമായി ഉപയോഗിക്കുക. നിങ്ങൾ ഇരുപത് കാര്യങ്ങൾ ഒഴിവാക്കുകയാണെങ്കിൽ, നിങ്ങളുടെ അടിസ്ഥാന പ്രോംപ്റ്റിലാണ് പ്രശ്നം.
ഒരു കൂട്ടത്തിൽ സ്ഥിരത എങ്ങനെ നിലനിർത്താം
നിങ്ങളുടെ Grok Image 0.9 വർക്ക്ഫ്ലോ അല്ലെങ്കിൽ ഫ്രണ്ടെൻഡ് സീഡുകളെയോ റെഫറൻസ് നിയന്ത്രണത്തെയോ പിന്തുണയ്ക്കുന്നു എന്ന് കരുതുകയാണെങ്കിൽ, നിങ്ങൾക്ക് ഒരു കാമ്പയിനെ സ്ഥിരപ്പെടുത്താൻ കഴിയും.
- ഒരു ബാച്ചിനായി ഒരു സീഡ് ഫിക്സ് ചെയ്യുക. UI അത് കാണിക്കുന്നുണ്ടെങ്കിൽ, നല്ലത്. ഇല്ലെങ്കിൽ, പ്രോംപ്റ്റ് ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്ത് ഒരു റണ്ണിൽ ബാച്ച് ഉണ്ടാക്കുക.
- പാലറ്റ്, ലൈറ്റിംഗ് ഭാഷ എന്നിവ ലോക്ക് ചെയ്യുക. ഒരേ മൂന്ന് വിശേഷണങ്ങൾ, ഒരേ പാലറ്റ്, ഒരേ ലെൻസ്.
- തുടർച്ചയായ ചിത്രീകരണത്തിന് (സ്റ്റോറിബോർഡുകൾ), എല്ലാ പ്രോംപ്റ്റുകളും ഒരു സ്ഥിരമായ ബ്ലോക്ക് ഉപയോഗിച്ച് ആരംഭിക്കുക: “പരമ്പര: നോയർ ഡിറ്റക്ടീവ് ഷോർട്ട്, 50mm ഹാൻഡ്ഹെൽഡ്, ടങ്സ്റ്റൺ പ്രാക്ടിക്കൽസ്, സ്മോക്ക് ഹേസ്, 1/50 ഷട്ടർ സ്മിയർ.” എന്നിട്ട് രംഗത്തിന് അനുയോജ്യമായ വരികൾ ചേർക്കുക.
വീഡിയോയെക്കുറിച്ച് എന്ത്? ഒരു യാഥാർത്ഥ്യ പരിശോധന
Grok Imagine 0.9-നെക്കുറിച്ചുള്ള അവകാശവാദങ്ങളിൽ ടെക്സ്റ്റ്-ടു-വീഡിയോ, ഇമേജ്-ടു-വീഡിയോ, വീഡിയോ-ടു-വീഡിയോ മെച്ചപ്പെടുത്തലുകൾ എന്നിവ ഉൾപ്പെടുന്നു. ഈ ഫീച്ചറുകൾ നിലവിലുണ്ട് എന്നതാണ് വ്യവസായത്തിലെ സത്യം, പക്ഷേ ചലന സ്ഥിരത, കൈകൾ, താൽക്കാലികമായ ഒത്തുചേരൽ എന്നിവയിൽ ഗുണനിലവാരം വളരെയധികം വ്യത്യാസപ്പെട്ടിരിക്കുന്നു. ചില “വീഡിയോ മോഡുകൾ” പൂർണ്ണമായി ആനിമേറ്റുചെയ്ത രംഗം മനസ്സിലാക്കുന്നതിന് പകരം കാൻ ചെയ്ത ചലനത്തോടുകൂടിയ ഇമേജ്-ടു-വീഡിയോ പോലെ പ്രവർത്തിക്കുമെന്നും കമ്മ്യൂണിറ്റി സംസാരം സൂചിപ്പിക്കുന്നു. ചുരുക്കം: മൂഡ് പീസുകൾക്കും ബി-റോളിനും മികച്ചത്; ഒരു സിനിമാട്ടോഗ്രാഫർക്ക് പകരമാവില്ല.
നിങ്ങളുടെ ടൂൾ വീഡിയോ പാരാമീറ്ററുകൾ കാണിക്കുന്നുണ്ടെങ്കിൽ, ഇവിടെ നിന്ന് ആരംഭിക്കുക:
- ദൈർഘ്യം: 3–5 സെക്കൻഡ്. കുറഞ്ഞ സമയം മതി; താൽക്കാലികമായ പ്രശ്നങ്ങൾ കുറയ്ക്കുക.
- ചലനത്തിന്റെ ഉദ്ദേശ്യം: “സ്ലോ പുഷ്-ഇൻ,” “പാരലാക്സ് പാൻ ലെഫ്റ്റ്,” “നേരിയ ഹാൻഡ്ഹെൽഡ് ജിറ്റർ.” നിങ്ങൾ വ്യക്തമാക്കുന്നില്ലെങ്കിൽ, സാധാരണയായി സംഭവിക്കുന്ന വ്യതിയാനം പ്രതീക്ഷിക്കുക.
- താൽക്കാലിക ആങ്കറുകൾ: “2 സെക്കൻഡിൽ ലൈറ്റുകൾ ഒരുതവണ മിന്നുന്നു.” ഇമേജ്-ടു-വീഡിയോയ്ക്ക്, ഒരു ഒബ്ജക്റ്റിന്റെ ചലനം നിർവചിക്കുക; ലോകമെമ്പാടുമുള്ള മാറ്റങ്ങളെ ചെറുക്കുക.
മൾട്ടിമോഡാലിറ്റിയെയും Grok നെയും കുറിച്ചുള്ള ഒരു ചെറിയ കുറിപ്പ്
xAI-യുടെ ഔദ്യോഗിക മെറ്റീരിയലുകൾ മൾട്ടിമോഡൽ ധാരണയെക്കുറിച്ച് പറയുന്നു - ഉദാഹരണത്തിന്, ഒബ്ജക്റ്റ് ഡിറ്റക്ഷനും ലാംഗ്വേജ്-ഡ്രൈവൻ വിഷ്വൽ അനാലിസിസും Grok സ്റ്റാക്കിന്റെ ഭാഗമാണ്. ഇത് മികച്ച ടെക്സ്റ്റ്-ടു-ഇമേജ് ആണെന്ന് ഉറപ്പ് നൽകുന്നില്ല, പക്ഷേ മോഡൽ കാഴ്ചയെ അനുകരിക്കുന്നില്ലെന്ന് ഇത് സൂചിപ്പിക്കുന്നു. വെബിൽ പ്രചരിക്കുന്ന “Grok Imagine” ബ്രാൻഡിംഗ് വിവിധ ഫീച്ചറുകളെക്കുറിച്ചുള്ള അവകാശവാദങ്ങൾ ഉന്നയിക്കുന്നു - ചില ഹോസ്റ്റഡ് ഫ്രണ്ടുകൾ “Aurora engine”, റിയലിസ്റ്റിക് ഔട്ട്പുട്ടുകൾ എന്നിവയെക്കുറിച്ച് പറയുന്നു. ഇവയെ പ്ലാറ്റ്ഫോമിനനുസരിച്ച് വ്യത്യാസപ്പെടാൻ സാധ്യതയുള്ള നടപ്പാക്കൽ വിശദാംശങ്ങളായി കണക്കാക്കുക. ഒരു പ്രത്യേക ഡെപ്ലോയ്മെന്റ് സീഡുകൾ, കൺട്രോൾ നെറ്റുകൾ അല്ലെങ്കിൽ ഇഷ്ടമുള്ള അപ്സ്കെയിലറുകൾ എന്നിവയെ പിന്തുണയ്ക്കുന്നു എന്ന് പറഞ്ഞാൽ, അവ ഉപയോഗിക്കുക. ഇല്ലെങ്കിൽ, അവ ഒരു മാന്ത്രിക ടോഗിളിന് പിന്നിൽ ഒളിപ്പിച്ചിരിക്കുകയാണെന്ന് കരുതരുത്.
എപ്പോൾ മൾട്ടി-ഏജന്റ് പ്രോംപ്റ്റ് സഹായം ചേർക്കണം
വലിയ പ്രോംപ്റ്റുകൾ ഉപയോഗശൂന്യമാകും. നിങ്ങൾ ഖണ്ഡിക രൂപത്തിൽ നിർദ്ദേശങ്ങൾ എഴുതിയിട്ടും വ്യക്തതയില്ലാത്ത മറുപടിയാണ് ലഭിക്കുന്നതെങ്കിൽ, നിങ്ങൾക്ക് ഒരു ഘടന ആവശ്യമാണെന്നതിന്റെ സൂചനയാണത്. നിങ്ങളുടെ അഭ്യർത്ഥനയെ നിയന്ത്രണങ്ങളായി വിഭജിച്ച് നടപ്പിലാക്കുന്ന മൾട്ടി-ഏജന്റ് പ്രോംപ്റ്റ് വർക്ക്ഫ്ലോകൾക്ക്, ഇമേജ് മോഡലിന് ഒരു അവസരം നൽകുന്നതിന് ഇൻപുട്ട് വൃത്തിയാക്കാൻ സഹായിക്കാനാകും. Sider-ന്റെ പ്രോംപ്റ്റ്-സ്കൾപ്റ്റിംഗിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഈ ആശയത്തിലേക്ക് കൂടുതൽ ശ്രദ്ധ നൽകുന്നു: മികച്ച നിയന്ത്രണങ്ങൾ, കുറഞ്ഞ ഇടപെടലുകൾ, കൂടുതൽ സ്ഥിരതയുള്ള ഔട്ട്പുട്ടുകൾ. കൂടുതൽ കാര്യങ്ങൾ കൂട്ടിച്ചേർക്കുക എന്നതല്ല ഇതിലൂടെ ഉദ്ദേശിക്കുന്നത് - നിങ്ങളുടെ പ്രോംപ്റ്റ് വ്യക്തമാക്കുക എന്നതാണ്.
ഒരു അവ്യക്തമായ ആശയത്തിൽ നിന്ന് ഉപയോഗിക്കാവുന്ന ചിത്രത്തിലേക്കുള്ള ഒരു പ്രായോഗിക രീതി
- വിഷയം, പശ്ചാത്തലം, ലെൻസ്, ലൈറ്റിംഗ്, പാലറ്റ്, ഔട്ട്പുട്ട് വലുപ്പം.
- നാല് പതിപ്പുകൾ ഉണ്ടാക്കുക
- നല്ലത് മാത്രം തിരഞ്ഞെടുക്കാതിരിക്കുക; മോഡലിന് എന്താണ് മനസ്സിലായതെന്ന് വിലയിരുത്തുക, നിങ്ങളുടെ ഇഷ്ടത്തിനനുസരിച്ചുള്ള ചിത്രം ഏതാണെന്ന് നോക്കാതിരിക്കുക.
- മുഖങ്ങൾ തെറ്റാണെങ്കിൽ, ആട്രിബ്യൂട്ടുകൾ വിഭജിക്കുക. ലൈറ്റിംഗ് വ്യക്തമല്ലാത്തതാണെങ്കിൽ, ഒരു ഉറവിടത്തിലേക്ക് ചുരുക്കുക. കോമ്പോസിഷൻ മാറിക്കൊണ്ടിരിക്കുകയാണെങ്കിൽ, റൂൾ ഓഫ് തേർഡ്സ് അല്ലെങ്കിൽ സെന്റർ ഫ്രെയിം എന്ന് വ്യക്തമായി പറയുക.
- നാമപദങ്ങൾ ശക്തമാക്കുക, ആവശ്യമില്ലാത്തവ നീക്കം ചെയ്യുക
- “മനോഹരം” എന്നതിന് പകരം “വ്യക്തമായ, ഉയർന്ന DR, കഠിനമായ നിഴലുകൾ” എന്ന് ചേർക്കുക. “Cool style” എന്നതിന് പകരം ഒരു റെഫറൻസ് കാലഘട്ടമോ മാധ്യമമോ നൽകുക.
- ആവശ്യമെങ്കിൽ ഒരു നെഗറ്റീവ് പ്രോംപ്റ്റ് ചേർക്കുക
- അഞ്ചെണ്ണമല്ല, ഒരെണ്ണം മാത്രം.
- വിജയിക്കുന്ന ദിശയ്ക്കായി ഒരു സീഡ് ലോക്ക് ചെയ്യുക
- ടോണും നോയിസും സ്ഥിരമായി നിലനിർത്താൻ ഒരു സെഷനിൽ ബാച്ച് ചെയ്യുക.
- കുറഞ്ഞ പോസ്റ്റ്-പ്രോസസ്സിംഗ്
- സൂക്ഷ്മമായി ഷാർപ്പ് ചെയ്യുക. കൈകൾ ശരിയാക്കുക. എക്സ്പോഷർ ക്രമീകരിക്കുക. നിങ്ങൾ 30 ലെയറുകൾ Photoshopping ചെയ്യുകയാണെങ്കിൽ, പ്രോംപ്റ്റാണ് തെറ്റ്.
നിങ്ങൾ വിചാരിക്കുന്നതിലും വേഗത്തിൽ വരുന്ന ചില പ്രശ്നങ്ങൾ
- ചിത്രങ്ങളിലെ ടെക്സ്റ്റ്: ഇത് ഇപ്പോഴും അപകടകരമാണ്. ടൂൾ ഉണ്ടാക്കിയ ശേഷം “ടെക്സ്റ്റ് ചേർക്കാൻ” അനുവദിക്കുന്നുണ്ടെങ്കിൽ, മോഡലിനോട് നല്ല ടൈപ്പോഗ്രാഫിക്കായി അപേക്ഷിക്കുന്നതിന് പകരം അത് ഉപയോഗിക്കുക.
- ലോഗോകളും വ്യാപാരമുദ്രകളും: മിക്ക സിസ്റ്റങ്ങളും ഒഴിവാക്കുകയോ, വളച്ചൊടിക്കുകയോ, കെട്ടിച്ചമയ്ക്കുകയോ ചെയ്യും. അത് ഒരു ഫീച്ചറാണ്, അല്ലാതെ ഒരു തെറ്റല്ല.
- കൈകളും മികച്ച പാറ്റേണുകളും: മെച്ചപ്പെടുന്നുണ്ട്, പക്ഷേ അത്ഭുതപ്പെടുത്തുന്ന ചില കാര്യങ്ങൾ സംഭവിക്കാം. ഫ്രെയിമിംഗ് വിശാലമായി നിലനിർത്തുക അല്ലെങ്കിൽ കൈകൾക്ക് എന്തെങ്കിലും ജോലി നൽകുക.
ധാർമ്മികത (ചുരുക്കം, കാരണം നിങ്ങൾ ഇവിടെ ചിത്രങ്ങൾ ഉണ്ടാക്കാൻ വന്നതാണ്)
ജീവിച്ചിരിക്കുന്ന കലാകാരന്മാരെ അനുകരിക്കുന്നത് ഒഴിവാക്കുക. അത് മോശം പ്രോംപ്റ്റിംഗിന് കാരണമാവുകയും ചെയ്യും. നിങ്ങൾക്ക് ആവശ്യമുള്ള ഗുണങ്ങൾ പറയുക - മാധ്യമം, കാലഘട്ടം, പാലറ്റ്, കോമ്പോസിഷൻ - അല്ലാതെ ഒരു പ്രത്യേക വ്യക്തിയെ ചൂണ്ടിക്കാണിക്കാതിരിക്കുക. നിങ്ങൾക്ക് മികച്ച ഫലങ്ങളും നല്ല മനഃസാക്ഷിയും ലഭിക്കും.
Sider.AI എവിടെയാണ് ശരിക്കും സഹായിക്കുന്നത്
Sider.AI ഒരു മെറ്റാ-ലെയറായി ഉപയോഗിക്കാൻ എളുപ്പമാണ് - നിങ്ങൾ “Generate” ചെയ്യുന്നതിന് മുമ്പ് പ്രോംപ്റ്റുകൾ എഴുതാനും, മെച്ചപ്പെടുത്താനും, പരിശോധിക്കാനും ഇത് സഹായിക്കുന്നു. നിങ്ങൾ ഒരു കാമ്പയിൻ ബ്രീഫ്, ഒരു സ്റ്റൈൽ ഗൈഡ്, ഒരു ആർട്ട് ഡയറക്ടർ എന്നിവയുമായി മല്ലിടുകയാണെങ്കിൽ, Sider-ന് നിങ്ങൾ ആവർത്തിക്കുമ്പോൾ നിയന്ത്രണങ്ങൾ നിലനിർത്താൻ കഴിയും. നിങ്ങൾ വിശേഷണങ്ങൾ കൂട്ടി ചേർക്കാൻ തുടങ്ങുമ്പോൾ നിങ്ങളുടെ കാറിന്റെ താക്കോൽ എടുക്കുന്ന ഒരു നല്ല സുഹൃത്തിനെപ്പോലെ ഇത് പ്രവർത്തിക്കും. ഒരു കൂട്ടത്തിൽ ഭാഷയെ സ്ഥിരപ്പെടുത്താനും, വർണ്ണ പദങ്ങൾ സ്ഥിരമായി നിലനിർത്താനും, ഏത് മാറ്റമാണ് ഏത് പ്രശ്നം പരിഹരിച്ചതെന്ന് രേഖപ്പെടുത്താനും ഇത് ഉപയോഗിക്കുക. ഇതൊരു റെൻഡററല്ല; ഇതൊരു പ്രോംപ്റ്റ് റാങ്ലറാണ്.
അന്ധവിശ്വാസമില്ലാതെ Grok Image 0.9 ട്രബിൾഷൂട്ട് ചെയ്യുന്നു
- നിങ്ങൾ ചോദിക്കാത്ത കാര്യങ്ങൾ ഇത് ചേർക്കുന്നു
നിങ്ങൾ വേണ്ടത്ര വിശദീകരിച്ചിട്ടില്ല. ഒഴിഞ്ഞ സ്ഥലത്തിന് പേര് നൽകുക: “പശ്ചാത്തല വസ്തുക്കളില്ല,” “ഒഴിഞ്ഞ മതിൽ,” “ഒറ്റപ്പെട്ട വിഷയം.”
- ഇത് വളരെ മനോഹരമായിട്ടുണ്ട്/കൂടുതൽ പ്രോസസ്സ് ചെയ്തു
“പ്രകൃതിദത്ത വെളിച്ചം” ചേർക്കുക, അമിതമായി വിവരിക്കുന്ന പോസ്റ്റ്-പ്രോസസ്സിംഗ് ക്ലീഷേകൾ (“HDR ++”) എന്നിവ നീക്കം ചെയ്യുക, ഒരു ഫിലിം സ്റ്റോക്ക് ആങ്കർ തിരഞ്ഞെടുക്കുക.
- നിങ്ങളുടെ ആസ്പെക്റ്റ് റേഷ്യോ ഇത് അവഗണിക്കുന്നു
ചില ഡെപ്ലോയ്മെന്റുകൾ ആസ്പെക്റ്റ് റേഷ്യോയെ ഒരു നിർദ്ദേശമായി കണക്കാക്കുന്നു. ഇത് രണ്ട് തവണ ആവർത്തിക്കുക, ഒരിക്കൽ മുകളിൽ, ഒരിക്കൽ അവസാനം. അല്ലെങ്കിൽ വലിയ ചിത്രം ഉണ്ടാക്കി ക്രോപ്പ് ചെയ്യുക.
- ഒരു കൂട്ടത്തിൽ മുഖങ്ങൾ മാറുന്നു
നിങ്ങൾക്ക് ഒരു സീഡും കർശനമായ പോസും ആവശ്യമാണ്. അത് പരാജയപ്പെട്ടാൽ, മിഡ്-ഷോട്ടുകളിലേക്ക് മാറുക, വസ്ത്രധാരണം സ്ഥിരത നിലനിർത്തട്ടെ.
- വീഡിയോ ജിറ്ററുകൾ
ദൈർഘ്യം കുറയ്ക്കുക, ചലനം ലളിതമാക്കുക, ക്യാമറ ലോക്ക് ചെയ്യുക. പ്ലാറ്റ്ഫോം “ചലന ശക്തി” കാണിക്കുന്നുണ്ടെങ്കിൽ, അത് കുറയ്ക്കുക.
പരിധികൾ - ഇന്ന് എന്തായാലും
Grok 0.9 ബ്രാൻഡിംഗും ഇമേജ്-ടു-വീഡിയോ ഫീച്ചറുകളെക്കുറിച്ചുള്ള സംസാരവും ഉണ്ടായിട്ടും, അടിസ്ഥാനകാര്യങ്ങൾ അതേപടി നിലനിൽക്കുന്നു: ഈ മോഡലുകൾ നമ്മളെപ്പോലെ ലോകത്തെ മനസ്സിലാക്കുന്നില്ല. അവ പാറ്റേൺ പൂർത്തിയാക്കുന്ന രാക്ഷസൻമാരാണ്. നിങ്ങൾ അവയെ ട്രാക്കിൽ നിർത്തുമ്പോൾ - വ്യക്തമായ നാമപദങ്ങൾ, വ്യക്തമായ വെളിച്ചം, പ്രത്യേക ലെൻസ് - അവ മനോഹരമായി പ്രവർത്തിക്കും. നിങ്ങൾ “ഒരു ഫീലിംഗ്” ചോദിക്കുമ്പോൾ, അവ ഭിത്തിയിൽ ഗ്ലിറ്റർ എറിയുകയും നിങ്ങൾ കൈയടിക്കുമെന്ന് പ്രതീക്ഷിക്കുകയും ചെയ്യും. രസകരമായ കാര്യം, ആ ട്രാക്കുകൾക്ക് യഥാർത്ഥ സർഗ്ഗാത്മകത പോലെ തോന്നാൻ ആവശ്യത്തിന് വീതിയുണ്ടാകും എന്നതാണ്.
ചെറിയതും കൃത്യവുമായ ഒരുChecklist
- ഒറ്റവരികൾ: വിഷയം, പശ്ചാത്തലം, ലെൻസ്, ലൈറ്റ്, പാലറ്റ്, ഔട്ട്പുട്ട്.
- A/B മാറ്റങ്ങളിലൂടെ ആവർത്തിക്കുക.
- മികച്ച നാമപദങ്ങൾ ഉപയോഗിക്കുക - ക്യാമറ, മെറ്റീരിയലുകൾ, കാലഘട്ടം.
- കുറഞ്ഞ നെഗറ്റീവ് പ്രോംപ്റ്റുകൾ.
- കൂട്ടത്തിനായി സീഡുകൾ ലോക്ക് ചെയ്യുക.
- വീഡിയോ ചെറുതും പ്രത്യേക ചലനമുള്ളതുമാക്കി നിലനിർത്തുക.
- കുറഞ്ഞ പോസ്റ്റ്-പ്രോസസ്സിംഗ്.
ഒരു ചെറിയ ട്വിസ്റ്റ്
എല്ലാവർക്കും ഒരു മാന്ത്രിക പ്രോംപ്റ്റ് വേണം. എന്നാൽ ഒരെണ്ണമില്ല. ഒരു ചിന്താരീതിയുണ്ട്: നിങ്ങൾ അവസാന ചിത്രം വിവരിക്കുകയല്ല; മോഡലിനെ തൃപ്തിപ്പെടുത്താൻ നിർബന്ധിക്കേണ്ട നിയന്ത്രണങ്ങളെക്കുറിച്ചാണ് നിങ്ങൾ പറയുന്നത്. അത് നന്നായി ചെയ്താൽ, Grok Image 0.9 നന്നായി പ്രവർത്തിക്കും. നിങ്ങൾ അത് മോശമായി ചെയ്താൽ, മോഡൽ കൂടുതൽ വട്ടം കറങ്ങുന്നത് വരെ നിങ്ങൾ “കൂടുതൽ” എന്ന് അടയാളപ്പെടുത്തിയ ഡയൽ തിരിക്കേണ്ടിവരും: ആത്മവിശ്വാസത്തോടെയുള്ള അസംബന്ധം മനോഹരമായി കാണിക്കുക എന്നതാണ് അതിന്റെ ജോലി. ഗ്ലിറ്ററിനേക്കാൾ കൂടുതൽ വാശിയുള്ളവരായിരിക്കുക എന്നതാണ് നിങ്ങളുടെ ജോലി.
റെഫറൻസുകളും കുറിപ്പുകളും
- xAI-യുടെ Grok-ന് മൾട്ടിമോഡൽ അടിത്തറകളുണ്ട് - ഒബ്ജക്റ്റ് ഡിറ്റക്ഷനും ലാംഗ്വേജ്-ഗൈഡഡ് വിഷനും രേഖപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് വ്യക്തിഗത "Grok Imagine" ഡെപ്ലോയ്മെന്റുകളുടെ ഗുണനിലവാരം വ്യത്യാസപ്പെട്ടിരിക്കുകയാണെങ്കിൽ പോലും വിശ്വസനീയമായ ഒരു അടിത്തറയാണെന്ന് സൂചിപ്പിക്കുന്നു.
- പൊതുജനങ്ങൾക്കായി ലഭ്യമായ “Grok Imagine” സൈറ്റുകൾ 0.9, “Aurora engine” എന്നിവയ്ക്ക് കീഴിൽ ടെക്സ്റ്റ്-ടു-ഇമേജ്, ടെക്സ്റ്റ്-ടു-വീഡിയോ ഫീച്ചറുകൾ, ഫോട്ടോ റിയലിസവും സിനിമാറ്റിക് ക്ലിപ്പുകളും വാഗ്ദാനം ചെയ്യുന്നു. ഇവയെ പരീക്ഷിക്കാനുള്ള കഴിവുകളായി കണക്കാക്കുക, അല്ലാതെ വേദവാക്യമായി കരുതരുത്.
- ചില “വീഡിയോ മോഡുകൾ” രംഗം മനസ്സിലാക്കുന്നതിന് പകരം സ്റ്റില്ലുകളിൽ കാൻ ചെയ്ത ചലനം പോലെയാണ് പ്രവർത്തിക്കുന്നതെന്ന് കമ്മ്യൂണിറ്റി റിപ്പോർട്ടുകൾ പറയുന്നു - ഇത് ചില സൗന്ദര്യശാസ്ത്രങ്ങൾക്ക് ഉപയോഗപ്രദമാണ്, പക്ഷേ ഒരു സിനിമാട്ടോഗ്രാഫിക്ക് പകരമാവില്ല.
FAQ
Q1:Grok Image 0.9 ഉപയോഗിച്ച് നല്ല ഫലങ്ങൾ നേടാനുള്ള ഏറ്റവും വേഗമേറിയ മാർഗ്ഗം ഏതാണ്?
അഞ്ച് വരികളുള്ള ഒരു പ്രോംപ്റ്റിൽ നിന്ന് ആരംഭിക്കുക: വിഷയം, പശ്ചാത്തലം, ലെൻസ്, ലൈറ്റിംഗ്, ഔട്ട്പുട്ട് വലുപ്പം. മോഡൽ അടിസ്ഥാനകാര്യങ്ങൾ ശരിയാക്കുന്നതുവരെ വിശേഷണങ്ങൾ ഒഴിവാക്കുക; എന്നിട്ട് ചെറിയ, പരീക്ഷിക്കാൻ കഴിയുന്ന രീതിയിൽ സ്റ്റൈൽ ചേർക്കുക.
Q2:ഒന്നിലധികം Grok ചിത്രങ്ങളിൽ ഒരുപോലെ ശൈലി എങ്ങനെ നിലനിർത്താം?
പ്ലാറ്റ്ഫോം കാണിക്കുന്നുണ്ടെങ്കിൽ സീഡ് ലോക്ക് ചെയ്യുക, ഒരേ ലെൻസ്, ലൈറ്റിംഗ്, കളർ പാലറ്റ് ഭാഷ എന്നിവ വീണ്ടും ഉപയോഗിക്കുക. ഓരോ പ്രോംപ്റ്റും ഒരേ ഫിലിം സജ്ജീകരണത്തിനുള്ളിലെ ഒരു രംഗമായി കണക്കാക്കുക, ഓരോ തവണയും ഒരു പുതിയ ആശയമായി കണക്കാക്കാതിരിക്കുക.
Q3:Grok Image 0.9-ന് ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളിൽ നിന്ന് റിയലിസ്റ്റിക് വീഡിയോ ഉണ്ടാക്കാൻ കഴിയുമോ?
ചില ഡെപ്ലോയ്മെന്റുകളിൽ കഴിയും - പക്ഷേ ചെറിയ ക്ലിപ്പുകളും പരിമിതമായ ചലന സ്ഥിരതയും പ്രതീക്ഷിക്കുക. ദൈർഘ്യം 3–5 സെക്കൻഡായി നിലനിർത്തുക, ഒരു ക്യാമറ മൂവ് വ്യക്തമാക്കുക, ഒരു DP-ക്ക് പകരം ഇത് ഉപയോഗിക്കാമെന്ന് പ്രതീക്ഷിക്കരുത്.
Q4:Grok എന്റെ ചിത്രങ്ങളിൽ ആവശ്യമില്ലാത്ത വസ്തുക്കളോ ടെക്സ്റ്റോ വീണ്ടും ചേർക്കുന്നത് എന്തുകൊണ്ട്?
നിങ്ങൾ ശൂന്യമായി ഇട്ടിരിക്കുന്നു. ശൂന്യമായ പശ്ചാത്തലങ്ങൾ, അധിക വസ്തുക്കളില്ല, ടെക്സ്റ്റ് ഇല്ല, ബോർഡറുകൾ ഇല്ല എന്ന് വ്യക്തമാക്കുക. വിടവുകൾ നികത്തുന്നതിൽ മോഡലുകൾ മികച്ചതാണ് - അതിനാൽ ഒഴിഞ്ഞതായി ഒന്നും ഇടരുത്.
Q5:ചിത്രങ്ങൾ ഉണ്ടാക്കുന്നതിന് മുമ്പ് പ്രോംപ്റ്റുകൾ ക്രമീകരിക്കാൻ സഹായിക്കുന്ന ഒരു ടൂൾ ഉണ്ടോ?
പ്രോംപ്റ്റുകൾ മെച്ചപ്പെടുത്താനും ക്രമീകരിക്കാനും Sider.AI ഉപയോഗിക്കുക - നിയന്ത്രണങ്ങൾ ക്രമീകരിക്കുന്നതിനും ഒരു കൂട്ടത്തിൽ ശൈലീപരമായ ഭാഷ സ്ഥിരമായി നിലനിർത്തുന്നതിനും ഇത് നല്ലതാണ്. വ്യക്തമായ പ്രോംപ്റ്റുകൾ എന്നാൽ കുറഞ്ഞ റീറോൾ ഉണ്ടാകുകയും മികച്ച Grok ഔട്ട്പുട്ടുകൾ ലഭിക്കുകയും ചെയ്യും.