اصول پایه پرامپت و پارامترهای میدجورنی: تبدیل کلمات به تصویر

درک موتور پشت هنر مولد

تولید تصاویر جذاب با هوش مصنوعی کمتر درباره جادو و بیشتر درباره ارتباطات است. وقتی در استودیو میداس ای آی با میدجورنی کار می‌کنید، در حال هدایت یک مدل فضای نهان به سمت یک نتیجه بصری خاص هستید. پرامپت سیستم ناوبری شماست. بدون درک واضح از نحوه تفسیر متن توسط مدل، عملاً در حال حدس زدن هستید. این راهنما مکانیک ساخت پرامپت را باز می‌کند و فراتر از توصیفات ساده به دستورات ساختاریافته می‌رود که نتایج باکیفیت و پایدار تولید می‌کنند.

بسیاری از کاربران در موضوع متوقف می‌شوند، «یک گربه» تایپ می‌کنند و انتظار تصویری در حد نمونه کار دارند. مدل یک گربه ارائه می‌دهد، اما معمولی خواهد بود. برای دستیابی به خروجی حرفه‌ای، باید زمینه، سبک و پارامترهای فنی را لایه لایه اضافه کنید. ما روی نسخه پایدار فعلی تمرکز می‌کنیم و از سینتکس /imagine سازگار با نسخه ۷ (--v 7) استفاده می‌کنیم تا گردش کار شما با تکامل فناوری مرتبط بماند.

این راهنما برای چه کسانی است

این نمای کلی برای طراحان، بازاریابان و تولیدکنندگان محتوایی طراحی شده که به قابلیت اطمینان ابزارهای هوش مصنوعی خود نیاز دارند. اگر از شانس آزمایش در تولیدها خسته‌اید و می‌خواهید بدانید چرا یک تصویر شکست خورده یا چگونه یک موفقیت را تکرار کنید، این راهنما برای شماست. همچنین برای هنرمندان سنتی که می‌خواهند هوش مصنوعی را بدون از دست دادن کنترل خلاقانه وارد مرحله مفهوم‌سازی کنند، مناسب است. نیازی به دانش کدنویسی ندارید، اما به تمایل برای تکرار و آزمایش نیاز دارید.

کالبدشناسی یک پرامپت موثر

یک پرامپت قوی از سلسله مراتب منطقی پیروی می‌کند. به آن به عنوان یک سند briefing برای یک عکاس یا تصویرساز انسانی فکر کنید. ساختار معمولاً از موضوع به رسانه، سپس به نورپردازی و ترکیب‌بندی، و در نهایت به پارامترهای فنی جریان می‌یابد.

با موضوع شروع کنید. خاص باشید. به جای «warrior»، از «cybernetic samurai wearing worn leather armor» استفاده کنید. سپس رسانه را تعریف کنید. آیا به دنبال عکس، نقاشی رنگ روغن یا رندر سه بعدی هستید؟ اصطلاحاتی مانند «macro photography»، «cinematic still» یا «vector illustration» انتظارات بافت را تنظیم می‌کنند.

زمینه محیط را پر می‌کند. سوژه کجاست؟ زمان روز چیست؟ در نهایت، اصلاح‌کننده‌های سبک را اضافه کنید. اینجا جایی است که حال و هوا را تزریق می‌کنید. کلماتی مانند «moody»، «neon-noir» یا «minimalist» پالت رنگی و اتمسفر را هدایت می‌کنند.

یک دام رایج انباشت کلمات کلیدی است. اضافه کردن پنجاه صفت، مکانیسم توجه مدل را گیج می‌کند. تمرکز را کاهش می‌دهد. به تاثیرگذارترین توصیف‌گرها پایبند باشید. اگر یک ماشین قرمز می‌خواهید، نگویید «وسیله نقلیه Crimson» و «اتومبیل Scarlet». یک اصطلاح واضح را انتخاب کنید.

پارامترهای ضروری برای کنترل

پارامترها دستوراتی هستند که به انتهای پرامپت شما appended می‌شوند و نحوه پردازش درخواست توسط مدل را تغییر می‌دهند. آن‌ها با دو خط تیره پیشوند می‌شوند. درک این موارد تفاوت بین یک خروجی عمومی و یک دارایی سفارشی است.

پارامتر نسبت ابعاد (--ar) برای ترکیب‌بندی حیاتی است. مربع‌های پیش‌فرض اغلب سوژه‌ها را به صورت نامناسب crop می‌کنند. برای استوری شبکه‌های اجتماعی، از کد زیر استفاده کنید: --ar 9:16 برای بنرهای سینمایی، از کد زیر استفاده کنید: --ar 16:9 در استودیو میداس ای آی، می‌توانید این را به صورت بصری تنظیم کنید، اما دانستن سینتکس اجازه عملیات batch دقیق را می‌دهد.

استایلیزیشن (--s) کنترل می‌کند که مدل چقدر سوگیری زیبایی‌شناختی خود را اعمال کند. مقدار کم (مثلاً --s 50) به پرامپت تحت اللفظی شما نزدیک‌تر می‌ماند. مقدار بالا (مثلاً --s 750) به مدل آزادی هنری بیشتری می‌دهد، که اغلب منجر به تصاویر زیباتر اما کمتر دقیق می‌شود. برای عکاسی محصول، استایلیزیشن را پایین نگه دارید تا وفاداری حفظ شود. برای هنر مفهومی، مقادیر بالاتر خلاقیت را الهام می‌بخشد.

نسخه‌بندی (--v 7) اطمینان می‌دهد که از قابلیت‌های latest model استفاده می‌کنید. نسخه‌های جدیدتر زبان طبیعی را بهتر درک می‌کنند و نورپردازی پیچیده را واقع‌گرایانه‌تر مدیریت می‌کنند. همیشه نسخه را در گردش کارهای خود مشخص کنید تا از drift هنگام به‌روزرسانی پلتفرم جلوگیری کنید.

Style Raw (--style raw) یک toggle قدرتمند دیگر است. فیلترهای زیباسازی پیش‌فرض مدل را کاهش می‌دهد. اگر به واقع‌گرایی خشن یا شرایط نورپردازی خاصی نیاز دارید که مدل معمولاً آن‌ها را برای بیش از حد صیقلی بودن "fix" می‌کند، این پارامتر ضروری است.

کنترل اندازه و رزولوشن تصویر

رزولوشن در هوش مصنوعی مولد یک فرآیند دو مرحله‌ای است. تولید اولیه یک grid پایه ایجاد می‌کند، معمولاً با رزولوشن پایین‌تر برای صرفه‌جویی در زمان محاسبات. کیفیت واقعی از فاز upscaling می‌آید. در میدجورنی، یک variant را از grid اولیه انتخاب می‌کنید و گزینه upscale را انتخاب می‌کنید.

هنگام کار در استودیو میداس ای آی، به upscalerهای enhanced دسترسی دارید که به جای کشیدن پیکسل‌ها، جزئیات اضافه می‌کنند. با این حال، نسبت ابعاد اولیه شما حداکثر رزولوشن قابل استفاده را دیکته می‌کند. اگر یک تصویر مربعی تولید می‌کنید اما به یک بنر عریض نیاز دارید، upscaling ترکیب‌بندی را اصلاح نمی‌کند. باید پارامتر --ar را قبل از تولید تنظیم کنید.

مراقب نسبت‌های ابعاد extreme باشید. در حالی که --ar 21:9 امکان‌پذیر است، فراتر رفتن از نسبت‌های سینمایی استاندارد گاهی می‌تواند منجر به سوژه‌های distorted یا عناصر تکراری شود زیرا مدل برای پر کردن فضا struggle می‌کند. نسبت‌های میانه مانند --ar 3:2 را برای استانداردهای عکاسی قبل از تعهد به فرمت‌های ultra-wide آزمایش کنید.

اصلاح خلق و خوی آثار

وقتی یک تصویر پایه دارید که دوست دارید، کار به سمت refinement shift می‌کند. به ندرت تصویر perfect را در تلاش اول می‌گیرید. اینجا جایی است که ارجاع کاراکتر (--cref) و ارجاع سبک (--sref) ارزشمند می‌شوند.

اگر یک طراحی کاراکتر دارید که نیاز است در چندین صحنه ظاهر شود، ابتدا کاراکتر را تولید کنید. URL تصویر را کپی کنید و --cref [URL] را به پرامپت‌های جدید خود append کنید. این به مدل می‌گوید که ویژگی‌های صورت و ثبات لباس را حفظ کند. به طور مشابه، --sref پالت رنگ و سبک هنری یک تصویر مرجع را قفل می‌کند.

این گردش کار برای branding حیاتی است. می‌توانید یک هویت بصری را با یک تصویر master Establish کنید و آن سبک را در صدها دارایی propagate کنید بدون اینکه هر بار توصیف‌گرهای سبک پیچیده را بازنویسی کنید. در استودیو میداس ای آی، مدیریت این مراجع streamlined است و به شما اجازه می‌دهد سبک‌های preferred را برای پروژه‌های آینده ذخیره کنید.

پرامپت‌های چندگانه و وزن‌دهی

گاهی اوقات نیاز به平衡 مفاهیم متضاد دارید. پرامپت‌های چندگانه به شما اجازه می‌دهند ایده‌ها را با استفاده از دو نقطه :: جدا کنید. این به مدل می‌گوید که сегмент‌های متن را به عنوان موجودیت‌های متمایز treats کند نه یک جمله blended.

برای مثال، fire::ice تصویری تولید می‌کند که در آن آتش و یخ عناصر جداگانه‌ای هستند. fire:ice ممکن است آن‌ها را به یک mess بخارآلود blend کند. همچنین می‌توانید برای اولویت‌بندی عناصر وزن assign کنید. portrait::2 lighting::1 به مدل می‌گوید که صورت سوژه دو برابر مهم‌تر از setup نورپردازی است.

از وزن‌ها زمانی استفاده کنید که مدل components کلیدی پرامپت شما را نادیده می‌گیرد. اگر درخواست «ماشین قرمز در جنگل آبی» می‌دهید و ماشین مدام آبی می‌شود، وزن را روی «ماشین قرمز» افزایش دهید. با این حال، از این sparingly استفاده کنید. Over-weighting می‌تواند منجر به تصاویر disjointed شود که عناصر به طور طبیعی interact نمی‌کنند.