آموزش-میدجورنی
آموزش استفاده از تصاویر خود در میدجورنی: سبک و پرامپت
Midjourney AI Team · ۱ مرداد ۱۴۰۵ · 8 min read
Keywords: آموزش میدجورنی, تولید تصویر هوش مصنوعی
Published: ۱ مرداد ۱۴۰۵ Author: Midjourney AI Team
این راهنما برای چه کسانی است؟
ادغام داراییهای شخصی در گردشکارهای تولیدی برای creators جدی دیگر اختیاری نیست؛ بلکه برای ثبات برند و طراحی تکرارشونده ضروری است. این راهنما برای طراحان بصری، مدیران برند و هنرمندان دیجیتال نوشته شده است که نیاز دارند فراتر از تولید تصادفی حرکت کنند. اگر سعی دارید یک زیباییشناسی خاص را در چندین کمپین حفظ کنید یا نیاز دارید روی یک شخصیت خاص بدون از دست دادن هویت آن کار کنید، پرامپتنویسی متنی استاندارد کافی نخواهد بود. شما به کنترل روی ترکیببندی، پالت رنگ و یکپارچگی ساختاری نیاز دارید.
استفاده از ورودیهای تصویری در میدجورنی به شما اجازه میدهد تخیل هوش مصنوعی را به واقعیت لنگر اندازید. چه یک برد خلقوخو (Mood board)، یک طرح اولیه یا یک تولید قبلی را آپلود کنید، درک سلسلهمراتب دستورات تصویری از تکرارهای هدر رفته جلوگیری میکند. ما تمایزات فنی بین پرامپتهای تصویری، مرجعهای سبک و مرجعهای شخصیت را پوشش میدهیم تا مطمئن شوید دقیقاً کدام پارامتر را برای هدف خاص خود به کار بگیرید. میتوانید این گردشکارها را مستقیماً در یک محیط مدیریتشده با بازدید از استودیو تست کنید.
Quick Takeaways
تسلط بر پرامپتهای تصویری پایه
قبل از شیرجه زدن در پارامترهای مرجع تخصصی، باید رفتار بنیادی پرامپتهای تصویری را درک کنید. وقتی یک URL تصویر را بدون هیچ پرچم خاصی به پرامپت متنی خود ضمیمه میکنید، میدجورنی تصویر را به عنوان یک راهنمای ترکیببندی قوی در نظر میگیرد. هوش مصنوعی رنگها، اشکال و چیدمان کلی فایل آپلود شده را تحلیل میکند و سعی میکند آن ساختار را در تولید جدید بازتولید کند.
این روش برای هماهنگی حالوهوا بسیار موثر است. اگر عکسی با شرایط نوری خاص دارید—مثلاً پرتره ساعت طلایی با سایههای سنگین—میتوانید از آن تصویر برای دیکته کردن نورپردازی یک سوژه کاملاً متفاوت استفاده کنید. با این حال، پرامپتهای تصویری پایه میتوانند غیرقابل پیشبینی باشند. هوش مصنوعی ممکن است بیش از حد به محتوای اصلی بچسبد و منجر به variasiونی شود که به جای الهام گرفتن، بیش از حد به منبع شبیه است.
برای مدیریت این موضوع، میتوانید وزن تصویر را تنظیم کنید. در حالی که پارامتر خاص --iw در نسخههای مختلف تکامل یافته است، اصل باقی است: شما تعادل بین نفوذ تصویر و توضیحات متنی خود را میسنجید. در نسخه ۷ (--v 7)، مدل به متن حساستر است، بنابراین پرامپت تصویری شما بیشتر به عنوان یک لنگر سبک عمل میکند تا یک قالب سخت. برای بهترین نتایج، URL تصویر خود را با متن توصیفی ترکیب کنید که مشخص کند چه چیزی باید تغییر کند. برای مثال، آپلود یک طرح از ماشین و پرامپت زیر به هوش مصنوعی میگوید شکل را حفظ کند اما بافت و محیط را تغییر دهد:
"cyberpunk vehicle, neon lights, rainy street"
مرجع سبک برای ثبات برند
پارامتر مرجع سبک (--sref) احتمالاً قدرتمندترین ابزار برای حفظ هویت بصری است. برخلاف یک پرامپت تصویری پایه که روی ترکیببندی و محتوا تاثیر میگذارد، --sref کیفیتهای زیباییشناسی یک تصویر را ایزوله میکند. این پارامتر پالتهای رنگ، الگوهای بافت و سبکهای رندر را استخراج میکند در حالی که موضوع را نادیده میگیرد.
اگر در حال ساخت یک دک برند هستید، میتوانید یک دارایی بصری کلیدی را به عنوان مرجع سبک خود آپلود کنید. وقتی تصاویر جدید را با استفاده از --sref [image_url] تولید میکنید، خروجیهای جدید ظاهر و حس آن دارایی را بدون کپی کردن محتوای آن اتخاذ میکنند. این برای تیمهای بازاریابی که نیاز به تصاویر متنوع دارند اما همچنان باید حس تعلق به یک کمپین واحد را منتقل کنند، حیاتی است.
برای حداکثر کنترل، --sref را با --style raw جفت کنید. حالت raw فیلترهای زیباسازی پیشفرض میدجورنی را کاهش میدهد و اجازه میدهد مرجع سبک بدون اعمال سوگیری هنری مدل، زیباییشناسی را دقیقتر دیکته کند. همچنین میتوانید وزن سبک را با --sw تنظیم کنید. وزن بالاتر سبک را تهاجمیتر اعمال میکند، در حالی که وزن پایینتر اجازه ادغام ظریفتر را میدهد. هنگام کار در استودیو MidassAI، میتوانید این مرجعها را به راحتی بدون نیاز به میزبانی خارجی تصاویر مدیریت کنید و فرآیند تکرار را سادهتر کنید.
تکنیکهای مرجع شخصیت و Omni
حفظ ثبات شخصیت در صحنههای مختلف یک مانع رایج در هنر تولیدی است. پارامتر مرجع شخصیت (--cref) با تمرکز بر ویژگیهای صورت و جزئیات لباس به این موضوع میپردازد. وقتی یک تصویر مرجع از یک شخصیت ارائه میدهید، میدجورنی سعی میکند آن ویژگیها را روی تولیدهای جدید نگاشت کند.
برای استفاده موثر از این، مطمئن شوید تصویر مرجع شما نمای واضح و بدون مانع از صورت شخصیت دارد. پروفایلهای کناری یا صورتهای сильно پوشیده اغلب مدل را گیج میکنند. میتوانید قدرت حفظ شخصیت را با --cw کنترل کنید. تنظیم --cw 0 فقط روی صورت تمرکز میکند و به شما اجازه میدهد لباس و مو را به راحتی تغییر دهید. تنظیم --cw 100 سعی میکند کل ظاهر، از جمله لباس و مدل مو را کپی کند.
اخیراً، مرجع Omni (--oref) به عنوان یک راهحل جامع ظهور کرده است. این پارامتر قابلیتهای سبک، شخصیت و ترکیببندی را در یک پرچم واحد ترکیب میکند. این برای درک کلی تصویر طراحی شده است. در حالی که --sref و --cref کنترل دانهبندی شده را ارائه میدهند، --oref زمانی مفید است که میخواهید هوش مصنوعی قصد تصویر را به صورت گسترده تفسیر کند. با این حال، برای گردشکارهای حرفهای که عناصر خاص نیاز به ثابت ماندن دارند در حالی که بقیه تغییر میکنند، پارامترهای اختصاصی --cref و --sref اغلب نتایج قابل پیشبینیتری ارائه میدهند.
دستور Describe برای مهندسی معکوس
گاهی اوقات تصویری دارید اما واژگان برای توصیف چرایی کارکرد آن را ندارید. دستور /describe یک ابزار مهندسی معکوس است که تصویر آپلود شده را تحلیل میکند و چهار پرامپت متنی potentiال را پیشنهاد میدهد. این برای یادگیری نحوه ساخت پرامپتهایی که نتایج مشابهی میدهند بینظیر است.
وقتی تصویری را برای /describe آپلود میکنید، میدجورنی عناصر بصری را به کلمات کلیدی، سبکهای هنری و پارامترهای دوربین تجزیه میکند. ممکن است کشف کنید که ظاهر خاصی که تحسین میکنید به دلیل تگ "لنز ۳۵ میلیمتری" یا "نورپردازی حجمی" است که قبلاً در نظر نگرفته بودید. از این پرامپتهای پیشنهادی به عنوان نقطه شروع استفاده کنید، سپس آنها را برای نیازهای خود تغییر دهید. این دستور شکاف بین شهود بصری و دقت متنی را پر میکند و به شما کمک میکند بر اساس داراییهای موجودی که تحسین میکنید، کتابخانهای از ساختارهای پرامپت موثر بسازید.
تولید ویدیو از تصاویر ثابت
اکوسیستم حول هوش مصنوعی تولیدی فراتر از فریمهای ثابت در حال گسترش است. در حالی که میدجورنی روی تصاویر با وفاداری بالا تمرکز دارد، محیط گستردهتر استودیو MidassAI به شما اجازه میدهد آن تولیدات ثابت را متحرک کنید. وقتی تصویر خود را با استفاده از تکنیکهای مرجع выше کامل کردید، میتوانید آن داراییها را به گردشکارهای ویدیویی منتقل کنید.
تصاویر ثابت به عنوان فریمهای شروع عالی برای تولید ویدیو عمل میکنند. با استفاده از یک مرجع شخصیت ثابت (--cref) برای ایجاد یک توالی از تصاویر، میتوانید سپس آنها را به مدلهای ویدیویی تغذیه کنید تا حرکت منسجم ایجاد کنند. این گردشکار اطمینان میدهد که محتوای ویدیوی شما همان وفاداری بصری و ثبات شخصیت مواد بازاریابی ثابت شما را حفظ میکند. این یک فرآیند چند مرحلهای است: فریمهای کلیدی را در میدجورنی تولید کنید، با مرجعهای سبک ثبات را đảm bảo کنید، و سپس در ابزارهای ویدیویی استودیو متحرکسازی کنید.
نکاتی برای بهترین نتایج
دستیابی به خروجی حرفهای نیاز به توجه به جزئیات فراتر از پارامترها دارد. اول، نسبت aspect (--ar) را در نظر بگیرید. اگر مرجع سبک شما یک پرتره عمودی است اما دارید یک بنر افقی تولید میکنید، هوش مصنوعی ممکن است در نگاشت سبک مشکل داشته باشد. سعی کنید تا حد امکان نسبت aspect تصویر مرجع خود را با هدف تولید خود مطابقت دهید.
ثبات نورپردازی عامل حیاتی دیگری است. اگر مرجع سبک شما از نورپردازی تخت استودیویی استفاده میکند، انتظار سایههای دراماتیک در خروجی خود نداشته باشید مگر اینکه آنها را در پرامپت متنی مشخص کنید. هوش مصنوعی سعی میکند ورودیهای متنی و تصویری را هماهنگ کند؛ دستورالعملهای متضاد منجر به نتایج گلی میشود.
در نهایت، کنترل نسخه مهم است. همیشه نسخه مدلی که با آن کار میکنید را مشخص کنید، مانند --v 7. مدلهای جدید مرجعها را متفاوت از مدلهای قدیمیتر مدیریت میکنند. یک مرجع سبک که در نسخه ۵.۲ عالی کار میکرد ممکن است در نسخه ۶ یا ۷ متفاوت رفتار کند. ترکیببندیهای پارامتر موفق خود را مستند کنید. لاگی از مقادیر --sw یا --cw که برای پروژههای خاص کار کردهاند نگه دارید. این دانش سازمانی در زمان کمپینهای آینده صرفهجویی میکند.
گامهای بعدی در گردشکار شما
تسلط بر ورودیهای تصویری میدجورنی را از یک novelty به یک ابزار تولید تبدیل میکند. با بهرهگیری از --sref برای زیباییشناسی و --cref برای هویت، شما ثبات مورد نیاز برای کار تجاری را به دست میآورید. دستور /describe进一步 منحنی یادگیری شما را تسریع میکند و تحلیل بصری را به متن قابل اقدام تبدیل میکند.
برای سادهسازی این فرآیند و مدیریت موثر داراییهای خود، استفاده از یک پلتفرم اختصاصی را در نظر بگیرید. میتوانید با این پارامترها آزمایش کنید و تولیدات خود را در یک رابط یکپارچه مدیریت کنید.