تسلط بر Stylize و Sref میدجورنی برای سبک ثابت
Midjourney AI Team · ۱ مرداد ۱۴۰۵ · 7 min read
ایجاد امضای بصری در هوش مصنوعی مولد
ثبات، اصلیترین گلوگاه در تولید هنر حرفهای هوش مصنوعی است. تولید یک تصویر خیرهکننده واحد ساده است؛ اما تولید مجموعهای از داراییها که به نظر برسد متعلق به یک برند، پروژه یا جهان واحد هستند، جایی است که اکثر گردش کارها شکست میخورند. میدجورنی دو اهرم خاص برای حل این مشکل ارائه میدهد: پارامتر --stylize و پارامتر --sref (مرجع سبک).
درک تمایز بین تفسیر زیباییشناختی و کپی مستقیم سبک حیاتی است. --stylize کنترل میکند که مدل چه مقدار آزادی هنری با پرامپت شما داشته باشد، در حالی که --sref تولید را به ویژگیهای بصری یک تصویر موجود لنگر میاندازد. هنگامی که این ابزارها با هم در استودیو MidassAI استفاده شوند، به شما امکان میدهند تا یک زبان بصری را کدگذاری کنید نه اینکه با هر پرامپت جدید آن را حدس بزنید.
این راهنما برای چه کسانی است
این راهنما برای طراحان برند، هنرمندان مفهومی و تولیدکنندگان محتوایی طراحی شده است که نیاز به حفظ انسجام بصری در چندین دارایی دارند. اگر در حال ساخت یک دک، کتاب داستان یا کمپین بازاریابی هستید که در آن پالتهای رنگی، نورپردازی و بافت باید پایدار بمانند، این گردش کار ضروری است. این راهنما برای کاربرانی که به دنبال تغییرات تصادفی یا هنر آزمایشی تکباره هستند، intended نیست.
رمزگشایی از پارامتر Stylize
پارامتر --stylize (یا --s) تأثیر میگذارد که میدجورنی با چه شدتی آموزشهای زیباییشناختی داخلی خود را روی پرامپت شما اعمال کند. مقدار آن از ۰ تا ۱۰۰۰ متغیر است، با مقدار پیشفرض که معمولاً بسته به نسخه مدل حدود ۱۰۰ است.
یک مقدار stylize پایین (مثلاً --s 50) مدل را مجبور میکند تا строго به اجزای تحتاللفظی پرامپت شما پایبند باشد. دقیقاً همان چیزی را که خواستهاید دریافت میکنید، اما تصویر ممکن است فاقد flair هنری یا زیبایی ترکیببندی باشد. این رویکرد کاربردی است.
یک مقدار stylize بالا (مثلاً --s 750) به مدل اجازه میدهد تا زیبایی و ترکیببندی را بر دقت پرامپت اولویت دهد. رنگها زندهتر، نورپردازی دراماتیکتر و بافتها ظریفتر خواهند بود. با این حال، شما خطر از دست دادن جزئیات خاصی که در پرامپت متنی درخواست شدهاید را دارید.
برای کارهای برند، نقطه بهینه اغلب بین ۲۵۰ تا ۴۰۰ است. این محدوده(polish) کافی برای حرفهای به نظر رسیدن را فراهم میکند بدون اینکه آنقدر از پرامپت دور شوید که کنترل موضوع را از دست بدهید. هنگام استفاده از مدلهای --v 7 یا جدیدتر، استایلایز پیشفرض اغلب بالاتر است، بنابراین ممکن است نیاز داشته باشید آن را به صراحت کاهش دهید تا پایبندی strict به شکل محصولات یا لوگوها را حفظ کنید.
لنگر انداختن زیباییشناسی با مرجع سبک
در حالی که --stylize شدت هنرمندی را تنظیم میکند، --sref نوع هنرمندی را تعریف میکند. این پارامتر یک URL تصویر را به عنوان ورودی میپذیرد. میدجورنی پالت رنگ،_medium، سبک نورپردازی و حالوهوای کلی تصویر مرجع را تحلیل کرده و آن ویژگیها را به تولید جدید شما اعمال میکند.
برای استفاده مؤثر از این مورد، باید تصاویر مرجع خود را با دقت انتخاب کنید. یک تصویر مرجع شلوغ با چندین سوژه مدل را گیج میکند. بهترین مراجع سبک تمیز، متمرکز بر بافت و نورپردازی، و فاقد موضوعات خاصی هستند که نمیخواهید کپی شوند.
برای مثال، اگر ظاهر خمیری (claymation) میخواهید، از تصویر مرجع یک شخصیت خمیری خاص استفاده نکنید. در عوض، از یک شات نمای نزدیک بافت نورپردازی خمیر استفاده کنید. این کار سبک را از محتوا جدا میکند.
هنگام ترکیب --sref با --stylize، تعامل قدرتمند میشود. یک مقدار --s بالا ترکیب شده با یک --sref قوی میتواند تغییراتی بسیار صیقلیافته ایجاد کند که احساس میشود در همان موتور رندر شدهاند. میتوانید با اضافه کردن چندین URL --sref، چندین مرجع سبک را به زنجیره هم متصل کنید و به شما اجازه میدهد نورپردازی یک تصویر را با پالت رنگی دیگری ترکیب کنید.
ساخت یک گردش کار تکرارپذیر
ثبات نیازمند مستندسازی است. برای مقادیر پارامترها به حافظه اعتماد نکنید. هنگامی که به ظاهری رسیدید که با دستورالعملهای برند شما مطابقت دارد، رشته پرامپت کامل شامل تمام پارامترها را ذخیره کنید.
- تولید سبکهای پایه: ۱۰ تا ۲۰_variation از یک سوژه خنثی با استفاده از URLهای
--srefمختلف ایجاد کنید. - انتخاب لنگر: تولیدی را انتخاب کنید که بهترین تطابق را با زیباییشناسی هدف شما دارد.
- قفل کردن پارامترها: مقدار
--sو URL--srefاستفاده شده را یادداشت کنید. - اعمال روی سوژههای جدید: از پارامترهای قفل شده روی پرامپتهای جدید با سوژههای مختلف استفاده کنید.
در استودیو MidassAI، میتوانید این مجموعه پارامترها را به عنوان پیشفرض ذخیره کنید. این کار نیاز به تایپ مجدد URLهای طولانی یا به خاطر سپردن مقادیر عددی خاص برای هر جلسه را از بین میبرد. این اطمینان را میدهد که هر عضو تیم شما داراییها را در همان چارچوبهای بصری تولید میکند.
Quick Takeaways
خطاهای رایج و اصلاحات
حتی با این ابزارها، خطاها رخ میدهند. رایجترین مشکل «نشت سبک» است، جایی که موضوع تصویر مرجع به تولید جدید نشت میکند. اگر از عکس یک گربه به عنوان مرجع سبک برای یک ماشین استفاده کنید، ماشین حاصل ممکن است بافت خز یا ویژگیهای گربهسان داشته باشد.
برای رفع این مشکل، اطمینان حاصل کنید که مرجع سبک شما انتزاعی یا بافتی است. از پارامتر --no برای حذف صریح عناصر ناخواسته در صورت Persist کردن آنها استفاده کنید. یک خطای مکرر دیگر over-stylization است. تنظیم --s 1000 اغلب منجر به تصاویری میشود که زیبا به نظر میرسند اما شباهت کمی به پرامپت دارند. اگر شکل محصول شما در حال تحریف است، مقدار stylize را فوراً کاهش دهید.
تضاد بین پارامترها نیز میتواند رخ دهد. استفاده از --style raw در کنار یک مقدار --stylize بسیار بالا میتواند نتایج غیرقابل پیشبینی ایجاد کند زیرا --style raw تلاش میکند سوگیری زیباییشناختی پیشفرض مدل را کاهش دهد، در حالی که stylize بالا آن را افزایش میدهد. این ترکیبها را به صورت isolated قبل از تعهد به خط تولید آزمایش کنید.
گسترش سبک در رسانههای مختلف
در حالی که میدجورنی بر تولید تصویر ثابت تمرکز دارد، داراییهایی که ایجاد میکنید به عنوان پایهای برای گردش کارهای گستردهتر هوش مصنوعی عمل میکنند. امضای بصری که با استفاده از --sref و --stylize ایجاد میکنید، ظاهر را برای upscaling ویدیوی هوش مصنوعی، موشن گرافیک و حتی آلبوم آرت برای پروژههای موسیقی هوش مصنوعی تعریف میکند.
در یک محیط استودیویی چندوجهی مانند MidassAI، مرحله تولید تصویر اغلب اولین دومینو است. یک برگه سبک ثابت تولید شده در میدجورنی اطمینان میدهد که وقتی به درونیابی ویدیو یا بصریسازی صوتی حرکت میکنید، منبع مواد coherent باقی میماند. تولید تصویر را به عنوان یک وظیفه isolated Treat نکنید. آن را به عنوان ایجاد راهنمای سبک برای تمام تولیدات رسانهای بعدی ببینید.
ابزارهایی که این گردش کارها را ادغام میکنند به شما اجازه میدهند یک تولید میدجورنی را بگیرید و بلافاصله آن را به ماژولهای ویدیو یا ویرایش پاس بدهید بدون از دست دادن متادیتا یا زمینه سبک. این تداوم چیزی است که آزمایشهای آماتور را از تولید حرفهای جدا میکند.
نهاییسازی موتور سبک شما
تسلط بر --stylize و --sref میدجورنی را از یک تولیدکننده ایده تصادفی به یک موتور طراحی کنترلشده تبدیل میکند. این کار نیازمند تکرار و آزمایش است، اما پاداش آن یک کتابخانه قابل استفاده مجدد از داراییهای بصری است که یکپارچگی برند را حفظ میکنند. دیگر برای شانس پرامپت نزنید و برای دقت پرامپت بزنید.
برای سادهسازی این فرآیند و مدیریت کارآمد پیشفرضهای سبک خود، از یک محیط استودیویی اختصاصی استفاده کنید. میتوانید این گردش کارها را بلافاصله با دسترسی به آخرین مدلها و کنترلهای پارامتر آزمایش کنید.