პირველად, როცა რეფერენსების მთელი ლიმიტი გამოვიყენე, სურათი უარესი გამოვიდა.
თოთხმეტი სურათი: პერსონაჟი, მისი სახის ორი კუთხე, ქურთუკი, სტუდია, პალიტრა, ტექსტურა, სინათლის რეფერენსი და სამი mood board. შედეგად მივიღე კომპეტენტურად განათებული ფოტო ვიღაცისა, რომელიც არავინ არის კონკრეტულად. მოდელმა გააკეთა ის, რასაც მოდელი აკეთებს თოთხმეტ შემავალ მონაცემთან: იპოვა საშუალო.
სწორედ ეს უნდა გავიაზროთ რეფერენსების ბიუჯეტის შესახებ. რიცხვი არის ზღვარი, არა სამიზნე, და ყოველი სურათი, რომელსაც სასარგებლო ნაკრებს მიღმა მიამაგრებ, კონკურენტული ინსტრუქციაა.
ამას Callirra-ზე წავაწყდი, სადაც თოთხმეტი სლოტია და არანაირი რჩევა იმაზე, როგორ გამოვიყენოთ ისინი.
რას რეალურად იღებს მოდელი
| ლიმიტი | მნიშვნელობა |
|---|---|
| რეფერენსები ერთ გაშვებაზე | 14 |
| Google-ის მიერ დოკუმენტირებული პერსონაჟის რეფერენსები | 4 |
| Google-ის მიერ დოკუმენტირებული მაღალი სიზუსტის ობიექტის რეფერენსები | 10 |
| პრომპტის სიგრძე | 20,000 სიმბოლო |
| გამომავალი რეზოლუციები | 1K, 2K, 4K |
| კრედიტი სურათზე | 3 / 4 / 5 |
4 + 10 დანაწილება ამ ცხრილში ყველაზე სასარგებლო რიცხვია, რადგან გვეუბნება, რისთვისაა ლიმიტი: მაქსიმუმ ოთხი ადამიანი და მაქსიმუმ ათი ობიექტი, არა თოთხმეტი რამ ერთად.
ოთხი როლი, არა თოთხმეტი სურათი
რეფერენსების ნაკრები მსახიობთა სია. თითოეულ სურათს აქვს ერთი სამუშაო, და თუ ორ სურათს ერთი და იგივე სამუშაო აქვს, ერთი მათგანი ზედმეტია:
- იდენტობა — სახე ან პროდუქტი. ერთი სუფთა, თანაბრად განათებული, პირდაპირი კადრი. ეს არ ექვემდებარება მოლაპარაკებას.
- სტრუქტურა — კუთხე ან პოზა, რომლის გამოსახვაც გინდა. ორი-სამი ნახევრად შემობრუნებული კადრი იმავე სუბიექტისა, თუ შესაძლებელია, იმავე გადაღებიდან.
- მატერიალი — ის, რაც 100%-ზე სწორად უნდა გამოჩნდეს: ქსოვილი, მინა, კონდენსაცია, ფხვნილი, კანის ტექსტურა.
- სამყარო — პალიტრა, სინათლის მიმართულება, ფონი. ეს არის რეფერენსი, რომელზეც ხალხი ყველაზე მეტს ხარჯავს, და ის ყველაზე უკეთ შენარჩუნდება წერილობით წინადადებად, სურათის ნაცვლად.
ოთხი სურათი ერთი პერსონაჟისთვის ფარავს ყველა ოთხივე როლს. ათი ფარავს პროდუქტების ხაზს. თოთხმეტი არის სცენისთვის ოთხი პერსონაჟითა და რამდენიმე ობიექტით, რაც ზუსტად ის შემთხვევაა, რომელსაც 4 + 10 დანაწილება აღწერს.
დახარჯე ბიუჯეტი ასე
| კადრი | იდენტობა | სტრუქტურა | მატერიალი | სამყარო | ჯამი |
|---|---|---|---|---|---|
| პორტრეტი გარდერობის შეცვლით | 1 | 2 | 1 | 0 | 4 |
| პროდუქტის მთავარი კადრი სეტზე | 1 ობიექტი | 1 კუთხე | 1 | 0 | 3 |
| ოთხი პერსონაჟის ჯგუფი | 4 | 4 | 2 | 1 | 11 |
| სარედაქციო натюрморт, ორი პროდუქტი | 2 ობიექტი | 1 | 2 | 1 | 6 |
ყურადღება მიაქციეთ, რა აკლია ყველა მწკრივს: mood board-ები. mood board არის გემოვნების აღწერა, ხოლო გემოვნების დაწერა უფრო იაფია, ვიდრე მისი რეფერენსად გამოყენება.
თქვი, რა ევალება თითოეულ რეფერენსს
პრომპტს არ სჭირდება სურათების აღწერა, ეს რეფერენსის საქმეა. მან უნდა თქვას, რომელი სურათი რომელ გადაწყვეტილებაზეა პასუხისმგებელი:
Use the supplied images as follows:
- image 1 owns identity: face, hair, skin tone. Do not change her features.
- image 2 owns the jacket: cobalt wool, exact cut.
- image 3 owns the light: single soft key from camera left, deep shadow right.
- image 4 owns the palette only.
Render her in a sunlit gallery, three-quarter view, same identity and jacket.
შეადარეთ ეს ფრაზას „გამოიყენე რეფერენსები“, რომელიც სწორედ საშუალოს წარმოქმნის. როგორც კი რეფერენსს ჰყავს მფლობელი და ფარგლები, კონფლიქტური შემავალი მონაცემები წყვეტენ კენჭისყრაში მონაწილეობას და იქცევიან სპეციფიკაციად.
სად მცდარდება
ორი რეფერენსი, რომლებიც ერთმანეთს ეწინააღმდეგება. ქურთუკის ორი ფოტო სხვადასხვა ლურჯი ტონით ნიშნავს, რომ მოდელი მესამე ლურჯს აირჩევს. აირჩიე ერთი და წაშალე მეორე.
რეფერენსები, რომლებიც პრომპტს ებრძვის. „შეინარჩუნე ზუსტი ფორმა და ფერი“ სამი ფორმის ვარიანტთან ერთად ითხოვს შეუთავსებლის შეთანხმებას.
ვარაუდი, რომ PNG ნიშნავს გამჭვირვალობას. ამ მოდელზე ასე არ არის: PNG-ის არჩევა არ იძლევა გამჭვირვალე ფონის გარანტიას, და აქ ფონის ან ხარისხის კონტროლები საერთოდ არ არის — თანაფარდობა, რეზოლუცია, JPG/PNG და რეფერენსები არის მთელი ინტერფეისი.
14-ის განხილვა როგორც სათადარიგო „ყოველ შემთხვევაში“. ყოველი გამოუყენებელი რეფერენსი ვალდებულებაა: ესაა კიდევ ერთი რამ, რის წონაც მოდელმა უნდა გადაწყვიტოს.
იტერაციის ხრიკი, რომელიც უფრო დიდ რეფერენსების ნაკრებს სჯობს
გამოიყენე შედეგი როგორც შემდეგი რეფერენსი. მოდელი იდენტობას უკეთ ინარჩუნებს რედაქტირებების ჯაჭვში, ვიდრე შემავალი მონაცემების გროვაში, და ეს ჯაჭვი აუდიტირებადია: თითოეულ ნაბიჯს ერთი შეცვლილი ინსტრუქცია აქვს.
- გააკეთე საბაზისო კადრი ოთხი რეფერენსით.
- დააბრუნე ეს კადრი, შეცვალე ფონი, პრომპტში დაფიქსირდეს იდენტობა.
- დააბრუნე შედეგი გარდერობის შესაცვლელად.
სამი ნაბიჯი, თითოეული სამი კრედიტი 1K-ზე, და პერსონაჟი, რომელიც იგივე ადამიანი რჩება — სწორედ ის, რასაც ხალხი გულისხმობს, როცა ითხოვს „თანმიმდევრულობას“.
FAQ
მეტი რეფერენსი მეტ კრედიტს ჯდება? არა. ფასი დამოკიდებულია რეზოლუციაზე: 3 / 4 / 5 1K / 2K / 4K-სთვის.
შემიძლია პერსონაჟებისა და ობიექტების თავისუფლად შერევა? დოკუმენტირებული დანაწილების ფარგლებში — მაქსიმუმ ოთხი პერსონაჟი და მაქსიმუმ ათი ობიექტი.
სავალდებულოა რეფერენს სურათი? არა, მუშაობს ტექსტიდან სურათზე. რეფერენსებს ამატებ მაშინ, როცა იდენტობა ან მატერიალი უნდა შენარჩუნდეს.
რა მოხდება, თუ პროდუქტზე ტექსტი ზუსტი უნდა იყოს? ეს მოდელი ტექსტთან ძლიერია, მაგრამ მაინც შეამოწმე 100%-ზე; წვრილი შრიფტი ყველა მოდელისთვის ის ადგილია, სადაც ჯერ კიდევ ცდება.
რეფერენსების ლიმიტები და 4 + 10 დანაწილება დოკუმენტირებულია Callirra-ს Nano Banana 2.1 გვერდზე. თუ გაქვს თოთხმეტრეფერენსიანი სამუშაო პროცესი, რომელიც თანმიმდევრულად სჯობს ოთხრეფერენსიანს, მინდა ვნახო პრომპტი — ეს ზემოთ აღწერილ ნიმუშს დაარღვევს.