Kiel doni instrukciojn al AI por konsista vida stilo

Por certigi konsistan vidan stilon tra pluraj eligoj, vi devas eksplicite difini la estetikajn parametrojn en ĉiu prompto kaj ankri ilin per specifaj, ne-abstraktaj priskribiloj anstataŭ fidi al implicita kunteksto. Konsisteco malsukcesas, kiam vi lasas spacon por la probabla interpreto de la modelo pri neklaraj terminoj; ĝi sukcesas, kiam vi limigas la generan spacon per preciza teknika lingvo.

Kial stila ŝanĝiĝo okazas en Generaj modeloj

Generaj modeloj ne havas persistan memorion pri via projekto. Ĉiu generado estas sendependa specimena evento el vasta distribuo de eblaj bildoj. Kiam vi petas "cyberpunk city", la modelo elektas el miloj da latentaj vektoroj, kiuj kongruas kun tiu koncepto: kelkaj emas al neonzelenaj, aliaj al magentaj, kelkaj krudaj kaj malpuraj, aliaj puraj kaj estontecaj. Sen eksplicitaj limigoj, la modelo defaŭlte uzas la plej probablecan averaĝon de tiuj vektoroj, kio iomete ŝanĝiĝas kun ĉiu nova semo aŭ eta variaĵo en la peto. Tiu ŝanĝiĝemo ne estas eraro; ĝi estas la naturo de altdimensia specimenado. Se vi petas "portreton en la stilo de Van Gogh", la modelo povas interpreti tion kiel dikajn impastajn teksturojn en unu eligo kaj liberajn, spiralecajn penikstrekojn en la sekva, ĉar ambaŭ estas validaj interpretoj de la stilo. La modelo ne scias, ke via antaŭa bildo uzis dikan impaston; ĝi nur konas la nunan peton. Do, konsisteco ne estas emerĝanta eco de uzado de la sama modelo; ĝi estas inĝenierita eco de uzado de la samaj eksplicitaj limigoj ĉiun fojon.

Difinado de stilaj parametroj: Lumigo, kolora paletro kaj teksturo

Ne uzu unuvortajn stilajn etikedojn kiel "moody" aŭ "vibrant." Ĉi tiuj estas ambiguaj kaj lasas tro da libereco al la modelo. Anstataŭe, disfendu vian stilon en tri kontroleblajn aksojn: lumigo, koloro kaj teksturo.

Por lumigo, specifiku la fonton kaj kvaliton. Anstataŭ „drama lumigo“, skribu „mala direkta lumo el la supra maldekstra angulo, ĵetanta akrajn ombrojn, alta kontrasto“. Tio precize indikas al la modelo, de kie venas la lumo kaj kiel ĝi interagas kun surfacoj. Por koloro, nomu specifajn nuancojn aŭ paletrojn. „Malkvieto teraj tonoj“ estas malklara; „desaturitaj verdaj, okra kaj grizaj tonoj kun malalta saturado“ estas preciza. Se vi volas specifan humoron, alligu ĝin al konkreta referenco kiel „la kolorpaletro de skandinava internaĵa revuo“. Por teksturo, priskribu la kvaliton de la surfaco. „Greneca“ estas nesufiĉa; „greneca filma teksturo, videbla bruo, eta kromata aberacio ĉe la bordoj“ estas agadebla. Skribante vian prompton, listigu ĉi tiujn parametrojn eksplicite. Konsistenta stilo estas konsistenta aro de teknikaj instrukcioj, ne konsistenta humoro.

Efika uzado de referencaj bildoj kaj stilkarakteriziloj

Referencaj bildoj estas potencaj ankroj, sed oni devas uzi ilin celkonscie. Se vi alŝutas referencan bildon, la modelo pruntos ĝian komponaĵon, lumigon kaj paletro. Tamen ĝi povas ankaŭ prunti nedeziratajn elementojn kiel specifajn objektojn aŭ fonojn. Por izoli la stilon, uzu referencojn, kiuj havas la deziratan estetikon sed malsamas laŭ temo. Se vi volas konstantan lumigon por serio da portretoj, uzu referencon de pejzaĝo lumigita per sama tipo de lumo. Tio instruas al la modelo la logikon de lumigo sen kontamini la temon.

Kiam oni uzas tekstajn priskribojn kune kun referencoj, ripetu la ĉefajn stilajn terminojn el via referenca bildo. Se via referenco havas "molan difuzan lumon", inkluzivu tiun frazon en vian tekstan prompton. Tio fortikigas la vidan indikon. Neniam fidu nur je la referenca bildo por porti la stilon; la teksta prompto devas aktive treni la generadon al la dezirata estetiko. Se la teksto kaj bildo malkongruas, la teksto kutime venkas, do kongruigu ilin.

Strukturi Promptojn por Bata Konsisteco

Kiam generi serion da bildoj, uzu fiksan priskriban ŝablonon. Strukturigu vian priskribon en tri partoj: la temo, la stilaj limigoj kaj la negativaj limigoj. Teni la stilajn kaj negativajn sekciojn identaj en ĉiuj priskriboj de la serio. Nur ŝanĝu la temajn sekciojn. Ekzemple:

• Subjekto: Virino tenanta kafan tason
• Stilo: Akra direkta lumo el supre maldekstre, malkvietiĝintaj teraj tonoj, greneca filma teksturo
• Negativo: Neono, helaj koloroj, glata cifereca aspekto, kartuno

Ne ŝanĝu la stilan sekcion por individuaj bildoj. Se unu bildo bezonas alian lumigaran aranĝon, tio estas nova stilo, kaj vi devas komenci novan partion kun nova ŝablono. Miksado de stiloj ene de partio kreas devion ĉar la modelo mezumas la konfliktajn instrukciojn. Konsisteco atingiĝas traktante la stilon kiel konstantan variablon kaj la subjekton kiel la solan sendependan variablon.

Oftaj eraroj kiuj rompas vidan konsistecan

La plej ofta eraro estas inkluzivi subjektajn adjektivojn kiel "bela", "freŝa" aŭ "epika". Tiuj terminoj ne havas stabilan vidan difinon kaj enkondukas hazardan variecon. Forigu ilin. Anstataŭigu ilin per priskribaj atributoj.

Alia eraro estas troa dependeco de modelaj defaŭltoj. Kelkaj modeloj havas enkonstruitajn biaseojn al certaj estetikaĵoj, kiel akra kontrasto aŭ specifaj koloraj nuancoj. Se via dezirata stilo kontraŭas tiujn defaŭltojn, vi devas kontraŭagi ilin per eksplicitaj negativaj promptoj. Ekzemple, se vi volas molan, malalt-kontrastan lumigon sed la modelo defaŭlte uzas akran kontraston, aldonu "malalta kontrasto, molaj ombroj" al la stila sekcio kaj "akra kontrasto, akraj ombroj" al la negativa sekcio.

Fine, ne preterlasu la negativan prompton. Negativaj promptoj ne estas opcio. Difinas kion la modelo devas eviti, kio ofte estas pli efika ol difini kion ĝi devas inkluzivi. Stilo sen negativa difino estas duone difinita stilo.

Teknikoj por konservi stilon tra malsamaj subjektoj

Kiam moviĝante inter subjektoj kiuj varias vaste, ekzemple de persono al produkto al pejzaĝo, la stilaj limigoj devas esti sufiĉe robustaj por aplikiĝi al ĉiuj. Testu vian stilan ŝablonon sur diversega aro da subjektoj antaŭ ol engaĝiĝi en plenan produktadan partion. Se la stilo rompiĝas ĉe unu tipo de subjekto, rafiniĝu la priskribilojn. Ekzemple, "greneca filma teksturo" povas ŝajni natura sur persono sed artefarita sur glata produkto. En tia kazo, agordu la teksturan priskribilon al io kiel "subtila cifereca greno, eta lensa brilo" kiu funkcias tra kuntekstoj.

Uzu intermediajn subjektojn por bridgi interspacojn. Se vi moviĝas de portreto al urba pejzaĝo, generu intermediajn bildon de persono en urbo. Tio helpas vin verifi ke la stilaj limigoj tenas tra la transiro. Se la stilo devias en la intermediara bildo, riparu la prompton antaŭ ol daŭrigi al la fina subjekto.

Stila konsisteco estas procezo de limigado, ne magio. Vi ne petas la AI-n memori vian guston; vi donas al ĝi precizan specifan tabelon ĉiun fojon. Traktu vian stilan prompton kiel recepton: ĉiu ingredienco devas esti listigita, mezurita kaj ripetita. Se vi devias de la recepto, la plado ŝanĝiĝas. Se vi adheras al ĝi, la rezulto restas kohera.