जैसा मैंने पहले कहा था, अगर रीट्वीट 100 से अधिक हो गए, तो मैं यह स्किल जारी कर दूंगा।
लक्ष्य पूरा हो गया है; आप सभी वास्तव में सहयोगी हैं।
https://x.com/MANISH1027512/status/2094786658914930945
ठीक है, मैं सिर्फ स्किल जारी नहीं करूंगा; मैं इसके पीछे के तर्क को भी समझाऊंगा। इसे पढ़ने के बाद, आप एक AI फ़ोटोग्राफ़र बन सकते हैं और अपनी खुद की शैली की स्किल्स का विस्तार भी कर सकते हैं।
पहला, मुख्य प्रॉम्प्ट फ्रेमवर्क
एक कोरियाई Instagram इन्फ्लुएंसर, गोरी त्वचा, अतिरंजित फिगर।
[अभिव्यक्ति] + [कपड़ों की शैली] + [दृश्य] + [पल] + [फ़ोटोग्राफ़ी तकनीक]
बस इतना ही?
हाँ, ढांचा मूल रूप से इतना ही सरल है।
मैं आप सभी पर बार-बार जोर देता रहा हूं: GPT-Image 2 के साथ खेलना अन्य टूल्स की तरह नहीं है—इसे बहुत अधिक नियंत्रित न करें।
यदि आप सख्ती से परिभाषित करते हैं कि व्यक्ति क्या पहनता है, उसके हाथ कैसे रखे गए हैं, उसका सिर किस तरफ झुका है, रोशनी किस कोण से आ रही है, और पृष्ठभूमि में वास्तव में क्या है, तो GPT को परस्पर विरोधी मांगों से जूझना पड़ता है। यह सब कुछ संतुष्ट करने की कोशिश करेगा, लेकिन इससे रेंडरिंग में विरोध उत्पन्न हो सकता है (उदाहरण के लिए, इसी तरह शोर उत्पन्न होता है)।
इसलिए, मुख्य एंकर पॉइंट्स को नियंत्रित करें और बाकी को मॉडल को उचित रूप से सौंप दें।
लेकिन सौंपने का मतलब सिर्फ यह कहना नहीं है कि "सब कुछ यादृच्छिक है।"
वास्तव में महत्वपूर्ण क्या है:
मुख्य एंकर पॉइंट्स के लिए पर्याप्त मोटे गणन मूल्यों का एक सेट तैयार करें।
उदाहरण के लिए, यदि आप मॉडल को "यादृच्छिक अभिव्यक्ति" कहते हैं, तो यह आसानी से कुछ सबसे सामान्य अभिव्यक्तियों के बीच चक्कर लगाता है।
लेकिन यदि आप इसे देते हैं:
उदासीन और खोया हुआ, थोड़ा भेंगा, नीचे देखना और विचलित, हंसी न रोक पाना, अचानक पीछे मुड़कर देखना, एक क्षणिक खोया हुआपन, धूप से झुलसी एक स्वाभाविक अभिव्यक्ति, अभी-अभी जागने की आलस्य...
यादृच्छिकता की सीमाएं आपके द्वारा परिभाषित की जाती हैं।
यह भी वही है जो मैं एक स्किल और एक नियमित प्रॉम्प्ट के बीच एक बड़ा अंतर समझता हूं।
एक स्किल क्या कर रही है?
यह वास्तव में इतना रहस्यमय नहीं है।
यह इन प्रमुख चरों को लगातार चर पूल / सामग्री बैंकों में मोटा करने के बारे में है।
उदाहरण के लिए:
अभिव्यक्ति पूल
कपड़ों की शैली पूल
दृश्य पूल
पल पूल
शॉट प्रकार पूल
फोकल लंबाई पूल
कैमरा स्थिति पूल
संरचना पूल
अग्रभूमि पूल
प्रकाश पूल
जनरेट करते समय, आप इन पूलों से पुनर्संयोजन करते हैं।
आप इसे एक प्रकार की सीमित यादृच्छिकता के रूप में समझ सकते हैं:
यह मॉडल को आंख मूंदकर अनुमान लगाने नहीं दे रहा है, न ही यह हर पिक्सेल को पूर्व-परिभाषित कर रहा है।
यह अब कई इमेज जनरेशन स्किल्स के लिए एक बहुत ही सामान्य अंतर्निहित तर्क है।
कंकाल + चर पूल।
यहां ChatGPT में सीधे चलाने के लिए एक संस्करण है
निम्नलिखित को कॉपी करें, और यह मूल रूप से उपयोग के लिए तैयार है:
n=10, 9:16 रियल-लाइफ कैंडिड फ़ोटोग्राफ़ी पोर्ट्रेट। विषय निश्चित है: एक कोरियाई Instagram इन्फ्लुएंसर जिसमें शानदार कैमरा उपस्थिति, गोरी त्वचा और अतिरंजित फिगर है। यादृच्छिक अभिव्यक्तियाँ: उदासीन और खोया हुआ, थोड़ा भेंगा, धूप से झुलसी स्वाभाविक अभिव्यक्ति, आधी मुस्कान, नीचे देखना और विचलित, हवा महसूस करने के लिए आँखें बंद, अचानक पीछे मुड़कर देखना, दूर तक देखना, हंसी न रोक पाना, अभी-अभी जागने की आलस्य, कैद होने पर एक स्वाभाविक विराम, हल्का सा भ्रूभंग, विचारशील, एक क्षणिक खोया हुआपन। यादृच्छिक कपड़ों की शैलियाँ: BM शैली, शुद्ध इच्छा शैली, सौतेली माँ शैली, परिपक्व शैली, Chanel शैली, घरेलू शैली, कोरियाई हल्की परिपक्व शैली, फ्रेंच आलसी शैली, न्यूनतम ठंडी शैली, Old Money शैली, छुट्टी शैली, शहरी कम्यूटर शैली, मीठी और ठंडी शैली, Y2K शैली, कोरियाई गर्ल ग्रुप प्राइवेट शैली, सादा पानी हाई-एंड लुक, कम-संतृप्ति हाई-एंड प्राइवेट कपड़े, आरामदेह प्राइवेट शैली। यादृच्छिक दृश्य: मध्य गर्मियों का कमल तालाब, पुरानी लकड़ी की नाव, झील के किनारे लकड़ी का रास्ता, उथली ग्रामीण नदी, बांस के जंगल का किनारा, सफेद दीवारों वाला आंगन, दक्षिणी पुराने घर की खिड़की, आधुनिक कांच का फूल घर, झील के किनारे पत्थर की सीढ़ियाँ, पहाड़ी सड़क, समुद्र के किनारे सफेद इमारत, शहर की छत, पुरानी बस, पुराने जमाने का ट्रेन डिब्बा, न्यूनतम B&B, सुविधा स्टोर फ्रीजर, नदी के किनारे फल धोना, पेड़ की छाया के नीचे बेंच, बारिश के बाद गली, पुराना घाट, गर्मियों का पूलसाइड, नरकट का झील किनारा, ग्रामीण बाग, सफेद मंडप, कमल के पत्तों के नीचे। यादृच्छिक पल: अभी-अभी बैठा, उठने की तैयारी कर रहा, स्कर्ट ठीक करने के लिए नीचे देख रहा, टोपी ठीक करने के लिए हाथ उठा रहा, हवा से बाल उड़ रहे, पत्तों के पीछे से झांक रहा, पानी की सतह को छूने के लिए झुक रहा, पानी में नंगे पैर कदम रख रहा, लकड़ी के रास्ते पर धीरे-धीरे चल रहा, नाव के पिछले हिस्से में बैठकर खोया हुआ, दूर देखने के लिए मुड़ रहा, हवा से बिखरने के बाद बाल ठीक करने के लिए हाथ उठा रहा, फल धोने के लिए नीचे देख रहा, खिड़की के पास झपकी ले रहा, अचानक पीछे मुड़कर देख रहा, आँखें बंद करके धूप सेंक रहा, छाया से धूप में चल रहा, रेलिंग पर हाथ रखे, पत्थर की सीढ़ियों पर बैठकर पैर हिला रहा, धूप से बचने के लिए विशाल कमल के पत्ते का उपयोग कर रहा, पानी के पास बैठा, थोड़ा पीछे झुका, हाथों के बल आराम कर रहा, लेंस के पास से गुजरते हुए गलती से कैद हो गया। यादृच्छिक शॉट प्रकार: चेहरे का अत्यधिक क्लोज़-अप, कंधे का क्लोज़-अप, छाती तक का क्लोज़-अप, कमर तक का मीडियम क्लोज़-अप, घुटने के ऊपर का मीडियम शॉट, आधा शरीर पर्यावरण पोर्ट्रेट, पूरा शरीर पर्यावरण पोर्ट्रेट, बड़े वातावरण में छोटे पैमाने का फिगर कंपोज़िशन। यादृच्छिक फोकल लंबाई: 24mm अल्ट्रा-वाइड एंगल क्लोज़ रेंज, 28mm वाइड एंगल, 35mm पर्यावरण पोर्ट्रेट, 50mm प्राकृतिक परिप्रेक्ष्य, 85mm संपीड़ित पोर्ट्रेट, 105mm लंबी दूरी की जासूसी टेलीफोटो। यादृच्छिक कैमरा स्थितियाँ: पानी के बहुत करीब बहुत नीचे का कोण, विशाल कमल के पत्ते के नीचे से ऊपर देखता नीचा कोण, जमीनी स्तर का नीचा कोण, कमर के नीचे का नीचा कोण, आंखों के स्तर पर कैंडिड, हल्का ऊंचा कोण, स्पष्ट ऊंचा कोण, सीढ़ियों के ऊपर से नीचे शूटिंग, पौधों के माध्यम से साइड शॉट, दरवाजे के फ्रेम के पीछे से शूटिंग, खिड़की के बाहर से इंटीरियर में शूटिंग, डिब्बे की अगली पंक्ति से लंबी दूरी का शॉट, व्यक्ति के पीछे से शूटिंग, कंधे के ऊपर का परिप्रेक्ष्य, Dutch Angle, व्यक्ति पूरी तरह से केंद्र से बाहर, फ़ोटोग्राफ़र पर्यावरणीय वस्तुओं के पीछे छिपा हुआ जासूसी परिप्रेक्ष्य में। यादृच्छिक संरचनाएँ: अत्यधिक नकारात्मक स्थान, आकाश का बड़ा क्षेत्र, पानी का बड़ा क्षेत्र, व्यक्ति फ्रेम के निचले तिहाई में दबा हुआ, व्यक्ति अत्यधिक किनारे पर रखा गया, केंद्र संरचना लेकिन अग्रभूमि द्वारा अवरुद्ध, असममित संरचना, विकर्ण संरचना, परिप्रेक्ष्य अग्रणी रेखाएँ, विशाल प्राकृतिक वस्तुएं व्यक्ति के खिलाफ दब रही हैं, छोटे पैमाने का पर्यावरण पोर्ट्रेट, अग्रभूमि फ्रेम का एक तिहाई हिस्सा घेर रही है, अग्रभूमि आधा फ्रेम घेर रही है, पौधों के अंतराल के माध्यम से झांकना, दरवाजे के फ्रेम की फ्रेमिंग, खिड़की के फ्रेम की फ्रेमिंग, कमल के पत्ते एक प्राकृतिक गोलाकार फ्रेम बना रहे हैं, वास्तुशिल्प ज्यामितीय फ्रेम काटना। यादृच्छिक अग्रभूमि: पूरी तरह से फोकस से बाहर कमल के फूल, विशाल कमल के पत्ते, पेड़ के पत्ते, बांस के पत्ते, सफेद पर्दे, कांच के प्रतिबिंब, पानी के प्रतिबिंब, पंखुड़ियाँ, नरकट, दरवाजे के फ्रेम, खिड़की के फ्रेम, कार का कांच, बस की सीटें, पारदर्शी प्लास्टिक के पर्दे, रेलिंग, सफेद दीवारों के किनारे, गीली शाखाएँ। अग्रभूमि को स्वाभाविक रूप से फ्रेम में घुसपैठ करनी चाहिए, स्पष्ट बाधा उत्पन्न करनी चाहिए; सभी तत्वों को पूरी तरह से न दिखाएं। यादृच्छिक प्रकाश: मध्य गर्मियों की तेज दोपहर की कठोर रोशनी, चित्तीदार पेड़ की छाया की रोशनी, दोपहर की साइड-बैकलाइट, शाम की नीची कोण वाली बैकलाइट, बारिश के बाद साफ बिखरी हुई रोशनी, खिड़की के पास उच्च-कंट्रास्ट प्राकृतिक रोशनी, पानी की सतह के प्रतिबिंब से भरने वाली रोशनी, सफेद दीवार के प्रतिबिंब की रोशनी, पत्तियों के माध्यम से बनने वाली बारीक रोशनी और छाया, आंशिक रूप से अधिक उजागर हाइलाइट्स, प्रकाश और अंधेरे की सीमा पर व्यक्ति, व्यक्ति के चेहरे पर केवल धूप का एक छोटा सा टुकड़ा प्रकाशित। यादृच्छिक लेकिन संयमित रंग: नीला आकाश + पन्ना हरा + सफेद, गहरा हरा + दूधिया सफेद + त्वचा का रंग, पानी नीला + सफेद + ग्रे, सियान हरा + ऑफ-व्हाइट + कुछ गुलाबी फूल, गहरा नीला रात + ठंडी सफेद रोशनी, बारिश के बाद ग्रे-नीला + गीला हरा। फ्रेम में अधिकतम 3-4 मुख्य रंग ब्लॉक रहते हैं, बहुरंगी अव्यवस्था से बचें। यादृच्छिक फ़ोटोग्राफ़ी अवस्थाएँ: प्राकृतिक कैंडिड, गैर-पोज़्ड, फ़ोटोग्राफ़र द्वारा आकस्मिक कैप्चर, व्यक्ति लेंस से पूरी तरह अनजान, हल्का मोशन ब्लर, आंशिक रूप से फोकस से बाहर, कांच के प्रतिबिंब का घोस्टिंग, वास्तविक लेंस फ्लेयर, किनारे के हाइलाइट का ओवरफ्लो, हल्का ओवरएक्सपोज़र, उथली गहराई का क्षेत्र, लंबी दूरी का संपीड़न, नज़दीकी सीमा की वाइड-एंगल विकृति, प्राकृतिक अनाज, हल्का डिजिटल शोर, पोर्टेबल कैमरे का तत्काल एहसास। समग्र आवश्यकताएँ: रियल-लाइफ फ़ोटोग्राफ़ी, मजबूत फ़ोटोग्राफ़िक बनावट, आधुनिक ओरिएंटल ग्रीष्मकालीन पोर्ट्रेट, साफ फ्रेम, स्पष्ट बड़े पैमाने के संबंध, विशिष्ट स्थानिक परतें, कोई स्टूडियो फील नहीं, कोई व्यावसायिक स्टूडियो शूटिंग नहीं, कोई मानक इन्फ्लुएंसर पोज़िंग नहीं, सभी विषय कैमरे की ओर नहीं देख रहे, कोई पारंपरिक केंद्रित पोर्ट्रेट नहीं, कोई जटिल प्रॉप्स नहीं, कोई अव्यवस्थित पृष्ठभूमि नहीं, कोई अत्यधिक त्वचा चिकनाई नहीं, कोई प्लास्टिक त्वचा नहीं। प्रत्येक छवि को विभिन्न दृश्यों, कपड़ों की शैलियों, पलों, शॉट प्रकारों, फोकल लंबाई, कैमरा स्थितियों, संरचनाओं, अग्रभूमि और प्रकाश को यादृच्छिक रूप से संयोजित करना चाहिए, अपरंपरागत कैमरा स्थितियों और एक आकस्मिक कैंडिड फील को प्राथमिकता देनी चाहिए; एक ही बैच में छवियों के बीच पुनरावृत्ति से बचें।
स्किल संस्करण
ओपन सोर्स रिपॉजिटरी:
https://github.com/vibeshotclub/vsc-skills/tree/main/vibeshot-candid-photography
स्किल संस्करण में कोई ब्लैक मैजिक नहीं है।
मूल यह है कि उपरोक्त ढांचे के आधार पर चर पूलों की मोटाई बढ़ाना जारी रखें, जिससे विभिन्न चरों के बीच अधिक संयोजन संभव हो सके।
मुझे विश्वास है कि आप, स्मार्ट होने के नाते, पहले से ही सादृश्य से सीख सकते हैं।
अंत में, मैं आपको उस समुदाय से परिचित कराता हूं जिस पर मैं काम कर रहा हूं, VibeShotClub:
यह AIGC विज़ुअल क्रिएटर्स के लिए एक सभा स्थल है जो वास्तव में लंबे समय तक काम कर रहे हैं।
हम समुदाय द्वारा निर्मित प्रॉम्प्ट्स, स्किल्स, वर्कफ़्लो, मॉडल तकनीक और उत्कृष्ट मामलों को व्यवस्थित और साझा करना जारी रखेंगे।
यदि आप भी AI इमेज, AI वीडियो के साथ गंभीरता से खेल रहे हैं, या अपना खुद का क्रिएटिव वर्कफ़्लो बना रहे हैं, तो आपका आना और देखना स्वागत है।
