एक सुंदर पोस्टर बनाने के लिए एआई का उपयोग करने में केवल दस सेकंड लग सकते हैं, लेकिन यदि आप चाहते हैं कि यह वास्तव में वितरण योग्य मानक तक पहुंच जाए, तो परेशानी अभी शुरू हुई है।

यदि आप उत्पाद का रंग बदलते हैं, तो पृष्ठभूमि बदल जाएगी; यदि आप कॉपी राइटिंग के एक वाक्य को समायोजित करते हैं, तो चरित्र की चेहरे की विशेषताएं आकार से बाहर हो जाएंगी; यदि आप सामग्री को अलग से काटकर उसका पुन: उपयोग करना चाहते हैं, तो आपको यह सब दोबारा करना होगा।एआई ड्राइंग में बेहतर से बेहतर होता जा रहा है, लेकिन यह अभी तक पूरी तरह से नहीं सीख पाया है कि फ़ोटोशॉप की तरह छवियों को सटीकता से कैसे संशोधित किया जाए।

अभी, बाइटडांस ने नई पीढ़ी का छवि निर्माण मॉडल, सीड्रीम 5.5 जारी किया।यह पिक्सेल-स्तरीय सटीक संपादन, बिना पतन के सैकड़ों राउंड संशोधन पर ध्यान केंद्रित करता है, और देशी आरजीबीए पारदर्शी सामग्रियों का समर्थन करता हैछोटा पाठ प्रतिपादन, फोटोग्राफी बनावटऔर अन्य क्षमताएं, एआई-जनरेटेड छवियों को पेशेवर छवि संपादन के क्षेत्र में ला रही हैं। ज्वालामुखी इंजन इस सप्ताह सीड्रीम 5.5 एपीआई सेवा लॉन्च करेगा।

एक वाक्य में छवियां बनाने से लेकर एक वाक्य में छवियों को सटीक रूप से संशोधित करने तक, एआई छवि पीढ़ी "पीएस के एआई संस्करण" की ओर बढ़ रही है। इस बार एफ़ानेर भी एक कठिन ग्राहक में बदल गया, और इस कच्चे मॉडल की यातना के वास्तविक स्तर को गंभीरता से अनुभव किया।

आईफोन डुओ से लेकर "आर्म्ड इनटू द सॉन्ग डायनेस्टी" तक, एआई छवि संशोधन में अंततः पिक्सेल-स्तरीय नियंत्रण है

सीड्रीम 5.5 अपने पिक्सेल-सटीक संपादन और बहु-गोल स्थिरता के साथ कितनी दूर तक जा सकता है? हमने यह देखने के लिए पहले से जारी iPhone डुओ के साथ प्रयोग करने का निर्णय लिया कि क्या हम इसे निरंतर संशोधन के माध्यम से रेट्रो टेप प्लेयर में बदल सकते हैं।

प्रारंभिक तस्वीर में, आधा मुड़ा हुआ iPhone डुओ दोनों हाथों की हथेली में रखा हुआ है, जिसमें बाएँ और दाएँ स्क्रीन पर अलग-अलग इंटरफ़ेस दिखाई दे रहे हैं। लक्ष्य यह था कि फोन के डिज़ाइन को यथासंभव संरक्षित करते हुए क्रमिक संशोधनों के माध्यम से एक स्क्रीन को रेट्रो टेप प्लेयर में बदल दिया जाए।

अधिक सामग्री, मूल चित्र (बाएं), संशोधित पूर्ण चित्र (दाएं) देखने के लिए बाएं स्वाइप करें

पूरी प्रक्रिया चित्रों के पिछले दौर पर आधारित है, पहले अनावश्यक घटकों को हटाना, वॉलपेपर बदलना, और फिर धीरे-धीरे इंटरफ़ेस लेआउट को समायोजित करना, एल्बम कवर, प्लेबैक नियंत्रण और टेप तत्वों को जोड़ना जब तक कि सही स्क्रीन उम्र की भावना के साथ टेप प्लेयर में न बदल जाए।

अंत में, हमने एक अधिक महत्वपूर्ण संशोधन अनुरोध का प्रस्ताव रखा, जिसमें मूल साफ सफेद पृष्ठभूमि को विनाइल रिकॉर्ड स्टोर से बदल दिया गया, उत्पाद प्रदर्शन चित्र से पूरी तस्वीर को रेट्रो-शैली के वाणिज्यिक प्रचार चित्र में बदल दिया गया।

कई दौर के संशोधनों के बाद, सीड्रीम 5.5 अभी भी फोन की मुख्य संरचना और पुष्टि किए गए डिज़ाइन तत्वों को बरकरार रखता है, जो SOTA-स्तरीय स्थानीय संपादन क्षमताओं को दर्शाता है।

यदि iPhone डुओ परीक्षण करता है कि क्या उत्पाद संरचना और यूआई घटक बार-बार संशोधन के दौरान सुसंगत रह सकते हैं, तो हमने यह देखने के लिए एआई की ताकत बढ़ाने का फैसला किया कि क्या यह अधिक जटिल बहु-चरित्र रचनाओं के सामने सटीक संपादन और कलात्मक अभिव्यक्ति को संतुलित कर सकता है, ताकि एक फिल्म का पोस्टर लगातार संशोधनों के बावजूद एक एकीकृत सौंदर्य और दृश्य शैली को बनाए रख सके।

हाल ही में, एआई लघु नाटक "आर्म्ड इनटू द सॉन्ग डायनेस्टी" ने बहुत ध्यान आकर्षित किया है। हमने भी यह प्रेरणा ली और 18 दौर के निरंतर संपादन के माध्यम से कॉस्ट्यूम सस्पेंस फिल्म "इनटू द बियांजिंग" के लिए एक आधुनिक पांच-व्यक्ति पोर्ट्रेट पोस्टर को एक प्रचार पोस्टर में बदलने की कोशिश की, यह देखने के लिए कि क्या पात्र, रचना, प्रकाश और छाया और फिल्म का माहौल बार-बार समायोजन का सामना कर सकता है।

प्रारंभिक आधुनिक चरित्र आकृतियों से शुरू करके, हमने धीरे-धीरे संशोधन आवश्यकताओं का प्रस्ताव रखा। सबसे पहले, हमने पांच लोगों की स्थिति और कपड़ों को समायोजित किया, फिर पृष्ठभूमि को एक प्राचीन शहर के गेट से बदल दिया, फिर बारिश स्क्रीन, ठंडी-टोन वाली फिल्म रोशनी और छायाएं जोड़ीं, और अंत में चीनी शीर्षक जोड़े, जिससे पूरी तस्वीर को एक पीरियड सस्पेंस ब्लॉकबस्टर का माहौल मिल गया।

बहु-चरित्र दृश्यों की कठिनाई स्पष्ट रूप से अधिक है। पांच लोगों के चेहरे की विशेषताएं, कपड़े, स्थिति और सामने से पीछे के रोड़ा संबंध एक ही समय में सुसंगत होने चाहिए। खासकर जब पृष्ठभूमि और प्रकाश और छाया को संशोधित किया जाता है, तो मॉडल आसानी से पात्रों को पुनर्जीवित कर सकता है।

लेकिन अंतिम परिणाम से देखते हुए, सीड्रीम 5.5 लगातार 18 दौर के संशोधनों के बाद भी पात्रों की पहचान और पहले से निर्धारित रचना को बरकरार रखता है, जिससे उसी पोस्टर को नई रचनात्मक दिशाओं के साथ बेहतर बनाना जारी रखा जा सकता है।

इसके तुरंत बाद, हमने इसे दैनिक डिज़ाइन कार्य के करीब कार्यों के दो सेट पूरा करने के लिए कहा।

एक समूह को मूल कॉफी ब्रांड "मंडे लाइफ" के लिए नए उत्पाद पोस्टर बनाने हैं। आइस्ड लट्टे कप के रंग से लेकर पाठ, पृष्ठभूमि और स्थानीय सजावट तक, दस से अधिक दौर के संशोधन अनुरोध किए गए थे, यह देखने के लिए कि क्या टेबलटॉप बनावट, प्रकाश और छाया और उत्पाद विवरण जो पहले से ही संतोषजनक थे, वही रह सकते हैं।

दूसरा समूह एक कार्यालय डेस्कटॉप चित्रण है। तीन कॉफी कप, पांच नोटबुक, हरे पौधों के दो गमले और अन्य विविध वस्तुओं के बीच, एआई को केवल निचले बाएं कोने में नीले हैंडल वाले कप को संशोधित करने की आवश्यकता है ताकि यह परीक्षण किया जा सके कि यह बड़ी संख्या में समान वस्तुओं से लक्ष्य की सटीक पहचान कर सकता है या नहीं।

परीक्षणों के कई सेटों के बाद, सीड्रीम 5.5 लोगों को सबसे सहज एहसास देता है, यानी, संशोधन करते समय, आपको अन्य स्थानों की पीड़ा के बारे में चिंता करने की ज़रूरत नहीं है।

आप जानते हैं, पारंपरिक फ़ोटोशॉप चयन, परतों और मास्क के माध्यम से संपादन रेंज को सटीक रूप से नियंत्रित कर सकता है, जबकि जेनरेटिव एआई अक्सर स्थानीय सामग्री को संशोधित करते समय आसपास के दृश्य की पुनर्गणना करता है। जितने अधिक लगातार संशोधन होंगे, पात्रों, संरचना और विवरणों के भटकने का जोखिम उतना ही अधिक होगा।

सीड्रीम 5.5 की प्रगति यथासंभव पुष्टि की गई सामग्री को बनाए रखते हुए परिवर्तन करने में सटीक रूप से परिलक्षित होती है। यहां तक ​​कि चैटजीपीटी इमेजेज 2.6 और नैनो बनाना 2.1 जैसे प्रमुख मॉडलों के साथ प्रतिस्पर्धा में भी, संपादन निरंतरता के कई दौरों में इसका प्रदर्शन दर्शाता है कि यह उद्योग में सर्वश्रेष्ठ के लिए प्रतिस्पर्धा करता है।

यह भी सीड्रीम 5.5 के इस अपडेट का एक मुख्य आकर्षण है:मल्टी-राउंड स्थिरता पर ध्यान केंद्रित करते हुए, यह विवरण हानि और छवि गुणवत्ता में गिरावट को कम करने के लिए निरंतर संपादन के सैकड़ों राउंड का समर्थन करता है, और उपयोगकर्ताओं द्वारा लगातार प्रस्तावित नए विचारों के आधार पर प्रत्येक तस्वीर में लगातार सुधार करता है।

यह कहा जा सकता है कि प्रत्येक आगामी परीक्षण इस खंड की नींव पर बनाया गया है: केवल अगर परिणाम बरकरार रखा जा सकता है तो शब्दों, बनावट और सामग्रियों की प्रतिस्पर्धा सार्थक हो सकती है।

सीड्रीम 5.5 की यथार्थवादी महत्वाकांक्षा एक मोबाइल फोन सेल्फी से शुरू होती है

बेशक, अंशकालिक कार्यकर्ता के रूप में काम करना केवल पाठ-आधारित इन्फोग्राफिक्स के बारे में नहीं है। कई बार, वाणिज्यिक पोस्टरों को कई एआई मॉडल से भरना पड़ता है। दैनिक जीवन में, हर कोई अनिवार्य रूप से सामाजिक प्लेटफार्मों पर पोस्ट करने के लिए कुछ वायुमंडलीय चित्र बनाना चाहता है।

लेकिन पोर्ट्रेट वह दर्पण हैं जो अतीत में एआई मॉडल को सबसे आसानी से उजागर करते थे।

सीड्रीम 5.5 की यथार्थवाद क्षमता का परीक्षण करने के लिए, हमने त्वरित शब्दों में विभिन्न प्रकार के दैनिक मोबाइल फोन शूटिंग दृश्यों का अनुकरण किया, और प्रकाश व्यवस्था, त्वचा की बनावट, मोशन ब्लर आदि जैसे फोटोग्राफी विवरणों का विस्तार से वर्णन किया, यह देखने के लिए कि क्या मॉडल ऐसी छवियां उत्पन्न कर सकता है जो वास्तविक आकस्मिक शॉट्स के करीब हैं।

चित्रा | 3:4 वर्टिकल, अल्ट्रा-यथार्थवादी iPhone फ्रंट-फेसिंग कैमरा क्लोज़-अप सेल्फी, जब आप उठे और फोन उठाया तो गलती से छोड़ी गई जीवन की तस्वीरें दिखा रहा है। पात्र एक हाथ आगे बढ़ाता है, फोन चेहरे के दाहिनी ओर थोड़ा झुका हुआ है, लेंस आंख के स्तर के करीब है, रचना झुकी हुई है, सिर का शीर्ष थोड़ा कटा हुआ है, और कंधे स्वाभाविक रूप से आराम से हैं। वही युवा वयस्क पूर्वी एशियाई महिला, जो संदर्भ छवि में अपनी पहचान, चेहरे की विशेषताओं, केश और शरीर के अनुपात को सख्ती से बरकरार रखती है, एक ढीला सूती टॉप पहनती है और होटल की खिड़की के पास खड़ी होती है, जिसमें एक आउट-ऑफ-फोकस बिस्तर, आधा खुला सूटकेस और उसके पीछे दिखाई देने वाला कोना होता है। बादल भरी सुबह में प्राकृतिक प्रकाश ट्यूल पर्दों से होकर गुजरता है, जिससे चित्र के एक तरफ से एक बड़ा नरम प्रकाश स्रोत बनता है। खिड़की के पास के गाल चमकीले होते हैं, और दूर की तरफ के गाल धीरे-धीरे काले पड़ जाते हैं, जिससे निचले जबड़े और गर्दन पर चौड़ी और मुलायम छाया रह जाती है। त्वचा अपनी वास्तविक, अपरिवर्तित स्थिति प्रस्तुत करती है: नाक पर और गालों के अंदर छोटे छिद्र देखे जा सकते हैं, आंखों के नीचे हल्की सूजन और महीन रेखाएं होती हैं, गाल आंशिक रूप से लाल होते हैं, होंठ थोड़े सूखे होते हैं, और प्रकाश को प्रतिबिंबित करने के लिए माथे पर केवल थोड़ी मात्रा में प्राकृतिक सीबम होता है; छोटे विली केवल उपयुक्त साइड लाइटिंग कोणों के तहत ही दिखाई देते हैं। माथे, गालों, आंखों के आसपास और गर्दन पर त्वचा के रंग में प्राकृतिक अंतर होता है, इसलिए पूरे चेहरे को एक समान रंग ब्लॉक में संसाधित नहीं किया जाता है। चमकदार खिड़कियाँ थोड़े ओवरएक्सपोज़र की अनुमति देती हैं, और आंतरिक पृष्ठभूमि को काला कर दिया जाता है, जिससे ब्यूटी फिल्टर, मजबूत एचडीआर, या अतिरंजित छिद्र शार्पनिंग के उपयोग के बिना फोन संपीड़न की थोड़ी सी भावना बरकरार रहती है।

कॉन्सर्ट के बाद सेल्फी लेते समय, आपको गंदे बाल, माथे पर हल्का पसीना, सुविधा स्टोर से ठंडी सफेद रोशनी और साइनबोर्ड प्रतिबिंब, साथ ही स्थानीय ओवरएक्सपोज़र, अंधेरे क्षेत्रों में शोर और राहगीरों के धब्बों को संरक्षित करने की आवश्यकता है। देर रात टैक्सी की पिछली सीट पर बैठे एक व्यक्ति का चित्र पूरी तरह से स्ट्रीट लैंप के गुजरने पर चेहरे के आधे-अंधेरे, साथ ही त्वचा पर छिद्रों और तैलीयपन को व्यक्त करता है।

और अधिक देखने के लिए बाईं ओर स्वाइप करें

होटल की सुबह, सुविधा स्टोर फ्रीजर, जिम गलियारे, बारबेक्यू स्टॉल और पुराने अपार्टमेंट रसोई का उपयोग विभिन्न प्रकाश व्यवस्था के तहत त्वचा के रंग, छाया और अभिव्यक्तियों का निरीक्षण करने के लिए भी किया जाता था।

चित्रा | 2:3 लंबवत, अति-यथार्थवादी iPhone फ्रंट कैमरा क्लोज़-अप सेल्फी-शैली उपभोक्ता-ग्रेड डिजिटल फोटो, जैसे प्रशिक्षण के बाद संदेशों की जांच करने के लिए फोन उठाते समय गलती से लिया गया। किरदार ने एक हाथ आगे की ओर फैलाकर मोबाइल फोन पकड़ रखा है। कैमरा चेहरे के बाईं ओर सामने स्थित है, आंखों से थोड़ा ऊपर और नीचे की ओर झुका हुआ है। रचना पूरी तरह से सही नहीं है, चेहरा बाईं ओर झुका हुआ है, और स्पोर्ट्स टॉप के कॉलर का केवल एक हिस्सा नीचे खुला है। वही युवा वयस्क पूर्वी एशियाई पुरुष, जो संदर्भ छवि में अपनी पहचान, चेहरे की विशेषताओं, केश और शरीर के अनुपात को सख्ती से बरकरार रखता है, रात के जिम में लॉकर रूम की ओर जाने वाले संकीर्ण गलियारे में खड़ा है, उसकी सांस अभी तक पूरी तरह से स्थिर नहीं हुई है, उसके होंठ स्वाभाविक रूप से थोड़े खुले हैं, और पसीने से तर बालों की कुछ किस्में उसके माथे के करीब हैं। शीर्ष बार की रोशनी माथे, नाक के पुल और कंधों को रोशन करती है, और साइड के दरवाजे से आने वाली कमजोर रोशनी एक आंख के सॉकेट को नरम कर देती है, जिससे भौंह की हड्डी के नीचे, नाक के नीचे और ठोड़ी के नीचे वास्तविक छाया निकल जाती है। व्यायाम के बाद त्वचा पर स्थानीय लालिमा दिखाई देती है, कनपटी और हेयरलाइन पर अलग-अलग आकार के छोटे पसीने के कण होते हैं, नाक के पंखों पर छिद्र दिखाई देते हैं, और ऊपरी होंठ और निचले जबड़े पर छोटे-छोटे ठूंठ बने रहते हैं; कुछ पसीने की बूंदें चमकीले छोटे प्रतिबिंब बनाती हैं, और शेष क्षेत्र में केवल एक पतली नमी का एहसास होता है, और पूरे चेहरे को एकसमान और चमकदार नहीं माना जाता है। पृष्ठभूमि उपकरण और दरवाज़े का फ्रेम झुकी हुई रचना के साथ थोड़ा तिरछा रूप से परिवर्तित होता है। मोबाइल फोन के शोर में कमी के कारण अंधेरे में विवरण का नुकसान होता है। प्रत्येक छिद्र को तेज़ करने के लिए कोई अतिरिक्त आउटलाइन लाइट नहीं जोड़ी गई है।

हमने त्वचा की बनावट, परिवेश प्रकाश व्यवस्था और फोटोग्राफी बनावट की तुलना पर ध्यान केंद्रित करते हुए, उसी संकेत शब्द के आधार पर सीड्रीम 5.5, जीपीटी इमेजेज 2.6 और नैनो बनाना 2.1 के पोर्ट्रेट जेनरेशन प्रभावों की भी तुलना की।

चित्रों के कई सेटों को देखने के बाद, सीड्रीम 5.5 और जीपीटी इमेजेज 2.6 में यथार्थवाद की एक दिलचस्प समझ है। अगर मुझे इसे दो शब्दों में समेटना हो, तो मैं सीड्रीम 5.5 को "नियमित वास्तविकता" कहूंगा, जबकि जीपीटी इमेजेज 2.6 "स्क्रैम्बल रियलिटी" की तरह है।

पहला एक फोटोग्राफर द्वारा ली गई तस्वीर की तरह है जिसने सावधानीपूर्वक शॉट बनाया और प्रकाश को नियंत्रित किया। पात्र और वातावरण सभी बिल्कुल सही ढंग से व्यवस्थित हैं; उत्तरार्द्ध में जीवन को पकड़ने की अधिक आकस्मिक भावना है। कुछ तस्वीरें इतनी साफ-सुथरी नहीं हैं, लेकिन वे दोस्तों के मोबाइल फोन के फोटो एलबम में अनजाने में संशोधित क्षणों की अधिक याद दिलाती हैं। दोनों शैलियों की अपनी-अपनी खूबियाँ हैं, जिससे यह भी पता चलता है कि यथार्थवाद के लिए कोई एक मानक नहीं है।

अधिक देखने के लिए बाएं स्वाइप करें, सीड्रीम 5.5 (बाएं), जीपीटी इमेजेज 2.6 (मध्य), नैनो बनाना 2.1 (दाएं)

जहां तक ​​नैनो बनाना 2.1 संस्करण का सवाल है, इसमें अभी भी सुधार की काफी गुंजाइश है।

स्थिर चित्रों के अलावा, हमने कैमरे को उन बिल्लियों और कुत्तों पर भी केंद्रित किया जो अभी-अभी नहाए थे। जब एक बिल्ली पानी हिलाती है, तो सिर और कान की गति धुंधली होनी चाहिए, और फर्श की चटाई पर पंजे अभी भी स्पष्ट हैं; कुत्ते को गीले फर के उलझे हुए टुकड़े, कान के बाद की तस्वीरें और पानी की बूंदें दिखानी होंगी।

और अधिक देखने के लिए बाईं ओर स्वाइप करें

ये विवरण मिलकर यह निर्धारित करते हैं कि छवि वास्तविक फोटोग्राफी के नियमों के अनुरूप है या नहीं, जिसमें प्रकाश कहां से आता है, वस्तुएं कैसे चलती हैं, और शटर द्वारा रिकॉर्ड किया गया क्षण कैसा दिखता है।

सीड्रीम 5.5 की सामग्री और प्रकाश और छाया प्रदर्शन को गेम कॉन्सेप्ट डिज़ाइन तक भी बढ़ाया गया है। चाहे वह एक उजाड़ बंजर भूमि में फंसा एक विशाल जंग लगा तारा जहाज हो, एक उदास और सीलन भरा चीनी शैली का डरावना पुराना घर हो, या बर्फीले तूफ़ानों से भरे एक प्राचीन मंदिर में एक दमनकारी बॉस की लड़ाई हो, तस्वीर की मोटी बनावट पूरी तरह से आधुनिक है।

और अधिक देखने के लिए बाईं ओर स्वाइप करें

रोजमर्रा की सेल्फी से लेकर काल्पनिक दृश्यों तक, बनावट उन्नयन तस्वीर को कम प्लास्टिक वाला बनाता है। सटीक संपादन के साथ संयुक्त, भले ही पार्टी ए बाद में त्वचा की बनावट को अधिक यथार्थवादी बनाने और प्रकाश को कम करने का अनुरोध करती है, संतोषजनक संरचना को बनाए रखने के लिए त्वचा, सामग्री और प्रकाश को मूल छवि के साथ समायोजित किया जा सकता है।

उल्लेखनीय है कि हालांकि आज बहुत से लोग मानते हैं कि एक या दो वाक्य एक तस्वीर तैयार कर सकते हैं, मेरी राय में, सरल संकेत शब्द मॉडल की बुनियादी क्षमता का अवलोकन करने के लिए अधिक उपयुक्त हैं, जबकि जटिल संकेत शब्द मॉडल की विवरण और सटीक नियंत्रण क्षमताओं की समझ का बेहतर परीक्षण कर सकते हैं, और इसकी क्षमताओं की ऊपरी सीमा का पता लगाना आसान है।

विशेष रूप से यथार्थवादी फोटोग्राफी के लिए, प्रकाश कहाँ से आता है, त्वचा कैसी दिखनी चाहिए, और लेंस किस प्रकार का धुंधलापन उत्पन्न करेगा, ये विवरण जितने अधिक विशिष्ट होंगे, मॉडल के लिए आपके इच्छित प्रभाव को समझना उतना ही आसान होगा।

बेशक, अब जटिल त्वरित शब्द लिखना उतना परेशानी भरा नहीं है जितना सोचा गया था। मैं आमतौर पर एआई को पहले बताता हूं कि मुझे कौन सी तस्वीर चाहिए, और फिर उसे फोटोग्राफी मापदंडों, पर्यावरण विवरण और संरचना आवश्यकताओं को बेहतर बनाने में मदद करता हूं। कुछ दौर की चैटिंग के बाद, मेरे पास एक पेशेवर पर्याप्त संकेत है।

कुछ हद तक, एआई के साथ संवाद करना सीखना अपने आप में एक नई रचनात्मक क्षमता है।

चालीस व्यंजनों के नाम ज़ूम इन करने और करीब से देखने में सक्षम होने चाहिए।

जो मित्र अक्सर चित्र बनाने और संपादित करने के लिए एआई का उपयोग करते हैं, उन्होंने ऐसी ही स्थितियों का अनुभव किया होगा:

जब तस्वीर को अंतिम रूप दिया जाने वाला था, तो पार्टी ए ने एक और परिचित अनुरोध किया, यह उम्मीद करते हुए कि जानकारी अधिक समृद्ध होगी, अधिमानतः पाठ और डेटा दोनों सहित।

हालाँकि, अतीत में, जब कई ग्राफ़िक मॉडलों को चीनी भाषा के बड़े हिस्से का सामना करना पड़ा, तो उनमें वर्णों को छोड़ने या यहाँ तक कि वर्णों को "बनाने" की प्रवृत्ति थी। दूर से, यह ऐसा ही लग रहा था, लेकिन जब ज़ूम इन किया गया, तो यह एक बाइबिल की तरह लग रहा था जिसमें हाथ और पैर गायब थे, और लेआउट और भी अधिक अव्यवस्थित था।

सीड्रीम 5.5 के लेखन कौशल का परीक्षण करने के लिए, हमने इसे काल्पनिक "माउंटेन एंड सी डिवाइन बीस्ट रेस्तरां" के लिए एक मेनू बनाने के लिए कहा, जिसमें आठ श्रेणियों और चालीस व्यंजनों को चार कॉलमों में व्यवस्थित किया गया। व्यंजन के नाम, कीमतें, परिचय और संलग्न चित्र अनुरूप होने चाहिए।

नीचे यह भी लिखा होना चाहिए: "पौराणिक जानवर चम्मच पकड़ते हैं, नश्वर लोग बिल का भुगतान करते हैं; धन और बचत लोगों के लिए छोड़ दी जाती है, किसी लड़ाई की अनुमति नहीं है।"

एक अन्य "टियांटिंग सुविधा सेवा केंद्र" सूचना दीवार 1990 के दशक में सर्विस हॉल के लेआउट में आठ खिड़कियां और चालीस व्यवसाय रखती है, जिसमें सोमरसॉल्ट क्लाउड वार्षिक निरीक्षण, युजियन लाइसेंस प्लेट एप्लिकेशन और अन्य आइटम, साथ ही चार्जिंग मानक, प्रक्रियाएं शामिल हैं और "एक ही समय में खातों पर कब्जा करने के लिए क्लोन का उपयोग करना निषिद्ध है"।

ये दो पूर्ण कार्य मामले एक मजाक की तरह लग सकते हैं, लेकिन वास्तव में पर्दे के पीछे जो जांच की जाती है वह जटिल चीनी अक्षरों की मॉडल की स्ट्रोक सटीकता, बेहद छोटे फ़ॉन्ट आकार की स्पष्टता और बहु-स्तरीय जानकारी के लेआउट सौंदर्यशास्त्र है।

उत्कृष्ट प्रदर्शन के पीछे मात्रात्मक डेटा समर्थन भी है।

अधिकारियों ने कहा कि चीनी, अंग्रेजी और घने छोटे फ़ॉन्ट को कवर करने वाले परीक्षणों में, सीड्रीम 5.5 की गंभीर पाठ भ्रष्टाचार दर 0.4% तक गिर गई है, और इसकी छोटी पाठ भ्रष्टाचार दर 1.7% तक गिर गई है। पिछली पीढ़ी की तुलना में दोनों में काफी सुधार हुआ है, और यह मुख्यधारा के ग्राफिक्स मॉडल के साथ क्षैतिज तुलना में अग्रणी बढ़त भी दिखाता है।

साथ ही, सीड्रीम 5.5 लेआउट और रंग मिलान में भी काफी सुधार करता है, जिससे सघन जानकारी को पढ़ना आसान हो जाता है।

इसके अलावा, हमने ऊर्ध्वाधर छोटे पात्रों की अभिव्यक्ति का परीक्षण करने के लिए एक पहाड़ी देव लड़की और चमकदार सफेद हिरण की कहानी का उपयोग करते हुए एक प्राच्य फंतासी स्क्रॉल भी तैयार किया।

चित्र | ओरिएंटल फंतासी कला सेट पिक्चर स्क्रॉल का 21×9 अल्ट्रा-वाइड क्षैतिज संस्करण तैयार करें, जिसमें मोटे दाने वाले प्राकृतिक खनिज रॉक रंगों (लैपिस लाजुली, सिनेबार, मैलाकाइट ग्रीन, क्लैम पाउडर) को जली हुई पन्नी और सोने से चिपकाई गई तकनीकों के साथ मिश्रित करके धब्बेदार और फटी हुई मिट्टी की दीवार की बनावट को चित्रित किया जाए। प्रकाश और छाया के तहत, यह एक वास्तविक अयस्क क्रिस्टल चमक और सोने की पन्नी ऑक्सीकरण बनावट प्रस्तुत करता है। चित्र के बाईं ओर के दो-तिहाई भाग में मुख्य दृश्य चित्रण में एक पूर्वी पर्वत देव लड़की को सौ-पक्षियों के पंखों वाला कोट पहने हुए और कांस्य की नौ-लिंक टिन की छड़ी पकड़े हुए दिखाया गया है। वह कांच की तरह पारभासी छह-नुकीले सफेद हिरण की पीठ पर सवार है, अंधेरे चट्टानों और सुनहरे फास्फोरस की आग से जलते प्राचीन पेड़ों के बीच चल रही है, बचकानी और अजीब लालटेन राक्षसों से घिरी हुई है। तस्वीर का दाहिना तीसरा भाग एक ऊर्ध्वाधर शिलालेख क्षेत्र है जिसमें काले रंग की पृष्ठभूमि पर सोने और काले सोने के कागज हैं। प्रतिष्ठित और सुंदर तांग राजवंश लिपि लेखन शैली में सोने के ब्रश सुलेख को दाएं से बाएं ओर व्यवस्थित किया गया है। मुख्य शीर्षक "वॉल्यूम 3· युनमेंगज़े हिरण शू देवी परीक्षा" है, नीचे छोटे अक्षरों के तीन स्तंभ स्पष्ट और तीखे हैं, "यह छह कोनों वाले एक सफेद हिरण की तरह दिखता है, इसकी ध्वनि एक गीत की तरह है, और इसके पंख पहनने से बुरे सपने दूर हो सकते हैं। हर रात जब चंद्रमा अंधेरा होता है, तो यह युनमेंग डेज़ में परेड करता है, और सभी भूत इससे बचते हैं।" निचले बाएँ कोने में एक प्राचीन सिनेबार-उत्कीर्ण मुहर है "पहाड़ और समुद्र की अजीब कहानियाँ"।

एक अन्य उदाहरण इसे रेट्रो औद्योगिक मैनुअल की शैली में एक बहु-एजेंट कार्यालय सहयोग प्रौद्योगिकी खाका बनाने के लिए कह रहा है।

"2026 मत्स्य पालन वार्षिक रिपोर्ट" में मछली पकड़ने के 520 घंटे, 286 कप कॉफी पीना और 93 अमान्य बैठकें जैसे सेट डेटा को सटीक रूप से प्रस्तुत करना चाहिए।

हमने इसे पोर्टेबल कॉफी उपकरण ब्रांड "शानवु" के लिए मुख्य छवि और छह-स्क्रीन ई-कॉमर्स विवरण पृष्ठ बनाने के लिए भी कहा। उपयोग परिदृश्यों और संरचनात्मक पृथक्करण से लेकर पैरामीटर तालिकाओं और उपयोगकर्ता समीक्षाओं तक, हमने विभिन्न छवियों में उत्पाद की बनावट, छोटे प्रिंट की सटीकता और मैट गहरे हरे रंग के हैंड ब्रूइंग पॉट और ग्लास फिल्टर कप की स्थिरता की व्यापक जांच की।

चित्र | पोर्टेबल कॉफ़ी उपकरण ब्रांड "शानवु" के लिए एक ई-कॉमर्स लंबा चित्र विवरण पृष्ठ और मुख्य चित्र बनाएं। ऊर्ध्वाधर लंबी तस्वीर को 6 स्क्रीन द्वारा विस्तारित किया जा सकता है। समग्र संरचना: पहली स्क्रीन पर मुख्य दृश्य → उपयोग परिदृश्य → संरचनात्मक निराकरण → पैरामीटर तालिका → उपयोगकर्ता मूल्यांकन → नीचे खरीदारी के कारण। मुख्य शीर्षक है "सुबह को एक कप पहाड़ी धुंध में डालें" सॉन्ग फ़ॉन्ट में, और उपशीर्षक है "3 मिनट में हाथ से शराब बनाना, और कार्यालय में भी एक जंगली माहौल है।" यह उत्पाद एक ग्लास फिल्टर कप के साथ एक मैट गहरे हरे रंग का हाथ से डाला जाने वाला बर्तन है, और पृष्ठभूमि ऑफ-व्हाइट और रॉक ग्रे है। पैरामीटर छोटे अक्षरों में लिखे गए हैं: "304 स्टेनलेस स्टील / डबल वैक्यूम / 240 मिली / 320 ग्राम"। पूरी चीज़ एक उत्पाद सूची की तरह है, प्रचारात्मक नहीं।

मेनू से लेकर रिपोर्ट तक, उपयोगी इन्फोग्राफिक्स को दूर से दिखाई देने के साथ-साथ करीब से पढ़ने योग्य होना चाहिए, जिससे जानकारी को स्पष्ट करने के लिए शब्दों, संख्याओं और ग्राफिक्स को एक साथ काम करने की अनुमति मिल सके।

मूल RGBA सामग्री पूर्ण किए गए वर्णों को बार-बार उपयोग करने की अनुमति देती है

ड्राफ्ट अंततः पारित होने के बाद, डिलीवरी प्रक्रिया में टॉस करना अक्सर अभी खत्म नहीं हुआ है।

उदाहरण के लिए, पात्रों को पारदर्शी पृष्ठभूमि के साथ अलग से निर्यात करें ताकि उन्हें अन्य पोस्टरों पर आसानी से रखा जा सके। अतीत में, एआई-जनित वर्णों को अक्सर पृष्ठभूमि के साथ विलय कर दिया जाता था, जिसके लिए अतिरिक्त कटआउट और एज प्रोसेसिंग की आवश्यकता होती थी।

सीड्रीम 5.5 देशी आरजीबीए छवि निर्माण का समर्थन करता है और बाद के टाइपसेटिंग और संश्लेषण के लिए अल्फा पारदर्शिता चैनल के साथ सामग्री का उत्पादन कर सकता है।

हमने सफेद भूत इमोटिकॉन्स का एक सेट डिज़ाइन किया है, जिसमें कुल नौ अवस्थाएँ हैं, जिनमें "शरीर से बाहर", "अराजकता पढ़ें", "मानसिक इस्तीफा" और "काम से निकलने के बाद पुनरुत्थान" शामिल हैं।

यद्यपि यह पहली बार डिफ़ॉल्ट रूप से एक सामान्य पृष्ठभूमि के साथ उत्पन्न होता है, जब तक इसमें अल्फा चैनल को शामिल करने के लिए स्पष्ट रूप से आवश्यक होता है, मॉडल तुरंत साफ किनारों के साथ एक पारदर्शी बेसमैप थूक सकता है।

कार्यस्थल स्लैंग स्टिकर का एक और सेट 1990 के दशक में कंप्यूटर सिस्टम की शैली में "सशक्तिकरण", "ग्रैन्युलैरिटी", "ग्रैस्पिंग", "भावनात्मक मूल्य" और "साइबर योग्यता" को छोटे आइकन में जोड़ता है। चीनी प्रतिपादन क्षमताओं के साथ, इसे पीढ़ी दर पीढ़ी आधिकारिक अकाउंट कवर, पीपीटी और इवेंट पोस्टर पर रखा जा सकता है।

देशी पारदर्शी सामग्रियों को जोड़ने से न केवल याद रखने की कठिन प्रक्रिया समाप्त हो जाती है, बल्कि डिजाइनरों को किसी भी समय पुनर्व्यवस्थित करने, संयोजित करने और पुन: संसाधित करने की सुविधा मिलती है, जिससे पॉलिश किए गए मूल पात्रों और डिज़ाइन तत्वों को विभिन्न कार्यों में बार-बार उपयोग करने की अनुमति मिलती है।

कच्चे छवि मॉडल का दूसरा भाग पिक्सेल-स्तरीय छवि संशोधन के साथ शुरू होता है।

डिजिटल उपकरणों के विकास के इतिहास पर नज़र डालने पर, कई दूरगामी तकनीकी प्रगति एक ही लक्ष्य के इर्द-गिर्द घूमती है।लोगों को हर बार शून्य से शुरुआत किए बिना मौजूदा परिणामों पर निर्माण करने की अनुमति दें。

1994 में, फ़ोटोशॉप 3.0 ने परत सुविधा पेश की, जिससे एक छवि में विभिन्न तत्वों को स्वतंत्र रूप से संपादित किया जा सका। तब से, समायोजन परतों और इतिहास जैसे कार्यों को एक के बाद एक जोड़ा गया है, जिससे धीरे-धीरे आधुनिक छवि संपादन की नींव रखी गई है।

इसी तरह का तर्क Git के संस्करण नियंत्रण और वीडियो गेम के संग्रह तंत्र में दिखाई देता है।केवल जब अतीत की उपलब्धियों को संरक्षित किया जा सकता है, तभी लोग आत्मविश्वास के साथ अगली संभावना तलाशने का साहस कर सकते हैं।

आज एआई मैपिंग भी इसी स्तर पर पहुंच गई है।

फ़ोटोशॉप लेयर्स और मास्क से लेकर MeituXiuXiu तक फोटो रीटचिंग के लिए सीमा को कम करने तक, सीड्रीम 5.5 प्राकृतिक भाषा के माध्यम से पिक्सेल-स्तरीय सटीक संपादन प्राप्त करने का प्रयास कर रहा है।पेशेवर छवि संपादन को प्राकृतिक भाषा संपर्क के युग में और आगे लाएँ।

उपयोगकर्ताओं को केवल यह स्पष्ट रूप से बताना होगा कि वे क्या संशोधित करना चाहते हैं, और एआई संबंधित क्षेत्र को सटीक रूप से समायोजित कर सकता है, अन्य हिस्सों को छोड़कर जो पहले से ही संतोषजनक हैं। सैकड़ों दौर के संशोधन के बाद भी, चित्र में वर्ण, संरचना और विवरण अभी भी संरक्षित किए जा सकते हैं।

सीड्रीम 5.5 का "व्यावसायिकता के लिए जन्म" पर जोर यहां भी परिलक्षित होता है।

वैश्विक प्रतिस्पर्धा में, सीड्रीम 5.5 ने जीपीटी इमेज 2.6 और नैनो बनाना 2.1 के पहले सोपान में प्रवेश किया है। पिक्सेल-स्तरीय सटीक संपादन, निरंतर संशोधन के सैकड़ों दौर और प्राकृतिक यथार्थवादी बनावट पेशेवर बाजार में प्रतिस्पर्धा के लिए इसके तीन महत्वपूर्ण कार्ड हैं।

कीमत भी सीड्रीम 5.5 का एक महत्वपूर्ण प्रतिस्पर्धी लाभ है।इसकी लागत हैGPT छवियाँ 2.6 का लगभग 1/3, और उत्पादन की गुणवत्ता पहले स्तर पर पहुंच गई है। अच्छा लड़का, क्या यह कच्चे मॉडल की हत्या रेखा नहीं है?

और अधिक देखने के लिए बाईं ओर स्वाइप करें

वर्तमान में, सीड्रीम 5.5 ने डौबाओजिउ और जिमेंग जैसे उत्पाद लॉन्च किए हैं, जिन्हें कैनवास और स्तरित संपादन के साथ लगातार समायोजित किया जा सकता है। उद्यम और डेवलपर्स ज्वालामुखी इंजन के माध्यम से मॉडल एपीआई तक भी पहुंच सकते हैं और ई-कॉमर्स मार्केटिंग, फिल्म और टेलीविजन गेम और अन्य वर्कफ़्लो के लिए प्रासंगिक क्षमताओं का उपयोग कर सकते हैं।

लेख की शुरुआत में वापस जाते हुए, वे कर्मचारी जो देर तक रुके और एक दर्जन से अधिक संस्करणों को संशोधित किया, उन्हें शायद मापदंडों और सूचियों की परवाह नहीं है। उसे केवल एक ही चीज़ की परवाह है:उपकरणों का उपयोग श्रम साझा करने या नया श्रम बनाने के लिए किया जाता है। इस प्रश्न का उत्तर यह निर्धारित करता है कि AI उत्पादकता है या ग्राहक सेवा का कोई अन्य रूप है।

उत्तर का भार अंततः प्रत्येक संशोधन पर पड़ेगा।

सृजन कभी भी प्रेरणा की एक झलक मात्र नहीं है, यह आखिरी समय के कंधों पर खड़े होकर एक और कदम उठाने के बारे में भी है। यह बिल्कुल वही है जिस पर सीड्रीम 5.5 दांव लगा रहा है, और यह वह प्रश्न भी है जिसका उत्तर अंततः उन सभी मॉडलों को देना होगा जो पेशेवर उत्पादकता उपकरण बनना चाहते हैं।

लेखक: मो चोंगयु, शांग लिन

# aifaner के आधिकारिक WeChat सार्वजनिक खाते का अनुसरण करने के लिए आपका स्वागत है: aifaner (WeChat ID: ifanr)। जितनी जल्दी हो सके आपको अधिक रोमांचक सामग्री प्रदान की जाएगी।