xAI: Grok Imagine Image 2.0

A Grok Imagine Image 2.0 az xAI képalkotó és képszerkesztő modellje. Írásos leírást, vagy leírást és forrásképeket fogad, és képi eredményt ad vissza. A gyártó név szerint megadott 2.0 profilja jelenet létrehozását, meglévő kép módosítását, referenciák témáinak kombinálását és a vizuális stílus átalakítását fedi le. Először válassza ki, hogy új kompozícióra vagy egy már rendelkezésre álló anyag konkrét módosítására van-e szüksége.

Képkészítés leírásból

Írja le a főtémát, annak környezetét, a kompozíciót, a világítást és a vizuális megjelenítést. Határozza meg, mit vegyen észre először a néző, és hol használják majd a képet. Termékkoncepciónál egy szemléltető leírás megadhat egy kerámia asztali lámpát halvány kőasztalon, lágy ablakfénnyel, az anyagot közelről bemutató nézettel és egy külön címsornak fenntartott üres hellyel. Illusztrációnál határozza meg a szereplőket, a cselekményt és a kívánt esztétikát, ne várja, hogy egyetlen stílust jelölő szó az egész jelenetet meghatározza.

A gyártó egy generálási kéréshez egytől tízig terjedő számú kimeneti képet dokumentál; az alapértelmezés egy. Az ugyanabból a leírásból származó több eredmény értékelhető alternatívákat kínál, de nem garantál azonos témát minden változatban. Ellenőrizze a témát, a kompozíciót és a fontos részleteket, majd tartsa meg a leíráshoz legjobban illeszkedő változatot. A leírást és a kiválasztott változatot együtt őrizze meg, hogy a későbbi szerkesztések a kívánt kompozíciót használják.

Kompozíció, felbontás és minőség

A generálási útmutató automatikus képarányválasztást vagy explicit aránymegadást dokumentál. A felsorolt lehetőségek: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20, 21:9 és 5:2. A formát a tervezett elhelyezéshez válassza: négyzetest kompakt csempéhez, állót függőleges kompozícióhoz, fekvőt széles jelenethez. A vágásra érzékeny témát és az elrendezéshez szükséges helyet is határozza meg, ne kizárólag a képarányra hagyatkozzon.

A dokumentált generálási felbontások 1k és 2k, az alapértelmezés 1k. A minőség külön vezérlő, low, medium és auto értékekkel. Az xAI jelenlegi útmutatójában az auto az alapértelmezés, amely generálásnál low, szerkesztésnél medium minőséget használ; az explicit low vagy medium érték rögzíti az adott választást. A felbontás és a minőség tehát külön vezérlőket jelöl. Adja meg a fontos vizuális részleteket, és ellenőrizze őket a kapott képen, ne tekintse egyik beállítást sem a pontos feliratok, geometria vagy témamegőrzés garanciájának.

Szerkesztés és vizuális stílus átvitele

Adja meg a módosítandó képet, és a látható tartalmához viszonyítva írja le a kért változtatást. Célzott szerkesztés lehet például egy sötét fal világos vakolatfelületre cserélése, a bútorok elrendezésének, a kamera nézőpontjának és a meleg megvilágításnak a megőrzésével. Ha stílusátalakítás a cél, határozza meg a kívánt megjelenítést: a gyártó fényképészeti, anime-, olajfestmény-, akvarell-, pop-art- és ceruzavázlat-stílusokat mutat be. Jelölje meg, mely elemeknek kell megőrizniük a megjelenésüket, és melyek változhatnak az ábrázolásmóddal együtt.

A gyártó szerkesztési munkafolyamata forráskép-hivatkozást, kódolt képadatot vagy fájlazonosítót fogad. Tárolt referenciákhoz teljesen feltöltött PNG-, JPEG- vagy WebP-képeket használjon. Az útmutató egymást követő szerkesztéseket is dokumentál: az egyik szerkesztés eredményét használja a következő bemeneteként. Így az alapkompozíció például bútorcserével, majd világításmódosítással egyre pontosabb eredménnyé alakítható. Az eredeti és a kiválasztott köztes képet kapcsolja minden leíráshoz, hogy a későbbi finomítást a kívánt kompozícióhoz lehessen ellenőrizni.

Több referencia kombinálása

A jelenlegi többképes útmutató egy szerkesztésben legfeljebb öt forrásképet engedélyez. A megadott sorrendjük szerint hivatkozzon rájuk, és mindegyiknek adjon egyértelmű szerepet, például az első képről a téma, a másodikról a környezet származzon. A kimenet aránya alapértelmezésben az első bemeneti képet követi, de explicit aránnyal felülírható. Szobába helyezett termékkoncepciónál írja le a termék helyzetét, méretét és kapcsolatát a helyiség felületeivel, majd kérje az azonosító részletek megőrzését. Ellenőrizze, hogyan kapcsolódtak össze a források, ne feltételezze, hogy minden elem változtatás nélkül átmásolódott.

A kép fogadása és megőrzése

A gyártó alapértelmezésben ideiglenes képcímet ad vissza, és kódolt képkimenetet is dokumentál. Ha a kép felhasználandó anyag, a tényleges fájlt mielőbb mentse el. Az opcionális halasztott munkafolyamat különválasztja a kérés visszaigazolását és befejezését: a kérésazonosítót pending, done vagy failed állapot követi, a halasztott eredmények pedig címet tartalmazó válaszformátumot használnak, dokumentált 24 órás megőrzési idővel. A beküldött kérés vagy a pending állapot még nem kész kép. A befejezett képet őrizze meg a leírással és a kiválasztott beállításokkal a későbbi újrafelhasználáshoz.

Használható végső eredmény az a kép, amely illeszkedik egy meghatározott jelenethez, elrendezéshez vagy szerkesztési leíráshoz. Ellenőrizze a teljes kompozíciót és az apró részleteket, különösen a forrástémát, a tárgyak határait, az arányokat és a jelentést hordozó feliratokat. Ismétlődő munkánál a látható problémához kapcsolódó utasítást módosítsa, és a kiválasztott eredményt használja a következő referenciaként. A kívánt módosítás és a megőrzési utasítások legyenek konkrétak, hogy minden eredményt egy meghatározott kreatív célhoz lehessen mérni.