របៀបប្រើ AI ដើម្បីបង្កើតគំនូរស្នាមសាក់

តើអ្នកសរសេរការណែនាំអក្សរសម្រាប់ AI ស្នាមសាក់ដោយរបៀបណា?

ប្រធានបទមុន រចនាប័ទ្មបន្ទាប់ ព័ត៌មានលម្អិតចុងក្រោយ។ «ត្រីយីហ្គ, fine-line, single needle, negative space, គ្មានស្រមោល» ផ្ដល់ព័ត៌មានច្រើនជាង «ក្រូចឆ្លូសសម្រស់»។ ចង្អុលបង្ហាញអ្វីដែលសំខាន់ ហើយស្ងប់ស្ងាត់ចំពោះអ្វីដែលមិនសំខាន់។

ចាប់ផ្ដើមដោយការសរសេរប្រធានបទជានាម concrete ។ «ត្រីឆ្លាំ» «ត្រីលេខ» «ពស់» «ផ្កាpeony» — ចំណុច ជាក់លាក់ និងមិនមានភាពស្រពន់។ ប្រធានបទដែលមិនច្បាស់ («អ្វីមួយទាក់ទងនឹងធម្មជាតិ») បង្ខំ model ឱ្យទាយ ហើយការទាយរបស់វាគឺ average តាមទ្រឹស្ដី។ ប្រសិនបើការងារពាក់ព័ន្ធនឹងធាតុពីរ ចង្អុលបង្ហាញទាំងពីរ ហើយពន្យល់ទំនាក់ទំនងរបស់ពួកគេ: «ត្រីឆ្លាំ និងមែកឈើ peach ត្រីឆ្លាំ hinggap នៅលើ» បន្ទាប់មក ចង្អុលបង្ហាញរចនាប័ទ្មជាប្រពៃណីដែលត្រូវបានទទួលស្គាល់។ «American traditional» «neo-traditional» «fine-line» «blackwork» «woodblock» «etching» «watercolour» «Japanese irezumi» — ពាក្យទាំងនេះផ្ទុកនូវវេយ្យាករណ៍ visual ទាំងមូលដែល model យល់ស្រាប់ — ទម្ងន់ outline ពណ៌ ប្រពៃណីស្រមោល រចនាការផ្សំ។ ពាក្យរចនាប័ទ្មមួយ ធ្វើការជាជាង adjective ពណ៌នារហូតដល់ដប់ ។ ជាចុងក្រោយ បន្ថែមព័ត៌មានលម្អិតដែលសំខាន់ចំពោះអ្នក ហើយស្ងប់ស្ងាត់ចំពោះផ្សេងៗ។ ប្រសិនបើទម្ងន់ linework សំខាន់ ចំហរ «bold linework» ឬ «single-needle fine-line» ។ ប្រសិនបើអ្នកខ្វល់អំពីទំហំទទេ ចំហរ «negative space» ដោយផ្ទាល់។ ប្រសិនបើអ្នកចង់បានការផ្សំជាក់លាក់ ពណ៌នា spatially: «ចំណុចកណ្ដាល» «ហូរ diagonal» «រុំជុំវិញ»។ លុបចោលពាក្យសរសើរទូទៅ — «ស្រស់ស្អាត» «អស្ចារ្យ» «ល្អ» — ដែលមិនប្រាប់ model អ្វីទាំងអស់។ វិន័យ prompt ដ៏ល្អ — ជាក់លាក់ជាជាងព្រិចព្រៀ concrete ជាជាង abstract — ជួយការងារ AI ស្នាមសាក់ ដូចជាវាជួយ prompt engineering ជាទូទៅ។ សម្រាប់ engine ដែលដំណើរការពីពីក្រោយពាក្យ explainer របស់យើងនៅ <a href="/blog/how-ai-tattoo-generators-work">how AI tattoo generators work</a> គ្របដណ្ដប់ pipeline ។

តើការបញ្ចូលរូបភាពប្រភេទណាដំណើរការល្អបំផុត?

រូបភាពច្បាស់ មានពន្លឺល្អ ផ្ទៃខាងក្រោយអព្យាក្រឹត — ឬរូបភាពយោងច្បាស់នៃប្រធានបទដែលអ្នកចង់ applied style។ គេចចេញពីផ្ទៃខាងក្រោយច្របល់ ស្រមោលខ្លាំង និងរូបភាពដែលផ្នែករាងកាយត្រូវបានបិទ។

ការបញ្ចូលរូបភាពសម្រាប់ AI ស្នាមសាក់ មានពីរប្រភេទ ហើយច្បាប់ខុសគ្នា។ ប្រភេទទីមួយគឺ body-photo conditioning: អ្នក upload រូបភាព forearm ribcage ឬខ្នងរបស់អ្នក ហើយ generator ដំឡើងរចនាប័ទ្មទៅ anatomy នោះ។ សម្រាប់ការនេះ រូបភាពត្រូវតែអាន clear ដោយ model ។ ពន្លឺទន់ស្មើ ប្រសើរជាងពន្លឺថ្ងៃខ្លាំង។ ជញ្ជាំងព្រំ ប្រសើរជាងបន្ទប់ច្របល់។ ផ្នែករាងកាយគួរបំពេញ frame ភាគច្រើន ក្នុងទីតាំងស្ងប់ស្ងាត់ ដោយគ្មានចិញ្ចៀន នាឡិកា ឬអ្វីកាន់ boundary ។ model ប្រើ depth cue និង edge cue ដើម្បីរុំរចនាប័ទ្មឱ្យត្រឹមត្រូវ ដូច្នេះ noise visual ណាមួយដែលបិទ cue ទាំងនោះ នឹងធ្វើឱ្យ output ខ្សោយ។ ប្រភេទទីពីរគឺ reference-image conditioning: អ្នក upload រូបភាពវត្ថុ សត្វ រុក្ខជាតិ ឬស្នាដៃសិល្បៈដែលមានស្រាប់ ជា visual source សម្រាប់ស្នាមសាក់ថ្មី។ នៅទីនេះ ច្បាប់ខុសគ្នា — រូបភាពគួរ isolate ប្រធានបទ។ ផ្កា peony ណែននៅលើផ្ទៃពណ៌ស ផ្ដល់ shape ស្អាតសម្រាប់ model stylize ។ ផ្កា peony នៅក្នុងសួនច្បារ ផ្ដល់ model ប្រធានបទប្រកួត ១០០ ហើយអ្នកមិនអាចទស្សន៍ទាយថាតើ model ចាប់ yoke ណា ។ ការបញ្ចូលគំនូសសាក ស្ថិតក្នុងចន្លោះ។ គំនូសសាកស្ងួត loose ដោយ pen នៃ composition ដែលអ្នកចង់បាន ទោះបីជារហ័ស ផ្ដល់ skeleton ខ្លាំង ដើម្បី model បំពាក់ style ដែលបានជ្រើស — «render ការ sketch នេះ ជា fine-line blackwork» ។ នោះជានិក្ខេបបទលឿនបំផុត ដើម្បីទទួល generation ដែលត្រូវនឹងរូបភាពក្នុងចិត្ត ពីព្រោះអ្នកបានដោះស្រាយ composition ស្រាប់ហើយ។ ដើម្បីមើលនៅក្នុង workflow ដ៏ទូលំទូលាយ guide របស់យើង <a href="/blog/design-your-own-tattoo">DIY design workflow</a> ពន្យល់ពីរបៀប sketch-to-AI ស្ថិតក្នុង design loop ពេញ។

តើអ្នករក្សាស្ទីលដើម្បីងើបឡើងវិញពី generation ដោយរបៀបណា?

ផ្លាស់ប្ដូរអថេរមួយក្នុងពេលតែមួយ ហើយចាក់សោ seed នៅពេល system គាំទ្រ។ seed ដដែល + ការផ្លាស់ប្ដូរ prompt តែមួយ នឹងអនុញ្ញាតឱ្យអ្នកដឹងថាពាក្យនីមួយៗផ្ដល់ផលប៉ះពាល់យ៉ាងណា។ ការផ្លាស់ប្ដូរច្រើននឹងបំផ្លាញសមត្ថភាពរបស់អ្នកក្នុងការរៀនអ្វីពីលទ្ធផល។

ការអភិវឌ្ឍ generation គឺជាកន្លែងដែលមនុស្សភាគច្រើនបាត់ការគ្រប់គ្រងលើរចនាប័ទ្ម។ ល្បួចភ្ជាប់ប្រព័ន្ធ prompt ទាំងមូលនៅពេលអ្នកមិនចូលចិត្តលទ្ធផល ដែលមានន័យថា generation ថ្មីនីមួយៗ ចាប់ផ្ដើមពីដំបូង ហើយអ្នករកមិនឃើញថាអ្វីផ្លាស់ប្ដូរ ដោយសារការកែ ទល់នឹងអ្វីផ្លាស់ប្ដូរ ដោយសារ random seed ។ វិន័យដោះស្រាយ problem នេះ។ រក generation ណាមួយដែលអ្នក like ច្រើន សរសេរ seed (tool ដ៏真剣 ណាមួយ expose វា) ហើយចាប់ពីចំណុចនោះ ផ្លាស់ប្ដូរ ១ ចំណុចប្រាកដក្នុងពេល iteration នីមួយៗ។ លំដាប់ដែលយើងណែនាំ conservative ។ ជាដំបូង lock composition: seed ដដែល prompt ដដែល generate variations ពីរបី ដើម្បីបញ្ជាក់ layout ជាអ្វីដែលអ្នកចង់។ ទីពីរ adjust style: ផ្លាស់ប្ដូរពាក្យ style hold ភ្ជាប់ everything else ឱ្យ constant មើល idea ដដែល reads ជា blackwork ទល់ neo-traditional ។ ទីបី refine ព័ត៌មានលម្អិត: ទម្ងន់ linework ความหนาแน่ negative space palette ។ ជំហាននីមួយៗ kéo ឡើងពី ជំហានមុន ហើយអ្នករក្សាផ្នែកដែលចូលចិត្ត ។ នៅពេល loot drift ពី vibe ដែលអ្នកចង់ ការ fix ជិតជានិច្ចជំហានត្រឡប់ទៅ seed ចុងក្រោយ ដែល felt right ហើយ ផ្លាស់ប្ដូរតិចជាង។ «បន្ថែម moon» ជាជាង «redo ជាមួយ moon ផ្ទៃខាងក្រោយ dramatic ស្រមោលច្រើន ហើយ banner ។» វិន័យដ៏ ទៀតគឺ keep favourite generations ខណៈពេលដើរ — never delete always archive ។ Mistake prompting ដ៏ costly បំផុតគឺ generation perfect ដោយ seed មិន save ហើយ reproduce វាមិនបាន។ សម្រាប់ picture ធំ ពីខ្ញ់ concept ទៅ ink សូមមើល <a href="/blog/design-your-own-tattoo">concept-to-tattoo translation</a> ។

តើកំហុស prompting អ្វីខ្លះដែលបង្កើតលទ្ធផលស្នាមសាក់មិនអាចប្រើបាន?

ការវិនិច្ឆ័យ generation ដំបូង ការបញ្ចូល prompt ច្រើនហួស ប្រធានបទមិនច្បាស់ ខ្វះពាក្យរចនាប័ទ្ម និងការផ្លាស់ប្ដូររបស់ប្រាំក្នុងពេលតែមួយ។ ច្បាប់ទាំងនេះបំផ្លាញទាំងសមត្ថភាព model ក្នុងការយល់ ឬសមត្ថភាពអ្នកក្នុងការរៀន។

កំហុសទូទៅបំផុតគឺការចាត់ទុក generation ដំបូងជាការសម្រេចចិត្ត final ។ generation ទីមួយ គឺជាចំណុចចាប់ផ្ដើម មិនមែន referendum លើ idea ទេ។ Diffusion model ជា stochastic — prompt ដូចគ្នា seed ថ្មី image ខុសគ្នា។ Generate យ៉ាងហោចណាស់ ៤ ទៅ ៨ variations មុននឹង decide ថាទិសណាមួយ working ហើយ never abandon prompt ក្រោយ try ដំបូងតែម្ដង ។ Kampong mistakes ទីពីរ គឺ over-stuffing ។ prompt ដែល names visual qualities ២០ styles ៣ compositions ២ mood ១ ចុងបញ្ចប់ provide model signals ប្រកួតច្រើនប្phere ដែលវាត្រូវ drop ច្រើន។ លទ្ធផលគឺ generation ដែល satisfy constraints គ្មាន ។ strip prompt ត្រឡប់ទៅ ៣ ចំណុច ដែល matter ពិត — ប្រធានបទ style ព័ត៌មានលម្អិតមួយ ឬពីរ — ហើយ let model handle ផ្សេង ។ Verbose មិនសមមូលនឹង specific ។ Kampong mistakes ទីបី ទាក់ទងនឹង subject style vagueness ។ «tattoo idea cool» ផ្ដល់ model អ្វីដែល ground on ; «koi swimming upward neo-traditional bold outline» ផ្ដល់ everything ។ ពាក្យ style ដែលខ្វះ costly ជាពិសេស ពីព្រោះ model default ទៅ average training — ជាធម្មតា illustration semi-realistic generic ដែលមិនដូច tattoo ។ ជាចុងក្រោយ iteration mistake: ការផ្លាស់ប្ដូរ variables ៥ រវាង generations មានន័យថា អ្នករកមិនឃើញ attribution improvement (ឬ regression) ចំពោះ edit ណាក់ជាក់លាក់ ដែលធ្វើឱ្យ exercise ទាំងមូលមើលទៅដូចជា slot machine ជាជាង design process ។ សម្រាប់ tooling decisions ដែលប៉ះពាល់ prompting success breakdown របស់យើងនៅ <a href="/blog/what-ai-can-and-can-t-design-in-tattoos">which tool to use</a> គ្របដណ្ដប់ features ដែលត្រូវ look for ក្នុង generator ។

ការណែនាំ (prompt) — ការណែនាំជាអក្សរ (និងរូបភាព conditioning) ដែលប្រាប់ generative model ថាត្រូវបង្កើតអ្វី។ សម្រាប់ AI ស្នាមសាក់ ការណែនាំល្អត្រូវជាការបង្ហាញច្បាស់ — ប្រធានបទ រចនាប័ទ្ម ព័ត៌មានលម្អិតសំខាន់ — ជាជាងការស្វែងរកឬបញ្ជីចង់បាន។