مرحبًا بالجميع، أنا مونكي ك.

في الآونة الأخيرة، عند اللعب بنموذج توليد الصور Nano Banana، سألني العديد من الأصدقاء نفس السؤال: "لماذا أريد فقط تغيير ملابس الشخصية في الصورة، ولكن الذكاء الاصطناعي يغير وضعها بالكامل؟" أو "أين يختبئ شريط تمرير "وزن الصورة المرجعي" الأسطوري؟"

في الواقع، يعد نموذج Google قويًا جدًا، لكن طريقة التحكم فيه تبدو مختلفة تمامًا باختلاف الأدوات. في هذا المقال اليوم، سآخذك إلى تفكيك آلية التحكم في الوزن في نانو الموز وأعلمك بعض التقنيات "لفصل التركيب واللون".

1. أين يوجد "شريط تمرير الوزن" الغامض؟

إذا كنت قد شاهدت أشرطة تمرير للتحكم في وزن إنشاء الصور في العديد من أدوات الجهات الخارجية، ولكنك قمت بالرسم مباشرةً في مربع الحوار الخاص بـ Gemini، فقد تشعر بالحيرة: أين يوجد شريط التمرير؟ أين المعلمات؟

في الواقع، تعتمد الإجابة على الأداة التي تستخدمها.

1. اللاعبون المحترفون: إعلانات Google / Vertex AI

إذا كنت من مستخدمي المؤسسات، فقد قامت Google منذ فترة طويلة بإعداد وسيلة غش مادية لك. في "إنشاء الأصول" أو "منشئ الوكيل" لهذه الأنظمة الأساسية، ستشاهد شريط تمرير صريحًا بعنوان "وزن الصورة المرجعية".

يحتوي شريط التمرير هذا عادةً على ثلاثة تروس، والتي تحدد ما إذا كان الذكاء الاصطناعي سيتعامل مع الصورة التي قمت بتحميلها على أنها إلهام أم أمر.

الجدول 1: شرح تفصيلي لإعدادات وزن الموز النانوي

<الجدول> <الرأس> <تر> إعداد الوزن السلوك الفني حالات الاستخدام <الجسم> <تر> منخفض النص المهيمن. يتعامل النموذج مع الصورة المرجعية على أنها "مصدر للإلهام" أو "دليل أسلوب فضفاض". وتركز آلية الانتباه بشكل أساسي على النص الموجه، مما يسمح بالهلوسة والتباعد. • استعارة نظام الألوان فقط
• تغيير التكوين بالكامل مع الحفاظ على الحيوية
• العصف الذهني الإبداعي <تر> متوسط متوازن. هذا هو الإعداد الافتراضي. يحاول النموذج العثور على القاسم المشترك الأكبر بين وصف النص وميزات الصورة المرجعية. يحتفظ بالموضوع، ولكن يضبط التفاصيل وفقًا للموجه. • تغيير الخلفية مع الاحتفاظ بموضوع المنتج
• نقل النمط
• مهام تحرير الصور القياسية <تر> مرتفع الصورة المهيمنة. يضطر النموذج إلى "قفل" الميزات المرئية للصورة المرجعية. تركز آلية الانتباه بشكل كبير على الرموز المرئية، مما يؤدي إلى حجب الأجزاء المتضاربة في النص. • التحكم الصارم في التركيب
• الطلاء الداخلي
• الحفاظ على اتساق معرف المنتج

2. اللاعبون العاديون: أدوات الطرف الثالث

في أدوات الطرف الثالث التي تدمج Nano Banana، يمكنك رؤية شريط تمرير يسمى "التأثير".

< 30%: سوف يتخلى الذكاء الاصطناعي عن نفسه ويعيد رسم نفسه بشكل كبير.
60%-70%: هذا نطاق ذهبي. إذا كنت تريد "قفل التركيبة" ولكنك تريد أيضًا أن يقوم الذكاء الاصطناعي "بتغيير اللون"، فإن هذا الموضع هو الأنسب.

3. مشغلات الحوار: تطبيق/ويب جيميني

بالنسبة لمعظم الأصدقاء الذين يتحدثون مباشرة مع برج الجوزاء، فإن اللغة هي وحدة التحكم الخاصة بك. ماذا لو لم يكن هناك شريط التمرير؟ يتعين علينا استخدام "الهندسة السريعة" لمحاكاة شريط التمرير.

هل تريد وزنًا مرتفعًا؟ استخدم لهجة الأمر: "التزم بشدة بـ..."، "نسخة 1:1 من الهيكل".
هل تريد وزنًا منخفضًا؟ استخدم نغمة إرشادية: "مستوحاة من..."، "استمتع بالحيوية من...".

2. المشكلة النهائية: كيفية "نسخ التركيب فقط، وليس اللون"؟

هذا هو أكبر صداع للجميع. في Stable Diffusion، يتعين علينا استخدام ControlNet، ولكن في نموذج شامل مثل Gemini، عندما ترمي صورة، يتم ابتلاع الشكل واللون معًا.

لا تقلق، لقد ساعدت الجميع في تلخيص ثلاث مجموعات من إستراتيجيات الخصومة، المستخدمة خصيصًا لتحقيق "الفصل بين التركيب واللون".

الاستراتيجية 1: اختراق المعالجة المسبقة —— ⭐ الأكثر الموصى بها

نظرًا لأن النموذج لا يمكنه إلا أن يستخدم اللون عندما يراه، فلنحذف اللون قبل التحميل.

العملية: استخدم Nano Banana نفسها أو مرشح الهاتف لتحويل الصورة المرجعية إلى رسم خط أبيض وأسود أو صورة بتدرج رمادي عالي التباين.
تحميل: قم بتغذية هذه الصورة عديمة اللون إلى Nano Banana.
مطالبة: اذكر اللون الذي تريده في النص.

مثال للمطالبة:

"هذا رسم مرجعي للتكوين. يرجى إنشاء صورة واقعية بناءً على هذا التكوين. الموضوع عبارة عن تفاحة حمراء، والخلفية مخملية زرقاء داكنة."

المبدأ: لا توجد معلومات لون في الصورة المدخلة، حيث يضطر النموذج إلى النظر فقط إلى "الشكل" من الصورة، والاستماع إلى "اللون" من النص. فصل مثالي!

الاستراتيجية 2: التثبيت متعدد الوسائط

إذا كنت تستخدم Gemini Pro، الذي يدعم تحميل الصور المتعددة، فيمكنك تجربة ذلك:

الصورة أ: مرجع التركيب الخاص بك (يفضل أن يكون رسمًا خطيًا).
الصورة ب: الصورة المرجعية لنظام الألوان المفضل لديك.
مطالبة: "استخدم الصورة (أ) بصرامة للتكوين. استخدم الصورة (ب) بصرامة للوحة الألوان."

الاستراتيجية 3: النفي الدلالي

إذا كنت كسولًا جدًا في معالجة الصور، فعليك الاعتماد على فمك. المفتاح هو إخبار الذكاء الاصطناعي بوضوح بما يجب تجاهله.

نموذج المطالبة:

"استخدم بنية الصورة التي تم تحميلها. ومع ذلك، تجاهل الألوان الأصلية تمامًا. الألوان الأصلية غير صحيحة. يجب عليك إعادة تلوين المشهد بأكمله إلى [Target Color]."

3. نانو الموز ضد المنافسين الآخرين

أخيرًا، دعونا نضع Nano Banana في دائرة الذكاء الاصطناعي بأكملها ونرى أين يقف.

الجدول 2: مقارنة قدرات التحكم لنماذج صور الذكاء الاصطناعي السائدة

<الجدول> <الرأس> <تر> أبعاد الميزة الموزة النانوية (الجوزاء) رحلة منتصف الليل v6 الانتشار المستقر (ControlNet) أدوبي فايرفلاي <الجسم> <تر> طريقة التحكم في الوزن مختلط.
شريط التمرير على جانب واجهة برمجة التطبيقات/الإعلانات؛ موجه على جانب الدردشة. معتمد على المعلمات.
تحكم دقيق باستخدام --iw 0.5 إلى --iw 2.0. معتمد على الشبكة العصبية.
التحكم في الوزن الصافي 0.0-2.0، دقيق للغاية. يعتمد على شريط التمرير.
شريط تمرير الكثافة البصرية. <تر> فصل التركيب/اللون المستوى الدلالي.
اعتمد على تعليمات "تجاهل اللون" أو المعالجة المسبقة لفن الخط. مستوى المعلمة.
--sref (مرجع النمط) مقابل --cref (مرجع الحرف). مستوى النموذج.
النموذج الحاذق يرى الخطوط فقط؛ نموذج IP-Adapter يرى النمط فقط. مستوى واجهة المستخدم.
زري "مرجع الهيكل" و"مرجع النمط" الصريحين. <تر> صعوبة البدء منخفض.
المحادثة باللغة الطبيعية كافية. متوسط.
تحتاج إلى تعلم أوامر ومعلمات Discord. مرتفع جدًا.
تحتاج إلى نشر ComfyUI/WebUI، وفهم المعالجات المسبقة. منخفض.
الواجهة الرسومية هي الأكثر سهولة. <تر> سيناريوهات المزايا التحرير المنطقي، تعديل الحوار متعدد المنعطفات، عرض النص. الجماليات الفنية والإبداع المنمق. تحكم صناعي دقيق، قيود وضعية محددة. السلامة التجارية، والامتثال لحقوق الطبع والنشر، والتصميم السريع.

<ساعة />

الاستنتاج

يمثل الموز النانوي (الجوزاء) الاتجاه المستقبلي: التحكم من خلال الفهم، وليس التحكم من خلال المعلمات.

على الرغم من أنه لا يمكن أن يكون مثاليًا للبكسل مثل Stable Diffusion حتى الآن، إلا أنه يمكننا التحكم فيه بشكل كامل من خلال "أسلوب الرسم بالأبيض والأسود" و"مطالبات النغمة القوية".

آمل أن تساعدك هذه النصائح في تجنب الانعطافات في طريق إنشاء الذكاء الاصطناعي. أنا Monkey K، نراكم في المرة القادمة!