Wan v2.6 Image to Image

Wan v2.6 Image to Image je model pro úpravu a kompozici obrázků, který vám umožní kombinovat a transformovat až tři referenční obrázky pouze pomocí psaného popisu. Místo generování obrázků od nuly pracuje s vizuály, které již máte – postavou, objektem, lokalitou, texturou nebo stylem – a spojí je do jediného nového obrázku podle vašich instrukcí. Pokud ukážete na prvky napříč hrstkou fotografií a popíšete, jak se mají spojit, tento model vaši představu promění v hotový snímek.

Definující funkcí je jeho systém multiobrázkových referencí. Nahrajete jedna až tři referenční obrázky a ve vašem textovém promptu na ně odkazujete přímo jako na 'image 1', 'image 2' a 'image 3'. Pořadí je důležité, takže vždy víte, z kterého obrázku model čerpá. To usnadňuje popis složitých kompozic: můžete umístit postavu z jednoho obrázku do prostředí z druhého, zatímco drží objekt z třetího. Ukázková instrukce zní: 'Umístěte kouzelníka z image 2 do starobylé knihovny z image 3, jak drží a studuje kouzelnou křišťálovou koulu z image 1,' včetně pokynů ohledně fialového a modrého osvětlení na jeho tváři, plovoucích svíček, starých knih v pozadí a vysoce detailního fantasy uměleckého stylu. Model to vše zpracuje a sestaví koherentní scénu.

Protože prompt vykonává velkou část kreativní práce, model odměňuje popisné psaní. Můžete specifikovat osvětlení, náladu, umělecký styl, kompozici a jemné detaily, a model se jimi řídí. Prompt může mít až 2 000 znaků, což vám dává dostatek prostoru pro specifikace, a podporovány jsou angličtina i čínština. Pro tvůrce, kteří preferují krátké prompty, je zde vestavěná funkce optimalizace promptu, která automaticky rozšiřuje a vylepšuje jednoduché instrukce před generováním. Přidává několik sekund zpracování, ale výrazně zlepší výsledky, pokud zadáte krátký nápad místo plně detailního odstavce. Můžete ji nechat zapnutou pro pohodlí nebo vypnout, když chcete, aby byl respektován váš přesný text.

Kdo z toho těží? Konceptoví umělci a ilustrátoři mohou rychle testovat, jak postava vypadá v různých prostředích nebo s rekvizitami. Designéři mohou kompozitovat produktové snímky, moodboardy a studiem stylů bez manuálního maskování a vrstvení. Filmaři a storyboardoví umělci mohou předvizualizovat scény umístěním herců, kulis a objektů do jediného snímku. Marketéři a tvůrci sociálního obsahu mohou remixovat existující značkové snímky do čerstvých vizuálů. Kdokoli, kdo nyní tráví hodiny v vrstveném editoru střiháním prvků a jejich mícháním, může stejný výsledek popsat v jedné větě.

Nahrané referenční obrázky by měly být ve formátech JPEG, JPG, PNG (bez průhlednosti), BMP nebo WEBP, každý mezi 384 a 5 000 pixely na straně a ne větší než 10 MB. Výstupní obrázky jsou dodány ve formátu PNG. Tvar a velikost výsledku ovládáte sadou presetů poměrů stran – čtvercový, portrétový 4:3, portrétový 16:9, krajinný 4:3, krajinný 16:9 a volba čtvercového v vysoké definici – nebo můžete zadat přesné vlastní rozměry. Celková výstupní rozlišovací schopnost je v definovaném rozmezí, takže obrázky zůstávají ostré, aniž by se staly neobslužnými, přibližně mezi 768×768 a 1280×1280 pixely.

Kromě kompozice a velikosti máte několik kreativních ovládacích prvků. Negativní prompt vám umožní vypsat věci, které chcete z obrázku vyloučit – běžné příklady zahrnují nízké rozlišení, deformované tvary nebo extra prsty – což vám pomůže vyhnout se typickým chybám generování. Můžete generovat až čtyři varianty najednou, což je užitečné pro rychlé srovnání možností a výběr nejlepšího výsledku. Ovládání seedu zajišťuje reprodukovatelnost: opětovné použití stejného seedu produkuje konzistentnější výsledky při opakovaných spuštěních, takže jakmile najdete vzhled, který se vám líbí, můžete na něm iterovat bez nutnosti začínat znovu. Je tu také vestavěná volba moderování obsahu, která kontroluje jak vstupy, tak výstupy, zapnutá ve výchozím nastavení, aby generování zůstalo vhodné.

Stylově je model flexibilní. Protože čerpá přímo z vašich referenčních obrázků a psaných pokynů, může být fotorealistický, malířský, kinematografický nebo plně ilustrativní podle toho, co zadáte a požádáte. Ukázkové obrázky ukazují dramatické fantasy umění s atmosférickým osvětlením, což zdůrazňuje sílu modelu v náladě a detailech, když je jasně popíšete. Můžete si půjčit styl z jednoho obrázku a pozadí z druhého, mísíte a ladíte vizuální zdroje do sjednocené estetiky.

Několik nejlepších postupů vyplývá přirozeně z fungování modelu. První: buďte explicitní ohledně toho, který referenční obrázek dodává který prvek – číslovaný referenční systém je tak dobrý jako jasnost vašeho promptu. Druhé: popište osvětlení, styl a kompozici místo toho, abyste předpokládali, že model uhodne; čím bohatší popis, tím bližší výsledek. Třetí: pokud pracujete s krátkým nápadem, nechte optimalizaci promptu zapnutou pro doplnění mezer, ale vypněte ji, když potřebujete respektovat přesné znění. Čtvrté: použijte negativní prompt k odražení opakujících se artefaktů. A když najdete výsledek, který milujete, si zapište jeho seed, abyste na něm mohl stavět.

Co se týče omezení: model vyžaduje nejméně jeden referenční obrázek a přijímá nejvýše tři, takže je navržen pro úpravy a kompozici spíše než pro čisté text-to-image generování. Referenční obrázky musí splňovat podporované formáty a velikostní limity a PNG soubory s průhledností nejsou přijaty. Výstupní rozlišení je omezeno na definované rozmezí, takže je optimalizován pro ostré, sdílené obrázky spíše než pro velmi velké tiskové soubory. V těchto mezích je Wan v2.6 Image to Image rychlý, ovladatelný způsob, jak proměnit sbírku referenčních obrázků a jasný popis v jediný, soudržný nový obrázek.