Wan v2.6 Image to Image

Wan v2.6 Image to Image er en bilde-redigerings- og komposisjonsmodell som lar deg kombinere og transformere opptil tre referansebilder ved hjelp av bare en skriftlig beskrivelse. I stedet for å generere bilder fra bunnen av, jobber den med de visuelle elementene du allerede har – en karakter, et objekt, et sted, en tekstur eller en stil – og slår dem sammen til et enkelt nytt bilde som følger instruksjonene dine. Hvis du kan peke på elementer på tvers av noen få bilder og beskrive hvordan de skal settes sammen, forvandler denne modellen ideen din til en ferdig ramme.

Den definerende funksjonen er dets multi-bilde-referansesystem. Du legger ved mellom ett og tre referansebilder, og i tekstprompten din henviser du direkte til hvert som 'image 1', 'image 2' og 'image 3'. Rekkefølgen er viktig, så du vet alltid hvilket bilde modellen henter fra. Dette gjør komplekse komposisjoner enkle å beskrive: du kan plassere en karakter fra ett bilde i et miljø fra et annet mens den holder et objekt fra et tredje. Et eksempel på instruksjon lyder: 'Plasser trollmannen fra image 2 i det gamle biblioteket fra image 3, mens han holder og undersøker den magiske krystallkulen fra image 1,' komplett med retninger om lilla og blå belysning i ansiktet, flytende lysestaker, gamle bøker i bakgrunnen og en høyt detaljert fantasykunststil. Modellen tolker alt dette og setter sammen en sammenhengende scene.

Siden prompten gjør så mye av det kreative arbeidet, belønner modellen beskrivende skriving. Du kan spesifisere belysning, stemning, kunststil, komposisjon og fine detaljer, og modellen vil følge dem. Prompter kan være opptil 2000 tegn, som gir god plass til å være spesifikk, og både engelsk og kinesisk støttes. For skapere som foretrekker korte prompter, finnes det en innebygd funksjon for promptoptimalisering som automatisk utvider og forbedrer enkle instruksjoner før generering. Det legger til noen sekunder med prosesseringstid, men forbedrer resultatene merkbart når du gir en kort idé i stedet for en fullt detaljert avsnitt. Du kan la den stå på for bekvemmelighet eller slå den av når du vil at den eksakte ordlyden din skal respekteres.

Hvem tjener på dette? Konseptkunstnere og illustratører kan raskt teste hvordan en karakter ser ut i ulike miljøer eller med rekvisitter. Designere kan kompositt produktbilder, stemningsboards og stilstudier uten manuell masking og lagdeling. Filmmagere og storyboardkunstnere kan pre-visualisere scener ved å plassere skuespillere, kulisser og objekter i ett bilde. Markedsførere og sosiale skapere kan remikse eksisterende merkevarebilder til friske visuelle uttrykk. Alle som i dag bruker timer i en lagbasert redigerer på å klippe ut elementer og blande dem, kan beskrive det samme resultatet i en setning.

Referansebildene du laster opp må være JPEG, JPG, PNG (uten gjennomsiktighet), BMP eller WEBP-filer, hver mellom 384 og 5000 piksler på hvilken som helst side og maks 10MB. Utgangsbilder leveres i PNG-format. Du styrer form og størrelse på resultatet via et sett med aspektforholdsforvalg – firkantet, portrett 4:3, portrett 16:9, landskap 4:3, landskap 16:9 og en HD-firkantet opsjon – eller du kan be om eksakte tilpassede dimensjoner. Totaloppløsningen ligger i et definert område slik at bildene forblir skarpe uten å bli uhåndterlige, grovt mellom 768×768 og 1280×1280 piksler.

Utover komposisjon og størrelse har du flere kreative kontroller. En negativ prompt lar deg liste ting du vil holde unna bildet – vanlige eksempler inkluderer lav oppløsning, deformerte former eller ekstra fingre – som hjelper deg å styre unna typiske genereringsfeil. Du kan generere opptil fire varianter samtidig, noe som er nyttig for rask sammenligning av alternativer og valg av det sterkeste resultatet. En seed-kontroll gir reproduserbarhet: gjenbruk av samme seed gir mer konsistente resultater på tvers av kjøring, så når du lander på et utseende du liker, kan du iterere på det uten å starte på nytt. Det finnes også en innebygd innholdsmoderering som sjekker både inndata og utdata, aktivert som standard, for å holde genereringene passende.

Stil-messig er modellen fleksibel. Siden den henter direkte fra referansebildene dine og skriftlige retninger, kan den lene seg mot fotorealistisk, malerisk, filmatisk eller fullstendig illustrativt avhengig av hva du gir den og ber om. Eksempelbildene viser dramatisk fantasykunst med atmosfærisk belysning, som fremhever modellens styrke på stemning og detaljer når du beskriver dem klart. Du kan låne stilen fra ett bilde og bakgrunnen fra et annet, og blande og matche visuelle kilder til en samlet estetikk.

Noen beste praksiser følger naturlig av hvordan modellen fungerer. For det første, vær eksplisitt om hvilket referansebilde som leverer hvilket element – det nummererte referansesystemet er bare så godt som klarheten i prompten din. For det andre, beskriv belysning, stil og komposisjon i stedet for å anta at modellen gjetter; jo rikere beskrivelsen din, jo nærmere resultatet. For det tredje, hvis du jobber fra en kort idé, hold promptoptimaliseringen på for å fylle hullene, men slå den av når du trenger presis formulering respektert. For det fjerde, bruk den negative prompten til å avverge gjentatte artefakter. Og når du finner et resultat du elsker, noter seeden dens slik at du kan bygge videre på det.

Når det gjelder begrensninger: modellen krever minst ett referansebilde og aksepterer maks tre, så den er bygget for redigering og komposisjon i stedet for ren tekst-til-bilde-generering. Referansebilder må falle innen støttede formater og størrelsesgrenser, og PNG-filer med gjennomsiktighet aksepteres ikke. Utgangsoppløsning er begrenset til sitt definerte område, så den er optimalisert for skarpe, delbare bilder i stedet for svært store trykkfiler. Innenfor disse rammene er Wan v2.6 Image to Image en rask, kontrollerbar måte å forvandle en samling referansebilder og en klar beskrivelse til et enkelt, sammenhengende nytt bilde.