Wan v2.6 Image to Image

Wan v2.6 Image to Image to model edycji i kompozycji obrazów, który pozwala łączyć i przekształcać do trzech obrazów referencyjnych za pomocą samego opisu tekstowego. Zamiast generować obrazy od zera, pracuje z wizualizacjami, które już masz — postacią, obiektem, lokalizacją, teksturą lub stylem — i łączy je w jeden nowy obraz zgodny z twoimi instrukcjami. Jeśli możesz wskazać elementy na garści zdjęć i opisać, jak powinny się połączyć, ten model zamieni ten pomysł w gotowy kadr.

Definiującą cechą jest jego system odwoływania się do wielu obrazów. Dostarczasz od jednego do trzech obrazów referencyjnych, a w swoim promptcie tekstowym odwołujesz się do każdego bezpośrednio jako 'image 1', 'image 2' i 'image 3'. Kolejność ma znaczenie, więc zawsze wiesz, z którego obrazu model czerpie. Ułatwia to opisywanie złożonych kompozytów: możesz umieścić postać z jednego obrazu w otoczeniu z drugiego, trzymając obiekt z trzeciego. Przykładowa instrukcja brzmi: 'Umieść czarodzieja z image 2 w starożytnej bibliotece z image 3, trzymając i studiując magiczny kryształowy orb z image 1', wraz z wskazówkami dotyczącymi fioletowo-niebieskiego oświetlenia na jego twarzy, unoszących się świec, starożytnych książek w tle i wysoce szczegółowego stylu fantasy. Model odczytuje to wszystko i składa spójną scenę.

Ponieważ prompt wykonuje większość pracy kreatywnej, model nagradza opisowe pisanie. Możesz określić oświetlenie, nastrój, styl artystyczny, kompozycję i drobne detale, a model je uszanuje. Prompty mogą mieć do 2000 znaków, dając ci dużo miejsca na szczegóły, i obsługiwane są zarówno angielski, jak i chiński. Dla twórców preferujących krótkie prompty istnieje wbudowana funkcja optymalizacji promptu, która automatycznie rozszerza i udoskonala proste instrukcje przed generowaniem. Dodaje kilka sekund czasu przetwarzania, ale zauważalnie poprawia wyniki, gdy podasz krótki pomysł zamiast w pełni szczegółowego akapitu. Możesz ją zostawić włączoną dla wygody lub wyłączyć, gdy chcesz, aby twój dokładny tekst został uszanowany.

Kto zyskuje? Koncept artyści i ilustratorzy mogą szybko testować, jak postać wygląda w różnych środowiskach lub z rekwizytami. Projektanci mogą kompilować ujęcia produktów, moodboardy i studia stylów bez ręcznego maskowania i warstwowania. Filmowcy i artyści storyboardów mogą prewizualizować sceny, wrzucając aktorów, dekoracje i obiekty do jednej klatki. Marketerzy i twórcy treści społecznościowych mogą miksować istniejące obrazy marki w świeże wizualizacje. Każdy, kto obecnie spędza godziny w edytorze warstwowym na wycinaniu elementów i ich blendowaniu, może opisać ten sam rezultat w jednym zdaniu.

Obrazy referencyjne, które przesyłasz, powinny być plikami JPEG, JPG, PNG (bez przezroczystości), BMP lub WEBP, każdy między 384 a 5000 pikseli na stronę i nie większy niż 10MB. Obrazy wyjściowe dostarczane są w formacie PNG. Kontrolujesz kształt i rozmiar wyniku za pomocą presetów proporcji — kwadrat, portret 4:3, portret 16:9, krajobraz 4:3, krajobraz 16:9 oraz opcja kwadratu HD — lub możesz zażądać dokładnych niestandardowych wymiarów. Całkowita rozdzielczość wyjściowa mieści się w zdefiniowanym zakresie, dzięki czemu obrazy pozostają ostre bez nadmiernego rozmiaru, mniej więcej między 768×768 a 1280×1280 pikseli.

Poza kompozycją i rozmiarem masz kilka kreatywnych kontroli. Negative prompt pozwala wymienić rzeczy, których chcesz uniknąć w obrazie — typowe przykłady to niska rozdzielczość, zdeformowane kształty czy dodatkowe palce — pomagając unikać typowych błędów generowania. Możesz generować do czterech wariacji naraz, co jest przydatne do szybkiego porównywania opcji i wyboru najlepszego wyniku. Kontrola seed zapewnia powtarzalność: ponowne użycie tego samego seedu daje bardziej spójne wyniki między uruchomieniami, więc gdy trafisz na wygląd, który lubisz, możesz go iterować bez zaczynania od nowa. Istnieje też wbudowana opcja moderacji treści, która sprawdza zarówno wejścia, jak i wyjścia, domyślnie włączona, aby generacje były odpowiednie.

Pod względem stylu model jest elastyczny. Ponieważ czerpie bezpośrednio z twoich obrazów referencyjnych i pisemnych wskazówek, może być fotorealistyczny, malarski, kinowy lub w pełni ilustracyjny, w zależności od tego, co mu podasz i o co poprosisz. Przykładowe obrazy pokazują dramatyczną sztukę fantasy z atmosferycznym oświetleniem, co podkreśla siłę modelu w oddawaniu nastroju i detali, gdy je jasno opiszesz. Możesz zapożyczyć styl z jednego obrazu i tło z drugiego, mieszając i dopasowując źródła wizualne do jednolitej estetyki.

Kilka najlepszych praktyk wynika naturalnie z działania modelu. Po pierwsze, bądź jawny co do tego, który obraz referencyjny dostarcza który element — numerowy system odwołań jest tak dobry, jak jasność twojego promptu. Po drugie, opisuj oświetlenie, styl i kompozycję zamiast zakładać, że model zgadnie; im bogatszy opis, tym bliższy wynik. Po trzecie, jeśli pracujesz z krótkim pomysłem, zostaw optymalizację promptu włączoną, aby wypełnić luki, ale wyłącz ją, gdy potrzebujesz precyzyjnego sformułowania. Po czwarte, używaj negative promptu, aby uniknąć powtarzających się artefaktów. A gdy znajdziesz wynik, który kochasz, zanotuj jego seed, aby na nim budować.

Co do ograniczeń: model wymaga co najmniej jednego obrazu referencyjnego i przyjmuje nie więcej niż trzy, więc jest zaprojektowany do edycji i kompozycji, a nie czystej generacji tekst-do-obrazu. Obrazy referencyjne muszą mieścić się w obsługiwanych formatach i limitach rozmiaru, a pliki PNG z przezroczystością nie są akceptowane. Rozdzielczość wyjściowa jest ograniczona do zdefiniowanego zakresu, więc jest zoptymalizowana pod kątem ostrych, łatwych do udostępniania obrazów, a nie bardzo dużych plików do druku. W tych granicach Wan v2.6 Image to Image to szybki, kontrolowany sposób na przekształcenie kolekcji obrazów referencyjnych i jasnego opisu w jeden spójny nowy obraz.