Wan v2.6 Image to Image

Wan v2.6 Image to Image je model na úpravu a kompozíciu obrázkov, ktorý umožňuje kombinovať a transformovať až tri referenčné snímky pomocou jednoduchej písomnej inštrukcie. Namiesto generovania úplne nových obrázkov pracuje s vizuálmi, ktoré už máte — postava, objekt, miesto, textúra alebo štýl — a spája ich do jedného nového obrázka podľa vašich pokynov. Ak dokážete ukázať na prvky z viacerých fotiek a opísať, ako ich chcete spojiť, tento model prevedie váš nápad do výsledného záberu.

Hlavnou črtou je systém viacnásobného referencovania. Zadávate jeden až tri referenčné obrázky a vo vašom textovom zadaní na každý priamo odkazujete ako na „obrázok 1“, „obrázok 2“ a „obrázok 3“. Na poradí záleží, takže vždy viete, z ktorého obrázku model čerpá. Vďaka tomu je popis komplexných kompozícií jednoduchý: môžete napríklad položiť postavu z jedného obrázka do prostredia z iného, pričom bude držať objekt prevzatý z tretieho. Ukážkový pokyn znie: „Umiestni kúzelníka z obrázku 2 do starobylej knižnice z obrázku 3, pričom bude držať a skúmať magickú kryštálovú guľu z obrázku 1,“ a pridať môžete aj pokyny k fialovo-modrému osvetleniu na jeho tvári, vznášajúcim sa sviečkam, starým knihám v pozadí a mimoriadne detailnému fantasy štýlu. Model všetko prečíta a zostaví koherentnú scénu.

Keďže prompt hrá pri tvorbe dôležitú rolu, model odmeňuje opisné zadania. Môžete špecifikovať osvetlenie, náladu, výtvarný štýl, kompozíciu, aj jemné detaily a model ich bude rešpektovať. Zadané pokyny môžu byť dlhé až 2000 znakov, takže máte dostatok priestoru na presnosť, a model podporuje angličtinu aj čínštinu. Pre tvorcov, ktorí preferujú krátke prompty, je zabudovaná funkcia optimalizácie — automaticky rozšíri a vylepší jednoduché pokyny pred samotnou generáciou. Pridá to len pár sekúnd spracovania navyše, ale citeľne zlepší výsledok pri stručných zadaniach oproti detailnému odstavcu. Funkciu môžete nechať zapnutú pre pohodlie alebo vypnúť, keď chcete, aby model dodržal vaše presné slová.

Komu to pomôže? Konceptoví umelci a ilustrátori si rýchlo otestujú, ako postava vyzerá v rozličných prostrediach alebo s rôznymi rekvizitami. Dizajnéri môžu vytvárať produktové zábery, moodboardy a štúdie štýlu bez ručného maskovania a vrstvenia. Filmári a storyboardisti môžu previzualizovať scény vložením hercov, scén a objektov do jedného záberu. Marketeri a autori obsahu na sociálne siete premenia existujúcu vizuálnu identitu značky na nový obraz. Každý, kto dnes trávi hodiny v grafickom editore vystrihovaním a spájaním prvkov, môže ten istý výsledok popísať jednou vetou.

Referenčné obrázky by mali byť vo formátoch JPEG, JPG, PNG (bez priehľadnosti), BMP alebo WEBP, každý so stranou medzi 384 a 5000 pixelmi a veľkosťou do 10 MB. Výstupné obrázky sú doručované vo formáte PNG. Tvar a veľkosť výsledku ovládate pomocou prednastavených pomerov strán — štvorec, portrét 4:3, portrét 16:9, krajina 4:3, krajina 16:9 a možnosť vysokého rozlíšenia pre štvorec — alebo môžete zadať presné vlastné rozmery. Celkové rozlíšenie výstupu je udržiavané v bezpečnom rozsahu, takže obrázky zostávajú ostré a zároveň nie sú neobratné na spracovanie, približne medzi 768×768 a 1280×1280 pixelov.

Okrem kompozície a veľkosti máte ešte niekoľko kreatívnych nástrojov. Negatívny prompt umožňuje vymenovať veci, ktoré nechcete na obrázku — často to býva nízke rozlíšenie, deformované tvary alebo nadpočetné prsty — a tým sa vyhnete typickým chybám generácie. Môžete vygenerovať až štyri varianty naraz, čo umožňuje rýchle porovnanie možností a výber toho najlepšieho. Ovládanie „seed-u“ zabezpečí reprodukovateľnosť: opätovným použitím rovnakého seed-u dosiahnete konzistentné výsledky, takže po doladení vzhľadu môžete ďalej pokračovať bez nutnosti začínať odznova. Je tu aj vstavaná kontrola obsahu, ktorá overuje vstupy aj výstupy, predvolene zapnutá, aby zostali generované výstupy vhodné.

Model je štýlovo flexibilný. Keďže priamo čerpá z vašich referenčných obrázkov a písomného zadania, môže pôsobiť fotorealisticky, maliarsky, filmovo alebo úplne ilustratívne podľa toho, čo mu zadáte. Ukážkové obrázky predstavujú dramatické fantasy umenie so sugestívnym osvetlením, čo ukazuje silu modelu pri tvorbe nálady a detailov podľa opisu. Môžete si požičať štýl z jedného obrázku a pozadie z druhého, pričom vznikne jednotný vizuálny dojem.

Niekoľko odporúčaných postupov priamo vyplýva z princípov fungovania modelu. Po prvé, buďte presní v tom, ktorý referenčný obrázok má dodať ktorý prvok — systém číslovaných referencií funguje len tak presne, ako vaše zadanie. Po druhé, popíšte osvetlenie, štýl a kompozíciu namiesto toho, aby ste spoliehali, že model uhádne; čím bohatší opis, tým presnejší výsledok. Po tretie, ak pracujete so stručným nápadom, majte zapnutú optimalizáciu promptu, ak potrebujete rešpektovať presné formulácie, vypnite ju. Po štvrté, využite negatívny prompt na elimináciu opakujúcich sa artefaktov. A keď objavíte výborný výsledok, zapamätajte si jeho seed, aby ste na ňom mohli ďalej stavať.

K obmedzeniam: model vyžaduje minimálne jeden a maximálne tri referenčné obrázky, takže je určený na editáciu a kompozíciu, nie na čistú generáciu z textu. Referenčné obrázky musia dodržať stanovené formáty a veľkosti, PNG s priehľadnosťou nie sú povolené. Výstupné rozlíšenie je obmedzené v určenom rozsahu, takže je optimalizované pre ostré, zdieľateľné obrázky a nie pre veľmi veľké tlačové súbory. V tomto rámci je Wan v2.6 Image to Image rýchly a kontrolovateľný spôsob, ako premeniť zbierku referenčných obrázkov a jasný opis na jeden koherentný nový obrázok.