Każde zlecenie zaczyna się na tym samym rozwidleniu, a większość zmarnowanych kredytów bierze się z wejścia w złą odnogę. Opisanie obrazu od zera i zmodyfikowanie obrazu, który już masz, to dwa różne narzędzia — a to drugie jest zbyt rzadko używane.
Zasada
Jeśli jakakolwiek część finalnego obrazu już istnieje — produkt, logo, wnętrze, twarz, szkic, choćby nieudany wczorajszy render — zacznij od obrazu na obraz. Jeśli nie istnieje jeszcze nic, zacznij od tekstu na obraz.
Zapisane tak, brzmi oczywiście. W praktyce ludzie opisują słowami własny produkt modelowi, który nigdy go nie widział, a potem zużywają piętnaście renderów, próbując wygadać z niego właściwy kształt.
Co każdy tryb naprawdę kontroluje
| Tekst na obraz | Obraz na obraz | |
|---|---|---|
| Ty dostarczasz | Opis | Jeden lub więcej obrazów plus opis |
| Ty kontrolujesz | Temat, styl, kadr | To wszystko plus samą rzecz |
| Prób do trafienia | Kilka, jeśli temat jest konkretny | Zwykle jedna lub dwie |
| Miejsca na referencje | Brak | Od 1 do 16, zależnie od modelu |
| Najlepsze do | Koncepcji, scen, nastrojów, teł | Produktów, ludzi, materiałów marki, poprawek |
Na tym samym modelu oba kosztują tyle samo za render. Różnica nie tkwi w cenie próby, tylko w tym, ile prób potrzebujesz.
Obrazy referencyjne są sednem sprawy
To, ile referencji przyjmuje model, jest prawdziwą różnicą możliwości, a nie szczegółem ze specyfikacji. Niektóre przyjmują dokładnie jedną. GPT Image 2 i GPT Image 2.5 przyjmują do szesnastu. Nano Banana 2 przyjmuje czternaście, Nano Banana Pro i Seedream od ośmiu do dziesięciu.
Jedna referencja odpowiada na „zrób, żeby wyglądało tak". Osiem referencji odpowiada na „to jest ten produkt, z tych stron, w takim wykończeniu, a tak ma padać światło". To drugie pytanie zadaje w praktyce fotografia produktowa.
Co wkładać w te miejsca
Użyteczny zestaw to: dwa lub trzy ujęcia tematu, jeden obraz na światło albo nastrój i jeden na powierzchnię lub otoczenie. Dorzucenie ośmiu wariantów tego samego ujęcia nic nie daje. Model nie uśrednia — pokazuje mu się, co jest ważne.
Przypadki, które ludzie mylą
Logotypy i opakowania. Model poproszony o narysowanie twojego logo z opisu wyprodukuje coś logotypopodobnego i błędnego. Podaj je jako referencję, a ten sam model umieści je poprawnie.
Ten sam produkt, dwanaście razy. Karty produktu potrzebują spójności bardziej niż błyskotliwości. Tekst na obraz da dwanaście wiarygodnych butelek; obraz na obraz ze stałym zestawem referencji da jedną butelkę sfotografowaną na dwanaście sposobów.
„Prawie dobrze, jedna zmiana". To największa pozycja. Gdy render jest gotowy w 90%, ludzie przepisują prompt i rzucają jeszcze raz, przez co wszystko losuje się od nowa, łącznie z tym, co działało. Podanie dobrego renderu jako referencji i opisanie wyłącznie zmiany zachowuje to, co ci się podobało.
Tła. Wycięcie tematu i przeniesienie go gdzie indziej nie jest problemem generowania. Narzędzia usuwania tła, przezroczystego tła i koloru tła robią to, w ogóle nie dotykając tematu.
Kiedy tekst na obraz jest naprawdę właściwym wyborem
Tła i otoczenia, w które będziesz później komponować. Praca koncepcyjna, w której chodzi właśnie o zobaczenie opcji. Ilustracja i stylizowana grafika bez odpowiednika w rzeczywistości. Wszystko, gdzie „zaskocz mnie" jest zaletą, a nie ryzykiem.
To również tańsze miejsce na eksplorację. Modele za 2 kredyty istnieją dokładnie po to: puść sześć kadrów jednego pomysłu, wybierz jeden i dopiero wtedy dołóż referencje oraz lepszy model do wykonania.
Hybrydowy proces, który działa
Większość gotowych obrazów na tej platformie powstaje z pętli, a nie z jednego promptu. Naszkicuj kompozycję w trybie tekstowym na tanim modelu. Wybierz najlepszy kadr. Przejdź na obraz na obraz, podaj ten kadr jako referencję wraz z prawdziwym produktem i opisz wyłącznie to, co ma się zmienić. Finał puść na modelu pasującym do miejsca docelowego.
Dwa albo trzy takie przebiegi biją dwanaście rzutów i kosztują mniej. Stronę parametrów tej samej pętli — ziarna, guidance i to, co warto ustalić między uruchomieniami — omawia tekst powtarzalne wyniki.
Zmiana w trakcie bez zaczynania od nowa
W przestrzeni pracy pole promptu jest identyczne w obu trybach; to dodanie obrazu referencyjnego przenosi cię z jednego do drugiego. Nic w twoim prompcie nie musi być przepisane, a lista modeli zostaje ta sama, więc porównanie, które już zrobiłeś, nadal obowiązuje.
Dziewiętnaście modeli obsługuje oba tryby, z różnymi limitami referencji. Katalog je wylicza, a cena liczy się za render niezależnie od trybu — więc jedyne, co zmienia ten wybór, to liczba potrzebnych renderów. A to zwykle cały budżet.
To samo zlecenie, przeprowadzone na dwa sposoby
Konkretne porównanie. Masz zdjęcie ceramicznej butelki i potrzebujesz trzech obrazów: ujęcia na białym tle do karty produktu, sceny w kuchni i szerokiego banera.
| Podejście | Kroki | Wynik |
|---|---|---|
| Tylko tekst na obraz | Opisywać butelkę za każdym razem; rzucać, aż kształt się zbliży | Trzy różne butelki, żadna z nich twoja |
| Obraz na obraz | Podać zdjęcie jako referencję; opisać tylko otoczenie i kadr | Jedna butelka, trzy otoczenia, spójne |
Druga droga kończy się też szybciej, bo każdy obraz trafia w jednej lub dwóch próbach zamiast pięciu. Koszt kredytów za render jest identyczny; suma nie jest nawet zbliżona.
Warte rozpoznania tryby awarii
Dryfujący temat. Twój produkt zmienia kształt między renderami. Albo jesteś w trybie tekstowym, choć nie powinieneś, albo strength jest ustawiona na tyle wysoko, że model może na nowo zinterpretować referencję.
Kolaż. Zbyt wiele niepowiązanych referencji daje obraz, który je uśrednia. Pięć referencji wybranych do różnych zadań — ujęcie, ujęcie, światło, powierzchnia, nastrój — działa; dwanaście podobnych nie.
Nadpisana wygrana. Render jest niemal idealny, przepisujesz prompt i dobrej wersji już nie ma. Podaj dobry render jako referencję i opisz wyłącznie zmianę.
Prompt, który powinien być narzędziem. Prośba o „ten sam obraz, ale na białym tle" kosztuje pełny render, podczas gdy jedno narzędzie robi to bez dotykania tematu.
Które modele pasują do którego trybu
W trybie tekstowym najbardziej liczą się tanie i szybkie silniki, bo to na etapie eksploracji narastają próby. W trybie obrazowym to limit referencji decyduje, co jest możliwe: jedno miejsce wystarcza do transferu stylu, ale praca produktowa z kilkoma ujęciami potrzebuje ośmiu lub więcej.
Strony modeli podają obie liczby, a katalog pokazuje je obok siebie. Poza tym nic w twoim procesie nie musi się zmieniać między trybami — ten sam prompt, te same ustawienia proporcji, to samo wyczucie.