Caso de uso
Arte conceitual: fixe o lugar e mude uma coisa por vez
Arte conceitual funciona em ciclo: você escreve um quadro amplo de ambientação em um modelo de texto para imagem e depois entrega o quadro escolhido a um modelo de edição, nomeando só o que deve mudar. O que mantém um conjunto de quadros unido é a imagem anexada e a redação que você se recusa a reescrever, porque nenhuma configuração leva um cenário de uma execução para a próxima.
Defina o lugar antes de decorá-lo
O primeiro quadro é um cenário, não um sujeito. Diga que lugar é esse, de que material ele é feito, onde a câmera está e o que a luz está fazendo. Um prompt que só enumera substantivos deixa a câmera por conta do modelo, e o modelo escolhe uma diferente a cada execução.
Escolha o formato do quadro agora, e não depois. Cada página de modelo no catálogo traz a própria lista de tamanhos aceitos e o custo de cada um. Escolher o formato largo logo de saída é melhor do que recortar um quadrado mais tarde e pagar para renderizar meio quadro que vai para o lixo. Faça esta passada com pouco detalhe: uma composição que falha pequena não melhora em resolução maior, só fica mais cara.
Descreva a luz como uma medida
Palavras de clima custam pouco e não conduzem nada. Crepúsculo, sombrio e cinematográfico cobrem, cada uma, uma faixa larga de imagens, e o modelo resolve essa faixa de um jeito diferente toda vez que você pede.
A hora do dia tem definições que dá para pegar emprestadas. O glossário da calculadora solar da NOAA define o crepúsculo civil como “the time of morning or evening when the sun is 6 degrees below the horizon”, com o crepúsculo náutico a 12 graus e o astronômico a 18. Um sol logo abaixo do horizonte, um céu ainda claro e nenhuma luz principal direta dão ao modelo algo para renderizar. “Crepúsculo”, sozinho, não dá.
Com a cor é igual. O vocabulário internacional de iluminação da CIE define o iluminante padrão A como radiação planckiana “at a temperature of about 2 856 K”, e o D65 como uma fase da luz do dia a “approximately 6 500 K”. Essa é a distância entre um interior de lâmpada incandescente e uma rua sob céu nublado, e citar os dois extremos no mesmo prompt é o que rende uma janela quente contra um exterior frio, em vez de um quadro inteiro de uma cor só. Escrever prompts sem filtro aprofunda a redação que pode ser conferida contra o resultado.
Mude uma variável com um modelo de edição
“A mesma tomada, mais tarde no dia” não é algo que um modelo de texto para imagem consiga atender, porque rodar o prompt de novo reabre todas as decisões, inclusive as que você aprovou. O catálogo divide esse trabalho em dois e faz a divisão valer: um modelo de texto para imagem recusa uma requisição que chega com imagens anexadas, e um modelo de edição exige que elas venham.
Então fique com o quadro, envie o arquivo e descreva apenas a mudança. Mova o sol. Molhe a rua. Tire as placas. Nomeie a única variável e deixe o resto como está, porque uma descrição que repete a cena inteira convida o modelo a decidi-la de novo.
Uma armadilha pega todo mundo uma vez: não dá para anexar um link para sua própria geração, porque o provedor que vai buscar o arquivo não tem sua sessão. Envie o arquivo e use o endereço que volta; converter imagem em vídeo traz o endpoint e a lista de recusas. Aproveite para conferir a lista de tamanhos do próprio modelo de edição, e note que alguns cobram por cada imagem além da primeira.
Uma cadeia de mudanças isoladas esconde as interações
Mudar uma coisa por vez é o instinto certo e um método incompleto. Escrevendo na The American Statistician em 1999, Veronica Czitrom comparou experimentos de um fator por vez com experimentos planejados e declarou o limite sem rodeios: “Interactions are not estimable from OFAT experiments.” A outra objeção dela é a que você sente nos créditos: um experimento planejado “requires less resources (experiments, time, material, etc.) for the amount of information obtained”.
Trabalho de ambiente é cheio de interações. Chão molhado se lê de um jeito ao meio-dia e de outro sob um sol baixo; a neblina que dá profundidade a um quadro nublado apaga uma luz de contorno. Teste a hora do dia, depois teste o clima em separado, e você terá aprendido sobre cada um e nada sobre o par, que é justamente o par que vai para a entrega.
Rode a grade pequena em vez da cadeia longa. Duas horas do dia contra dois estados de clima dão quatro execuções e mostram os cantos, e não um caminho único pelo meio; como a grade inteira é escrita antes de qualquer execução começar, o custo é conhecido de antemão. Grades são o candidato óbvio a script: chamar a API pelo código traz o laço, e os valores a percorrer vêm da consulta ao catálogo, não de uma constante no seu código.
Fazendo o conjunto parecer um só mundo
A mesma descrição renderizada duas vezes dá dois lugares que apenas se parecem. Isso basta para uma imagem e é fatal para um conjunto. Mantenha um bloco de mundo: um parágrafo fixo com tudo o que não pode se mexer, cobrindo materiais, paleta, direção e cor da luz principal, época e clima. Cole-o sem alterações em todo prompt e varie só a linha que descreve a tomada.
Reescrever esse bloco entre um quadro e outro é o que faz um conjunto derivar, e a deriva fica invisível até dois quadros ficarem lado a lado. Sua Galeria armazena o prompt ao lado de cada geração, então a redação por trás de um quadro de que você gostou pode ser recuperada, e não depende da memória.
Se um personagem precisa aparecer nesses lugares, manter um personagem consistente cobre o lado da âncora e design de personagens cobre a criação dele. Depois que os quadros forem aprovados, storyboard e pré-visualização os leva adiante para uma sequência.
Dúvidas frequentes
Posso travar uma seed para reproduzir um quadro?
Nos modelos que declaram uma seed, sim; nos outros, não. E, mesmo neles, o mesmo número não garante o mesmo quadro, então o mesmo prompt rodado duas vezes é uma nova negociação sobre a imagem inteira; escolher resolução e duração explica o mecanismo. A reprodutibilidade vem do outro lado: envie o quadro de que gostou e mande-o para um modelo de edição, para que a renderização parta de uma imagem fixa, e não da sua descrição dela.
Por que minha execução falhou quando colei o link de uma imagem que gerei?
Porque o provedor que faz a renderização busca esse endereço por conta própria, e os arquivos de geração exigem sua sessão para serem lidos. Envie o arquivo, pegue o endereço que volta e anexe esse no lugar.
Os modelos de texto para imagem e de edição precisam ser da mesma família?
Não, e não presuma que parentes se comportam igual. Os tamanhos válidos são declarados por modelo, e não compartilhados por uma família, e a capacidade está escrita na página de cada modelo, em vez de ser deduzida pelo nome.
Quantas referências devo anexar a uma edição?
O mínimo que responda à pergunta. Cada anexo é uma decisão tirada do modelo, então mais imagens estreitam o resultado em vez de melhorá-lo, e em alguns modelos cada uma além da primeira aumenta o custo.