2,545 रीडिंग

"यह वैसा ही है जैसे मिडजॉर्नी के पास एक एपीआई होता" - कैंडिंस्की 2.2 पर एक नज़र डालें

द्वारा Mike Young9m2023/08/24

बहुत लंबा; पढ़ने के लिए

कैंडिंस्की v2.2 एक मिडजर्नी विकल्प है जो जावास्क्रिप्ट एपीआई के माध्यम से पाठ से उच्च गुणवत्ता वाली छवियां तैयार करता है।

featured image - "यह वैसा ही है जैसे मिडजॉर्नी के पास एक एपीआई होता" - कैंडिंस्की 2.2 पर एक नज़र डालें

एआई-संचालित छवि निर्माण मॉडल रचनात्मक परिदृश्य में क्रांति ला रहे हैं। मिडजर्नी प्लेटफॉर्म अपने टेक्स्ट-संचालित छवि निर्माण के साथ इस अभिनव क्षेत्र में एक प्रमुख खिलाड़ी रहा है। हालाँकि, इसके डिस्कोर्ड-आधारित इंटरफ़ेस ने व्यावसायिक उपयोग के लिए कुछ सीमाएँ प्रस्तुत कीं।

आइए कैंडिंस्की 2.2 नामक एक नए एआई मॉडल पर एक नज़र डालें, जो एक बहुमुखी एपीआई के माध्यम से उपलब्ध एक अधिक बिल्डर-अनुकूल टेक्स्ट-टू-इमेज मॉडल है।

मिडजॉर्नी के विपरीत, जो डिस्कॉर्ड के माध्यम से संचालित होता है, कैंडिंस्की डेवलपर्स को एआई छवि पीढ़ी को विभिन्न प्रोग्रामिंग भाषाओं जैसे कि पायथन, नोड.जेएस और कर्ल में एकीकृत करने में सक्षम बनाता है।

इसका मतलब यह है कि कोड की केवल कुछ पंक्तियों के साथ, कैंडिंस्की छवि निर्माण की प्रक्रिया को स्वचालित कर सकता है, जिससे यह रचनात्मक पेशेवरों के लिए अधिक कुशल उपकरण बन जाएगा। और नए v2.2 रिलीज़ के साथ कैंडिंस्की की छवि गुणवत्ता कभी भी इतनी बेहतर नहीं रही।

सदस्यता लें या मुझे फ़ॉलो करें ट्विटर इस तरह की और अधिक सामग्री के लिए!

कैंडिंस्की 2.2 एआई छवि निर्माण में पहुंच और लचीलेपन का एक नया स्तर लाता है। यह कई प्रोग्रामिंग भाषाओं और टूल के साथ सहजता से एकीकृत होता है, जो लचीलेपन का एक स्तर प्रदान करता है जो मिडजॉर्नी प्लेटफॉर्म से आगे निकल जाता है।

इसके अलावा, कैंडिंस्की की उन्नत प्रसार तकनीकों के परिणामस्वरूप प्रभावशाली फोटोयथार्थवादी छवियां प्राप्त होती हैं। इसका एपीआई-प्रथम दृष्टिकोण पेशेवरों के लिए अपने मौजूदा तकनीकी स्टैक में एआई-संचालित विज़ुअलाइज़ेशन को शामिल करना आसान बनाता है।

इस गाइड में, हम स्केलेबिलिटी, ऑटोमेशन और एकीकरण के लिए कैंडिंस्की की क्षमता का पता लगाएंगे और चर्चा करेंगे कि यह रचनात्मकता के भविष्य में कैसे योगदान दे सकता है।

इस उन्नत एआई सहायक का उपयोग करके आपके उत्पादों में आश्चर्यजनक एआई कला को शामिल करने के लिए आवश्यक उपकरणों और तकनीकों के बारे में जानने के लिए हमसे जुड़ें।

कैंडिंस्की 2.2 के मुख्य लाभ

खुला स्रोत - कैंडिंस्की पूरी तरह से खुला स्रोत है। कोड का सीधे उपयोग करें या रेप्लिकेट के लचीले एपीआई के माध्यम से इसे एक्सेस करें।
एपीआई एक्सेस - रेप्लिकेट एपीआई के माध्यम से कैंडिंस्की को पायथन, नोड.जेएस, कर्ल और अन्य में अपने वर्कफ़्लो में एकीकृत करें।
स्वचालन - तेजी से पुनरावृत्ति के लिए कोड में पाठ संकेतों को संशोधित करके छवियों को प्रोग्रामेटिक रूप से संशोधित करें।
स्केलेबिलिटी - सरल एपीआई कॉल के साथ हजारों छवियां उत्पन्न करें। स्टोरीबोर्ड बनाएं और बड़े पैमाने पर अवधारणाओं की कल्पना करें।
कस्टम एकीकरण - इसके एपीआई-प्रथम डिज़ाइन की बदौलत कैंडिंस्की को अपने टूल और उत्पादों में शामिल करें।
कंट्रोलनेट - टेक्स्ट संकेतों के माध्यम से प्रकाश और कोण जैसे छवि गुणों पर विस्तृत नियंत्रण प्राप्त करें।
बहुभाषी - अंग्रेजी, चीनी, जापानी, कोरियाई, फ्रेंच और अन्य भाषाओं में संकेतों को समझता है।
उच्च रिज़ॉल्यूशन - स्पष्ट, विस्तृत 1024x1024 छवियां किसी भी उपयोग के लिए तैयार हैं।
फ़ोटोरियलिज़्म - अत्याधुनिक प्रसार तकनीकें मिडजॉर्नी के समान आश्चर्यजनक, यथार्थवादी छवियां उत्पन्न करती हैं।

कैंडिंस्की कैसे काम करता है?

कैंडिंस्की 2.2 एक टेक्स्ट-टू-इमेज प्रसार मॉडल है जो टेक्स्ट प्रॉम्प्ट से छवियां उत्पन्न करता है। इसमें कई प्रमुख घटक शामिल हैं:

टेक्स्ट एनकोडर: सिमेंटिक विशेषताओं को निकालने और टेक्स्ट को एक अव्यक्त स्थान में एनकोड करने के लिए टेक्स्ट प्रॉम्प्ट को XLM-Roberta-Large-Vit-L-14 एनकोडर के माध्यम से पारित किया जाता है। यह एक टेक्स्ट एम्बेडिंग वेक्टर उत्पन्न करता है।

छवि एनकोडर: एक पूर्व-प्रशिक्षित CLIP-ViT-G मॉडल छवियों को टेक्स्ट एम्बेडिंग के समान अव्यक्त स्थान में एन्कोड करता है। यह पाठ और छवि प्रतिनिधित्व के बीच मिलान की अनुमति देता है।

डिफ्यूजन प्रायर: एक ट्रांसफॉर्मर टेक्स्ट एम्बेडिंग अव्यक्त स्थान और छवि एम्बेडिंग अव्यक्त स्थान के बीच मैप करता है। यह पहले एक प्रसार स्थापित करता है जो पाठ और छवियों को संभाव्य रूप से जोड़ता है।

यूनेट: 1.22बी पैरामीटर लेटेंट डिफ्यूजन यूनेट बैकबोन नेटवर्क के रूप में कार्य करता है। यह इनपुट के रूप में एक छवि एम्बेडिंग लेता है और पुनरावृत्तीय डीनोइज़िंग के माध्यम से छवि नमूनों को शोर से साफ करने के लिए आउटपुट करता है।

कंट्रोलनेट: एक अतिरिक्त तंत्रिका नेटवर्क जो गहराई मानचित्र जैसे सहायक इनपुट पर छवि निर्माण की स्थिति बनाता है। यह नियंत्रणीय छवि संश्लेषण को सक्षम बनाता है।

MoVQ एनकोडर/डिकोडर: एक अलग VAE जो अधिक कुशल नमूने के लिए छवि एम्बेडिंग को अलग अव्यक्त कोड के रूप में संपीड़ित करता है।

प्रशिक्षण के दौरान, टेक्स्ट-छवि जोड़े को लिंक किए गए एम्बेडिंग में एन्कोड किया जाता है। प्रसार यूनेट को डीनोइज़िंग के माध्यम से इन एम्बेडिंग को वापस छवियों में बदलने के लिए प्रशिक्षित किया गया है।

अनुमान के लिए, पाठ को एक एम्बेडिंग में एन्कोड किया जाता है, एक छवि एम्बेडिंग से पहले प्रसार के माध्यम से मैप किया जाता है, MoVQ द्वारा संपीड़ित किया जाता है, और छवियों को पुनरावृत्त रूप से उत्पन्न करने के लिए यूनेट द्वारा उलटा किया जाता है। अतिरिक्त कंट्रोलनेट गहराई जैसी विशेषताओं को नियंत्रित करने की अनुमति देता है।

कैंडिंस्की के पूर्व संस्करणों की तुलना में प्रमुख सुधार

कैंडिंस्की के v2.0 से v2.1 से v2.2 तक के विकास को दर्शाने वाला एक उदाहरण। यथार्थवाद!

कैंडिंस्की 2.2 में प्राथमिक संवर्द्धन में शामिल हैं:

नया इमेज एनकोडर - CLIP-ViT-G : प्रमुख उन्नयनों में से एक CLIP-ViT-G इमेज एनकोडर का एकीकरण है। यह अपग्रेड मॉडल की सौंदर्यपूर्ण रूप से मनभावन छवियां उत्पन्न करने की क्षमता को महत्वपूर्ण रूप से बढ़ाता है। अधिक शक्तिशाली छवि एनकोडर का उपयोग करके, कैंडिंस्की 2.2 पाठ विवरणों की बेहतर व्याख्या कर सकता है और उन्हें दृश्यमान मनोरम छवियों में अनुवादित कर सकता है।
कंट्रोलनेट सपोर्ट : कैंडिंस्की 2.2 कंट्रोलनेट तंत्र का परिचय देता है, एक ऐसी सुविधा जो छवि निर्माण प्रक्रिया पर सटीक नियंत्रण की अनुमति देती है। यह जोड़ उत्पन्न आउटपुट की सटीकता और अपील को बढ़ाता है। कंट्रोलनेट के साथ, मॉडल पाठ मार्गदर्शन के आधार पर छवियों में हेरफेर करने की क्षमता हासिल करता है, जिससे रचनात्मक अन्वेषण के नए रास्ते खुलते हैं।

मैं छवियाँ बनाने के लिए कैंडिंस्की का उपयोग कैसे कर सकता हूँ?

क्या आप इस शक्तिशाली AI मॉडल के साथ निर्माण शुरू करने के लिए तैयार हैं? यहां कैंडिंस्की 2.2 के साथ इंटरैक्ट करने के लिए रेप्लिकेट एपीआई का उपयोग करने के लिए चरण-दर-चरण मार्गदर्शिका दी गई है। उच्च स्तर पर, आपको निम्न की आवश्यकता होगी:

प्रमाणित करें - अपनी प्रतिकृति एपीआई कुंजी प्राप्त करें और अपने वातावरण में प्रमाणित करें।
एक प्रॉम्प्ट भेजें - prompt पैरामीटर में अपना पाठ्य विवरण पास करें। आप इसे अनेक भाषाओं में निर्दिष्ट कर सकते हैं.
मापदंडों को अनुकूलित करें - आवश्यकतानुसार छवि आयाम, आउटपुट की संख्या आदि में बदलाव करें। को देखें मॉडल विशिष्टता अधिक जानकारी के लिए, या आगे पढ़ें।
प्रतिक्रिया को संसाधित करें - कैंडिंस्की 2.2 उत्पन्न छवि के लिए एक यूआरएल आउटपुट करता है। अपने प्रोजेक्ट में उपयोग के लिए इस छवि को डाउनलोड करें।

सुविधा के लिए, आप इसे भी आज़माना चाह सकते हैं लाइव डेमो अपने कोड पर काम करने से पहले मॉडल की क्षमताओं को समझने के लिए।

रेप्लिकेट एपीआई के माध्यम से कैंडिंस्की 2.2 का उपयोग करने के लिए चरण-दर-चरण मार्गदर्शिका

इस उदाहरण में, हम मॉडल के साथ काम करने के लिए नोड का उपयोग करेंगे। तो, आपको सबसे पहले Node.js क्लाइंट इंस्टॉल करना होगा।

 npm install replicate

फिर, अपने एपीआई टोकन की प्रतिलिपि बनाएँ और इसे एक पर्यावरण चर के रूप में सेट करें:

 export REPLICATE_API_TOKEN=r8_*************************************

इसके बाद, Node.js स्क्रिप्ट का उपयोग करके मॉडल चलाएँ:

 import Replicate from "replicate"; const replicate = new Replicate({ auth: process.env.REPLICATE_API_TOKEN, }); const output = await replicate.run( "ai-forever/kandinsky-2.2:ea1addaab376f4dc227f5368bbd8eff901820fd1cc14ed8cad63b29249e9d463", { input: { prompt: "A moss covered astronaut with a black background" } } );

प्रक्रिया पूरी होने पर अपडेट प्राप्त करने के लिए आप पूर्वानुमानों के लिए एक वेबहुक भी सेट कर सकते हैं।

 const prediction = await replicate.predictions.create({ version: "ea1addaab376f4dc227f5368bbd8eff901820fd1cc14ed8cad63b29249e9d463", input: { prompt: "A moss covered astronaut with a black background" }, webhook: "https://example.com/your-webhook", webhook_events_filter: ["completed"] });

जैसे ही आप इस कोड को अपने एप्लिकेशन में काम करते हैं, आप मॉडल के मापदंडों के साथ प्रयोग करना चाहेंगे। आइए कैंडिंस्की के इनपुट और आउटपुट पर एक नजर डालें।

कैंडिंस्की 2.2 के इनपुट और आउटपुट

टेक्स्ट प्रॉम्प्ट मुख्य इनपुट है जो कैंडिंस्की की छवि निर्माण का मार्गदर्शन करता है। अपने प्रॉम्प्ट में बदलाव करके, आप आउटपुट को आकार दे सकते हैं।

संकेत - पाठ्य विवरण, जैसे "एक अंतरिक्ष यात्री मंगल ग्रह पर शतरंज खेल रहा है।" यह आवश्यक है.

नकारात्मक संकेत - बाहर करने के लिए तत्वों को निर्दिष्ट करता है, जैसे "कोई स्पेस हेलमेट नहीं।" वैकल्पिक।

चौड़ाई और ऊँचाई - पिक्सेल में छवि आयाम, 384 से 2048 तक। डिफ़ॉल्ट 512 x 512 है।

संख्या अनुमान चरण - प्रसार के दौरान निरूपण चरणों की संख्या, उच्चतर धीमी है लेकिन संभावित रूप से उच्च गुणवत्ता है। डिफ़ॉल्ट 75 है.

आउटपुट संख्या - प्रति संकेत उत्पन्न करने के लिए छवियों की संख्या, डिफ़ॉल्ट 1 है।

बीज - यादृच्छिकीकरण के लिए पूर्णांक बीज। यादृच्छिक के लिए खाली छोड़ें.

इन ट्यूनिंग मापदंडों के साथ रचनात्मक संकेतों का संयोजन आपको अपनी संपूर्ण छवि डायल करने की अनुमति देता है।

कैंडिंस्की मॉडल आउटपुट

कैंडिंस्की आपके इनपुट के आधार पर एक या अधिक छवि यूआरएल आउटपुट करता है। यूआरएल बैकएंड पर होस्ट की गई 1024x1024 जेपीजी छवियों की ओर इशारा करते हैं। आप अपनी रचनात्मक परियोजनाओं में उपयोग करने के लिए इन छवियों को डाउनलोड कर सकते हैं। आउटपुट की संख्या "num_outputs" पैरामीटर पर निर्भर करती है।

आउटपुट स्वरूप इस तरह दिखता है:

 { "type": "array", "items": { "type": "string", "format": "uri" }, "title": "Output" }

विविधताएँ उत्पन्न करके, आप सर्वोत्तम परिणाम चुन सकते हैं या प्रेरक दिशा-निर्देश पा सकते हैं।

कैंडिंस्की के साथ मैं किस प्रकार के ऐप्स या उत्पाद बना सकता हूं?

पाठ को छवियों में बदलने की क्षमता एक उल्लेखनीय नवाचार है, और कैंडिंस्की 2.2 इस तकनीक में सबसे आगे है। आइए कुछ व्यावहारिक तरीकों का पता लगाएं जिनसे इस मॉडल का उपयोग किया जा सकता है।

उदाहरण के लिए, डिज़ाइन में, पाठ्य विचारों का दृश्य अवधारणाओं में तेजी से रूपांतरण रचनात्मक प्रक्रिया को महत्वपूर्ण रूप से सुव्यवस्थित कर सकता है।

लंबी चर्चाओं और मैन्युअल रेखाचित्रों पर भरोसा करने के बजाय, डिजाइनर अपने विचारों को तुरंत कल्पना करने के लिए कैंडिंस्की का उपयोग कर सकते हैं, जिससे ग्राहक अनुमोदन और संशोधन में तेजी आ सकती है।

शिक्षा में, जटिल पाठ्य विवरणों को दृश्य रेखाचित्रों में बदलने से सीखने को अधिक आकर्षक और सुलभ बनाया जा सकता है। शिक्षक चुनौतीपूर्ण अवधारणाओं को तुरंत चित्रित कर सकते हैं, जिससे जीव विज्ञान या भौतिकी जैसे विषयों में छात्रों की समझ और रुचि बढ़ सकती है।

कैंडिंस्की 2.2 से फिल्म और वेब डिज़ाइन की दुनिया को भी लाभ हो सकता है। लिखित स्क्रिप्ट और अवधारणाओं को दृश्यों में बदलकर, निर्देशक और डिज़ाइनर वास्तविक समय में अपने काम का पूर्वावलोकन कर सकते हैं।

यह तत्काल विज़ुअलाइज़ेशन योजना चरण को सरल बना सकता है और टीम के सदस्यों के बीच सहयोग को बढ़ावा दे सकता है।

इसके अलावा, कैंडिंस्की की उच्च गुणवत्ता वाली छवियां बनाने की क्षमता कलात्मक अभिव्यक्ति और पेशेवर अनुप्रयोगों के नए रूपों के लिए दरवाजे खोल सकती है। डिजिटल कला दीर्घाओं से लेकर प्रिंट मीडिया तक, संभावित उपयोग व्यापक और रोमांचक हैं।

लेकिन हमें व्यावहारिक सीमाओं को नजरअंदाज नहीं करना चाहिए। हालाँकि अवधारणा आशाजनक है, वास्तविक दुनिया के एकीकरण को चुनौतियों का सामना करना पड़ेगा, और उत्पन्न छवियों की गुणवत्ता भिन्न हो सकती है या मानवीय निरीक्षण की आवश्यकता हो सकती है।

किसी भी उभरती हुई तकनीक की तरह, कैंडिंस्की 2.2 को आपकी आवश्यकताओं को पूरा करने के लिए शोधन और अनुकूलन की आवश्यकता होगी।

इसे आगे बढ़ाते हुए - AIModels.fyi के साथ समान मॉडल खोजें

AIModels.fyi विशिष्ट रचनात्मक आवश्यकताओं के अनुरूप AI मॉडल की खोज के लिए एक मूल्यवान संसाधन है। आप विभिन्न प्रकार के मॉडलों का पता लगा सकते हैं, उनकी तुलना कर सकते हैं और यहां तक कि कीमत के आधार पर क्रमबद्ध भी कर सकते हैं। यह एक मुफ़्त प्लेटफ़ॉर्म है जो आपको नए मॉडलों के बारे में सूचित रखने के लिए डाइजेस्ट ईमेल प्रदान करता है।

कैंडिंस्की-2.2 के समान मॉडल खोजने के लिए:

मिलने जाना AIModels.fyi .
अपने उपयोग के मामले का विवरण दर्ज करने के लिए खोज बार का उपयोग करें। उदाहरण के लिए, " यथार्थवादी चित्र " या " छवि जनरेटर के लिए उच्च गुणवत्ता वाला पाठ । "
प्रत्येक मॉडल के लिए मॉडल कार्ड देखें और अपने उपयोग के मामले के लिए सर्वश्रेष्ठ चुनें।
प्रत्येक मॉडल के लिए मॉडल विवरण पृष्ठ देखें और अपने पसंदीदा को खोजने के लिए तुलना करें।

निष्कर्ष

इस गाइड में, हमने कैंडिंस्की-2.2, एक बहुभाषी टेक्स्ट-टू-इमेज अव्यक्त प्रसार मॉडल की नवीन क्षमताओं का पता लगाया है।

इसके तकनीकी कार्यान्वयन को समझने से लेकर चरण-दर-चरण निर्देशों के माध्यम से इसका उपयोग करने तक, अब आप अपने रचनात्मक प्रयासों में एआई की शक्ति का लाभ उठाने के लिए तैयार हैं।

इसके अतिरिक्त, AIModels.fyi आपको समान मॉडल खोजने और तुलना करने में मदद करके संभावनाओं की दुनिया के द्वार खोलता है। एआई-संचालित सामग्री निर्माण की क्षमता को अपनाएं और AIModels.fyi पर अधिक ट्यूटोरियल, अपडेट और प्रेरणा के लिए सदस्यता लें। अन्वेषण और सृजन में आनंद!

सदस्यता लें या मुझे फ़ॉलो करें ट्विटर इस तरह की और अधिक सामग्री के लिए!

आगे की पढाई: एआई मॉडल और अनुप्रयोगों की खोज

एआई मॉडल की क्षमताओं और उनके विविध अनुप्रयोगों में रुचि रखने वालों के लिए, यहां कुछ प्रासंगिक लेख हैं जो एआई-संचालित सामग्री निर्माण और हेरफेर के विभिन्न पहलुओं पर प्रकाश डालते हैं:

एआई लोगो जेनरेटर: एर्लिच : पता लगाएं कि कैसे एआई लोगो जेनरेटर एर्लिच अद्वितीय और आकर्षक लोगो बनाने के लिए एआई का लाभ उठाता है, एआई की रचनात्मक क्षमता के बारे में आपकी समझ का विस्तार करता है।
सर्वश्रेष्ठ अपस्केलर्स : छवि रिज़ॉल्यूशन और गुणवत्ता को बढ़ाने में अंतर्दृष्टि प्रदान करते हुए, सर्वोत्तम अपस्केलिंग एआई मॉडल का एक व्यापक अवलोकन उजागर करें।
मिडजर्नी में अपस्केल कैसे करें: एक चरण-दर-चरण मार्गदर्शिका : छवि वृद्धि तकनीकों के बारे में अपने ज्ञान को समृद्ध करते हुए, मिडजर्नी एआई मॉडल का उपयोग करके छवियों को प्रभावी ढंग से उन्नत करने के तरीके पर एक विस्तृत मार्गदर्शिका देखें।
छवि शोर को अलविदा कहें: स्कूनेट जीएएन के साथ पुरानी छवियों को कैसे बढ़ाएं : समय के साथ छवि गुणवत्ता को संरक्षित करने में अंतर्दृष्टि प्राप्त करते हुए, स्कुनेट जीएएन का उपयोग करके छवि निरूपण और पुनर्स्थापन के क्षेत्र में उतरें।
AI के साथ पुरानी तस्वीरों में नई जान फूंकें: Gfpgan के लिए एक शुरुआती मार्गदर्शिका : जानें कि कैसे Gfpgan AI मॉडल पुरानी तस्वीरों में नई जान फूंकता है, और आपको पुरानी यादों को पुनर्जीवित करने के लिए एक शुरुआती मार्गदर्शिका प्रदान करता है।
Gfpgan और कोडफॉर्मर की तुलना: AI फेस रिस्टोरेशन में एक गहरा गोता : Gfpgan और Codeformer मॉडल की तुलना करके AI-आधारित चेहरा बहाली की बारीकियों के बारे में जानकारी प्राप्त करें।
नाइटमेयरएआई: एआई मॉडल अपने सर्वश्रेष्ठ प्रदर्शन पर : नाइटमेयर एआई टीम के सर्वश्रेष्ठ मॉडल देखें।
ESRGAN बनाम रियल-ESRGAN: AI के साथ सैद्धांतिक से वास्तविक-विश्व सुपर रिज़ॉल्यूशन तक : सुपर-रिज़ॉल्यूशन तकनीकों पर प्रकाश डालते हुए ESRGAN और रियल-ESRGAN AI मॉडल के बीच की बारीकियों को समझें।
रियल-ईएसआरजीएएन बनाम स्विनआईआर: बहाली और अपस्केलिंग के लिए एआई मॉडल : रियल-ईएसआरजीएएन और स्विनआईआर मॉडल की तुलना करें, छवि बहाली और अपस्केलिंग में उनकी प्रभावशीलता के बारे में जानकारी प्राप्त करें।