एनिमेटेड लेसन बनाएँ
अनुरोध परयह लेख पढ़ना मुफ़्त है। नया लेसन बनाने में आपके दैनिक या उपलब्ध क्रेडिट लगते हैं; भाषा और विकल्प पहले चुन सकते हैं।
AI इमेज जनरेटर कैसे काम करते हैं?
झटपट जवाब
AI इमेज जनरेटर एक डिफ़्यूज़न मॉडल इस्तेमाल करते हैं: एक न्यूरल नेटवर्क जिसे सिखाया गया है कि तस्वीरों में धीरे-धीरे मिलाया गया शोर (noise) उल्टी दिशा में कैसे हटाएँ। नई तस्वीर बनाते समय यह रैंडम शोर से शुरू करता है और टेक्स्ट प्रॉम्प्ट के हिसाब से कदम-दर-कदम शोर हटाता है, जब तक बताई गई चीज़ से मेल खाती नई तस्वीर न बन जाए।
AI इमेज जनरेटर लाखों तस्वीर-और-कैप्शन जोड़ियों से पैटर्न सीखते हैं, फिर शोर मिलाने की प्रक्रिया को उल्टा चलाकर टेक्स्ट प्रॉम्प्ट से नई तस्वीरें बनाते हैं। डिफ़्यूज़न मॉडल नाम का न्यूरल नेटवर्क प्रॉम्प्ट के हिसाब से धीरे-धीरे रैंडम शोर हटाता है, जब तक एक साफ़ तस्वीर सामने न आ जाए।
यह कैसे होता है — चरण दर चरण
- ट्रेनिंग तस्वीरों के एक बड़े डेटासेट से शुरू होती है, जिसमें हर तस्वीर के साथ उसके बारे में बताने वाला कैप्शन होता है।
- एक एन्कोडर हर तस्वीर को संख्याओं के एक छोटे सेट (फ़ीचर) में दबा देता है, जो उसका कंटेंट पकड़ता है।
- ट्रेनिंग में इन फ़ीचर में कदम-दर-कदम शोर मिलाया जाता है, जब तक वे पूरी तरह रैंडम शोर न बन जाएँ।
- एक न्यूरल नेटवर्क वह शोर पहचानना और हटाना सीखता है, और प्रक्रिया को एक-एक कदम उल्टा चलाता है।
- तस्वीर बनाते समय नेटवर्क रैंडम शोर से शुरू करता है और टेक्स्ट प्रॉम्प्ट के हिसाब से शोर हटाकर तस्वीर बनाता है।
लोग यह भी पूछते हैं
क्या AI इमेज जनरेटर दूसरी तस्वीरें कॉपी करते हैं?
नहीं, ये ट्रेनिंग की पूरी तस्वीरें न तो सेव करते हैं और न चिपकाते हैं। ये आकार, टेक्सचर और बनावट जैसे पैटर्न सीखते हैं और उन्हें नए तरीके से जोड़ते हैं। फिर भी अगर प्रॉम्प्ट किसी खास ट्रेनिंग तस्वीर से बहुत मिलता हो, तो नतीजा उससे मिलता-जुलता दिख सकता है।
AI तस्वीरों में हाथ और उँगलियाँ अजीब क्यों बनती हैं?
हाथ में बहुत सारे जोड़ और अलग-अलग पोज़ होते हैं, और ज़्यादातर ट्रेनिंग तस्वीरों में वे छोटे दिखते हैं। मॉडल अक्सर हाथ का सही ढाँचा नहीं, बस मोटा-मोटा आकार सीखता है, इसलिए उँगलियाँ ज़्यादा बन सकती हैं या आपस में जुड़ सकती हैं। ज़्यादा ट्रेनिंग डेटा और बेहतर मॉडल यह गलती घटाते हैं।
डिफ़्यूज़न मॉडल और GAN में क्या फ़र्क है?
GAN में दो नेटवर्क होते हैं, एक जनरेटर और एक डिस्क्रिमिनेटर, जो असली जैसी तस्वीर बनाने के लिए आपस में मुकाबला करते हैं। डिफ़्यूज़न मॉडल इसके बजाय धीरे-धीरे शोर मिलाने की प्रक्रिया को उल्टा चलाना सीखते हैं। डिफ़्यूज़न मॉडल की ट्रेनिंग ज़्यादा स्थिर रहती है और नतीजों में ज़्यादा विविधता होती है, जबकि GAN तस्वीर बनाने में तेज़ हो सकते हैं।
क्या AI ऑयल पेंटिंग जैसे खास स्टाइल में तस्वीर बना सकता है?
हाँ, प्रॉम्प्ट में 'ऑयल पेंटिंग' या 'वॉटरकलर' जैसे स्टाइल वाले शब्द लिखे जा सकते हैं। मॉडल ने ट्रेनिंग डेटा से इन शब्दों और उनसे जुड़ी दिखावट के रिश्ते सीखे होते हैं, और वह वही खूबियाँ नई तस्वीर में डाल देता है।
क्या AI असली जैसी फ़ोटो बना सकता है?
हाँ, नए AI इमेज जनरेटर इतनी असली तस्वीरें बना सकते हैं कि अक्सर उन्हें फ़ोटो से अलग पहचानना मुश्किल होता है, क्योंकि वे लाखों असली फ़ोटो से बारीक पैटर्न सीखते हैं। फिर भी हाथ, लिखे हुए टेक्स्ट और उलझे दृश्यों में गलतियाँ हो सकती हैं।