يركز معظم المبدعين على الأوامر النصية ويتجاهلون المتغير الوحيد الذي يتحكم في كل ما عداه: اختيار النموذج. يشرح هذا المقال الفروق الحقيقية بين نماذج توليد الصور بالذكاء الاصطناعي، وما يتغير عند التبديل بينها، وكيفية مطابقة كل نموذج للمهمة المطلوبة.
يقضي معظم الناس ساعات في صياغة الأمر النصي المثالي، ولا يقضون أي وقت في التفكير في النموذج الذي سينفذه. هذا ترتيب خاطئ للخطوات. النموذج الذي تختاره ليس مجرد محرك تصيير: إنه المفسِّر الأساسي لنيتك الإبداعية، وإذا أعطيت نموذجين الأمر النصي نفسه تمامًا، فستكون مخرجاتهما مختلفة إلى حد أنك قد تظن أنهما صادرا عن أداتين مختلفتين تمامًا وصُمّمتا لغايتين مختلفتين.
هذا ليس متغيرًا ثانويًا. اختيار النموذج يحدد سلوك الدقة، والاحتفاظ بالتفاصيل، وميول تدرج الألوان، والسرعة، وطريقة تصيير درجات لون البشرة، وهل يظهر النص مقروءًا، ومدى ثبات الحواف في العناصر المعقدة، وسقف الجودة الذي يمكنك الوصول إليه من ذلك الأمر النصي. اختيار النموذج الصحيح هو الخطوة صفر، وليس فكرة لاحقة.
عندما تكتب أمرًا نصيًا وتضغط على التوليد، فأنت لا تعطي تعليمات مباشرة للبكسلات. أنت تغذي اللغة إلى توزيع إحصائي متعلَّم، والنموذج هو الوعاء الذي امتص هذا التوزيع من بيانات تدريبه. النموذج هو الذي يقرر أي الأنماط تُترجم إلى أي نتائج بصرية.
وهذا يعني أن النموذج يحمل تاريخ تدريبه إلى كل عملية توليد. النموذج الذي دُرّب بكثافة على مجموعات بيانات فوتوغرافية يتصرف بشكل مختلف عن نموذج دُرّب على مزيج من الفن والرسوم التوضيحية. النموذج المدرَّب على 100 مليون صورة يطوّر اختصارات بصرية مختلفة عن نموذج مدرَّب على 10 مليارات صورة. هذه ليست إعدادات يمكنك تجاوزها بأمر نصي أفضل، بل هي مدمجة في الأوزان على المستوى المعماري.
💡 فكّر في الأمر هكذا: الأوامر النصية هي التعليمات، لكن النماذج هي المهارة التي تستقبل تلك التعليمات. يسمع جرّاح ماهر وآخر مبتدئ كليهما عبارة "أجرِ شقًا دقيقًا"، لكن النتائج لا تكون متماثلة.
ينطبق المبدأ نفسه هنا. النموذج يحدد جودة التنفيذ لأي تعليمة تعطيها. النموذج الذي يُختار بشكل سيئ ينتج مخرجات متوسطة من أمر نصي ممتاز، والنموذج المناسب يستخرج نتائج استثنائية من أمر نصي بسيط.
هذا هو الجزء الذي يوقع معظم المستخدمين في الخطأ. يمكنك كتابة أمر نصي مفصّل جدًا ودقيق تقنيًا، ومع ذلك تحصل على مخرجات متوسطة إذا لم يكن النموذج مناسبًا للمهمة.
النموذج المُحسَّن للسرعة باستخدام أربع خطوات لإزالة الضوضاء لن ينتج التفاصيل الدقيقة نفسها التي ينتجها نموذج يعمل بين 28 و50 خطوة، حتى لو كتبت أوامر نصية متطابقة. النموذج الأساسي غير المضبوط على الواقعية الفوتوغرافية سيعجز عن مجاراة مخرجات نموذج دُرّب خصيصًا على تصوير البورتريه عالي الدقة. الأمر النصي يخبر النموذج بما يفعله، أما النموذج فيحدد مدى قدرته على تنفيذ هذه التعليمة.
لهذا السبب، كثيرًا ما يشهد الأشخاص الذين يقضون ساعات في تعديل الأوامر النصية مع عوائد متناقصة تحسنًا كبيرًا في اللحظة التي يبدّلون فيها النموذج. لم يكن الأمر النصي هو عنق الزجاجة، بل كان النموذج.
العامل الأكثر تأثيرًا في طابع النموذج هو ما دُرّب عليه. تمتص نماذج الانتشار أنماطًا من ملايين أو مليارات أزواج الصورة والنص، وتوزيع بيانات التدريب هذه يشكّل كل شيء في المخرجات.
النموذج الذي دُرّب بشكل أساسي على صور الاستوك سيميل إلى جماليات تجارية نظيفة. أما النموذج الذي دُرّب بثقل أكبر على الرسوم الفنية التوضيحية فسينحرف نحو التصيير المُنمَّط حتى عندما تطلب الواقعية. والنموذج الذي دُرّب على بيانات إنترنت غير منتقاة دون تصفية للجودة ستظهر فيه تفاوتات في جودة المخرجات بين أنواع الموضوعات المختلفة.
لهذا تُنتج بعض النماذج درجات لون بشرة تبدو قاسية وسريرية، بينما تُنتج نماذج أخرى بورتريهات دافئة وطبيعية المظهر. ليس هذا إعدادًا قابلًا للتغيير، بل هو بصمة من عملية التدريب لا يمكن محوها بلغة الأمر النصي.
| عامل التدريب | ما الذي يتحكم فيه |
|---|---|
| حجم مجموعة البيانات | التعميم عبر أنواع متنوعة من الأوامر النصية |
| تنظيم مجموعة البيانات | خط الأساس لجودة المخرجات واتساقها |
| ترجيح المجال | الميل الجمالي: فوتوغرافي مقابل فني |
| جولات الضبط الدقيق | التخصص في موضوعات أو أساليب بعينها |
| عدد المعاملات | سقف التفاصيل والقدرة على معالجة التعقيد |
النماذج الأساسية عامة الغرض. فهي تغطي مجموعة واسعة من الأساليب البصرية لأنها دُرّبت على التعامل مع أنواع كثيرة من المخرجات. أما النماذج المضبوطة فتنطلق من هذا الأساس، ثم تُدرَّب بشكل أعمق على مجموعات بيانات محددة: البورتريه، وتصوير المنتجات، والأنمي، والتصور المعماري، والرسوم الطبية التوضيحية.
النموذج المضبوط الذي يقتصر على البورتريهات الواقعية الفوتوغرافية غالبًا ما يتفوق على نموذج عام في تلك المهمة بهامش كبير. لكنه قد يقل أداؤه في الأوامر النصية خارج تخصصه. معرفة ما إذا كنت تعمل مع نموذج أساسي أو إصدار مضبوط جزء من اختيار الأداة المناسبة. وعلى PicassoIA، يخبرك وصف النموذج بالضبط بما صُمم له كل نموذج قبل أن تبدأ التوليد.
هذا أكثر الفروق وضوحًا على الفور. عند تبديل النموذج يمكن للأمر النصي نفسه أن ينتج صورة بجودة فوتوغرافية، أو لوحة زيتية، أو رسمًا بالألوان المائية. هذه ليست تأثيرات للأمر النصي، بل هي شخصية النموذج.
إذا كان هدفك صورًا واقعية فوتوغرافيًا، أو بورتريهات بشرية بدرجات لون بشرة دقيقة وإضاءة تطابق طريقة رؤية الكاميرا للعالم، فأنت تحتاج إلى نموذج مدرَّب نحو هذا الأسلوب. أما إذا أردت أعمال رسوم توضيحية منمَّطة، فسينتج نموذج آخر ذلك بطبيعية أكبر دون أن يقاوم افتراضاته.
معظم المستخدمين يكتشفون هذا بالصدفة: يكتبون أمرًا نصيًا مفصّلًا لبورتريه واقعي، فيحصلون على نتيجة تشبه اللوحات، ثم يقضون الساعة التالية في إضافة "photorealistic, RAW, 8K photography" إلى الأمر النصي. هذه الإضافات تساعد في الهوامش، لكنها لا تستطيع أن تتجاوز بالكامل نموذجًا فيه انحياز للتنميط في أوزانه.
السرعة والجودة يقعان على طيف واحد، والنماذج تقف عند نقاط مختلفة عليه بالتصميم.
يعمل Flux Schnell بأربع خطوات لإزالة الضوضاء فقط، وينتج صورة في أقل من 5 ثوانٍ. هذه السرعة تأتي من بنية مقطّرة مُحسَّنة للاستدلال السريع. المقايضة هي سقف تفاصيل أدنى مقارنةً بالنماذج الأثقل.
يعمل Flux Dev بكامل خطواته البالغة 28-50 خطوة وبمعاملاته البالغ عددها 12 مليارًا، فيستغرق وقتًا أطول لكنه يقدم معالجة أدق للظلال، واحتفاظًا أدق بالحواف في المواضيع المعقدة، وتصييرًا أدق للملمس على مواد مثل القماش والزجاج والبشرة.
💡 طابِق النموذج مع مرحلة سير العمل: للتوليد السريع للأفكار واختبار الأوامر النصية، يوفر النموذج السريع ساعات. أما للأصل النهائي الذي سيُنشر أو يُطبع، فيستحق النموذج عالي الجودة الانتظار.
من أكثر الفروق دقةً لكنها الأهم بين النماذج كيفية تعاملها مع المواضيع المعقدة: الملابس المعقدة، وخصلات الشعر الدقيقة، ونقوش الدانتيل، والزخارف المعمارية، والنصوص، والأيدي، والمجوهرات.
النماذج المُحسَّنة للسرعة تطمس هذه التفاصيل، إذ تحوّلها إلى شكل معقول بالمتوسط دون تصيير بنيتها الفعلية. أما النماذج عالية الدقة ذات المعاملات الأكثر وعدد خطوات إزالة الضوضاء الأكبر فتحافظ على هذه البنية. إذا كان موضوعك يتضمن تفاصيل دقيقة في أي موضع من التكوين، فإن عدد معاملات النموذج ونطاق خطواته لا يقلان أهمية عن وصف الأمر النصي.
Flux Dev نموذج يضم 12 مليار معامل من Black Forest Labs. وهو الخيار عندما تكون الدقة هي الأولوية. يدعم 11 نسبة عرض إلى ارتفاع، ويعمل في وضعي تحويل النص إلى صورة وتحويل الصورة إلى صورة، ويمنحك نطاق إزالة ضوضاء من 28 إلى 50 خطوة. قدرة img2img ذات قيمة خاصة: يمكنك رفع صورة مرجعية وتوجيهها بأمر نصي، مع الحفاظ على المعلومات البنيوية للصورة الأصلية مع تغيير المحتوى أو الأسلوب أو الإضاءة.
معامل التوجيه في Flux Dev يتحكم في مدى التزام النموذج بأمرك النصي مقابل تكوين الصورة بحرية أكبر. التوجيه الأعلى ينتج مخرجات أقرب إلى التفسير الحرفي للأمر النصي. أما التوجيه الأدنى فيمنح النموذج مرونة تكوينية أكبر، وقد يكشف أحيانًا عن نتائج مفاجئة ومفيدة لم تطلبها بشكل مباشر.
أنسب الاستخدامات: البورتريهات عالية الدقة، وتصوير المنتجات، والأصول الإنتاجية النهائية، وتحسين الصور المبنية على صورة مرجعية.
صُمم Flux Schnell لسرعة التكرار. مع أربع خطوات لإزالة الضوضاء، يولّد صورة بدقة كاملة في أقل من 5 ثوانٍ. وعلى PicassoIA يعمل بلا حدود للنقاط، لذا يمكنك تجربة عشرات الأوامر النصية المتنوعة في جلسة واحدة دون متابعة عداد.
وهو النموذج الصحيح للمراحل الأولى من أي مشروع إبداعي: اختبار الاتجاهات البصرية، والتحقق من أن فكرة الأمر النصي تنجح، وبناء مكتبة مرجعية من الخيارات قبل الاستقرار على التصيير النهائي. سقف الجودة أدنى من Flux Dev، لكن للأفكار السريعة المتلاحقة تتفوق ميزة السرعة على المقايضة في الدقة بفارق كبير.
أنسب الاستخدامات: اختبار المفاهيم، وتكرار الأوامر النصية، واستكشاف الاتجاهات البصرية، وتوليد مكتبات المراجع.
Stable Diffusion هو النموذج الذي قدّم تحويل النص إلى صورة لمعظم المستخدمين، وما زال مفيدًا حقًا. مجدولاته الستة المدمجة (DDIM وK_Euler وDPMSolverMultistep وK_Euler_Ancestral وPNDM وKLMS) تمنحك تحكمًا ذا معنى في طريقة بناء الصورة عند كل خطوة لإزالة الضوضاء. المجدولات المختلفة تنتج ميولًا تكوينية ملحوظة مختلفة من الأمر النصي نفسه، ما يجعله أداة قوية للتنوع الإبداعي السريع.
نظام الأمر النصي السلبي قوي بشكل خاص. يمكنك استبعاد عناصر بصرية بشكل صريح، لا أن تطلب من النموذج تجنبها ضمنيًا فقط. هذا يمنحك محورًا ثانيًا للتحكم: ما تضمّنه، وما تزيله بفعالية.
💡 الأوامر النصية السلبية نقطة قوة في Stable Diffusion. يمكن إضافة مدخلات مثل "no text, no watermarks, no motion blur, no noise, no compression artifacts" كأوامر نصية سلبية، فتبعد النموذج عن العيوب غير المرغوبة مع إبقاء أمرك النصي الإيجابي مركزًا على ما تريده.
أنسب الاستخدامات: الاستكشاف الإبداعي عبر تنوع المجدولات، والتحكم بالأوامر النصية السلبية، وتنويعات فن المفاهيم.
يتوفر Flux Dev على picassoia.com/en/collection/text-to-image/black-forest-labs-flux-dev. إليك كيفية الاستفادة منه إلى أقصى حد:
يستجيب Flux Dev جيدًا للأوامر النصية متعددة الطبقات التي تحدد الموضوع والبيئة والإضاءة وخصائص الكاميرا. في حالة البورتريه، صف ملامح الشخص، والمكان، واتجاه مصدر الضوء وجودته، والعدسة التي تحاكيها. لغة بصرية محددة ("volumetric morning light from upper left, Canon 85mm f/1.4, Kodak Portra 400 grain") تتفوق على الصفات الغامضة في كل مرة.
اختر لوحتك أولًا. بورتريه لإنستغرام: 4:5 أو 9:16. صورة رئيسية لموقع إلكتروني: 16:9 أو 21:9. منشور اجتماعي مربع: 1:1. التوليد بنسبة خاطئة ثم القص بعد ذلك يفقدك الدقة ويفسد التكوين الأصلي. اختر النسبة قبل التوليد الأول.
للمحاولة الأولى، 28 خطوة هي المعيار. للحصول على أقصى قدر من التفاصيل في أصل نهائي، ارفعها إلى 50. للتكرار السريع بين تنويعات الأوامر النصية، ستوفر 20 خطوة وقتًا مع الحفاظ على وضوح التكوين الكافي لتقييم الاتجاه.
عندما يُنتج توليد تكوينًا يستحق البناء عليه، سجّل قيمة البذرة وثبّتها في التشغيلات اللاحقة. التنويعات الصغيرة في الأمر النصي مع بذرة ثابتة تبقى متماسكة مع التكوين الأصلي، ما يتيح لك تحسين عناصر محددة بدلًا من إعادة توليد الصورة كاملة من الصفر.
بمجرد أن تحصل على صورة أساسية قوية، ارفعها إلى وضع img2img في Flux Dev لدفع التفاصيل إلى أبعد، أو تغيير الإضاءة، أو تعديل تدرج الألوان مع الحفاظ على التكوين. اضبط قوة الأمر النصي بين 0.4 و0.7 للحفاظ على البنية الأصلية مع السماح بتغييرات ملموسة. قوة الأمر النصي الأعلى تغلب على المزيد من الصورة الأصلية، والأدنى يحافظ عليها.
للبورتريهات التي تتطلب تفاصيل دقيقة، Flux Dev هو الخيار الأقوى: خصلات الشعر الفردية، ومسام البشرة، وبنية القزحية، وملمس القماش على الملابس. شغّله بين 40 و50 خطوة، واستخدم نسبة بورتريه (4:5 أو 3:4)، واكتب أوامر نصية تصف اتجاه الإضاءة بوضوح. "Volumetric soft box from upper left" تنتج نتائج مختلفة عن "natural light"، مع أن كليهما يصف الضوء من الناحية التقنية.
للمفاهيم السريعة للشخصيات حيث لا تكون الدقة التامة مطلوبة، ينتج Flux Schnell بورتريهات قابلة للاستخدام في أقل من 5 ثوانٍ. استخدمه لتوليد 20 اتجاهًا للشخصيات في الوقت الذي يستغرقه Flux Dev لتوليد 3.
يتطلب تصوير المنتجات خلفيات نظيفة، وتصييرًا دقيقًا للمواد (المعدن والزجاج والقماش والجلد)، وإضاءة مضبوطة. Stable Diffusion مع مقياس توجيه مرتفع (7.5-12) وأمر نصي سلبي موجّه يزيل الظلال غير المرغوبة والضوضاء والانعكاسات بشكل نظيف.
بالنسبة لصور المنتجات الرئيسية بأقصى دقة حيث يجب أن يكون ملمس المادة مقنعًا، يقدم العمق في معاملات Flux Dev تصييرًا أفضل. يظهر عدد المعاملات البالغ 12 مليارًا بوضوح في طريقة تعامله مع الأسطح العاكسة والانتقالات المعقدة بين الملامس المختلفة في الإطار نفسه.
هنا تصبح تنوعات مجدولات Stable Diffusion ميزة. المجدولات المختلفة تنتج ميولًا تكوينية مختلفة من الأمر النصي نفسه. تشغيل مفهوم إبداعي واحد عبر K_EULER وK_EULER_ANCESTRAL وDPMSolverMultistep ومقارنة المخرجات الثلاثة طريقة سريعة للعثور على اتجاهات بصرية غير متوقعة دون تغيير كلمة واحدة في الأمر النصي.
بالنسبة لرسوم المفاهيم النهائية بجودة الإنتاج والتي يجب أن تصمد عند الأحجام الكبيرة، يتعامل Flux Dev مع تصيير التفاصيل بمستوى لا تستطيع البنية الأساسية لنموذج Stable Diffusion مجاراته.
عندما يستخدم الناس نموذجًا خاطئًا لمهمة ما، فغالبًا لا يدركون ذلك فورًا. يفترضون أن الأمر النصي هو المشكلة ويستمرون في إعادة كتابته. ساعات من التكرار تنتج عوائد متناقصة، لا لأن الأمر النصي خاطئ، بل لأن النموذج يملك سقفًا أدنى مما تتطلبه المهمة.
هذا شائع ومكلف. تبديل النموذج يستغرق خمس ثوانٍ. إعادة كتابة الأوامر النصية لساعة كاملة للالتفاف على عدم تطابق النموذج أمر مُحبِط، ونادرًا ما يكون فعالًا بالكامل، ويمكن تجنبه تمامًا بمجرد أن تعرف ما تبحث عنه.
العلامة الدالة: تحصل دائمًا على النوع نفسه من العيوب مهما أعدت صياغة الأمر النصي. الضبابية نفسها في المناطق نفسها. والتدرج اللوني نفسه. والميل التنميطي نفسه. هذا هو النموذج، وليس الأمر النصي.
لكل نموذج سقف جودة: أفضل مخرجات يمكن أن ينتجها في أي ظروف، وبأي أمر نصي، وبأي إعدادات. بعض النماذج يقع سقفها عند "جيد بما يكفي لمنشور اجتماعي". بينما يقع سقف نماذج أخرى عند دقة بجودة الطباعة مع تصيير فوتوغرافي واقعي.
بمجرد أن تصل إلى سقف النموذج، لا يمكن لأي قدر من هندسة الأوامر النصية أن يتجاوزه. الحركة الوحيدة هي الانتقال إلى نموذج بسقف أعلى. لهذا يكون اختيار النموذج أهم من أي معامل آخر في سير عملك، بما في ذلك الأمر النصي نفسه.
💡 أمر نصي دقيق في النموذج المناسب يتفوق على أمر نصي مثالي في النموذج الخاطئ، في كل مرة.
إدراك هذا يغيّر طريقة استكشافك للأخطاء. قبل إعادة كتابة الأمر النصي للمرة العاشرة، اسأل نفسك: هل أطلب من هذا النموذج شيئًا لم يُصمَّم لإنتاجه؟ إن كانت الإجابة نعم، فلن تصلح أي إعادة صياغة المشكلة. غيّر النموذج أولًا.
أسرع طريقة لاستيعاب الفروق بين النماذج هي تشغيل الأمر النصي نفسه عبر ثلاثة نماذج مختلفة واحدًا تلو الآخر. الفرق البصري سيكون أكثر إفادة من أي وصف مكتوب.
على PicassoIA، لديك إمكانية الوصول إلى Flux Dev و Flux Schnell وStable Diffusion بلا عدادات نقاط أو حدود للتوليد. شغّل أمرًا نصيًا لبورتريه عبر الثلاثة. ثم شغّل أمرًا نصيًا لمنتج. ثم شغّل مفهومًا إبداعيًا واحدًا. بعد ثلاث جولات من هذه المقارنة، تتوقف فروق النماذج عن أن تكون نظرية وتصبح غريزية.
ستبدأ عينك بالتعرف على بصمة النموذج من المخرجات قبل أن تتحقق من الإعدادات. عندها يتوقف اختيار النموذج عن كونه قرارًا واعيًا ويصبح ردّ فعل مبنيًا على التجربة المباشرة، وسيظهر ذلك في جودة كل محاولة أولى تقوم بها.
اختر أمرًا نصيًا لديك بالفعل، وافتح PicassoIA، وشغّله عبر الثلاثة. ابدأ من picassoia.com.
اختر لغتك
