एआई इमेज जेनरेटर टेक्स्ट को तस्वीर में कैसे बदलता है

एआई इमेज जेनरेटर आपके विवरण को एक वर्णन की तरह पढ़ता है, आदेश की तरह नहीं। मॉडल ने सीखा है कि किन शब्दों के साथ आम तौर पर किस तरह की पिक्सेल-व्यवस्था आती है, और वह आपके लिखे वर्णन से मेल खाती एक नई तस्वीर गढ़ता है। कुछ भी किसी संग्रह से नहीं उठाया जाता और कुछ भी पुरानी तस्वीरों से चिपकाया नहीं जाता: हर नतीजा शून्य से बनता है, और इसीलिए एक ही विवरण दो बार चलाने पर दो अलग तस्वीरें मिलती हैं।

धुँधला विवरण साधारण तस्वीर क्यों देता है

यही एक तथ्य आगे की लगभग सारी व्यावहारिक बातें समझा देता है। धुँधला विवरण तस्वीर का ज़्यादातर हिस्सा मॉडल पर छोड़ देता है, और वह ख़ाली जगहें उसी से भरता है जो आँकड़ों के हिसाब से सबसे आम है। ठोस विवरण कम ख़ाली जगह छोड़ता है, यानी नतीजे का बड़ा हिस्सा आपका फ़ैसला होता है। "एक कुत्ता" लाखों संभव तस्वीरें बताता है; "लकड़ी के घाट पर पानी झाड़ता भीगा गोल्डन रिट्रीवर, दोपहर बाद की रोशनी" बहुत कम बताता है — और जो बताता है वे आपकी कल्पना के कहीं ज़्यादा पास हैं।

मॉडल के पास दो चक्करों के बीच कोई याद नहीं है और उसे पता नहीं कि पिछली बार आपका मतलब क्या था। हर रचना शोर से शुरू होती है और सिर्फ़ आपके शब्दों से दिशा पाती है, इसीलिए "इसे थोड़ा गर्म कर दो" तभी काम करता है जब वह पूरा वाक्य हो: "वही दृश्य सूर्यास्त में, गर्म नारंगी रोशनी"।

शैली चुनने वाला बटन असल में क्या करता है

आपकी चुनी शैली भी विवरण का ही हिस्सा है। शैली चुनने पर आपके पाठ के आगे एक तय वाक्य जुड़ जाता है, अनुरोध हमारे सर्वर से निकलने से पहले — इसीलिए वही वाक्य यथार्थवादी और जलरंग में बिलकुल अलग दिखता है। जेनरेटर की स्क्रीन वही वाक्य विवरण बॉक्स के नीचे दिखाती है, तो आप हमेशा देख सकते हैं कि क्या भेजा जा रहा है। कुछ भी छिपा नहीं है: वही मॉडल, वही क्रेडिट, अलग शुरुआती वाक्य।

मशीन क्या तय करती है और आप क्या

यह बँटवारा साफ़ हो जाए तो नतीजे सुधारना अंदाज़ा लगाना नहीं रह जाता। अगर दूसरे कॉलम की कोई चीज़ बार-बार ग़लत आती है, तो इलाज उसे पहले कॉलम में लाना है: उसे लिख देना। विवरण के पाँच हिस्से इसी की जाँच सूची हैं, और क़ीमत पृष्ठ पूरी लागत की कहानी बताता है — एक क्रेडिट, एक तस्वीर, चाहे शैली कोई भी हो।