अनुक्रमणिका[लपवा][दाखवा]
AI मधील अलीकडील नवकल्पनांमुळे आपण कलेकडे जाण्याचा मार्ग आमूलाग्र बदलू शकतो.
DALL-E 2 सारखी मॉडेल्स साध्या मजकूर इनपुटमधून उच्च-गुणवत्तेच्या प्रतिमा तयार करण्याच्या क्षमतेसाठी प्रसिद्ध झाले आहेत.
DALL-E 2 अजूनही बर्याच लोकांसाठी बंद असताना, अनेकांनी पर्याय शोधला जो काम देखील करू शकेल. सर्वात लोकप्रिय पर्यायांपैकी एक म्हणजे ऑनलाइन सेवा मिडजॉर्नी.
त्यांच्या डिस्कॉर्ड सर्व्हरमध्ये 3 दशलक्षाहून अधिक वापरकर्त्यांसह, ते प्रतिमा आणि कला निर्माण करण्यासाठी सर्वात प्रवेशजोगी डिफ्यूजन मॉडेलपैकी एक आहे.
या लेखात, आम्ही काय ते पाहू मध्यप्रवास करू शकतो आणि ते कसे कार्य करते. नंतर, आम्ही चरण-दर-चरण मार्गदर्शकासह तुमचे पहिले AI-जनरेट केलेले चित्र बनवण्यासाठी मार्गदर्शन करू.
मिड जर्नी म्हणजे काय?
मध्यप्रवास हे एक मालकीचे AI-शक्तीचे साधन आहे जे मजकूर इनपुटमधून प्रतिमा तयार करू शकते. या प्रकारच्या इतर मॉडेल्सच्या विपरीत, मिडजॉर्नी सेवेमध्ये ऑनलाइन डिस्कॉर्ड सर्व्हरद्वारे प्रवेश केला जातो.
ज्या वापरकर्त्यांना मिडजॉर्नीसह कला तयार करायची आहे त्यांना डिसकॉर्ड खाते तयार करावे लागेल आणि अधिकृत मिडजर्नी सर्व्हरमध्ये प्रवेश करावा लागेल. तेथून, त्यांना “चॅनेल” नावाच्या अनेक उपलब्ध खुल्या चॅट रूमपैकी एकाकडे नेव्हिगेट करावे लागेल.
या चॅनेलमध्ये, वापरकर्ते नंतर इतर अनेक वापरकर्त्यांसोबत मजकूर सूचना सबमिट करतील. इतर वापरकर्ते तुमची सूचना आणि आउटपुट प्रतिमा पाहण्यास सक्षम असतील.
संपूर्ण फ्रंट-एंड इंटरफेस मूलत: डिस्कॉर्ड प्लॅटफॉर्ममध्ये राहत असल्याने, गेल्या काही महिन्यांत सर्व्हरमध्ये प्रचंड वाढ झाली आहे यात आश्चर्य नाही. ऑक्टोबर 2022 पर्यंत, सध्या प्लॅटफॉर्मच्या इतिहासातील सर्वात मोठा डिस्कॉर्ड सर्व्हर आहे.
संस्थापक डेव्हिड होल्झ यांच्या मते, सुमारे 30 टक्के वापरकर्ते मिडजर्नीचा व्यावसायिक म्हणून वापर करतात. होल्झने नमूद केले की बरेच ग्राफिक कलाकार मिडजर्नीचा वापर त्यांच्या संकल्पनेच्या विकासाच्या कार्यप्रवाहात प्रारंभिक टप्पा म्हणून करतात.
मिड जर्नीमुळे व्यावसायिक चित्रण उद्योगावरही परिणाम होऊ लागला आहे. ब्रिटिश मासिक द इकॉनॉमिस्टने त्यांच्या अलीकडील अंकांपैकी एक मुखपृष्ठ तयार करण्यासाठी मिडजर्नीचा वापर केला.
मिडजर्नी कसे कार्य करते?
मिडजर्नी मालकीचे असल्याने, हे मॉडेल इतर प्रतिमा निर्मिती मॉडेल्सपेक्षा कसे वेगळे आहे हे निश्चितपणे माहित नाही. स्थिर प्रसार आणि DALL-E 2. तथापि, आम्हाला माहित आहे की मिडजॉर्नी प्रतिमा तयार करण्यासाठी न्यूरल नेटवर्क वापरते.
तसेच, इतर अनेक इमेज जनरेशन अल्गोरिदमप्रमाणे, मिडजॉर्नी डिफ्यूजन मॉडेलिंग म्हणून ओळखल्या जाणार्या तंत्रावर अवलंबून आहे.
डिफ्यूजन मॉडेल तुमची प्रतिमा निरर्थक आवाज बनत नाही तोपर्यंत प्रतिमेचे हळूहळू विघटन करून कार्य करतात. मॉडेल नंतर प्रसरण प्रक्रिया कशी उलट करायची हे शिकण्यासाठी प्रतिमांना नकार देण्याचा प्रयत्न करेल.
प्रतिमा निर्मिती मॉडेल सामान्यत: प्रारंभिक मजकूराचा अर्थ लावणारी पायरी जोडतात. उदाहरणार्थ, वापरकर्त्याने मिडजर्नीला हिरव्या धाग्याच्या बॉलने खेळत असलेल्या मांजरीची प्रतिमा तयार करण्यास सांगितले. मजकूर एन्कोडर "हिरव्या धाग्याच्या बॉलसह खेळणारी मांजर" इनपुट मजकूर घेतो आणि प्रत्येक शब्दाचे प्रतिनिधित्व करणाऱ्या संख्यांच्या सूचीमध्ये रूपांतरित करतो.
आवाजाच्या यादृच्छिक ग्रिडसह प्रारंभ करून, मिडजॉर्नी मूळ मजकूरातून प्राप्त केलेली अर्थपूर्ण माहिती समाविष्ट करताना प्रतिमा नाकारण्याचा प्रयत्न करेल.
तुमची पहिली मिड जर्नी इमेज तयार करणे
या विभागात, आम्ही तुम्हाला एक द्रुत मार्गदर्शक देऊ जे तुम्हाला तुमची पहिली मिडजर्नी प्रतिमा तयार करण्यात मदत करेल.
प्रथम, तुम्हाला सामील व्हावे लागेल मिडजॉर्नी डिस्कॉर्ड सर्व्हर. तुमच्याकडे अद्याप Discord खाते नसल्यास, तुम्हाला ते तयार करण्यास सांगितले जाईल. Discord खाते तयार करणे सोपे करते आणि तुम्ही तुमच्या ब्राउझरद्वारे संपूर्ण ऍप्लिकेशन ऍक्सेस करू शकता.
एकदा तुम्ही सर्व्हरमध्ये सामील झाल्यानंतर, तुम्हाला उपलब्ध असलेल्या “नवागत” खोल्यांपैकी एक निवडावा लागेल. या खोल्या असतील जिथे तुम्ही इतर मिडजर्नी वापरकर्त्यांसोबत तुमची मजकूर सूचना सबमिट कराल.
पुढे, "/imagine" कमांड टाईप करा आणि तुमचा प्रॉम्प्ट टाइप करा.
मिड जर्नी तुमच्या प्रॉम्प्टवर आधारित चार पर्याय तयार करेल. डिसकॉर्ड बॉटला आउटपुट परत येण्यासाठी एक मिनिट लागू शकतो. तुम्ही एकतर अपस्केल निवडू शकता किंवा चार प्रतिमांची विविधता तयार करू शकता.
या उदाहरणात, मी प्रॉम्प्ट "फँटसी कॅसल कॉरोनेशन" प्रविष्ट केले आहे.
आम्ही विशिष्ट प्रतिमेची अतिरिक्त भिन्नता निर्माण करणे निवडू शकतो. या उदाहरणात, मी दुसऱ्या प्रतिमेची विविधता तयार करण्यासाठी "V2" बटण निवडले आहे.
आम्ही इमेज अपस्केल करणे देखील निवडू शकतो. इमेज अपस्केलिंग केल्याने निवडलेल्या प्रतिमेची 1024×1024 पिक्सेल आवृत्ती तयार होते. अपस्केल केलेली प्रतिमा अनेकदा अतिरिक्त तपशील देखील जोडेल.
मिडजर्नी प्रायोगिक रीमास्टर वैशिष्ट्य देखील देते. हे वैशिष्ट्य एक प्रतिमा पुन्हा निर्माण करेल ज्याची गुणवत्ता आणि सुसंगतता वाढू शकते.
अपस्केल केलेले किंवा रीमास्टर केलेले प्रॉम्प्ट व्युत्पन्न केल्यानंतर, तुम्ही आता इमेज पूर्ण आकारात दाखवण्यासाठी त्यावर क्लिक करून ती डाउनलोड करू शकता. प्रतिमेवर उजवे-क्लिक करा आणि निवडा प्रतिमा जतन करा स्थानिक पातळीवर जतन करण्यासाठी.
मिडजर्नीने तुमच्यासाठी तयार केलेल्या सर्व प्रतिमा पाहण्यासाठी तुम्ही तुमचे डिसकॉर्ड खाते अधिकृत मिडजॉर्नी वेब ऍप्लिकेशनशी कनेक्ट करू शकता.
किंमत
मिडजर्नी दोन मुख्य योजना ऑफर करते: मूलभूत आणि मानक.
बेसिक प्लॅनची किंमत $10/महिना आहे आणि वापरकर्त्याला दरमहा सुमारे 200 प्रॉम्प्ट चालवण्याची परवानगी देते. स्टँडर्ड प्लॅनची किंमत $30/महिना आहे आणि वापरकर्त्याला प्रतिमा निर्माण करण्यासाठी अतिरिक्त 15 GPU तास देते. हे दर महिन्याला येणाऱ्या विनंत्यांपेक्षा 4.5 पट इतके आहे.
स्टँडर्ड प्लॅनमध्ये अपग्रेड केल्याने “आराम” मोड देखील अनलॉक होतो, जो वापरकर्त्याला थोड्या जास्त प्रतीक्षा कालावधीच्या बदल्यात अमर्यादित नोकर्या चालविण्यास अनुमती देतो.
वापरकर्ते त्यांच्या विनंत्या खाजगीरित्या चालवू देण्यासाठी दरमहा अतिरिक्त $20 देखील जोडू शकतात.
निष्कर्ष
मिडजॉर्नी हे एआय इमेज निर्मितीसाठी एक उत्तम साधन आहे जे तुम्ही सशुल्क योजनेवर अपग्रेड करण्याचा निर्णय घेतल्यास वाजवी किंमत देते.
टूलच्या व्यतिरिक्त, अॅपच्या आसपासच्या समुदायाने ते इतर समान AI साधनांमध्ये वेगळे केले आहे. Discord सर्व्हरमध्ये दैनंदिन सामुदायिक कार्यक्रम आणि आव्हाने आहेत ज्यात वापरकर्ते सामील होऊ शकतात. सर्व्हरमध्ये विविध चॅनेल अस्तित्वात आहेत जिथे तुम्ही प्रश्न विचारू शकता आणि तुमच्या सूचना कशा सुधारायच्या यावरील टिपा आणि युक्त्या शोधू शकता.
प्रत्युत्तर द्या