Seedream 5.0 Pro का व्यावहारिक परीक्षण: छवि संपादन वास्तव में 'नियंत्रित संशोधन' चरण में प्रवेश कर गया है

ByteDance ने हाल ही में अपनी अगली पीढ़ी का छवि मॉडल, Seedream 5.0 Pro जारी किया।

एक संक्षिप्त व्यावहारिक अनुभव के बाद, मेरी तत्काल छाप यह है कि यह अब केवल एक मॉडल नहीं है जो "प्रॉम्प्ट लेता है और छवि उत्पन्न करता है" — यह एक वास्तविक छवि संपादन उपकरण के करीब पहुंच रहा है।

यह केवल उत्पादन में अच्छा नहीं है; यह अधिक स्पष्ट स्थानीय नियंत्रण भी प्रदान करता है। आप एक छवि में वस्तुओं को चिह्नित कर सकते हैं, क्षेत्रों का चयन कर सकते हैं, तीर खींच सकते हैं, रंग लगा सकते हैं, और फिर प्रॉम्प्ट के माध्यम से मॉडल को बता सकते हैं:

• क्या संशोधित करना है;
• इसे किसमें बदलना है;
• क्या अपरिवर्तित रखना है।

यह इंटरैक्शन शैली छवि संपादन को "मॉडल के अनुमान लगाने" से "उपयोगकर्ता द्वारा सीधे निर्दिष्ट करने" में बदल देती है।

समग्र क्षमता के संदर्भ में, Seedream 5.0 Pro अब शीर्ष स्तर पर है। बहु-छवि संपादन, स्थानीय संशोधन, उत्पाद दृश्य, टेक्स्ट लेआउट और शैली स्थिरता जैसे कार्यों में इसका प्रदर्शन काफी स्थिर है।

लेकिन रैंकिंग से अधिक महत्वपूर्ण: यह एक वर्कफ़्लो प्रस्तुत करता है जो वास्तविक डिज़ाइन कार्य के बहुत करीब है।

---

1. असली हाइलाइट उत्पादन नहीं, बल्कि "संपादन योग्यता" है

पहले, छवि मॉडल का उपयोग करके संशोधन करते समय, सबसे बड़ी समस्या अक्सर यह नहीं होती थी कि मॉडल बदलाव नहीं कर सकता, बल्कि यह क�� वह यह नहीं जानता था कि आप वास्तव में कौन सा हिस्सा बदलना चाहते हैं।

उदाहरण के लिए, यदि आप लिखते हैं: बाएं सोफे को सफेद कर दें।

मॉडल को कई समस्याओं का सामना करना पड़ सकता है:

• यह निर्धारित नहीं कर सकता कि आप किस सोफे का मतलब रखते हैं;
• सोफे को संशोधित करते समय, वह दीवार, खिड़की या फर्श को भी बदल देता है;
• वह सोफे की स्थिति बनाए रखता है लेकिन पूरे कमरे को पुनर्जीवित करता है;
• संशोधन के दौरान उत्पादों या व्यक्तियों का विवरण खिसक जाता है।

Seedream 5.0 Pro का समाधान सीधे प्रॉम्प्ट वर्कफ़्लो में "स्थिति चयन" को शामिल करना है।

उपयोगकर्ता पहले छवि में क्षेत्रों को चिह्नित कर सकता है, फिर मॉडल को उन चिह्नों के आधार पर संशोधन करने दे सकता है।

वर्तमान में, तीन मुख्य इंटरैक्शन विधियाँ हैं।

पहला, सटीक संपादन मोड में प्रवेश करने के लिए Draw ढूंढें

मूल छवि अपलोड करने के बाद, थंबनेल के ऊपर एक Draw बटन दिखाई देता है। इसे क्लिक करके छवि एनोटेशन और सटीक संपादन इंटरफ़ेस में प्रवेश करें।

एक बार छवि एनोटेशन और सटीक संपादन इंटरफ़ेस में, कार्य के आधार पर नीचे दी गई तीन चिह्नांकन विधियों में से एक चुनें।

1. बिंदु चिह्न: Mark

एक विशिष्ट वस्तु पर क्लिक करके एक चिह्न बिंदु बनाएँ।

निर्दिष्ट करने के लिए उपयुक्त:

• एक विशेष सोफा;
• एक वस्त्र;
• एक व्यक्ति;
• एक उत्पाद;
• पाठ;
• एक विशिष्ट भाग या सहायक उपकरण।

2. क्षेत्र चयन: Region

एक आयताकार बॉक्स का उपयोग करके एक सीमा चुनें ताकि मॉडल को केवल उसी क्षेत्र को संसाधित करने के लिए कहा जा सके।

इसके लिए उपयुक्त:

• पृष्ठभूमि बदलना;
• दीवार की सामग्री बदलना;
• स्थानीय रंग समायोजित करना;
• निर्दिष्ट स्थान पर पाठ जोड़ना;
• छवि का एक भाग पुनः बनाना।

3. खरोंच, तीर और रंग चिह्न

जब स्थितिगत संबंध जटिल हो, तो आप सीधे रेखाएँ, तीर खींच सकते हैं या रंग चिह्नों का उपयोग कर सकते हैं।

उदाहरण के लिए:

• एक उत्पाद विक्रय बिंदु को इंगित करने के लिए तीर का उपयोग करें;
• उस क्षेत्र को निर्दिष्ट करने के लिए रंग का उपयोग करें जिसे पुनः बनाने की आवश्यकता है;
• कई भागों को चिह्नित करने के लिए रेखाओं का उपयोग करें;
• विभिन्न संशोधन कार्यों को अलग करने के लिए विभिन्न रंगों का उपयोग करें।

ये संक्रियाएँ सरल लग सकती हैं, लेकिन मॉडल की समझ के लिए ये बहुत महत्वपूर्ण हैं।

क्योंकि उपयोगकर्ताओं को अब छवि में स्थानों का वर्णन करने के लिए बहुत सारा पाठ खर्च नहीं करना पड़ता; इसके बजाय, वे सीधे मॉडल को स्थान बता देते हैं।

---

2. इंटरैक्टिव संपादन प्रॉम्प्ट को "संचालन निर्देशों" में बदल देता है

पारंपरिक छवि निर्माण प्रॉम्प्ट मुख्य रूप से वर्णन करते हैं कि छवि कैसी दिखनी चाहिए।

लेकिन इंटरैक्टिव संपादन प्रॉम्प्ट स्पष्ट संचालन निर्देशों की तरह अधिक हैं।

एक अच्छे संपादन प्रॉम्प्ट में आमतौर पर केवल तीन भाग होते हैं:

संशोधित वस्तु + संशोधन लक्ष्य + अपरिवर्तित रखने योग्य सामग्र��

अंक, बक्से, संदर्भ छवियाँ, रंग कोड और भाषा आवश्यकताएँ सभी एक ही निर्देश में रखे जा सकते हैं।

यह इंटरैक्शन विधि दो लंबे समय से चली आ रही समस्याओं को हल करती है।

समस्या 1: प्रॉम्प्ट स्थानिक स्थितियों को सटीक रूप से व्यक्त करने में संघर्ष करते हैं

"बाएं सोफा," "बीच में अलमारी," "खिड़की के पास कुर्सी" — ये विवरण स्पष्ट लगते हैं, लेकिन मॉडल उन्हें सटीक रूप से नहीं समझ सकता।

चिह्नांकन के बाद, उपयोगकर्ता को अब स्थान समझाने की आवश्यकता नहीं है; उन्हें केवल संबंधित Mark या Region का उल्लेख करना होता है।

समस्या 2: मॉडल आसानी से असंबंधित क्षेत्रों को बदल देता है

छवि संपादन में सबसे आम विफलता यह नहीं है कि लक्ष्य वस्तु अच्छी तरह से संशोधित नहीं होती, बल्कि यह है कि अन्य सामग्री भी बदल जाती है।

इसलिए, प्रॉम्प्ट में स्पष्ट रूप से शामिल करना सबसे अच्छा है:

अन्य क्षेत्रों को अपरिवर्तित रखें।

या अधिक विशिष्ट रूप से:

संरचना, कैमरा कोण, विषय अनुपात, प्रकाश दिशा और पृष्ठभूमि संरचना अपरिवर्तित रखें।

इंटरैक्टिव चिह्नांकन मॉडल को बताता है "कहाँ बदलना है," जबकि प्रॉम्प्ट मॉडल को बताता है "कैसे बदलना है।"

जब संयुक्त होते हैं, तो संशोधनों की नियंत्रणीयता ���ें काफी सुधार होता है।

---

3. वास्तविक दुनिया का परीक्षण 1: एक अव्यवस्थित कमरे से पूर्ण गृह डिजाइन तक

Seedream 5.0 Pro की बहु-वस्तु संपादन क्षमताओं का परीक्षण करने के लिए, मैंने एक साधारण कमरे की फोटो से शुरुआत की।

मूल छवि में एक सोफा, कॉफी टेबल, शेल्फ, खिड़कियाँ, एक कपड़े का स्टैंड और बहुत सारी अव्यवस्था थी — समग्र रूप से बहुत गड़बड़।

इस प्रकार की छवि यह परीक्षण करने के लिए आदर्श है कि क्या मॉडल एक साथ:

• अव्यवस्था साफ कर सकता है;
• फर्नीचर बदल सकता है;
• स्थानिक संरचना बनाए रख सकता है;
• सामग्री और रंगों को एकीकृत कर सकता है;
• यथार्थवादी शूटिंग परिप्रेक्ष्य को संरक्षित कर सकता है।

---

चरण 1: कमरे को साफ करें और मूल सामग्री को संशोधित करें

पहले, मैंने मूल छवि में कई मुख्य क्षेत्रों को चिह्नित किया:

• सोफा;
• दीवार;
• फर्श;
• शेल्फ।

फिर मैंने ऐसा आदेश दर्ज किया:

कमरे से अव्यवस्था और अतिरिक्त वस्तुओं को हटा दें, @Mark01 के अनुरूप सोफे को सफेद कपड़े के सोफे से बदल दें, @Mark02 के अनुरूप दीवार को हल्के बेज रंग में बदल दें, @Mark03 के अनुरूप फर्श को हल्की लकड़ी की फर्श में बदल दें, खिड़की की स्थिति, कमरे का अनुपात, कैमरा कोण और समग्र संरचना अपरिवर्तित रखें।

उत्पन्न परिणाम का सबसे उल्लेखनीय पहलू यह नहीं है कि कमरा अधिक सुंदर दिखता है, बल्कि यह है कि मूल स्थानिक संबंध काफी हद तक संरक्षित हैं।

उदाहरण के लिए:

• खिड़की अभी भी अपनी मूल स्थिति में है;
• कमरे की गहराई में कोई महत्वपूर्ण परिवर्तन नहीं हुआ है;
• कैमरा ऊँचाई और शूटिंग कोण समान बने हुए हैं;
• दीवार और फर्श के बीच का जोड़ आम तौर पर उचित है।

यह इंगित करता है कि मॉडल केवल एक "समान कमरे" को पुनर्जीवित नहीं कर रहा है, बल्कि मूल छवि संरचना के आधार पर संशोधन कर रहा है।

---

चरण 2: कमरे में संदर्भ फर्नीचर रखें

इसके बाद, मैंने फर्नीच��� की कई संदर्भ छवियाँ अपलोड कीं, जिनमें शामिल हैं:

सोफा	कॉफी टेबल	आर्मचेयर
बुकशेल्फ़	पर्दे

फिर मैंने मूल छवि में फर्नीचर की स्थितियों को संदर्भ छवियों से बाँध दिया।

प्रॉम्प्ट इस प्रकार लिखा जा सकता है:

@Mark01 के अनुरूप सोफे को @Image02 के सोफे से बदलें, @Mark02 के अनुरूप कॉफी टेबल को @Image04 के कॉफी टेबल से बदलें, @Mark03 के अनुरूप आर्मचेयर को @Image03 के आर्मचेयर से बदलें, @Mark04 के अनुरूप बुकशेल्फ़ को @Image05 के बुकशेल्फ़ से बदलें, @Mark05 के अनुरूप पर्दों को @Image06 के पर्दों से बदलें।

सभी फर्नीचर मूल कमरे के परिप्रेक्ष्य, प्रकाश दिशा और स्थानिक अनुपात से मेल खाना चाहिए, खिड़कियाँ, दीवारें, फर्श और कैमरा कोण अपरिवर्तित रखें।

इस चरण में कठिनाई केवल फर्नीचर "रखना" नहीं है, बल्कि विभिन्न स्रोतों के फर्नीचर को एक ही स्थान में उचित दिखाना है।

मॉडल को एक साथ निपटना होगा:

• आकार संबंध;
• परिप्रेक्ष्य दिशाएँ;
• प्रकाश स्थिरता;
• सामग्री मिश्रण;
• फर्नीचर अस्पष्टता;
• स्थानिक व्यवस्था।

परिणामों से, हालांकि स्थानीय विवरणों में अभी भी कुछ विचलन हो सकते हैं, समग्र डिजाइन में पहले से ही मजबूत पूर्वावलोकन मूल्य है।

---

चरण 3: स्थान शैली को एकीकृत करने के लिए रंग पैलेट का उपयोग करें

फर्नीचर प्रतिस्थापन के बाद, मैंने एक रंग पैलेट संदर्भ जोड़ा।

पैलेट में शामिल है:

• एस्प्रेसो;
• सैंड;
• बेज;
• आइवरी;
• बादाम।

फिर मैंने मॉडल को पूरे स्थान की रंग योजना को फिर से एकीकृत करने के लिए कहा।

उदाहरण के लिए:

@Image02 में रंग पैलेट का संदर्भ लें, पूरे स्थान की रंग योजना को एस्प्रेसो, सैंड, बेज, आइवरी और बादाम के संयोजन में समायोजित करें।

दीवारों के लिए हल्का बेज उपयोग करें, सोफ़े के लिए आइवरी उपयोग करें, लकड़ी के फर्नीचर के लिए एस्प्रेसो उपयोग करें, नरम फर्नीचर और एक्सेंट के लिए सैंड और बादाम उपयोग करें।

फर्नीचर की स्थिति, कमरे की संरचना, कैमरा कोण और प्राकृतिक प्रकाश दिशा अपरिवर्तित रखें।

यह विधि "इसे एक उच्च-स्तरीय क्रीम-टोन शैली बनाएं" कहने से अधिक स्थिर है।

क्योंकि "उच्च-स्तरीय," "गर्म," और "बनावट" जैसे शब्द व्यक्तिपरक विशेषण हैं, जबकि रंग पैलेट और रंग मान स्पष्ट बाधाएँ हैं।

मॉडल को यह अनुमान लगाने की आवश्यकता नहीं है कि आपके दिमाग में "उच्च-स्तरीय" का क्या अर्थ है; यह केवल निर्दिष्ट रंगों का पालन करता है।

---

लेकिन इस अपडेट ने मुझे वास्तव में जो प्रभावित किया है, वह यह नहीं है कि कोई एक उत्पन्न छवि कितनी सुंदर है, बल्कि यह नया छवि संपादन प्रतिमान है जो यह प्रदर्शित करता है: मॉडल को "कहाँ बदलना है" बताने के लिए बिंदु, बक्से, तीर और संदर्भ छवियों का उपयोग करें, और फिर एक वाक्य में मॉडल को "कैसे बदलना है" बताएं।

जब एक छवि मॉडल वस्तुओं, क्षेत्रों, स्थितियों और अनुक्रमिक संशोधनों को समझने लगता है, तो यह अब केवल एक उत्पादन उपकरण नहीं है।

यह एक दृश्य संपादन प्रणाली बन रहा है जो ��ास्तव में डिजाइन, विपणन, ई-कॉमर्स और सामग्री उत्पादन में भाग ले सकता है।