Wszystkie wpisy

Jak powstał obraz na stronie głównej

Spis treści
  1. Od randomowej ilustracji do mojego biurka
  2. Co się zmieniło przez rok
  3. Grafik zrobiłby to lepiej

Pierwszy obraz na stronie głównej to nie zdjęcie z internetu czy przypadkowa ilustracja. To, co na nim widać, jest moje: motocykl, monitor, głośniki, mysz, klawiatura, kubek, obraz na ścianie, książki i Geralt na półce, kot zostawiający mi sierść na biurku i wreszcie ja sam. Powstał w ChatGPT (plan Plus) na podstawie moich zdjęć i bawiłem się przy tym lepiej, niż się spodziewałem. Jawnie modelu nie wybierałem, ale zdaje się pod spodem siedział GPT-6 z ImageGen.

Mężczyzna w czapce siedzi tyłem przy biurku z monitorem LG, na którym jest terminal i schemat potoku RAG; obok śpi biały kot, stoi kubek i głośniki, za oknem w złotym świetle stoi motocykl z kuframi, a na półce książki
Wersja, która trafiła na stronę główną

Od randomowej ilustracji do mojego biurka

Zaczęło się od testowania udostępniania tej strony. Strona główna nie miała własnego obrazu, więc og:image był pusty i zastanawiałem się, co tam wrzucić. Inspiracją była okładka poprzedniego wpisu: grafika poprawna, ale bezosobowa. Biało-szare biuro, anonimowa postać, panele z ikonkami. Mogłaby ilustrować dowolny artykuł o AI. W drugiej wersji doszedłem ja i leniwy kot, ale wciąż był ~random.

Na stronę główną chciałem obraz, z którym mógłbym się identyfikować i który pasowałby tylko do mojego bloga. Generator obrazków dostał więc zdjęcia mojego motocykla, kubka, obrazu ze ściany, mnie i grubego kota.

Mężczyzna siedzi tyłem przy biurku z monitorem LG, na którym jest terminal i schemat węzłów; na biurku śpi kot, za oknem stoi motocykl z kuframi, na ścianie duży obraz miasta i tarcza strzelecka
Jedna z wczesnych koncepcji, jeszcze bez czapki i mojego kubka

Z rzeczy, których nie widać na pierwszy rzut oka: w terminalu na monitorze jest kane@T490 ~/workspace>, czyli znak zachęty fisha z mojego laptopa.

Poza przedmiotami zostały decyzje jak u fotografa: styl (od sterylnego minimalizmu do ciepłej, malarskiej ilustracji), kadr (zza pleców, z oknem i motocyklem po lewej stronie) i światło (niskie słońce wpadające przez okno).

Co się zmieniło przez rok

Mniej więcej rok temu chciałem zrobić w Nano Banana od Google prosty mem: pasek komiksowy w trzech kadrach, jak z Garfieldem albo Dilbertem. Babcia prosi czat o zadanie domowe dla Maciusia, Maciuś prosi o rozwiązanie zadań od babci, a babcia o sprawdzenie zadań Maciusia. Wybrałem Nano Banana, bo miała bardzo liberalne limity, a ChatGPT po kilku obrazkach blokował mi generowanie na 5-6 godzin.

Tak wyglądała cała rozmowa, prompt po prompcie.

Hej, potrzebuję "mema". Czyli stwórz mi obrazek.

Ma mieć formę komiksu - poziomo trzy klatki/kadry - jak w popularnych "paskach" z Garfieldem czy Dilbertem.

Na pierwszym ma być biurko z komputerem i stereotypowa babcia, która stuka polecenie "Chacie GPT wygeneruj mi zadanie domowe dla Maciusia"

Na drugim obrazku ma być to samo biurko i komputer, ale siedzi przy nim stereotypowy wnuczek (Maciuś), który stuka polecenie "Chatcie GPT rozwiąż mi zadania domowe od babci"

Na trzecim obrazku ma być znowu babcia, która wklepuje polecenie "Chacie GPT sprawdź mi zadania domowe Maciusia"

Styl kreskówkowy, steven uniwerse

Komiks w trzech kadrach: babcia przy starym komputerze, wnuczek w słuchawkach przy tym samym biurku i znowu babcia; na ekranach napisy, po prawej w fotelu śpi chłopiec
Na ekranach bełkot w rodzaju "zaalerie domwe", do tego pytajnik i śpiąca postać po prawej, o które nie prosiłem

Bardzo fajnie, proszę tylko abyś kwestie, które wpisują wstawił w "dymek", tak aby treść była czytelniejsza

Ten sam komiks z dymkami w pierwszym i trzecim kadrze, wnuczek w środkowym kadrze bez dymka
Dymki są, ale z literówkami ("wygenereruj", "Maciussia", "spzwaitż"), wnuczek nie ma swojego, a babcia w trzecim kadrze chce sprawdzić zadania "od babci"

wprowadź poprawki:

  1. na drugim kadrze, wnuczek ma być zadowolony i dodaj brakujący dymek "Chatcie GPT rozwiąż mi zadania domowe od babci"
  2. usuń mały dymek ze znakiem zapytania
Ten sam komiks, w którym tylko uśmiechnięty wnuczek ma dymek, a babcia w obu kadrach jest bez dymków
Wnuczek jest zadowolony i ma dymek ("rozłoyążż zadania mi zadmowe"), za to zniknęły oba dymki babci

wprowadź poprawki:

  1. przywróć dymki z kwestiami, które mówi i wpisuje babcia na kadrze 1 i 3
  2. usuń postać widoczną po prawej stronie na każdym kadrze
Ten sam komiks z dymkiem w pierwszym kadrze i dwoma dymkami w trzecim, wnuczek bez dymka, po prawej chłopiec opiera się o biurko
Dymki babci wróciły, ale kwestia wnuczka przeskoczyła do trzeciego kadru, a postać po prawej zniknęła tylko ze środkowego

Popraw dymki, ma być tak:

Na pierwszym kadrze (dla babci) ma być "Chacie GPT wygeneruj mi zadanie domowe dla Maciusia"

Na drugim kadrze (dla wnuka) ma być "Chatcie GPT rozwiąż mi zadania domowe od babci"

Na trzecim kadrze (dla babci) na być "Chacie GPT sprawdź mi zadania domowe od Maciusia"

Ten sam komiks, nadal z dwoma dymkami w trzecim kadrze i bez dymka wnuczka
Wnuczek dalej bez dymka, babcia w trzecim kadrze z dwoma, a w pierwszym "zadanie dla domowe"

Była godzina 22:45, dałem sobie spokój...

Porównuję więc Nano Banana sprzed roku z dzisiejszym ImageGen w ChatGPT i postęp jest widoczny gołym okiem:

  • Napisy przestały być problemem. Tytuły na grzbietach książek, z polskimi znakami, wyszły bez literówek: "Ślepowidzenie" Wattsa, "Niezwyciężony" Lema, "Czarne oceany" Dukaja. Drobne etykiety na schemacie na monitorze też dają się przeczytać.
  • Palce też. Dłoń przy brodzie ma tyle palców, ile trzeba, i trzyma je tam, gdzie trzeba.
  • Poprawka w kolejnej wersji zmienia to, o co proszę, a reszty obrazu nie rusza. Można dopracowywać szczegóły bez obawy, że przy okazji zmieni się wszystko inne. Tak powstała nocna wersja do trybu ciemnego: wystarczyła lista zmian, a reszta obrazu została na swoim miejscu. Prawie: z lupą w dłoni da się złapać dwie różnice, o które nie prosiłem. Znajdziesz?
  • Styl trzyma się przy kolejnych obrazkach. Banery kategorii powstały później i wyglądają jak jedna seria: ten sam kot, kubek, lampa, książki i paleta zachodu słońca. Sporo rzeczy na nich też jest moich.
Motocykl z kuframi na tarasie o zachodzie słońca, obok stół z mapą, notesem, rękawicami i aparatem
Motocykle
Mężczyzna przy biurku gra na monitorze LG, obok śpi kot, na półce popiersie wiedźmina, za oknem miasto o zachodzie słońca
Gry
Mężczyzna przy biurku przed monitorem z terminalem i schematem pracy agenta AI, obok stos książek, śpiący kot i kubek
Programowanie
Biurko z monitorem LG, na którym są terminal i monitor systemu KDE, obok ThinkPad, głośniki, kubek i notes z listą zadań
Linux i sprzęt
Kot śpi na otwartej książce na biurku, obok kubek, lampa, czytnik e-booków, aparat, lotka do badmintona i tarcza strzelecka na ścianie
Różne

Grafik zrobiłby to lepiej

Tak, tych obrazków nie zrobił grafik i to widać. Ale bez multimodalnego modelu językowego nie byłoby ich wcale. To nie jest praca na 15 minut, a prosić znajomego o całą serię takich obrazków nawet bym nie chciał: ludzie nie mają czasu, mają swoje życie. Nie zabrałem nikomu zlecenia, bo tego zlecenia zwyczajnie by nie było.

Dobrze wiedzieć, że po ~20 latach w branży nadal można złapać flow i czerpać satysfakcję z... ~tworzenia? :D