Jak powstał obraz na stronie głównej
Spis treści
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.
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.
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
Bardzo fajnie, proszę tylko abyś kwestie, które wpisują wstawił w "dymek", tak aby treść była czytelniejsza
wprowadź poprawki:
- na drugim kadrze, wnuczek ma być zadowolony i dodaj brakujący dymek "Chatcie GPT rozwiąż mi zadania domowe od babci"
- usuń mały dymek ze znakiem zapytania
wprowadź poprawki:
- przywróć dymki z kwestiami, które mówi i wpisuje babcia na kadrze 1 i 3
- usuń postać widoczną po prawej stronie na każdym kadrze
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"
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.
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