Videli ste už niekedy, ako si niekto na sociálnej sieti pochvaľuje, že mu umelá inteligencia vygenerovala „nádherný“ portrét, a vedľa neho stojí modelka so šiestimi prstami na ruke a textom na tričku, ktorý vyzerá ako klinopis?
Presne to je rozdiel medzi bezduchým stlačením tlačidla a remeslom. Generovanie obrázkov nie je lotéria, ale proces, ktorý sa dá naučiť. A my vám dnes ukážeme, ako na to s dvoma najväčšími hráčmi na poli modelov s otvorenými váhami: Stable Diffusion a Flux.
Prečo vôbec riešiť lokálne generovanie?
Možno si poviete, že na to máte predsa Midjourney. Máte pravdu, pre jednoduché experimenty je bezkonkurenčný. Ale ak chcete mať plnú kontrolu nad výstupom, trénovať model na vlastných fotografiách, alebo generovať stovky obrázkov bez mesačného poplatku, lokálne riešenie je jediná cesta. Navyše, vaše dáta nikdy neopustia váš počítač. Pre dizajnérov a fotografov, ktorí pracujú s citlivým materiálom klientov, je to kľúčový argument.
Stable Diffusion: Skúsený veterán s nekonečnými možnosťami
Stable Diffusion je už legendou. Jeho najväčšou výhodou je obrovský ekosystém. Nájdete tisíce vyladených modelov (tzv. checkpointov) zameraných na čokoľvek – od realistických portrétov cez anime až po architektonické vizualizácie. Nehovoriac o LoRA (Low-Rank Adaptation), čo sú malé súbory, ktoré dokážu model naučiť konkrétnu postavu, štýl alebo predmet za pár minút.
Pre začiatok odporúčam použiť rozhranie Automatic1111 alebo jeho modernejšiu alternatívu Forge. Inštalácia je otázkou pár minút a na webe nájdete stovky tutoriálov.
Základný prompt pre SDXL (aktuálna generácia modelov) môže vyzerať takto:
cinematic portrait of a weathered fisherman, stormy sea in background, dramatic lighting, highly detailed face, 8k, --ar 16:9
Pozor na dôležitú vec: Stable Diffusion je citlivý na negatívne prompty. Ak nechcete, aby vám do obrazu vliezol text alebo zdeformované ruky, musíte mu to povedať:
Negative prompt: text, watermark, deformed hands, extra fingers, blurry, low quality
Flux: Nový šerif v meste
Až donedávna bol Stable Diffusion kráľom. Potom prišiel Flux od Black Forest Labs a všetko zmenil. Jeho hlavnou zbraňou je neuveriteľná schopnosť rozumieť textu. Kým staršie modely prompt často ignorovali a vyrobili vám úplne inú scénu, Flux sa drží zadania takmer doslova. To je revolúcia, najmä pre text vo vnútri obrázka. Napíšete nápis na dvere a on ho tam naozaj napíše, takmer vždy bez chýb.
Pre bežného používateľa je najdostupnejšia verzia Flux.1 Schnell, ktorá je rýchla a zadarmo. Generuje síce len v 1 – 4 krokoch, takže je menej detailná, ale pre prvotné nápady a moodboardy je ideálna. Ak potrebujete špičkovú kvalitu, siahnite po verzii Flux.1 Dev, ktorá vyžaduje výkonnejšiu grafickú kartu, no ponúka výsledky porovnateľné s komerčnými službami.
Práca s Fluxom je vďaka jeho presnosti jednoduchšia. Menej sa spoliehate na negatívne prompty a viac na samotný opis. Skúste napríklad:
a minimalist product photo of a ceramic vase on a concrete pedestal, soft studio lighting, background is a plain beige wall, the text "AZOIA" is engraved on the vase
Ako si vybrať? Praktické porovnanie
| Vlastnosť | Stable Diffusion (SDXL) | Flux (Schnell/Dev) |
|---|---|---|
| Hardvérové nároky | Nižšie (6GB VRAM stačí) | Vyššie (odporúča sa 12GB+ VRAM) |
| Rýchlosť | Rýchlejší | Pomalší (najmä Dev verzia) |
| Presnosť promptu | Stredná, vyžaduje negatívny prompt | Vynikajúca, drží sa zadania |
| Text v obraze | Slabá, často chybuje | Výborná, takmer bez chýb |
| Ekosystém a modely | Obrovský, tisíce LoRA a checkpointov | Rastúci, ale stále menší |
| Vhodné pre | Kreatívne experimenty, špecifické štýly | Produktovú fotografiu, presné zadania, text |
Erikov kreatívny tip
Nezačínajte s najväčším modelom. Nainštalujte si Stable Diffusion Forge a v ňom aktivujte model Flux.1 Schnell. Je to ideálny pomer rýchlosti a kvality na učenie sa. Keď pochopíte základy promptovania, môžete prejsť na výkonnejší Flux Dev alebo si zahrať s LoRA modelmi v SDXL. Pamätajte, že najlepší prompt je ten, ktorý je konkrétny. Namiesto „krásna žena“ skúste „portrét ženy v štýle 80. rokov, neónové osvetlenie, zrnitosť filmu, pohľad do kamery“. A vždy, ale vždy, si ukladajte svoje prompty. Vrátiť sa k overenému výsledku je najväčšia úspora času.
