Text-to-Image vs. Image-to-Image: Khi nào nên sử dụng quy trình nào

Hãy bắt đầu với text-to-image khi bạn cần thiết lập một khái niệm hình ảnh mới từ đầu hoặc khám phá các hướng phong cách rộng mà không bị ràng buộc bởi các hạn chế hiện có. Chuyển sang image-to-image khi bạn có một bố cục cụ thể, bảng màu hoặc cấu trúc layout cần được giữ nguyên trong khi tinh chỉnh chi tiết hoặc điều chỉnh phong cách. Việc chọn sai điểm khởi đầu thường dẫn đến các vòng lặp không cần thiết; prompt văn bản vượt trội về độ rộng khái niệm, trong khi ảnh tham chiếu vượt trội về độ trung thực cấu trúc.

Định nghĩa hai quy trình

Hiểu sự khác biệt về mặt cơ chế giữa hai phương pháp này giúp làm rõ cách nào giải quyết vấn đề thiết kế trước mắt của bạn. Chúng không thể thay thế cho nhau; chúng phục vụ các giai đoạn khác nhau của quy trình sáng tạo.

Các quy trình text-to-image dựa vào ngôn ngữ mô tả để xây dựng đầu ra hình ảnh. Đầu vào chính mang tính ngữ nghĩa: các từ mô tả chủ thể, ánh sáng, tâm trạng và bố cục. Hệ thống diễn giải các tín hiệu ngôn ngữ này để xây dựng hình ảnh từ một trang trống. Phương pháp này vốn mang tính tạo sinh và khám phá. Nó phù hợp nhất khi mục tiêu hình ảnh được xác định bởi cảm giác hoặc khái niệm hơn là hình học chính xác.

Các quy trình image-to-image dựa vào một ảnh tham chiếu để hướng dẫn đầu ra. Đầu vào chính là một neo dựa trên pixel. Hệ thống sử dụng cấu trúc, phân bố màu sắc và bố cục của ảnh tham chiếu làm nền tảng, chỉnh sửa nó dựa trên các hướng dẫn bổ sung hoặc tham số phong cách. Phương pháp này vốn mang tính chỉnh sửa và lặp lại. Nó phù hợp nhất khi mục tiêu hình ảnh được xác định bởi việc duy trì sự nhất quán với các tài nguyên hiện có hoặc tinh chỉnh một bố cục cụ thể đã chứng minh được hiệu quả.

Sự khác biệt cốt lõi nằm ở nguồn thông tin chuẩn. Trong text-to-image, prompt văn bản là nguồn thông tin chuẩn. Trong image-to-image, ảnh tham chiếu là nguồn thông tin chuẩn. Lựa chọn của bạn nên phụ thuộc vào việc ràng buộc hiện tại của bạn là về ngôn ngữ (nó nên trông như thế nào?) hay về thị giác (nó nên được sắp xếp ra sao?).

Khi nào nên sử dụng Text-to-Image

Use text-to-image khi bạn đang ở giai đoạn đầu của quá trình lên ý tưởng và cần tạo ra sự đa dạng một cách nhanh chóng. Quy trình này lý tưởng để khám phá các kết hợp bất ngờ về màu sắc, kết cấu hình ảnh và hình khối mà bạn có thể chưa cân nhắc một cách có ý thức.

Phương pháp này hiệu quả nhất khi:

• Bạn không có tài sản thương hiệu hoặc hướng dẫn phong cách hiện có để tuân theo.
• Bạn cần khám phá nhiều hướng đi khác biệt để tìm ra một khái niệm khả thi.
• Đầu ra cuối cùng đòi hỏi sự diễn giải nghệ thuật cao hơn là sự căn chỉnh hình học chặt chẽ.
• Bạn đang tạo ra các tài sản độc lập như nền trừu tượng hoặc cảnh quan có khí quyển.

Khi sử dụng phương pháp này, hãy tập trung vào sự rõ ràng trong ngôn ngữ mô tả của bạn. Sự cụ thể về ánh sáng và bố cục mang lại kết quả dễ đoán hơn so với các tính từ mơ hồ. Các công cụ như Midjourney và DALL-E 3 thường được lựa chọn ở đây vì chúng phản hồi tốt với các prompt mô tả tinh tế. Khi đánh giá đầu ra, hãy phán xét tính mạch lạc của bố cục và mức độ tuân thủ tâm trạng mà bạn đã mô tả. Nếu kết quả có cảm giác hỗn loạn, hãy tinh chỉnh prompt của bạn bằng cách thêm các ràng buộc về tính đối xứng hoặc các điểm tiêu cự thay vì thay đổi chủ đề.

Khi nào sử dụng Image-to-Image

Sử dụng image-to-image khi bạn có một bản nháp đang hoạt động cần được chỉnh sửa hoặc khi bạn cần áp dụng một phong cách nhất quán trên nhiều tài sản. Quy trình này bảo toàn tính toàn vẹn cấu trúc của ảnh gốc trong khi cho phép những thay đổi về phong cách.

Phương pháp này hiệu quả nhất khi:

• Bạn cần duy trì tỷ lệ hoặc bố cục nhất quán trên một loạt hình ảnh.
• Bạn có một bảng màu cụ thể phải được giữ nguyên.
• Bạn đang tinh chỉnh một bản phác thảo thô thành một minh họa hoàn chỉnh.
• Bạn cần điều chỉnh một tài sản hiện có sang độ phân giải hoặc tỷ lệ khung hình mới mà không làm mất các yếu tố chính.

Trong quy trình này, ảnh tham chiếu quyết định khung xương của đầu ra cuối cùng. Các công cụ như Leonardo AI và Stable Diffusion thường được sử dụng ở đây vì chúng cho phép kiểm soát chính xác mức độ đầu ra lệch khỏi ảnh tham chiếu. Khi đánh giá đầu ra, hãy phán xét mức độ cấu trúc thiết yếu của ảnh tham chiếu được bảo toàn. Nếu bố cục lệch quá xa, hãy tăng cường độ ảnh hưởng của ảnh tham chiếu. Nếu phong cách quá cứng nhắc, hãy điều chỉnh cường độ của lớp phủ phong cách. Mục tiêu là giữ lại khung xương của bản gốc trong khi thay đổi lớp vỏ bên ngoài.

Các phương pháp lai ghép

Phần lớn các quy trình làm việc chuyên nghiệp đều hưởng lợi từ việc kết hợp cả hai phương pháp. Cách tiếp cận lai sử dụng text-to-image cho giai đoạn khám phá ban đầu và image-to-image cho giai đoạn tinh chỉnh cuối cùng. Điều này giúp giảm số lượng lần lặp ngẫu nhiên cần thiết để đạt được kết quả hoàn thiện.

Một quy trình làm việc lai điển hình diễn ra như sau:

1. Tạo ra nhiều khái niệm khác nhau bằng cách sử dụng các prompt văn bản để tìm ra ý tưởng bố cục mạnh mẽ.

2. Chọn khái niệm hứa hẹn nhất và sử dụng nó làm ảnh tham chiếu cho lượt xử lý thứ hai.

3. Sử dụng lượt xử lý thứ hai để tinh chỉnh chi tiết, điều chỉnh ánh sáng hoặc thống nhất phong cách với các tài nguyên khác.

Phương pháp này tận dụng sự đa dạng của các prompt văn bản và độ chính xác của các ảnh tham chiếu. Ví dụ, bạn có thể sử dụng Ideogram để tạo bố cục với các yếu tố văn bản cụ thể, sau đó sử dụng kết quả đó làm ảnh tham chiếu trong Photoshop để tinh chỉnh typography và khoảng cách chữ. Điểm mấu chốt là để giai đoạn văn bản xử lý phần "cái gì" và giai đoạn hình ảnh xử lý phần "như thế nào". Đừng cố gắng hoàn thiện các chi tiết ngay trong lượt đầu tiên; hãy để lượt thứ hai đảm nhận phần tinh chỉnh.

Ví dụ thực tế

Dưới đây là cách áp dụng các quy trình làm việc này vào những nhiệm vụ thiết kế phổ biến.

Tạo Logo

Bắt đầu với text-to-image để khám phá các hình dạng biểu tượng và sự kết hợp màu sắc khác nhau. Sử dụng Midjourney để tạo ra các hình thức trừu tượng phù hợp với tính cách thương hiệu. Khi đã có hình dạng ưng ý, hãy đưa kết quả đó vào Photoshop. Sử dụng nó làm ảnh tham chiếu để làm sạch các cạnh, điều chỉnh độ đậm của đường nét và đảm bảo logo hiển thị tốt khi phóng to. Giai đoạn văn bản tìm ra hình dạng; giai đoạn hình ảnh tinh chỉnh cách thực hiện.

Thiết kế Nền

Sử dụng text-to-image để tạo các nền có tính khí quyển. Mô tả tâm trạng, ánh sáng và độ sâu trường ảnh. DALL-E 3 hữu ích ở đây để tạo ra các mối quan hệ không gian mạch lạc. Khi đã có nền phù hợp với bố cục, hãy sử dụng image-to-image để điều chỉnh độ tương phản hoặc độ bão hòa sao cho khớp với các yếu tố ở tiền cảnh. Điều này đảm bảo nền không cạnh tranh với nội dung được đặt trên đó.

Minh họa Nhân vật

Bắt đầu với text-to-image để xác định các đặc điểm và trang phục của nhân vật. Sử dụng Leonardo AI để tạo một bảng nhân vật cơ bản. Sau đó, sử dụng image-to-image để tạo các biến thể về tư thế hoặc biểu cảm trong khi vẫn giữ cho khuôn mặt nhân vật nhất quán. Cách này giúp duy trì bản sắc xuyên suốt các hình minh họa khác nhau mà không cần vẽ lại thủ công các đặc điểm khuôn mặt.

Bằng cách khớp quy trình làm việc với giai đoạn của dự án, bạn giảm thiểu công sức lãng phí. Prompt văn bản mở ra cánh cửa; ảnh tham chiếu bước qua chúng.