Question 1

એઆઈ Pose to Image શું છે?

Accepted Answer

તમે નકલ કરવા માંગતા હોવ તે પોઝમાં વ્યક્તિ અથવા અક્ષરનો સંદર્ભ ફોટો મૂકો. એઆઈ પોઝ સ્કેલેટોન (અંગ કોણ, હાથની સ્થિતિ, શરીરની દિશા) કાઢે છે અને એ જ પોઝમાં સંપૂર્ણપણે નવો અક્ષર રેન્ડર કરે છે, તમે પ્રશ્નમાં વર્ણવેલ કોઈપણ શૈલી અને સુયોજનમાં.

Question 2

પોઝ કાઢવાનું કેવી રીતે કામ કરે છે?

Accepted Answer

પોઝ શોધનાર (MediaPipe Pose, Apache 2.0) શરીરના કીપોઇન્ટ્સ - નાક, આંખો, કાનમાં, કમર, કમર, હાથ, પગ, ઘૂંટણ અને પગના તળિયા - તમારા સંદર્ભ ચિત્રમાં ચાર લોકો માટે શોધે છે. તે કીપોઇન્ટ્સ OpenPose-બંધારણના સ્કેલેટોન તરીકે દોરાયેલ છે કે જે ControlNet પર SDXL પોઝને બંધારણની મર્યાદા તરીકે વાપરે છે જ્યારે ફેલાવો મોડેલ બધું જ ભરે છે. હાથ અને આંગળીની સ્થિતિઓ શોધાયેલ નથી.

Question 3

હું ક્યારે આને /image/sketch-to-image/ વિરુદ્ધ વાપરવો જોઈએ?

Accepted Answer

પોઝ-થી-ચિત્ર એ બોડી પોઝિશનને સંગ્રહે છે. સ્કેચ-થી-ચિત્ર એ આસપાસની રેખા / લીટીઓ સંગ્રહે છે. જો તમે એક જ ચેષ્ટા પરંતુ અલગ અક્ષર / આઉટફિટ / દ્રશ્ય ઇચ્છતા હોવ તો પોઝ વાપરો. જો તમે દેખાવ દોરી રહ્યા હોવ અને તેને એવી રીતે રેન્ડર કરવા માંગતા હોવ તો સ્કેચ વાપરો.

Question 4

કયા પ્રકારના સંદર્ભ ચિત્રો શ્રેષ્ઠ રીતે કામ કરે છે?

Accepted Answer

સંયુક્તોની સ્પષ્ટ દૃશ્યતા સાથે પૂર્ણ-શરીર અથવા ત્રણ-ચોથા ભાગના ફોટા. ફોટા ખૂબ સારા કામ કરે છે. જો આકૃતિ એનાટોમિકલી સ્પષ્ટ હોય તો સ્ટાઇલિશ કલા કામ કરે છે. અતિશય નજીકના (કોઈ સંયુક્ત જાણકારી નથી), ભારે કાપેલા આકૃતિઓ, અથવા ચિત્રોને ટાળો જ્યાં પોઝ ઓક્લ્યુડ છે.

Question 5

શું તે મુક્ત છે?

Accepted Answer

હા. દરેક રેન્ડર લગભગ 1,200 ટોકનનો ખર્ચ કરે છે (1,000 આધાર + 20% ControlNet conditioning surcharge). પ્રવેશેલ વપરાશકર્તાઓ દરરોજ 30,000 મુક્ત ટોકન મેળવે છે — મુક્ત સ્તરમાં દરરોજ ~4 પોઝને આવરી લે છે.

Question 6

શું હું કોપીરાઇટ થયેલ ચિત્રમાંથી પોઝની નકલ કરી શકું?

Accepted Answer

પોઝ માહિતી એકલી - જગ્યા માં જોડાયેલ સ્થિતિઓ - મોટાભાગના કાયદાકીય વિસ્તારોમાં કોપીરાઇટ કરી શકાય તેવી નથી. આઉટપુટ અક્ષર તમારું પોતાનું સર્જન છે. જો વ્યાવસાયિક ઉપયોગ લક્ષ્ય હોય તો માત્ર પોઝની નકલ કરવાનું ટાળો પરંતુ કોસ્ટ્યૂમ / ચહેરો / બીજા કોઈના અક્ષરની ચોક્કસ સ્ટાઇલિંગ પણ.

Question 7

શું તે પશુઓ માટે કામ કરે છે કે માનવી નહિં હોય તેવા વિષયો માટે?

Accepted Answer

પોઝ શોધનાર માનવીય અંગવિકાસ પર તાલીમ પામેલ છે. પશુઓના ફોટા શોધનારને ભેદભાવ કરે છે - અંગ માનવીય કીપોઈન્ટ યોજના માટે ખરાબ રીતે નકશા કરે છે. પશુઓ માટે, /image/sketch-to-image/ હાથેથી દોરેલ પોઝ સાથે વધુ સારી રીતે કામ કરે છે.

Question 8

શું હું અંતિમ રેન્ડર પર પોઝની અસર બદલી શકું?

Accepted Answer

હા — "ControlNet strength" સ્લાઇડર (મૂળભૂત ૦.૭) એ એઆઈ પોઝને કેટલું કડકપણે અનુસરે છે તે નિયંત્રિત કરે છે. ૧.૦ = ચોક્કસ પોઝ, ૦.૪ = લુઝ વ્યાખ્યા. જો આઉટપુટ કડક દેખાય તો તેને નીચે લાવો; જો પોઝ ડ્રિફ્ટ કરે તો તેને વધારો.

Question 9

કયા આઉટપુટ માપ આધારભૂત છે?

Accepted Answer

મૂળભૂત 512×512. પ્રમાણભૂત SDXL આસ્પેક્ટ રેશિયો (768×1024, 1024×768, 1024×1024) બધા કામ કરે છે. મોટા માપ વધુ VRAM અને ટોકનનો વપરાશ કરે છે; H200 1024×1024 સુધી આરામદાયક રીતે આધાર આપે છે.

Question 10

OpenPose સાથે ComfyUI / Automatic1111 ની સરખામણી કેવી રીતે થાય છે?

Accepted Answer

Same SDXL + pose ControlNet approach. ComfyUI / A1111 require local GPU + setup; we run it on shared infrastructure free up to the daily pool, paid beyond that. One difference: the skeleton comes from MediaPipe Pose, which is licensed for commercial use, instead of the CMU OpenPose detector, which is not, so hands and faces are not part of the skeleton.

Question 11

શું અપલોડ થયેલ સંદર્ભ ચિત્રો સંગ્રહાયેલ છે?

Accepted Answer

સંદર્ભ ચિત્રો તરત જ પ્રક્રિયા કરેલ છે, પોઝ કાઢવા માટે વપરાય છે, અને પેદાશ સમાપ્ત થયા પછી નકારવામાં આવે છે. ફક્ત તમારું પેદા થયેલ આઉટપુટ + પ્રશ્ન /account/?tab=history પર રાખવામાં આવે છે. તાલીમ માટે ક્યારેય વપરાય નહિં. /privacy/ પર ગોપનીયતા નીતિ.

Question 12

શું ત્યાં API છે?

Accepted Answer

હા — /v1/image/generate/ માં મોડેલ=sdxl, પ્રશ્ન, control_image (ફાઇલ), control_type=pose સાથે POST multipart. ચિત્ર URL + શેર ટોકન પાછું આપે છે. વહનકર્તા સત્તાધિકરણ, 10K ટોકન/મહિના મુક્ત. /api/ પર કર્લ ઉદાહરણ.

Pose → Image (ControlNet)

પરિણામ

Pose → Image (ControlNet)

પરિણામ

30,000 મુક્ત ટોકન, દરરોજ

રાહ જુઓ: 30K મુક્ત ટોકન/દિવસ!

Wanવધુ નથી?