Question 1

ਏਆਈ Pose to Image ਕੀ ਹੈ?

Accepted Answer

ਇੱਕ ਵਿਅਕਤੀ ਜਾਂ ਅੱਖਰ ਦੀ ਇੱਕ ਰਿਫਰੈਸ਼ਨ ਫੋਟੋ ਜੋ ਤੁਸੀਂ ਕਾਪੀ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਨੂੰ ਸੁੱਟੋ । ਏਆਈ ਨੇ ਅੱਖਰ ਦੇ ਢਾਂਚੇ ਨੂੰ ਕੱਢਿਆ (ਲੰਬਾਈ ਕੋਣ, ਹੱਥ ਸਥਿਤੀ, ਸਰੀਰ ਸਥਿਤੀ) ਅਤੇ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵਾਂ ਅੱਖਰ ਉਸ ਸਹੀ ਅੱਖਰ ਵਿੱਚ ਬਣਾ ਦਿੱਤਾ, ਜਿਸ ਸਟਾਈਲ ਅਤੇ ਸੈਟਿੰਗ ਵਿੱਚ ਤੁਸੀਂ ਪੁੱਛੇ ।

Question 2

ਪੋਜ਼ ਐਕਸਟਰੈਕਸ਼ਨ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

Accepted Answer

ਇੱਕ ਪੋਸ ਡਿਟੈਕਟਰ (MediaPipe Pose, Apache 2.0) ਤੁਹਾਡੀ ਰਿਫਰੇਨਸ ਚਿੱਤਰ ਵਿੱਚ ਚਾਰ ਲੋਕਾਂ ਲਈ ਸਰੀਰ ਦੇ ਕੀ- ਬਿੰਦੂ ਲੱਭਦਾ ਹੈ - ਨੱਕ, ਅੱਖਾਂ, ਕੰਨ, ਗੋਡੇ, ਲੱਤਾਂ, ਹੱਥ, ਗੁੱਟ ਅਤੇ ਗਠੀਏ। ਇਹ ਕੀ- ਬਿੰਦੂ ਓਪਨ- ਪੋਸ- ਫਾਰਮੈਟ ਦੇ ਸੱਟਲੇਟ ਵਾਂਗ ਬਣਾਏ ਜਾਂਦੇ ਹਨ, ਜੋ ਕਿ SDXL ਉੱਤੇ ਪੋਸ ControlNet ਇੱਕ ਢਾਂਚੇ ਦੀ ਪਾਬੰਦੀ ਵਾਂਗ ਵਰਤਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਡਿਫਿਊਸ਼ਨ ਮਾਡਲ ਹੋਰ ਸਭ ਕੁਝ ਭਰਦਾ ਹੈ। ਹੱਥ ਅਤੇ ਉਂਗਲੀਆਂ ਦੀ ਸਥਿਤੀ ਖੋਜ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

Question 3

ਮੈਂ ਇਸ ਨੂੰ /image/sketch-to-image/ ਨਾਲ ਕਿਹੜਾ ਵਰਤਣਾ ਚਾਹੀਦਾ ਹੈ?

Accepted Answer

ਚਿੱਤਰ- ਲਈ- ਪੋਸ ਬਡੀ ਸਥਿਤੀ ਸੰਭਾਲਦਾ ਹੈ । ਚਿੱਤਰ- ਲਈ- ਸਕੈਚ ਆਉਟਲਾਈਨ/ ਲਾਈਨਵਰਕ ਸੰਭਾਲਦਾ ਹੈ । ਜੇਕਰ ਤੁਸੀਂ ਇੱਕੋ ਜੈਸਚਰ ਪਰ ਵੱਖਰਾ ਅੱਖਰ/ ਆਉਟਫਿਟ/ ਦ੍ਰਿਸ਼ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਪੋਸ ਵਰਤੋਂ । ਜੇਕਰ ਤੁਸੀਂ ਲੇਆਉਟ ਬਣਾਏ ਅਤੇ ਇਸ ਨੂੰ ਇਸੇ ਤਰ੍ਹਾਂ ਪੇਸ਼ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਸਕੈਚ ਵਰਤੋਂ ।

Question 4

ਕਿਹੜੇ ਰੇਂਜ ਈਮੇਜ਼ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ?

Accepted Answer

ਪੂਰਾ ਸਰੀਰ ਜਾਂ ਤਿੰਨ- ਚੌਥਾਈ ਸ਼ੋਟ ਜੋੜਾਂ ਦੀ ਸਪੱਸ਼ਟ ਦਿੱਖ ਨਾਲ । ਫੋਟੋ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ । ਸਟਾਈਲਿਸ਼ ਕਲਾ ਕੰਮ ਕਰਦੀ ਹੈ ਜੇਕਰ ਚਿੱਤਰ ਸਰੀਰਕ ਤੌਰ ਤੇ ਸਪਸ਼ਟ ਹੈ । ਬਹੁਤ ਨੇੜੇ ਤੋਂ ਬਚੋ (ਕੋਈ ਜੋੜ ਜਾਣਕਾਰੀ ਨਹੀਂ), ਭਾਰੀ ਕੱਟੇ ਹੋਏ ਚਿੱਤਰ, ਜਾਂ ਚਿੱਤਰ ਜਿੱਥੇ ਕਿ ਪੋਸ ਬੰਦ ਹੈ ।

Question 5

ਕੀ ਇਹ ਮੁਫਤ ਹੈ?

Accepted Answer

ਹਾਂ। ਹਰੇਕ ਰਿਡਰ ਦੀ ਕੀਮਤ 1,200 ਟੋਕਨਾਂ (1,000 ਬੇਸ + 20% ਕੰਟਰੋਲਨੈੱਟ ਸੰਰਚਨਾ ਸਰਚਰ) ਦੇ ਲਗਭਗ ਹੈ। ਲਾਗਇਨ ਯੂਜ਼ਰ ਨੂੰ ਰੋਜ਼ਾਨਾ 30,000 ਮੁਫ਼ਤ ਟੋਕਨਾਂ ਮਿਲਦੇ ਹਨ - ਮੁਫ਼ਤ ਪੱਧਰ ਉੱਤੇ ਪ੍ਰਤੀ ਦਿਨ ~4 ਪੋਸਿਸ ਕਵਰ ਕਰਦੇ ਹਨ।

Question 6

ਕੀ ਮੈਂ ਕਾਪੀਰਾਈਟ ਚਿੱਤਰ ਤੋਂ ਇੱਕ ਪੋਸ ਕਾਪੀ ਕਰ ਸਕਦਾ ਹਾਂ?

Accepted Answer

ਪੋਸ ਡਾਟਾ ਇੱਕਲਾ - ਥਾਂ ਵਿੱਚ ਜੁੜੀਆਂ ਸਥਿਤੀਆਂ - ਬਹੁਤੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕਾਪੀਰਾਈਟ ਨਹੀਂ ਹੈ । ਆਉਟਪੁੱਟ ਅੱਖਰ ਤੁਹਾਡੀ ਆਪਣੀ ਬਣਤਰ ਹੈ । ਨਾ ਸਿਰਫ ਪੋਸ ਦੀ ਕਾਪੀ ਕਰੋ, ਬਲਕਿ ਕਿਸੇ ਹੋਰ ਅੱਖਰ ਦਾ ਕਸਟਮ / ਚਿਹਰਾ / ਖਾਸ ਸਟਾਈਲਿੰਗ ਵੀ, ਜੇਕਰ ਵਪਾਰਕ ਵਰਤੋਂ ਦਾ ਟੀਚਾ ਹੈ ।

Question 7

ਕੀ ਇਹ ਜਾਨਵਰਾਂ ਜਾਂ ਗੈਰ-ਮਾਨਵ ਵਿਸ਼ਿਆਂ ਲਈ ਕੰਮ ਕਰਦਾ ਹੈ?

Accepted Answer

ਪੋਸ ਡਿਟੈਕਟਰ ਮਨੁੱਖੀ ਸਰੀਰਕ ਵਿਗਿਆਨ ਉੱਤੇ ਟਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਾਨਵਰਾਂ ਦੀਆਂ ਫੋਟੋਆਂ ਡਿਟੈਕਟਰ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਦੀਆਂ ਹਨ - ਲੱਤਾਂ ਮਨੁੱਖੀ ਕੀ-ਪੁਆਇੰਟ ਸਕੀਮ ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਮਿਲਦੀਆਂ। ਜਾਨਵਰਾਂ ਲਈ, ਹੱਥ ਨਾਲ ਬਣਾਈ ਪੋਸ ਨਾਲ /image/sketch-to-image/ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ।

Question 8

ਕੀ ਮੈਂ ਅੰਤਮ ਰੈਂਡਰਿੰਗ ਉੱਤੇ ਪੋਸ ਪ੍ਰਭਾਵ ਨੂੰ ਤਬਦੀਲ ਕਰ ਸਕਦਾ ਹਾਂ?

Accepted Answer

ਹਾਂ - "ControlNet strength" ਸਲਾਇਡਰ (ਡਿਫਾਲਟ 0.7) ਕੰਟਰੋਲ ਕਰਦਾ ਹੈ ਕਿ ਏਆਈ ਕਿੰਨੀ ਸਖਤੀ ਨਾਲ ਪੋਸ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। 1.0= ਸਹੀ ਪੋਸ, 0.4= ਢਿੱਲੀ ਵਿਆਖਿਆ। ਜੇਕਰ ਆਉਟਪੁੱਟ ਸਖਤ ਲੱਗਦਾ ਹੈ ਤਾਂ ਇਸ ਨੂੰ ਘੱਟ ਕਰੋ; ਜੇਕਰ ਪੋਸ ਡਰਿਫਟ ਹੁੰਦਾ ਹੈ ਤਾਂ ਇਸ ਨੂੰ ਵਧਾਓ।

Question 9

ਕੀ ਆਉਟਪੁੱਟ ਸਾਈਜ਼ ਸਹਾਇਕ ਹਨ?

Accepted Answer

512×512 ਡਿਫਾਲਟ ਹੈ। ਸਟੈਂਡਰਡ SDXL ਆਸਪੈਕਟ ਰੇਟ (768×1024, 1024×768, 1024×1024) ਸਭ ਕੰਮ ਕਰਦੇ ਹਨ। ਵੱਡੇ ਆਕਾਰ ਵਧੇਰੇ VRAM ਅਤੇ ਟੋਕਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ; H200 1024×1024 ਤੱਕ ਸਹਾਇਕ ਹੈ।

Question 10

ਇਹ OpenPose ਨਾਲ ComfyUI / Automatic1111 ਨਾਲ ਕਿਵੇਂ ਤੁਲਨਾ ਕਰਦਾ ਹੈ?

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

ਕੀ ਅੱਪਲੋਡ ਕੀਤੇ ਹਵਾਲਾ ਚਿੱਤਰ ਸੰਭਾਲੇ ਗਏ ਹਨ?

Accepted Answer

ਹਵਾਲਾ ਚਿੱਤਰ ਤੁਰੰਤ ਪਰੋਸੈੱਸ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਜੋ ਕਿ ਪੋਸੈ ਐਕਸਟਰੈਕਸ਼ਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਪੈਦਾ ਕਰਨ ਦੇ ਪੂਰੇ ਹੋਣ ਉੱਤੇ ਰੱਦ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਸਿਰਫ ਤੁਹਾਡੇ ਪੈਦਾ ਕੀਤੇ ਆਉਟਪੁੱਟ + ਪ੍ਰਸ਼ਨ ਹੀ /account/?tab=history ਉੱਤੇ ਰੱਖੇ ਜਾਂਦੇ ਹਨ। ਟਰੇਨਿੰਗ ਲਈ ਕਦੇ ਨਹੀਂ ਵਰਤੇ ਜਾਂਦੇ। /privacy/ ਉੱਤੇ ਪਰਾਈਵੇਸੀ ਪਾਲਸੀ ਹੈ।

Question 12

ਕੀ ਕੋਈ API ਹੈ?

Accepted Answer

ਹਾਂ — /v1/image/generate/ ਲਈ multipart POST, model=sdxl, prompt, control_image (file), control_type=pose ਨਾਲ । ਚਿੱਤਰ URL + ਸਾਂਝਾ ਟੋਕਨ ਵਾਪਸ ਦਿੰਦਾ ਹੈ । ਧਾਰਕ ਪਰਮਾਣਿਕਤਾ, 10K ਟੋਕਨ/ਮਹੀਨਾ ਮੁਫਤ । /api/ ਉੱਤੇ ਕਰਲ ਉਦਾਹਰਨ ਹੈ ।

Pose → Image (ControlNet)

ਨਤੀਜਾ

Pose → Image (ControlNet)

ਨਤੀਜਾ

ਹਰ ਰੋਜ਼ 30,000 ਮੁਫਤ ਟੋਕਨ

ਉਡੀਕ: 30K ਮੁਫਤ ਟੋਕਨ/ਦਿਨ!

Wan ਹੋਰ ਨਹੀਂ?