Generatorji slik AI imajo težave s črkovanjem, ker rišejo slike, ne besedila. Naučijo se, kako so črke videti kot oblike in vzorci slikovnih pik, besede pa nikoli ne vtipkajo črko za črko, zato lahko majhen spodrsljaj spremeni »BAKERY« v »BAKRERY«. Številni tudi vaš poziv berejo po delih besed in ne po posameznih črkah, kar natančno črkovanje še dodatno otežuje.
Novejši generatorji kratko besedilo obvladajo veliko bolje kot zgodnji, vendar dolgi odlomki, majhne črke, nenavadna imena in nelatinični pisni sistemi še vedno povzročajo napake. Če že imate sliko s pokvarjenimi besedami, lahko pogosto popravite besedilo na slikah, ustvarjenih z AI, ne da bi začeli znova. Vodnik pojasnjuje, zakaj do napak pride, kako s pozivom dobiti boljše besedilo in kako ga pozneje popraviti, ne glede na to, ali je slika nastala v orodju Midjourney, ChatGPT, Gemini, Stable Diffusion ali drugem generatorju.
Kako generatorji slik AI ustvarijo sliko
Številni priljubljeni generatorji slik uporabljajo metodo, imenovano difuzijski model. Model začne z naključnim šumom, podobnim zrnatemu šumu na televizorju brez signala, in v vsakem od mnogih korakov odstrani nekaj tega šuma. Vaš poziv vodi vsak korak, zato se šum počasi spremeni v sliko, ki ustreza vašemu opisu. Celotna slika se izboljšuje skupaj: nebo, obrazi in črke dobijo obliko hkrati.
Ne deluje vsak generator tako. Nekateri sliko namesto tega sestavijo kot zaporedje majhnih kosov. A na splošno imajo modeli za ustvarjanje slik iz besedila eno pomembno skupno lastnost: napovedujejo, kakšna naj bi bila slika. Ni koraka, v katerem bi model izbral pisavo in vtipkal »B«, nato »A«, nato »K«. Črke se pojavijo le kot oblike, ki so videti pravilne, zato so lahko skoraj pravilne, a ne povsem.
Zakaj je besedilo za generatorje slik tako težko
Več vzrokov deluje skupaj. Vsak poveča verjetnost majhne napake, besedilo pa je mesto, kjer so majhne napake zlahka vidne.
Črke so drobne podrobnosti s strogimi pravili
Drevo ima lahko poljubno število vej in je še vedno videti kot drevo. Beseda ima natanko eno pravilno črkovanje. Besedilo ima tudi pravila, ki veljajo za celotno besedo: vsaka črka potrebuje enak slog in višino, razmiki morajo biti enakomerni, črke pa morajo ležati na isti črti. Odvečna poteza, manjkajoča črka ali podvojena črka so očitne vsakomur, ki jezik bere, tudi če je preostala slika videti resnična.
Model morda nikoli ne vidi črk, ki ste jih vtipkali
Preden lahko generator uporabi vaš poziv, ga komponenta, imenovana besedilni kodirnik, pretvori v števila. Številni besedilni kodirniki poziv najprej razdelijo na žetone (tokene). Pogoste besede pogosto postanejo en sam žeton, redkejše besede pa se razdelijo na več delov. Široko uporabljena metoda za gradnjo teh delov je kodiranje parov bajtov. Pristop je učinkovit, vendar model za vsak del prejme ID in ne črk v njem. Iz primerov se mora naučiti, da se določen del nariše kot določena vrsta črk.
Članek skupine Google Research, Character-Aware Models Improve Visual Text Rendering, je to preučil neposredno. Raziskovalci so primerjali besedilne kodirnike, ki vidijo posamezne znake (»character-aware«), s kodirniki, ki vidijo samo dele besed (»character-blind«). Slikovni modeli s kodirniki, ki vidijo znake, so vizualno besedilo izrisali natančneje, še posebej dobri pa so bili pri redkih besedah. Članek je tudi ugotovil, da se zelo veliki jezikovni modeli, ki znakov ne vidijo, lahko naučijo dobro črkovati, vendar se ta zmožnost ni dobro prenesla zunaj angleščine in se je pojavila samo pri modelih, ki so bili veliko večji od besedilnih kodirnikov, ki so jih generatorji slik takrat običajno uporabljali.
Učne slike besedilo pogosto prikazujejo slabo
Generatorji se učijo iz zelo velikih zbirk slik s pripadajočimi opisi. Na teh slikah je besedilo pogosto majhno, zamegljeno, odrezano, vidno pod kotom ali delno skrito, pojavlja pa se v izjemno različnih pisavah in slogih. Opis, ki pripada sliki, besedila morda sploh ne omenja. Model tako vidi veliko primerov tega, kako je besedilo na splošno videti, manj pa jasnih primerov tega, kako natanko naj se napiše posamezna beseda.
Majhno besedilo ima zelo malo slikovnih pik
Naslov se lahko razteza čez stotine slikovnih pik, beseda v drobnem tisku pa lahko dobi le nekaj slikovnih pik na črko. Številni generatorji delajo tudi na stisnjeni različici slike in na koncu znova zgradijo sliko v polni velikosti, kar pušča še manj prostora za majhne podrobnosti. Fine črte, kot je prečka v mali črki »e«, je zlahka izgubiti.
Zakaj novejši modeli pišejo boljše besedilo
Generatorji slik so postali precej boljši pri kratkih naslovih in oznakah. Na splošno novejši sistemi za razumevanje poziva uporabljajo močnejše jezikovne modele, razvijalci pa so med učenjem besedilu namenili več pozornosti. Zgoraj omenjena raziskava kaže v isto smer: modeli, ki prejmejo boljše informacije o črkah, besedilo narišejo natančneje.
Izboljšanje je resnično, a neenakomerno. Generator, ki pravilno napiše naslov s tremi besedami, se lahko še vedno spotika pri odstavku, jedilniku ali oznaki v jeziku, ki ga je med učenjem videl redkeje.
Kje se generatorji slik AI še vedno spotikajo
- Dolgo besedilo. Odstavki, jedilniki in seznami, kjer je vsaka dodatna beseda še ena priložnost za napako
- Majhno besedilo. Drobni tisk, oznake in besedilo daleč v prizoru
- Nenavadne besede. Imena, izmišljene besede, novi izrazi in dolge številke, kot so telefonske številke ali kode
- Nelatinični pisni sistemi. Arabščina, kitajščina, hindijščina, japonščina, korejščina, tajščina in drugi pisni sistemi ter črke z diakritičnimi znaki
- Veliko blokov besedila. Plakati in infografike z več ločenimi deli besedila
- Ukrivljene ali nagnjene površine. Besedilo na steklenici, zastavi ali tabli, ki jo vidimo s strani
- Doslednost. Ohranjanje enakega besedila v seriji slik
To so pogosti vzorci in ne trdna pravila ter se razlikujejo od generatorja do generatorja in od različice do različice.
Kako dobiti boljše besedilo pri ustvarjanju slike
- Natančne besede dajte v narekovaje. Na primer, zahtevajte plakat z naslovom »NIGHT MARKET« in ne plakata o nočni tržnici.
- Besedilo naj bo kratko. Nekaj besed v veliki velikosti je lažje pravilno dobiti kot cel stavek. Daljše besedilo raje dajte v podnapis ali na spletno stran.
- Povejte, kam gre besedilo. Opišite položaj in velikost, na primer »velik naslov čez vrh« ali »majhna etiketa na kozarcu«.
- Zahtevajte preproste črke. Krepke, čiste velike črke na enobarvnem območju model lažje nariše kot okrasno pisavo čez razgibano ozadje.
- Naredite več različic. Ustvarite nekaj možnosti, izberite tisto z najboljšim črkovanjem in popravite le, kar ostane.
- Natančno besedilo dodajte pozneje, kadar je pomembno. Za jedilnik, cenik ali karkoli z drobnim tiskom ustvarite sliko s praznim prostorom in besedilo postavite v orodju za oblikovanje. Tako je besedilo vtipkano in ne narisano.
Kako besedilo popraviti pozneje
Če je slika pravilna, besede pa napačne, imate štiri glavne možnosti. Tukaj so od najmanj do največ truda.
| Metoda | Trud | Kaj se lahko še spremeni | Najboljše, kadar |
|---|---|---|---|
| Ponovno ustvarite sliko | Nizek | Vse, ker dobite novo sliko | Je napačna cela slika ali vam ni mar, da to različico izgubite |
| Izberite in uredite v generatorju | Nizek | Lahko se znova narišejo tudi območja v bližini | Želite hiter popravek v istem orodju |
| Orodje za zamenjavo besedila z AI | Nizek do srednji | Območje besedila se nariše znova, zato preverite rezultat | Slika je pravilna in so napačne samo besede |
| Ročni popravek v urejevalniku slik | Visok | Samo to, kar spremenite | Potrebujete celoten nadzor, na primer za tisk ali delo za stranke |
Ponovno ustvarite sliko
Ponovno ustvarjanje zahteva malo truda, vendar je rezultat naključen. Nov poskus lahko popravi besedo in pokvari kaj drugega, na primer obraz, roko ali postavitev. Uporabite ga, kadar za to natančno sliko še niste porabili veliko časa.
Izberite in uredite znotraj generatorja
Nekateri generatorji omogočajo, da označite območje in opišete spremembo. V ChatGPT lahko na primer z orodjem za izbiro označite besedilo in vtipkate, kaj naj piše. Center za pomoč podjetja OpenAI opozarja, da označitve niso vedno natančne, zato se lahko spremenijo tudi podrobnosti blizu besedila. Za podrobnejši pogled glejte ali ChatGPT lahko uredi besedilo na sliki.
Uporabite orodje za zamenjavo besedila z AI
Orodje za zamenjavo besedila prepozna besedilo na sliki namesto vas, zato vnesete samo pravilno črkovanje. Z EditText.ai na primer urejate besedilo na sliki vrstico za vrstico, vsaka vrstica pa se znova nariše v videzu izvirnih črk in ozadja. Za eno samo napačno črko ali besedo glejte, kako popraviti tipkarsko napako na sliki. Za naslove in naslovne črke na dizajnih za dogodke glejte, kako spremeniti besedilo na plakatu.
Prej in potem: popačen neonski napis na sliki AI, popravljen z vnosom THEATER v EditText.ai.
Rezultati se lahko razlikujejo, zlasti pri nenavadnih črkah ali podrobnih ozadjih. Ker ponovno risanje prav tako opravi slikovni model, vsako novo besedo preberite črko za črko v polni velikosti. Vsako prepoznavanje besedila lahko popačene črke tudi napačno prebere, zato poskrbite, da je vsaka prepoznana vrstica tista, ki ste jo želeli spremeniti.
Popravite ročno
V programu Photoshop, Photopea ali podobnem urejevalniku pokvarjene črke odstranite, obnovite ozadje in novo besedilo postavite v izbrani pisavi. To vam daje največ nadzora in je primerno za tisk ali delo za stranke, vendar zahteva znanje in čas. Črke, ki jih ustvari AI, pogosto niso prava pisava, zato iskalnik pisav morda ne najde ujemanja. Preberite kako prepoznati pisavo na sliki za načine, kako najti dovolj podoben nadomestek.
Preprosto pravilo vam pomaga pri izbiri: če je napačna cela slika, jo ustvarite znova. Če so napačne samo besede, popravite besede.
Druge možnosti
Lahko tudi povsem odstranite besedilo s slike in na čisto ozadje v orodju za oblikovanje postavite pravo besedilo, kar je dober pristop za jedilnike in cenike. Ko je besedilo pravo, lahko prevedete besedilo na sliki in naredite različice za druge jezike.
Urejajte samo slike, ki so vaše ali jih smete spreminjati, ne odstranjujte vodnih žigov ali navedb avtorstva in ohranite vse oznake slik AI, ki jih zahteva platforma.
Popravite besede in ohranite sliko
Če je slika pravilna, črkovanje pa napačno, vam ni treba začeti znova. Naložite jo, da z EditText.ai popravite besedilo na slikah AI, za vsako vrstico vnesite pravilne besede in preverite rezultat, preden ga prenesete.
Pogosta vprašanja
Zakaj AI pokvari besedilo na slikah?
Generatorji slik AI besedilo narišejo kot oblike in ga ne vtipkajo kot črke, številni pa pozive berejo po delih besed in ne po posameznih znakih. Besedilo je tudi majhna podrobnost s strogimi pravili, zato ena napačna poteza izstopa. Učne slike pogosto prikazujejo besedilo, ki je majhno, zamegljeno ali pod kotom, kar modelom daje manj jasnih primerov za učenje.
Zakaj AI piše nesmisle namesto pravih besed?
Kadar model ni prepričan, kako se beseda črkuje, vseeno nariše oblike, ki so videti kot črke, ker je tako videti besedilo na njegovih učnih slikah. Rezultat so lahko znaki, podobni črkam, pomešane abecede ali izmišljene besede. Najpogosteje se zgodi pri dolgem besedilu, majhnih črkah in nenavadnih besedah, redkeje pa pri kratki frazi v narekovajih.
Kateri generator slik AI je najboljši pri besedilu?
Trajnega odgovora ni, ker se modeli pogosto spreminjajo in se lahko vsaka nova različica obnaša drugače. Na splošno novejši generatorji kratko, veliko besedilo obvladajo bolje kot starejši. Najbolj uporaben preizkus je vaš lasten poziv: ustvarite isto kratko frazo v orodjih, do katerih imate dostop, nato preverite črkovanje črko za črko, preden se odločite za enega.
Ali lahko napačno črkovano besedilo na sliki AI popravim brez ponovnega ustvarjanja?
Da. Območje lahko izberete in popravek opišete v istem generatorju, besedilo ročno znova vtipkate v urejevalniku, kot sta Photoshop ali Photopea, ali uporabite orodje za zamenjavo besedila, ki prepozna besede, tako da lahko vnesete pravilno črkovanje. Ne glede na metodo rezultat primerjajte z izvirnikom, da opazite spremembe blizu besedila.
Zakaj iskalnik pisav ne prepozna črk na moji sliki AI?
Generatorji AI črke običajno narišejo po vzorcih, ki so se jih naučili, ne iz nameščene datoteke s pisavo. Črke lahko mešajo značilnosti več pisav ali se od črke do črke spremenijo po obliki. Orodje za prepoznavanje pisav lahko vseeno predlaga podobne pisave, kar pomaga, če nameravate besedilo znova vtipkati, vendar natančnega ujemanja pogosto ni.