แกลเลอรีภาพตัวอย่างจาก MCP-ImageGen — คน ธรรมชาติ และข้อความในภาพ

ภาพประกอบ: แกลเลอรีภาพตัวอย่างจาก MCP-ImageGen — คน ธรรมชาติ และข้อความในภาพ

ทุกภาพในหน้านี้สร้างด้วย MCP-ImageGen บนเครื่อง Mac Apple Silicon 48 GB ของผู้เขียน ขณะที่โมเดลภาษา 35B เปิดค้างอยู่ในเครื่องเดียวกัน ไม่มีภาพไหนมาจาก API ภายนอก ไม่ผ่านการแต่งต่อด้วยโปรแกรมอื่น (แปลงเป็น JPEG เพื่อลดขนาดเท่านั้น) และทุกภาพเรียกผ่าน MCP generate_image หรือ edit_image จริง

จุดที่โมเดล Qwen Image 2.1 ทำได้ดีที่สุดจากการลองครั้งนี้คือ ภาพคน ภาพธรรมชาติ และข้อความอังกฤษสั้นๆ ในภาพ จึงเลือกภาพทั้งสามแนวนี้มาเป็นหลัก

ภาพตัวอย่าง

กด “ดู prompt” ใต้แต่ละภาพเพื่อดู prompt เต็ม ค่า prompt, อัตราส่วน, steps และ seed ชุดเดียวกันให้ภาพเดิม จึงทำซ้ำได้ที่เครื่องของคุณ

ภาพเหล่านี้ถูกคัดมาอย่างไร

ผมไม่ได้โชว์ทุกภาพที่สร้าง และอยากบอกให้ชัด:

  • สร้างทั้งหมด 19 ภาพ โดยใช้ 1 seed ต่อ 1 prompt ไม่ได้ไล่ลองหลาย seed เพื่อหาภาพที่ดีที่สุด (ยกเว้นป้ายกระดานดำที่ลองสอง seed ตามที่เล่าด้านล่าง)
  • ตัดออก 3 ภาพ: ป่าใบไม้ร่วง (แสงบนสว่างล้นและพื้นใบไม้เบลอเป็นหย่อม), ชายหาดเรือหางยาว (ภาพสว่างจัด เรือเล็กอยู่มุมเดียว) และป้ายกระดานดำรอบแรก (มีตัวอักษร HAPPY ตัวเล็กเกินมาอีกบรรทัด)
  • ที่เหลือคือภาพในแกลเลอรีนี้ (รวมคู่ก่อน–หลังแก้ภาพ) และภาพปกของบทความในหมวด MCP-ImageGen ซึ่งสร้างด้วยเครื่องมือเดียวกัน

การคัดทำด้วยการดูภาพที่ขนาดปกติ ไม่ได้ขยายตรวจทีละพิกเซล ผมตัดเฉพาะภาพที่เห็นข้อบกพร่องชัด จึงอาจมีรายละเอียดเล็กๆ ที่ผ่านตาไป เช่น โลโก้เล็กบนเสื้อแม่ค้าที่อ่านไม่ออก

สิ่งที่ได้เรียนรู้จากการสร้างชุดนี้

  • ภาพคน: ใบหน้า ผิว และเท็กซ์เจอร์ผ้าออกมาสมจริงในชุดนี้ และมือที่อยู่ในภาพ (ถือตะหลิว จับหนังสือ) นิ้วครบในภาพที่ผ่านการคัด แต่ผมไม่ได้วัดอัตราสำเร็จของมือ และโมเดลมักวาดใบหน้าแบบตะวันตกถ้าไม่ระบุ ตัวอย่างข้างบนจึงเขียนชาติพันธุ์ลงไปใน prompt
  • ข้อความอังกฤษในภาพ: ข้อความสั้นที่ใส่ในเครื่องหมายคำพูดตรงๆ สะกดถูกทั้ง OPEN LATE และ VISIT THE ALPS ส่วนป้ายกระดานดำรอบแรกมีบรรทัดเกินมา รอบที่สองเปลี่ยน prompt เป็น “reads exactly … and nothing else written on it” แล้วได้ป้ายที่มีเฉพาะข้อความที่ต้องการ เป็นตัวอย่างเดียว ไม่ใช่การพิสูจน์ว่าวิธีนี้ได้ผลทุกครั้ง ส่วนข้อความภาษาไทยในภาพยังไม่ได้วัด
  • เวลา: ภาพสร้างใช้ราว 150–175 วินาที และการแก้ภาพ 215 วินาที ตามที่ระบุใต้แต่ละภาพ
  • หน่วยความจำ: ระหว่างสร้างภาพและแก้ภาพ วัด footprint รวมของทั้งต้นไม้ process ที่ 5.78 GiB และ 6.60 GiB ตามลำดับ ขณะที่โมเดล 35B เปิดอยู่ ดูกลไกเบื้องหลัง

อยากลองเอง เริ่มที่คู่มือเริ่มต้นใช้งาน และดูรายละเอียดพารามิเตอร์ที่คู่มือ tools

ความคิดเห็น

กำลังโหลดความคิดเห็น...