वाचनासाठी 3 मिनिटे
मजकुरातून चित्र: साध्या शब्दांतून संगणक मनमोहक कलाकृती कशी तयार करतो?
३० सेकंदांत अर्थ
मजकुरातून चित्र ही जनरेटिव्ह कृत्रिम बुद्धिमत्तेची अशी प्रणाली आहे जी मानवी भाषेतील साध्या वर्णनात्मक प्रॉम्प्टचे उच्च दर्जाच्या डिजिटल चित्रात रूपांतर करते. लाखो चित्रे आणि त्यांच्या वर्णनांचा एकत्रित अभ्यास केल्यामुळे, संगणक शब्दांमधील भाव ओळखून वास्तववादी फोटो, तैलचित्र किंवा व्यंगचित्राच्या स्वरूपात नवी कलाकृती निर्माण करतो.
शब्दांची जादुई लेखणी आणि कॅनव्हासवर उमटणारे रंग
शतकानुशतके मनातली कल्पना चित्रात उतरवण्यासाठी माणसाला कुंचला, रंग आणि अनेक वर्षांचा सराव लागत असे. जर तुम्हाला 'सह्याद्रीच्या कड्यावर पाऊस पडत असताना एक वारकरी विठ्ठलाचे नाव घेत उभा आहे' असे चित्र हवे असेल, तर कुशल चित्रकाराला ते कागदावर उतरवायला आठवडे लागायचे. पण आज तुम्ही मोबाईलवर फक्त हीच ओळ जशीच्या तशी टाईप करता, 'एंटर' दाबता आणि अवघ्या दहा सेकंदांत एका कसबी चित्रकाराने काढल्यासारखे अप्रतिम, मनमोहक तैलचित्र तुमच्या स्क्रीनवर हजर होते!
या तंत्रज्ञानाला टेक्स्ट-टू-इमेज किंवा मजकुरातून चित्र निर्मिती म्हणतात. हे तंत्रज्ञान गुगलवरून जुने फोटो चोरून आणत नाही, तर तुमच्या प्रत्येक शब्दाचा अर्थ समजून स्वतःच्या हाताने नवे चित्र रेखाटते.
साक्षीदाराच्या वर्णनावरून रेखाचित्र काढणारा कलाकार
हे कसे घडते हे समजून घेण्यासाठी न्यायालयातील किंवा पोलीस ठाण्यातील एका कसबी रेखाचित्रकाराची कल्पना करा. समोर एक साक्षीदार बसला आहे ज्याने एका संशयिताला पाहिले होते. साक्षीदाराला चित्र काढता येत नाही, तो फक्त बोलून सांगतो: 'त्याचे कपाळ रुंद होते, डोळ्यांवर जाड काळ्या चौकटीचा चष्मा होता, गालावर डाव्या बाजूला एक हलका तीळ होता आणि त्याने खादीचा सदरा घातला होता.'
चित्रकाराने आपल्या आयुष्यात हजारो मानवी चेहरे, चष्म्यांचे प्रकार आणि कपड्यांचे पोत पाहिलेले असतात. तो साक्षीदाराचा प्रत्येक शब्द ऐकतो आणि हातातील पेन्सिलने कागदावर भराभर रेषा ओढायला लागतो. साक्षीदार सांगतो, 'नाही नाही, चष्मा जरा गोल होता.' चित्रकार लगेच खोडरबराने पुसून चष्मा गोल करतो. काही मिनिटांतच साक्षीदाराच्या डोळ्यांसमोर तो चेहरा अगदी जिवंतपणे उभा राहतो. इथे साक्षीदाराने फक्त शब्द दिले, पण चित्रकाराने आपल्या अनुभवाच्या जोरावर त्याचे चित्रात रूपांतर केले.
मजकुरातून चित्र बनवणारी कृत्रिम बुद्धिमत्ता नेमकी याच चतुर चित्रकारासारखी काम करते. तिने इंटरनेटवरील कोट्यवधी चित्रे आणि त्यांच्या खाली लिहिलेले वर्णन वाचून शब्दांचा अर्थ समजून घेतलेला असतो. 'सूर्यास्त' म्हटले की केशरी प्रकाश कसा पडतो आणि 'आनंद' म्हटल्यावर चेहऱ्यावर कोणते स्नायू हलतात हे तिला पक्के ठाऊक असते.
सृजनशील कामात या चित्रांचा आज कसा उपयोग होतो?
कलाकार, लेखक, व्यावसायिक आणि सामान्य नागरिकांसाठी हे साधन एक नवा मित्र बनले आहे:
- पुस्तकांची मुखपृष्ठे आणि कथांची चित्रे: लेखक आपल्या कथांमधील काल्पनिक प्रसंगांची चित्रे तयार करून पुस्तके अधिक देखणी बनवत आहेत.
- शालेय शिक्षण आणि शैक्षणिक साधने: शिक्षक विज्ञानातील अवघड संकल्पना किंवा इतिहासातील किल्ले मुलांना दाखवण्यासाठी झटपट चित्रे बनवून शिकवतात.
- लहान व्यावसायिकांची जाहिरात पत्रके: किराणा दुकानाचे किंवा स्थानिक उत्पादनांचे आकर्षक पोस्टर बनवण्यासाठी महागड्या डिझायनरचा खर्च वाचतो.
- घराची अंतर्गत सजावट आणि वास्तुकला: घरात नवीन फर्निचर कसे दिसेल किंवा भिंतीला कोणता रंग शोभेल हे प्रत्यक्ष काम सुरू करण्यापूर्वीच चित्रात पाहता येते.
उत्कृष्ट चित्रे मिळवण्यासाठी काही उपयुक्त टिप्स
या कुंचल्याचा पुरेपूर आनंद घेण्यासाठी काही साध्या गोष्टी लक्षात ठेवल्यास अधिक सुंदर कलाकृती मिळतात.
- चित्रातील प्रकाश, वातावरण आणि कोनाचे वर्णन करा: केवळ 'मुलगी' लिहिण्याऐवजी 'बागेत फुलांवर कोवळे ऊन पडलेले असताना हसणारी लहान मुलगी, पाठीमागून घेतलेला फोटो' असे सविस्तर सांगा.
- हळूहळू बदल करत नवीन सूचना द्या: पहिल्या प्रयत्नात चित्र मनासारखे न आल्यास आधीच्या चित्रात काय बदलायचे आहे ते स्पष्ट शब्दात सांगा.
- मूळ कलाकारांच्या परिश्रमांचा आदर ठेवा: संगणक चित्रे तयार करू शकतो, पण माणसाच्या हृदयातील खरी अनुभूती आणि मौलिकता नेहमीच अनमोल असते.
शब्दांना चित्राचे पंख देण्याची ही क्षमता प्रत्येकाला स्वतःमधील कलाकार शोधण्याची संधी देते. तंत्रज्ञानाच्या साहाय्याने आपल्या कल्पनेतील सुंदर विचार जगासमोर मांडणे आता प्रत्येकाच्या आवाक्यात आले आहे.
स्रोत
- Imagen: Text-to-Image Diffusion ModelsGoogle Research