بایگانی برچسب: s

قرعه‌کشی آتلیه در تاریخ پنجم بهمن‌ماه برگزار می‌شود

به جهت بهبود تجربه کاربری و همچنین دریافت بازخورد از کاربران جدیدتر، پلتفرم هوش مصنوعی آتلیه در نظر دارد تا در طی یک قرعه‌کشی که از طریق پلتفرم‌های ایکس (سابقا توییتر) و اینستاگرام برگزار می‌کند، به یکی از کاربران به قید قرعه مبلغ یک میلیون تومان در قالب «اعتبار وبسایت» هدیه دهد.

این قرعه‌کشی با شرایط خاص و طی هفته جاری برگزار خواهد شد. گرچه با توجه به حجم استقبال افرادی که در این قرعه‌کشی‌ها شرکت می‌کنند، ممکن است تا ۱۲ بهمن ۱۴۰۳ نیز این قرعه‌کشی تمدید شود.

شرایط شرکت در قرعه‌کشی

ساخت حساب کاربری

برای این که در قرعه‌کشی آتلیه شرکت کنید، کافیست ابتدا در وبسایت آتلیه یک حساب کاربری بسازید. ساخت حساب کاربری از شما تنها یک آدرس ایمیل و یک رمز عبور امن می‌خواهد.

به جهت ساخت یک حساب کاربری در وبسایت آتلیه، کافیست از طریق این لینک اقدام کنید. همچنین اگر پیشاپیش یک حساب کاربری دارید، می‌توانید وارد حساب خود شوید و مطابق ادامه مطلب، پیش بروید.

ساخت یک مدل طبق آموزش‌های موجود

پس از این که حساب کاربری خود را ساختید، کافیست مطابق آموزشی که پیش‌تر در همین بلاگ قرار گرفته و از طریق این لینک در دسترس است، اقدام به ساخت یک مدل کنید. در واقع با ساخت مدل، شما مدل‌های هسته مانی‌آرت را روی تصاویر مورد نظر خود، تمرین می‌دهید (یا اصطلاحا train می‌کنید).

پس از آن، از طریق افزایش اعتبار حساب کاربری، قادر خواهید بود تا از طریق پرامپت‌زنی درست (که در این لینک آموزش داده شده است) اقدام به ساخت تصاویر دلخواه نمایید.

پس از ساخت تصاویر مورد نظر، از طریق انتشار آن در فضای مجازی و رعایت ضوابط قرعه‌کشی، قادر به شرکت در قرعه‌کشی بزرگ خواهید بود.

همچنین به جهت بهتر شدن تجربه کاربری، آموزش ویدئویی روی آپارات و یوتوب نیز قرار گرفته است.

انتشار تصویر مورد نظر در شبکه‌های اجتماعی و تگ شدن آتلیه

پس از آن که تصویر مورد نظر خود را از میان تصاویر ساخته شده برگزیدید، کافیست تا مراحل زیر را طی کنید:

همچنین اگر حساب کاربری خصوصی یا محافظت‌شده دارید، کافیست تا از پستی که منتشر کردید اسکرین‌شات گرفته و برای ما ارسال کنید تا در قرعه‌کشی شرکت داده شوید.

جمع‌بندی

نتایج این قرعه‌کشی (در صورت عدم تمدید) در روز شنبه ۶ بهمن‌ماه، از طریق حساب‌های کاربری آتلیه در اینستاگرام و ایکس، اعلام خواهد شد. لازم به ذکر است که این نخستین بار نخواهد بود که پلتفرم هوش مصنوعی آتلیه، قرعه‌کشی یا اعتبار هدیه خواهد داشت. بلکه در مناسبت‌های مختلف، هدایای مختلفی به کاربران اعطا خواهد گشت.

بروزرسانی ۱۵ دی‌ماه ۱۴۰۳ پلتفرم آتلیه

مورخ ۱۵ دی‌ماه ۱۴۰۳، پلتفرم هوش مصنوعی آتلیه دست‌خودش تغییرات و بروزرسانی‌هایی شده که در ادامه، تقدیم حضور کاربران و خوانندگان گرامی می‌شود.

بروزرسانی‌های ۱۵ دی ۱۴۰۳

اتمام کمپین یلدا

کمپین یلدای آتلیه، از ۳۰ آذر الی ۱۴ دی ‍۱۴۰۳ ادامه داشت. طی این کمپین، هر کاربر جدیدی که در وبسایت ثبت‌نام می‌کرد، از ۲۰۰ هزارتومان اعتبار اولیه برخوردار می‌شد که این اعتبار در واقع برای ساخت یک «مدل» و ده عدد «تصویر» کافی بود.

اطلاع‌رسانی‌های لازم برای کمپین یلدا، از طریق صفحه‌های آتلیه در اینستاگرام و ایکس (سابقا توییتر) و همچنین صفحات شخصی محمدرضا حقیری، انجام شده بود.

با به پایان رسیدن کمپین یلدای آتلیه، کاربران همچنان مبلغ پنجاه‌هزار تومان اعتبار اولیه دریافت خواهند کرد که برای تولید یک عدد مدل، کافیست حساب خود را به مبلغ صد هزار تومان شارژ کنند. گرچه همچنان توصیه می‌شود در صفحه شارژ، گزینه مورد نظر برای ساخت یک مدل انتخاب شود تا امکان ساخت تصاویر نیز فراهم گردد.

تغییر صفحه شارژ حساب کاربری

پیش‌تر، برای شارژ حساب کاربری خود، ملزم به این بودید که مبلغ را به صورت دستی وارد کنید. در حال حاضر، مبالغ پرطرفداری که توسط کاربران پرداخت شده به شکل گزینه انتخابی درآمده است.

همچنین گزینه «دلخواه» نیز اضافه شده است که اگر مانند گذشته، تمایل به شارژ حساب با مبالغ دلخواه داشتید، بتوانید بدون مشکل مبلغ دلخواه خود را وارد نمایید.

تغییر مدل پایه

در بروزرسانی قبلی، یک دور زیرساخت تولید تصویر تغییر کرد و همچنین hyperparemeterهای مرتبط با مدل پایه نیز دستخوش تغییر شدند. اما در حال حاضر، مدل پایه یک بار از ابتدا تمرین داده شده یا train شده است که بتواند تصاویری نزدیک‌تر به پرتره‌های مدنظر شما، تولید نماید.

در واقع مدل بر روی صدها تصویر پرتره که از سراسر اینترنت جمع‌آوری شده بودند، مجددا تمرین داده شد و این به این معناست که تصاویر با کیفیت بسیار بهتری خدمت شما ارائه خواهند شد.

انتشار بخشی از کد زیرساخت به صورت اوپن سورس

یکی از سوالاتی که بسیاری از کاربران و همچنین محققین هوش مصنوعی می‌پرسیدند در مورد چگونگی و چرایی سرعت بالای آتلیه در تمرین دادن مدل‌ها بود.

از همین رو، تصمیم بر آن شد که نحوه مهاجرت به LoKR و همچنین پیکربندی لازم برای تمرین دادن مدل، به صورت اوپن سورس منتشر شود که از گیتهاب شخصی محمدرضا حقیری، قابل دانلود است.

اضافه شدن هوش مصنوعی جهت بهبود پرامپت‌های شما

پیش‌تر در آموزشی در همین وبسایت، در مورد چگونگی نوشتن پرامپت یا متن ورودی مناسب، صحبت کرده بودیم. اما از آنجایی که بسیاری از کاربران با تولید متون ورودی مناسب مشکلات عدیده‌ای داشتند و این مشکلات باعث می‌شد که عکس‌های تولیدیشان کیفیت لازم را نداشته باشد، تصمیم بر آن شد تا یک مدل هوش مصنوعی پرامپت‌ها را بهبود دهد.

از همین رو، از این به بعد هر پرامپتی که بنویسید، ابتدا از مدل‌های توسعه‌یافته در پروژه جبیر عبور کرده و بهبود می‌یابند و سپس به تولیدکننده تصویر ما داده خواهند شد.

آمار وبسایت آتلیه

در تاریخ ۱۵ دی ۱۴۰۳ در وبسایت آتلیه ۳۲۵ کاربر ثبت‌نام کردند و ۱۵۰ مدل ساختند. با استفاده از این ۱۵۰ مدل تا کنون ۱۳۹۴ تصویر ساخته شده‌است.

با ما در ارتباط باشید

چنانچه ایده، پیشنهاد، سوال یا انتقادی دارید، همواره قادر هستید تا با کمک فرم تماس وبسایت آتلیه، با مدیریت مجموعه در تماس باشید.

بروزرسانی ۱۰ دی ۱۴۰۳ وبسایت آتلیه

در آستانه سال نوی میلادی، و در میانه کمپین یلدای آتلیه، تصمیماتی اتخاذ شد که وبسایت آتلیه، یک بروزرسانی اساسی دریافت کند. این بروزرسانی در سطوح مختلفی از جمله زیرساخت، مدل مورد استفاده و همچنین فرانت‌اند وبسایت صورت گرفته که در ادامه به آن می‌پردازیم.

تغییر زیرساخت تولید تصویر

برای تولید تصویر، ما پیش‌تر از وبسایت Fal AI استفاده می‌کردیم. این وبسایت، امکان استفاده از مدل‌های LoRA (و ساختارهای مشابه مانند LyCORIS, LoKR, DoRA و …) را فراهم می‌آورد، اما مساله‌ای که با آن مواجه بودیم این بود که هزینه ساخت تصاویر با کیفیت مطلوب، در این پلتفرم بسیار بالا می‌رفت.

از همین رو، تصمیم برآن شد تا تغییراتی در زیرساخت رخ داده و زیرساخت تولید تصویر نیز به وبسایت Modal منتقل شود و هم‌اکنون هم تمرین‌دهی (یا training) و هم تولید تصاویر با کمک Modal و با کمک پردازنده‌های گرافیکی H100 صورت می‌پذیرد.

این تغییر زیرساخت، به ما کمک کرد تا در انتخاب Base Model نیز دستمان بازتر باشد و بتوانیم هرمدلی که خواستیم را در این قسمت از محصول، استفاده کنیم.

تغییر مدل هوش مصنوعی

پیش‌‌تر، در پلتفرم آتلیه از مدل FLUX Dev استفاده می‌شد. چرا که این مدل، تنها مدلی بود که روی Fal AI پشتیبانی می‌شد. ما حتی بارها با پشتیبانی این تیم به جهت میزبانی مدل‌های خودمان ارتباط برقرار کردیم و پاسخی دریافت نشد.

اما پیش‌تر، در پلتفرم هوش مصنوعی مانی، ما نسخه‌ای از مدل فلاکس که توسط خودمان fine-tune شده بود را با نام Mann-E Flux (که در وبسایت مانی Mann-E Pro نام دارد) را عرضه کرده بودیم و می‌دانستیم که این مدل، نتایج بهتری به کاربران خواهد داد. از همین رو، پس از انتقال زیرساخت، مدل جدید جایگزین شد.

مدل مانی پرو (یا مانی فلاکس) با بررسی و پالایش هزاران تصویر تولیدشده توسط میدجرنی تمرین داده شده است که همین امر به تنهایی سبب می‌گردد تا نتایج بهتری نسبت به Flux Dev ارائه دهد. به همین خاطر از این به بعد، تصاویر شما با کمک مدل‌های پلتفرم مانی پردازش و تولید می‌شوند.

تغییرات فرانت‌اند وبسایت

در عین حال، در فرانت‌اند وبسایت نیز تغییراتی رخ داده است. نخستین تغییر، این است که هنگام تولید تصویر تخمینی از زمان تولید تصویر به شما داده می‌شود (معمولا چیزی در حدود یک دقیقه)، این امر باعث می‌شود کاربران، ایده بهتری از این که چقدر تولید تصاویرشان طول می‌کشد خواهند داشت.

تغییر بعدی، ایجاد امکان حذف تصویر است. چرا که در وبسایت آتلیه، بسیاری از تصاویری که تولید می‌شوند، می‌توانند خصوصی تلقی شوند. به همین خاطر، گزینه حذف تصویر نیز اضافه شد تا کاربران بتوانند به راحتی تصاویر خود را از سرورهای ما حذف کنند.

شما چه چیزی نیاز دارید؟

کاربران عزیز چنانچه احساس نیاز به ویژگی یا امکانات جدیدی دارید، همیشه می‌توانید با استفاده از فرم تماس سایت آتلیه، با ما در ارتباط باشید.

 

تغییر متد training در مدل‌های آتلیه

یکی از ویژگی‌های پلتفرم هوش مصنوعی آتلیه، این است که به جای آن که از متدهای قدیمی مانند Face Swap برای گذاشتن چهره شما روی مدل ساخته‌شده توسط AI استفاده کند، مدل مورد استفاده در پلتفرم مانی یا همان مانی‌آرت را به قولی تمرین داده و یا train می‌کند.

تمرین دادن مدل، در ابتدا توسط متدی به نام LoRA یا Low Rank Adaption انجام می‌شد، اما از تاریخ ۵ دی‌ماه ۱۴۰۳ این متد به LoKR یا Low Rank Kronecker Product تغییر داده شده است.

در این پست، توضیح داده خواهد شد که چرا این متد، متد بهتری نسبت به LoRA است و چرا شما نیز بهتر است استفاده از این متد را در نظر بگیرید.

چرا ابتدا از LoRA در آتلیه استفاده شد؟

متد LoRA یا Low Rank Adaption یکی از مرسوم‌ترین روش‌های بهینه‌سازی یا Finetune کردن مدل‌های هوش مصنوعی است. این روش، مانند زمانی است که شما به جای از نو نوشتن جزوه یک درس، روی کاغذهای یادداشت، نکات مربوط به فصل‌های مربوطه را نوشته و آن را به جزوه خود، منگنه کنید.

در واقع، در بهینه‌سازی به روش LoRA ما قرار نیست تا کل مدل را دستخوش تغییر نماییم بلکه فقط بخش مورد نظر خود را تغییر می‌دهیم یا به آن اضافه می‌کنیم. همین امر باعث شده است که تولید LoRA عملیاتی آسان، کم‌هزینه و سریع باشد و بسیاری از توسعه‌دهندگان و علاقمندان به هوش مصنوعی، این روش را به روش‌های دیگر بهینه‌سازی ترجیح دهند.

گذشته از این موضوع، برای اجرای LoRA نیز نیاز نیست تا مدل‌های پایه (مانند Stable Diffusion یا FLUX) را از ابتدا اجرا کنیم. کافیست این مدل‌ها، در گوشه‌ای از اینترنت اجرا شوند و مجموعه‌ای که مدل را مستقر کرده است، امکان استفاده از LoRA را فراهم آورد.

از همین رو، انتخاب اول ما این شد که به ازای هر دیتاستی که کاربران آپلود می‌نمایند، یک LoRA ساخته شود. سپس این LoRA از طریق یک API و از طریق وبسایت Fal AI به مدل پایه متصل گردد.

و چرا باید از LoRA خداحافظی کنیم؟

در حالی که ما موفق شدیم زمان تمرین‌دادن یا همان training مدل را به شدت کاهش دهیم و بهینه‌ترین شکل LoRA را تولید کنیم، با توجه به بازخوردهای کاربران، تصمیممان این شد که از LoRA خداحافظی نماییم.

اما در همین حال، نیاز به جایگزین درستی برای LoRA داشتیم. به همین خاطر، LoKR برگزیده شد که در ادامه آن را مفصلا توضیح خواهیم داد.

چرا LoKR؟

برای این که درک کنیم چرا LoKR گزینه مناسب‌تری برای پلتفرم ما بود، باید تفاوت آن را با LoRA درک کنیم.

اگر به همان مثال جزوه‌نویسی بازگردیم، وقتی از LoRA استفاده می‌کنیم انگار فقط روی تکه‌ای کاغذ نکات جدید را نوشته و در جزوه خود قرار داده‌ایم. اما استفاده از LoKR اینگونه نیست.

علیرغم این که LoKR نیز در واقع چنین شکلی را دارد، اما بیشتر شبیه زمانی است که ما صفحات خاصی از جزوه را بنا به خواست و صلاحدید آموزگاران و اساتید خود، دستخوش تغییر کنیم و روی بعضی جملات لاک غلط‌گیر گرفته و آن جمله‌بندی را عوض کنیم.

از طرفی اگر بنا به اضافه کردن یادداشتی به جزوه باشد، آن کاغذ یادداشت مورد بحث، در واقع رفرنس‌ها و نمودارها و اشکالی است که باید به جزوه اضافه شوند.

مزیت LoKR نسبت به LoRA برای آتلیه چه بود؟

مزیتی که در این سبک شاهدیم، این است که جزییات صورت، جنس پوست و مو و…، به درستی از کاربر دریافت شده و به مدل‌های پایه داده می‌شود.

این در حالی است که با روش LoRA مشکلات متعددی پیش می‌آمد و گاه نتیجه می‌توانست فرسنگ‌ها دورتر از آنچه باشد که کاربران، میخواهند.

به همین خاطر تصمیم گرفتیم که به LoKR مهاجرت کنم. گرچه روش‌های دیگر هم در دست آزمایش داریم اما در حال حاضر مدل‌هایی که از تاریخ پنجم د‌ی‌ماه ۱۴۰۳ به بعد ساخته شوند – تا زمانی که متد جدیدی لحاظ نگردد – به جای LoRA از متد LoKR استفاده خواهند کرد.

جمع‌بندی

در حال حاضر، با توجه به مهاجرت به روش LoKR در تولید عکس‌های رئالیستی، قرار است که پلتفرم آتلیه عملکرد بهتری از خود نشان دهد. در واقع از آنجایی که ورودی‌های شما همگی رئالیستی هستند، چنین برداشتی خواهد شد.

همچنین باید گفت که روش ساخت مدل همچنان مانند سابق است و تقاوتی نکرده و با رعایت نکات مهم پرامپت‌نویسی، می‌توانید بهترین تصاویر ممکن را تولید کنید.

همچنین اگر در پروسه استفاده از این ابزار به مشکلی برخوردید، ما همیشه از طریق فرم تماس پذیرای نظراتتان هستیم.