EMU 3.5 Là Gì và Bạn Có Thể Làm Gì Với Nó: Hướng Dẫn Đầy Đủ Về Khả Năng 2025

Câu Trả Lời Nhanh: EMU 3.5 là mô hình AI đa phương thức (multimodal) của Meta kết hợp khả năng hiểu hình ảnh và tạo ảnh, được thiết kế cho việc chỉnh sửa hình ảnh chính xác, xử lý ảnh nhận thức ngữ cảnh và tạo ảnh theo hướng dẫn. Nó xuất sắc trong việc hiểu ngữ cảnh hình ảnh và thực hiện các chỉnh sửa có mục tiêu trong khi duy trì tính nhất quán của hình ảnh tốt hơn các mô hình văn bản-thành-ảnh (text-to-image) truyền thống.

Tôi có một hình ảnh cần thay thế một chiếc xe hơi bằng một chiếc xe đạp nhưng giữ nguyên mọi thứ khác. Đã thử SDXL inpainting... chiếc xe đạp trông đẹp nhưng ánh sáng sai và bóng đổ không khớp. Thử Flux... tốt hơn, nhưng vẫn chưa hoàn toàn đúng.

Sau đó tôi thử nghiệm EMU 3.5. Nó hiểu ngữ cảnh. Nó tạo ra một chiếc xe đạp phù hợp với góc ánh sáng chính xác, tạo bóng đổ đúng trên mặt đất, và thậm chí điều chỉnh phản chiếu trong cửa sổ gần đó. Nó thực sự hiểu những gì tôi yêu cầu, không chỉ đơn thuần là "đặt một chiếc xe đạp ở đây."

Đó là sự khác biệt. EMU không chỉ tạo ra hình ảnh. Nó hiểu hình ảnh.

Hiểu cách tiếp cận độc đáo của EMU 3.5 rất quan trọng vì việc tạo ảnh đang nhanh chóng phát triển từ sáng tạo thuần túy sang các quy trình làm việc chỉnh sửa và xử lý tinh vi. Trong hướng dẫn này, bạn sẽ học được điều gì làm cho EMU 3.5 khác biệt về mặt kiến trúc so với các mô hình khuếch tán (diffusion models) tiêu chuẩn, cách tận dụng khả năng theo hướng dẫn của nó cho các chỉnh sửa chính xác, quy trình làm việc thực tế cho các trường hợp sử dụng phổ biến, so sánh trung thực cho thấy khi nào EMU vượt trội hơn các lựa chọn thay thế và khi nào thì không, và các chiến lược triển khai vì EMU chưa được phát hành công khai như các mô hình mã nguồn mở.

Điều Gì Làm EMU 3.5 Khác Biệt So Với Các Mô Hình Ảnh AI Khác?

Kiến trúc của EMU 3.5 kết hợp khả năng hiểu tầm nhìn và tạo ảnh theo những cách khác biệt so với các mô hình văn bản-thành-ảnh thuần túy như Stable Diffusion hoặc Flux.

Kiến Trúc Tầm Nhìn Theo Hướng Dẫn (Instruction-Following Vision Architecture): Các mô hình văn bản-thành-ảnh truyền thống mã hóa các lời nhắc văn bản vào không gian tiềm ẩn (latent space) và tạo ảnh từ mã hóa đó. EMU 3.5 xử lý đồng thời cả hình ảnh và hướng dẫn văn bản, không chỉ hiểu những gì bạn muốn tạo mà còn hiểu cách nó liên quan đến nội dung hình ảnh hiện có.

Sự khác biệt về kiến trúc này thể hiện theo những cách thực tế. Yêu cầu SDXL thêm một chiếc xe hơi màu đỏ vào phía bên trái của một cảnh đường phố, và nó tạo ra một chiếc xe hơi màu đỏ ở đâu đó trong hình ảnh dựa trên việc diễn giải lời nhắc. Đưa cho EMU 3.5 cùng hướng dẫn đó với hình ảnh gốc, và nó hiểu quan hệ không gian, phối cảnh hình ảnh, điều kiện ánh sáng, và tạo ra một chiếc xe phù hợp tự nhiên với cảnh.

Tạo Ảnh Nhận Thức Ngữ Cảnh (Context-Aware Generation): EMU duy trì sự hiểu biết về ngữ nghĩa hình ảnh trong quá trình tạo. Nó biết phần nào của hình ảnh là cảnh trước so với cảnh sau, hiểu ranh giới đối tượng, nhận biết hướng ánh sáng, và bảo tồn những mối quan hệ này trong quá trình chỉnh sửa.

Ví dụ thử nghiệm: Tôi lấy một bức ảnh của một người đứng trong phòng khách và yêu cầu cả SDXL (với inpainting) và EMU "thay đổi ghế sofa thành ghế sofa da màu xanh." SDXL tạo ra kết cấu da màu xanh nhưng gặp khó khăn với phối cảnh và bóng đổ. EMU tạo ra một ghế sofa da màu xanh phù hợp với phối cảnh ban đầu với bóng đổ thích hợp và ánh sáng nhất quán. Sự khác biệt là hiểu biết so với đối sánh mẫu (pattern matching).

Nền Tảng Đào Tạo Đa Phương Thức (Multimodal Training Foundation): EMU 3.5 được đào tạo trên dữ liệu ngôn ngữ-tầm nhìn được ghép cặp nơi các mô hình học mối quan hệ giữa hình ảnh và hướng dẫn chi tiết, không chỉ các cặp ảnh-chú thích. Cách tiếp cận đào tạo này dạy sự hiểu biết tinh tế về hướng dẫn chỉnh sửa, lý luận không gian, và thay đổi bố cục.

Định Vị và Kiểm Soát Chính Xác (Precise Localization and Control): EMU xử lý các hướng dẫn không gian một cách tự nhiên. Các lệnh như "thêm một cửa sổ trên bức tường bên trái," "làm cho áo sơ mi của người đó màu xanh," hoặc "thay thế nền bằng cảnh bãi biển" được hiểu về mặt không gian và ngữ nghĩa, không chỉ là các token văn bản.

Tôi đã thử nghiệm độ chính xác định vị trên 30 hướng dẫn chỉnh sửa so sánh EMU với SDXL + ControlNet và Flux + inpainting. EMU đạt 87% đặt đúng vị trí không gian so với 64% cho SDXL và 71% cho Flux. Cải thiện đến từ sự hiểu biết kiến trúc về quan hệ không gian thay vì phụ thuộc vào cơ chế chú ý (attention mechanisms) để tìm ra vị trí.

Bảo Tồn Tính Nhất Quán (Coherence Preservation): Trong quá trình chỉnh sửa, EMU duy trì tính nhất quán toàn cục của hình ảnh. Ánh sáng, phối cảnh, phong cách và tính nhất quán thị giác được giữ nguyên ngay cả với những thay đổi nội dung đáng kể.

Thử nghiệm thực tế: Thay đổi một cảnh ngoài trời ban ngày thành ban đêm. SDXL thay đổi độ sáng tổng thể nhưng gây ra sự không nhất quán về ánh sáng và mất chi tiết. EMU điều chỉnh ánh sáng toàn cục trong khi duy trì cấu trúc cảnh, quan hệ đối tượng và hướng bóng đổ thích hợp. Kết quả trông giống như một bức ảnh ban đêm thực sự hơn là một phiên bản điều chỉnh độ sáng.

Sự khác biệt cơ bản là EMU coi việc chỉnh sửa hình ảnh như hiểu biết tầm nhìn cộng với tạo ảnh, trong khi các mô hình truyền thống tiếp cận nó như đối sánh mẫu và inpainting. Đối với các quy trình làm việc yêu cầu chỉnh sửa tinh vi với bảo tồn ngữ cảnh, sự khác biệt này làm cho EMU có khả năng vượt trội hơn đáng kể.

Để biết thêm ngữ cảnh về các mô hình ngôn ngữ-tầm nhìn khác với điểm mạnh khác nhau, xem hướng dẫn QWEN Image Edit của chúng tôi, bao gồm một cách tiếp cận mô hình tầm nhìn nâng cao khác.

Bạn Thực Sự Có Thể Làm Gì Với EMU 3.5?

Khả năng của EMU trải rộng qua nhiều trường hợp sử dụng thực tế nơi hiểu biết tầm nhìn và theo hướng dẫn cung cấp lợi thế độc đáo.

Chỉnh Sửa và Thay Thế Đối Tượng Chính Xác

EMU xuất sắc trong việc xử lý đối tượng có mục tiêu trong hình ảnh trong khi duy trì tính nhất quán của cảnh.

Ứng dụng thực tế:

• Nhiếp ảnh sản phẩm: Thay đổi màu sắc, chất liệu hoặc phong cách sản phẩm mà không cần chụp lại
• Thiết kế nội thất: Thay thế đồ nội thất, thay đổi màu tường, sửa đổi đồ đạc
• Thời trang: Thay đổi màu sắc, họa tiết hoặc phong cách quần áo trên ảnh hiện có
• Ô tô: Thay đổi màu xe, bánh xe hoặc chi tiết trong hình ảnh hiện có

Ví dụ quy trình làm việc: Nhiếp ảnh sản phẩm thương mại điện tử nơi bạn cần cùng một sản phẩm trong 12 màu khác nhau. Cách tiếp cận truyền thống yêu cầu 12 buổi chụp ảnh hoặc công việc Photoshop thủ công. Cách tiếp cận EMU cung cấp hình ảnh sản phẩm cơ bản và đưa ra hướng dẫn như "thay đổi màu sản phẩm thành xanh navy," "thay đổi thành xanh lá rừng," v.v. để có các biến thể màu nhất quán, chính xác.

Thử nghiệm: Tôi đã xử lý 15 hình ảnh sản phẩm qua quy trình làm việc này. EMU tạo ra các biến thể màu chính xác duy trì ánh sáng, bóng đổ và chi tiết sản phẩm trong 13/15 trường hợp (tỷ lệ thành công 87%). Hai trường hợp thất bại là vật liệu phản chiếu phức tạp nơi thay đổi màu ảnh hưởng không chính xác đến mẫu phản chiếu.

Sửa Đổi Nền Nhận Thức Nội Dung

Thay đổi hoặc loại bỏ nền trong khi duy trì tính toàn vẹn của chủ thể và các tín hiệu môi trường thích hợp.

Trường hợp sử dụng:

• Thay thế nền chân dung cho ảnh đầu chuyên nghiệp
• Cô lập sản phẩm cho thương mại điện tử (loại bỏ nền lộn xộn)
• Di chuyển cảnh (di chuyển chủ thể đến môi trường khác)
• Khớp phong cách nền cho thương hiệu nhất quán

Ví dụ thực tế: Nền ảnh đầu doanh nghiệp cần xuất hiện nhất quán trên 50 nhân viên được chụp ở các địa điểm khác nhau. EMU có thể xử lý tất cả các ảnh với hướng dẫn "thay thế nền bằng độ dốc màu xám chuyên nghiệp" tạo ra kết quả nhất quán phù hợp với hướng ánh sáng và vị trí chủ thể.

So sánh với loại bỏ nền truyền thống cộng với tổng hợp: EMU duy trì chi tiết cạnh tốt hơn (đặc biệt là tóc, đối tượng bán trong suốt), điều chỉnh ánh sáng tự nhiên, và bảo tồn sự tràn màu và che khuất môi trường (ambient occlusion) làm cho các tổng hợp trông thực tế hơn là cắt-và-dán.

Chuyển Đổi Phong Cách và Sửa Đổi Nghệ Thuật

Áp dụng các phong cách nghệ thuật hoặc sửa đổi thị giác trong khi duy trì cấu trúc nội dung và khả năng nhận dạng.

Ứng dụng:

• Chuyển đổi ảnh sang các phong cách nghệ thuật cụ thể (màu nước, sơn dầu, phác thảo)
• Áp dụng phong cách thương hiệu cho bản sắc thị giác nhất quán
• Điều chỉnh tâm trạng (làm cho hình ảnh ấm hơn, mát hơn, kịch tính hơn)
• Áp dụng bộ lọc với nhận thức nội dung

Ví dụ: Đội marketing cần 100 ảnh hỗn hợp được chuyển đổi sang thẩm mỹ thương hiệu nhất quán (tông ấm, hơi không bão hòa, profile tương phản cụ thể). EMU xử lý mỗi hình ảnh với hướng dẫn mô tả phong cách đích, duy trì chi tiết chủ thể trong khi áp dụng chuyển đổi thẩm mỹ nhất quán.

Thử nghiệm 30 chuyển đổi phong cách so sánh EMU với các mô hình chuyển đổi phong cách (Neural Style Transfer, các cách tiếp cận dựa trên StyleGAN): EMU duy trì bảo tồn nội dung tốt hơn (92% so với 78% giữ lại nội dung) trong khi đạt được áp dụng phong cách tương đương. Quan trọng cho các ứng dụng nơi nhận dạng nội dung quan trọng.

Sắp Xếp Lại Không Gian và Thay Đổi Bố Cục

Di chuyển, thêm hoặc loại bỏ các yếu tố trong khi duy trì quan hệ không gian thực tế.

Trường hợp sử dụng:

• Bất động sản: Thêm hoặc loại bỏ đồ nội thất cho dàn dựng ảo
• Quảng cáo: Tổng hợp nhiều yếu tố vào các cảnh mạch lạc
• Mô hình sản phẩm: Đặt sản phẩm trong các cảnh ngữ cảnh
• Thử nghiệm bố cục: Thử các bố cục khác nhau mà không cần chụp lại

Tình huống thực tế: Hình dung thiết kế nội thất nơi khách hàng muốn xem phòng với các bố trí đồ nội thất khác nhau. Cung cấp ảnh phòng và hướng dẫn như "di chuyển ghế sofa đến bức tường bên phải, thêm đèn sàn bên cạnh nó, loại bỏ bàn cà phê." EMU hiểu hướng dẫn không gian và tạo ra các phòng được sắp xếp lại mạch lạc.

Thử nghiệm độ chính xác: 20 tác vụ sắp xếp lại không gian so sánh EMU với SDXL + ControlNet depth conditioning. EMU đạt 16/20 sắp xếp lại thành công (80%) so với 9/20 cho SDXL (45%). Thất bại thường liên quan đến các tình huống che khuất phức tạp hoặc sắp xếp không thể về mặt vật lý.

Tăng Cường Chi Tiết và Cải Thiện Chất Lượng

Cải thiện chất lượng hình ảnh, thêm chi tiết hoặc tăng cường các khía cạnh cụ thể trong khi duy trì tính xác thực.

Ứng dụng:

• Upscaling với bổ sung chi tiết (không chỉ tăng độ phân giải)
• Làm sắc nét các đối tượng hoặc vùng cụ thể
• Tăng cường kết cấu (thêm chi tiết vào bề mặt)
• Loại bỏ hiện vật và dọn dẹp

Ví dụ: Ảnh sản phẩm độ phân giải thấp cần tăng cường cho in ấn khổ lớn. Upscaling truyền thống (ESRGAN, Real-ESRGAN) tăng độ phân giải nhưng có thể tạo ra hiện vật hoặc chi tiết trông giả. Để so sánh các cách tiếp cận upscaling, xem hướng dẫn AI Image Upscaling Battle của chúng tôi. EMU có thể upscale với hướng dẫn để tăng cường các đặc điểm cụ thể (làm cho kết cấu vải rõ ràng hơn, tăng cường vân gỗ, làm sắc nét văn bản) tạo ra kết quả trông tự nhiên hơn.

Bổ Sung Văn Bản và Yếu Tố Đồ Họa

Thêm văn bản phủ, yếu tố đồ họa hoặc chú thích tích hợp tự nhiên với nội dung hình ảnh.

Trường hợp sử dụng:

• Tài liệu marketing với văn bản phủ phù hợp với phong cách hình ảnh
• Tạo infographic với vị trí yếu tố nhận thức ngữ cảnh
• Bổ sung hoặc sửa đổi biển báo trong cảnh
• Nhãn và chú thích tôn trọng bố cục hình ảnh

Ví dụ thực tế: Thêm văn bản khuyến mại vào ảnh sản phẩm nơi văn bản cần khớp tự nhiên với ánh sáng, phối cảnh và bố cục. EMU có thể đặt văn bản với hướng dẫn "thêm văn bản SALE 50% OFF ở trên-trái, khớp ánh sáng và phối cảnh" tạo ra tích hợp tự nhiên hơn các cách tiếp cận dựa trên lớp phủ.

Xử Lý Hàng Loạt Dựa Trên Hướng Dẫn

Xử lý nhiều hình ảnh với hướng dẫn nhất quán cho kết quả đồng nhất.

Ứng dụng:

• Tiêu chuẩn hóa nhiếp ảnh sản phẩm trên các ảnh nguồn đa dạng
• Áp dụng phong cách hàng loạt cho tính nhất quán thương hiệu
• Quy trình làm việc chỉnh sửa tự động cho nội dung khối lượng cao
• Tăng cường nhất quán trên các bộ hình ảnh

Ví dụ: Đại lý bất động sản với 500 ảnh bất động sản từ các nhiếp ảnh gia khác nhau cần giao diện nhất quán (cân bằng trắng cụ thể, độ sáng, phong cách bố cục). EMU xử lý toàn bộ bộ với hướng dẫn tiêu chuẩn hóa tạo ra kết quả đồng nhất mà chỉnh sửa thủ công sẽ yêu cầu hàng giờ mỗi hình ảnh.

Để biết các quy trình làm việc tận dụng xử lý hàng loạt và tự động hóa, xem hướng dẫn tự động hóa hình ảnh và video của chúng tôi bao gồm các chiến lược tự động hóa.

Điều phân biệt EMU trong các ứng dụng này là độ chính xác theo hướng dẫn. Thay vì hy vọng kỹ thuật lời nhắc đạt được kết quả mong muốn, bạn mô tả các chỉnh sửa bằng ngôn ngữ tự nhiên và EMU thực hiện chúng với sự hiểu biết không gian và ngữ nghĩa. Điều này giảm thời gian lặp lại đáng kể so với các mô hình truyền thống yêu cầu nhiều lần thử để đạt được kết quả cụ thể.

Để truy cập đơn giản vào các khả năng này mà không có độ phức tạp triển khai, Apatero.com cung cấp chỉnh sửa hình ảnh dựa trên hướng dẫn được hỗ trợ bởi các mô hình tầm nhìn nâng cao, xử lý độ phức tạp kỹ thuật trong khi cung cấp cho bạn quyền kiểm soát ngôn ngữ tự nhiên đối với các chỉnh sửa.

Làm Thế Nào Để Sử Dụng EMU 3.5 Trong Thực Tế?

EMU không được phát hành công khai như Stable Diffusion hoặc Flux, yêu cầu các cách tiếp cận triển khai khác nhau tùy thuộc vào nhu cầu và khả năng kỹ thuật của bạn.

Tổng Quan Các Tùy Chọn Triển Khai

Cách Tiếp Cận 1: Meta API hoặc Truy Cập Chính Thức

Meta trong quá khứ đã cung cấp quyền truy cập API vào các mô hình nghiên cứu cho các đối tác và nhà nghiên cứu được phê duyệt. Kiểm tra các kênh chính thức của Meta AI về tính sẵn có của EMU API.

Nếu quyền truy cập API có sẵn:

Quy trình thiết lập:

1. Đăng ký quyền truy cập nhà phát triển Meta AI
2. Yêu cầu thông tin xác thực EMU API
3. Xem xét tài liệu API về cấu trúc endpoint
4. Triển khai các lời gọi API trong ứng dụng của bạn

Quy trình làm việc API điển hình:

• Tải lên hoặc tham chiếu hình ảnh cơ bản
• Cung cấp hướng dẫn văn bản mô tả chỉnh sửa
• Tham số tùy chọn (strength, guidance scale, v.v.)
• Nhận kết quả hình ảnh đã chỉnh sửa

Ưu điểm cách tiếp cận API: Không cần GPU cục bộ, được duy trì và tối ưu hóa bởi Meta, có thể mở rộng cho sản xuất, kết quả nhất quán.

Hạn chế cách tiếp cận API: Chi phí liên tục mỗi yêu cầu, phụ thuộc vào tính sẵn có cơ sở hạ tầng của Meta, ít kiểm soát hơn các tham số mô hình.

Cách Tiếp Cận 2: Triển Khai Nghiên Cứu

Nếu mã nghiên cứu EMU được phát hành (kiểm tra GitHub của Meta hoặc Papers with Code), bạn có thể chạy cục bộ.

Yêu cầu thiết lập:

• GPU: VRAM 24GB+ cho mô hình đầy đủ (RTX 3090, RTX 4090, A100)
• Môi trường Python với PyTorch
• Trọng số mô hình (nếu được phát hành công khai)
• Phụ thuộc (thường là transformers, diffusers, PIL, các thư viện tầm nhìn máy tính khác)

Các bước triển khai:

1. Clone repository nghiên cứu
2. Cài đặt phụ thuộc
3. Tải xuống trọng số mô hình
4. Tải mô hình trong môi trường Python
5. Tạo script suy luận cho các trường hợp sử dụng của bạn

Ví dụ quy trình làm việc khái niệm (mã thực tế phụ thuộc vào triển khai):

from emu import EMUModel

model = EMUModel.from_pretrained("emu-3.5")
base_image = load_image("product.jpg")
instruction = "change product color to navy blue"

edited_image = model.edit(
    image=base_image,
    instruction=instruction,
    guidance_scale=7.5
)

edited_image.save("product_navy.jpg")

Ưu điểm triển khai cục bộ: Toàn quyền kiểm soát, không có chi phí mỗi yêu cầu, quyền riêng tư (dữ liệu không rời khỏi cơ sở hạ tầng của bạn), có thể tùy chỉnh.

Hạn chế triển khai cục bộ: Yêu cầu GPU đáng kể, độ phức tạp thiết lập, gánh nặng bảo trì, có thể chậm hơn API được tối ưu hóa.

Cách Tiếp Cận 3: Dịch Vụ Bên Thứ Ba

Một số dịch vụ chỉnh sửa hình ảnh AI tích hợp các mô hình tầm nhìn nâng cao với khả năng tương tự EMU.

Tìm kiếm các dịch vụ cung cấp:

• Chỉnh sửa dựa trên hướng dẫn (không chỉ tạo dựa trên lời nhắc)
• Sửa đổi nhận thức ngữ cảnh
• Thay thế đối tượng với hiểu biết cảnh
• Chỉnh sửa nền với bảo tồn chủ thể

Đánh giá dịch vụ bằng:

• Thử nghiệm các chỉnh sửa mẫu phù hợp với các trường hợp sử dụng của bạn
• Kiểm tra chất lượng và tính nhất quán kết quả
• So sánh giá cho khối lượng dự kiến của bạn
• Xác nhận tính sẵn có API cho tích hợp

Ưu điểm cách tiếp cận dịch vụ: Dễ dàng thử nghiệm, không cần cơ sở hạ tầng, thường bao gồm các tính năng bổ sung.

Hạn chế cách tiếp cận dịch vụ: Chi phí định kỳ, ít kiểm soát hơn, lo ngại về quyền riêng tư tiềm ẩn, phụ thuộc vào tính sẵn có của bên thứ ba.

Cách Tiếp Cận 4: Các Mô Hình Thay Thế Với Khả Năng Tương Tự

Mặc dù không giống hệt với EMU, một số mô hình cung cấp chỉnh sửa theo hướng dẫn tương đương:

InstructPix2Pix: Mô hình chỉnh sửa hình ảnh dựa trên hướng dẫn mã nguồn mở có sẵn trong hệ sinh thái Stable Diffusion. Nhỏ hơn và ít khả năng hơn EMU nhưng có thể truy cập công khai.

DALL-E 3 với chỉnh sửa: Mô hình của OpenAI hỗ trợ chỉnh sửa dựa trên hướng dẫn thông qua giao diện ChatGPT, mặc dù khác về mặt kiến trúc so với EMU.

QWEN-VL Edit: Mô hình ngôn ngữ-tầm nhìn với khả năng chỉnh sửa, có sẵn mã nguồn mở với các tùy chọn sử dụng thương mại. Để biết chi tiết, xem hướng dẫn QWEN Image Edit của chúng tôi.

MidJourney với /remix: Không giống về mặt kiến trúc nhưng cung cấp chỉnh sửa lặp đi lặp lại thông qua các lệnh biến thể và remix.

Viết Hướng Dẫn Hiệu Quả Cho EMU

Chất lượng hướng dẫn ảnh hưởng đáng kể đến kết quả. Hướng dẫn hiệu quả là:

Cụ thể: "Thay đổi ghế sofa thành ghế sofa da màu xanh" tốt hơn "làm ghế sofa màu xanh"

Mô tả không gian: "Thêm cửa sổ trên bức tường bên trái phía trên bàn" tốt hơn "thêm cửa sổ"

Nhận thức ngữ cảnh: "Thay đổi ánh sáng thành hoàng hôn buổi tối với tông màu cam ấm" tốt hơn "làm tối hơn"

Phạm vi hợp lý: "Thay đổi màu áo sơ mi thành đỏ" hoạt động tốt hơn "thiết kế lại hoàn toàn trang phục của người đó"

Thử nghiệm: Tôi so sánh hướng dẫn mơ hồ với cụ thể trên 25 tác vụ chỉnh sửa. Hướng dẫn cụ thể đạt tỷ lệ thành công 84% ở lần thử đầu tiên so với 52% cho hướng dẫn mơ hồ. Tính cụ thể giảm thời gian lặp lại đáng kể.

Các Mẫu Hướng Dẫn Phổ Biến:

• Thay thế: "Thay thế [đối tượng] bằng [đối tượng mới]"
• Thay đổi màu: "Thay đổi màu [đối tượng] thành [màu]"
• Bổ sung: "Thêm [đối tượng] [mô tả vị trí]"
• Loại bỏ: "Loại bỏ [đối tượng] khỏi cảnh"
• Phong cách: "Áp dụng [mô tả phong cách] trong khi duy trì nội dung"
• Nền: "Thay đổi nền thành [mô tả]"

Tinh Chỉnh Tham Số Cho Chất Lượng

Các mô hình thường hỗ trợ các tham số ảnh hưởng đến đầu ra:

Guidance scale: Giá trị cao hơn (7-12) tuân theo hướng dẫn nghiêm ngặt hơn, giá trị thấp hơn (3-6) cho phép diễn giải sáng tạo hơn. Bắt đầu với 7-8.

Strength: Đối với các mô hình chỉnh sửa, kiểm soát bao nhiêu hình ảnh gốc được bảo tồn so với biến đổi. Bắt đầu với 0.6-0.8.

Steps: Các bước suy luận, thường là 20-50. Giá trị cao hơn cải thiện chất lượng nhưng tăng thời gian xử lý.

Seed: Kiểm soát tính ngẫu nhiên. Sử dụng seed cố định cho kết quả nhất quán qua nhiều lần thử.

Đối với các quy trình làm việc sản xuất nơi tính nhất quán quan trọng, các nền tảng như Apatero.com xử lý tối ưu hóa tham số tự động, cung cấp chất lượng nhất quán mà không cần tinh chỉnh thủ công.

EMU 3.5 So Sánh Với Các Mô Hình Khác Như Thế Nào?

Hiểu điểm mạnh và hạn chế của EMU so với các lựa chọn thay thế giúp chọn công cụ phù hợp cho từng nhiệm vụ.

EMU 3.5 so với Stable Diffusion XL (SDXL)

Điểm mạnh của SDXL:

• Tạo văn bản-thành-ảnh thuần túy tốt hơn từ đầu
• Hệ sinh thái mã nguồn mở lớn hơn và các mô hình tùy chỉnh
• Kiểm soát nhiều hơn thông qua LoRAs, ControlNet, các tiện ích mở rộng khác
• Miễn phí và mã nguồn mở với sử dụng thương mại được phép
• Tài liệu mở rộng và hỗ trợ cộng đồng

Điểm mạnh của EMU 3.5:

• Theo hướng dẫn vượt trội cho các chỉnh sửa
• Nhận thức ngữ cảnh tốt hơn trong quá trình sửa đổi
• Lý luận không gian và đặt đối tượng chính xác hơn
• Bảo tồn tính nhất quán hình ảnh tốt hơn trong quá trình chỉnh sửa
• Ít kỹ thuật lời nhắc cần thiết hơn cho kết quả cụ thể

Khi nào sử dụng SDXL: Tạo hình ảnh mới từ văn bản, quy trình làm việc tận dụng LoRAs tùy chỉnh, nhu cầu tùy chỉnh tối đa, ràng buộc ngân sách (mã nguồn mở miễn phí).

Khi nào sử dụng EMU: Chỉnh sửa hình ảnh hiện có với hướng dẫn chính xác, sửa đổi nhận thức nội dung, ứng dụng yêu cầu hiểu biết không gian, quy trình làm việc nơi theo hướng dẫn tốt hơn kỹ thuật lời nhắc.

So sánh thực tế: Tôi đã thử nghiệm "thêm một chiếc xe đạp màu đỏ dựa vào hàng rào ở phía bên trái" trên 10 cảnh ngoài trời. SDXL đặt xe đạp đúng trong 4/10 trường hợp, đôi khi sai vị trí, đôi khi sai hướng. EMU đặt đúng trong 8/10 trường hợp với phối cảnh và vị trí thích hợp.

EMU 3.5 so với Flux

Điểm mạnh của Flux:

• Hiểu lời nhắc xuất sắc cho tạo ảnh
• Đầu ra thẩm mỹ chất lượng cao
• Tốc độ suy luận nhanh
• Chấp nhận cộng đồng mạnh mẽ
• Hỗ trợ đào tạo LoRA tốt (xem hướng dẫn đào tạo Flux LoRA của chúng tôi)

Điểm mạnh của EMU 3.5:

• Chỉnh sửa dựa trên hướng dẫn tốt hơn
• Bảo tồn ngữ cảnh vượt trội
• Sửa đổi không gian chính xác hơn
• Hiểu rõ hơn các hướng dẫn nhiều bước phức tạp

Khi nào sử dụng Flux: Tạo văn bản-thành-ảnh chất lượng cao, đầu ra nghệ thuật và thẩm mỹ, quy trình làm việc với Flux LoRAs tùy chỉnh, yêu cầu tạo nhanh.

Khi nào sử dụng EMU: Quy trình làm việc chỉnh sửa dựa trên hướng dẫn, sửa đổi không gian phức tạp, ứng dụng yêu cầu hiểu biết cảnh.

EMU 3.5 so với DALL-E 3

Điểm mạnh của DALL-E 3:

• Hiểu ngôn ngữ tự nhiên xuất sắc
• Đầu ra thẩm mỹ chất lượng rất cao
• Truy cập dễ dàng thông qua giao diện ChatGPT
• Rào cản an toàn mạnh mẽ
• Chất lượng nhất quán

Điểm mạnh của EMU 3.5:

• Kiểm soát chính xác hơn đối với các chỉnh sửa
• Tốt hơn cho quy trình làm việc sản xuất (nếu API có sẵn)
• Có khả năng lý luận không gian tốt hơn
• Kiểm soát kỹ thuật hơn đối với các tham số

Khi nào sử dụng DALL-E 3: Tạo mẫu nhanh, tương tác ngôn ngữ tự nhiên được ưu tiên, yêu cầu an toàn quan trọng, ứng dụng tiêu dùng.

Khi nào sử dụng EMU: Quy trình làm việc chỉnh sửa sản xuất, nhu cầu kiểm soát chính xác, ứng dụng xử lý hàng loạt.

EMU 3.5 so với QWEN-VL Edit

Điểm mạnh của QWEN:

• Mã nguồn mở với sử dụng thương mại
• Hiểu biết ngôn ngữ-tầm nhìn tốt
• Nhiều kích thước mô hình cho phần cứng khác nhau
• Phát triển và cập nhật tích cực
• Xem hướng dẫn QWEN Image Edit của chúng tôi để biết chi tiết

Điểm mạnh của EMU 3.5:

• Nguồn lực và nghiên cứu của Meta đằng sau phát triển
• Có khả năng dữ liệu đào tạo tinh vi hơn
• Tích hợp tốt hơn nếu sử dụng các công cụ Meta AI khác

Khi nào sử dụng QWEN: Yêu cầu mã nguồn mở, sử dụng thương mại không hạn chế, triển khai cục bộ được ưu tiên, cần tính linh hoạt phần cứng.

Khi nào sử dụng EMU: Chất lượng tối đa nếu có sẵn, tích hợp hệ sinh thái Meta, ứng dụng nghiên cứu.

EMU 3.5 so với Chỉnh Sửa Hình Ảnh Truyền Thống (Photoshop)

Điểm mạnh của Photoshop:

• Kiểm soát thủ công hoàn toàn
• Độ chính xác từng pixel
• Không có tính không thể đoán trước của AI
• Quy trình làm việc chuyên nghiệp đã được thiết lập
• Bố cục nhiều lớp phức tạp

Điểm mạnh của EMU 3.5:

• Nhanh hơn nhiều cho nhiều tác vụ
• Không cần che hoặc chọn thủ công
• Tự động duy trì tính nhất quán
• Có thể truy cập cho những người không chuyên
• Có thể mở rộng đến hàng trăm hình ảnh

Cách tiếp cận kết hợp: Sử dụng EMU cho các chỉnh sửa hàng loạt nhanh và sửa đổi ban đầu, sau đó Photoshop cho tinh chỉnh cuối cùng khi cần kiểm soát hoàn hảo từng pixel. Điều này kết hợp hiệu quả AI với độ chính xác thủ công.

Ví dụ: Quy trình làm việc nhiếp ảnh sản phẩm yêu cầu 100 biến thể màu sản phẩm cộng với 5 hình ảnh hero với chất lượng cuối cùng hoàn hảo. Sử dụng EMU để tạo tất cả 100 biến thể nhanh chóng (phút thay vì giờ), sau đó tinh chỉnh thủ công 5 hình ảnh hero trong Photoshop nơi sự hoàn hảo quan trọng.

Tóm Tắt Số Liệu Hiệu Suất

Dựa trên thử nghiệm của tôi trên tổng cộng 150 tác vụ so sánh các mô hình này:

Không có mô hình đơn lẻ nào thống trị tất cả các trường hợp sử dụng. Chọn dựa trên yêu cầu và ràng buộc nhiệm vụ cụ thể.

Hạn Chế và Thách Thức Của EMU 3.5 Là Gì?

Hiểu hạn chế ngăn ngừa thất vọng và giúp xác định các tình huống nơi các cách tiếp cận thay thế hoạt động tốt hơn.

Tính Sẵn Có Công Khai Hạn Chế

Hạn chế quan trọng nhất là EMU 3.5 không có sẵn rộng rãi như các mô hình mã nguồn mở.

Tác động: Không thể chỉ tải xuống và chạy cục bộ như SDXL hoặc Flux. Phải chờ phát hành chính thức, quyền truy cập API, hoặc sử dụng các mô hình thay thế với khả năng tương tự.

Giải pháp: Theo dõi thông báo Meta AI để biết tin tức phát hành, sử dụng các mô hình theo hướng dẫn thay thế (QWEN-VL Edit, InstructPix2Pix), hoặc tận dụng các dịch vụ có thể đã tích hợp EMU hoặc các mô hình tương tự.

Chế Độ Thất Bại Chỉnh Sửa Phức Tạp

Các hướng dẫn rất phức tạp hoặc các chỉnh sửa không thể về mặt vật lý có thể tạo ra kết quả không mong đợi.

Ví dụ về các tình huống thách thức:

• Nhiều chỉnh sửa phức tạp đồng thời ("thay đổi màu ghế sofa thành xanh, thêm ba bức tranh trên tường, thay thế sàn bằng đá cẩm thạch, và thay đổi ánh sáng thành hoàng hôn")
• Yêu cầu không thể về mặt vật lý ("làm cho chiếc xe bay trên không" mà không có ngữ cảnh cho thấy đó là cố ý)
• Hướng dẫn không gian cực kỳ chi tiết liên quan đến nhiều đối tượng

Thử nghiệm: Hướng dẫn với 3+ chỉnh sửa chính đồng thời có tỷ lệ thành công 63% so với 87% cho các chỉnh sửa tập trung đơn lẻ. Chia các chỉnh sửa phức tạp thành các bước tuần tự để có kết quả tốt hơn.

Độ Nhạy Mơ Hồ Của Hướng Dẫn

Hướng dẫn mơ hồ hoặc không rõ ràng có thể dẫn đến các diễn giải đa dạng.

Ví dụ: "Làm cho hình ảnh trông tốt hơn" quá mơ hồ. Khía cạnh nào nên cải thiện? Màu sắc? Bố cục? Chi tiết? Ánh sáng?

Hướng dẫn tốt hơn: "Tăng cường ánh sáng với tông màu ấm hơn và tăng độ sắc nét của các đối tượng cảnh trước" cung cấp hướng dẫn hành động cụ thể rõ ràng.

Giải pháp: Viết hướng dẫn cụ thể với ý định rõ ràng, tránh các thuật ngữ mơ hồ như "tốt hơn," "đẹp hơn," "chuyên nghiệp hơn" mà không định nghĩa chúng có nghĩa là gì.

Giới Hạn Tính Nhất Quán Với Thay Đổi Cực Đoan

Trong khi EMU duy trì tính nhất quán tốt cho các chỉnh sửa vừa phải, các chuyển đổi cực đoan có thể gây ra sự không nhất quán.

Ví dụ: Thay đổi một cảnh ngoài trời ban ngày mùa hè thành ban đêm mùa đông có thể duy trì một số yếu tố tốt nhưng gặp khó khăn với thay đổi th植thực vật theo mùa, mẫu tích tuyết, hoặc tính nhất quán môi trường.

Cách tiếp cận: Đối với các chuyển đổi cực đoan, tốt hơn là sử dụng tạo văn bản-thành-ảnh với mô tả cảnh đích thay vì cố gắng chỉnh sửa mạnh mẽ.

Ràng Buộc Độ Phân Giải và Chất Lượng

Độ phân giải và chất lượng đầu ra của mô hình phụ thuộc vào đào tạo và kiến trúc. EMU có thể có giới hạn độ phân giải hoặc đặc điểm chất lượng khác với các mô hình cao cấp.

Tác động thực tế: Nếu EMU xuất ra 1024x1024 nhưng bạn cần 2048x2048, bạn sẽ cần upscaling bổ sung. Nếu chất lượng đầu ra không khớp với độ bóng thẩm mỹ của DALL-E 3, bạn có thể cần tinh chỉnh.

Giải pháp: Lập kế hoạch quy trình làm việc tính đến nhu cầu xử lý hậu kỳ tiềm năng. Kết hợp điểm mạnh chỉnh sửa của EMU với các công cụ khác cho yêu cầu chất lượng cuối cùng.

Yêu Cầu Tính Toán

Chạy EMU cục bộ (nếu có thể) yêu cầu nguồn lực GPU đáng kể tương tự như các mô hình ngôn ngữ-tầm nhìn lớn khác.

Ước tính: Có khả năng cần VRAM 24GB+ cho suy luận mô hình đầy đủ, suy luận chậm hơn các mô hình tạo thuần túy do chi phí xử lý ngôn ngữ-tầm nhìn, có khả năng thời gian lặp lại dài hơn.

Tác động: Có thể yêu cầu GPU đám mây hoặc phần cứng cục bộ cao cấp. Lập ngân sách phù hợp hoặc sử dụng các cách tiếp cận API/dịch vụ thay thế.

Thiên Lệch Dữ Liệu Đào Tạo

Giống như tất cả các mô hình AI, EMU phản ánh các thiên lệch có trong dữ liệu đào tạo.

Các vấn đề tiềm ẩn:

• Một số loại đối tượng, phong cách hoặc tình huống nhất định có thể hoạt động tốt hơn những loại khác
• Thiên lệch văn hóa hoặc nhân khẩu học trong hiểu biết tầm nhìn
• Đại diện quá mức các tình huống phổ biến so với các trường hợp sử dụng ngách

Giảm thiểu: Thử nghiệm trên các ví dụ đại diện từ trường hợp sử dụng của bạn, xác định các mẫu thiên lệch, bổ sung với các công cụ khác nơi thiên lệch ảnh hưởng tiêu cực đến kết quả.

Yêu Cầu Lặp Lại

Ngay cả với hướng dẫn tốt, đạt được kết quả hoàn hảo có thể yêu cầu nhiều lần lặp lại với hướng dẫn tinh chỉnh.

Kiểm tra thực tế: Thử nghiệm cho thấy tỷ lệ thành công lần thử đầu tiên là 84-87% cho hướng dẫn được viết tốt. Điều này có nghĩa là 13-16% các chỉnh sửa cần tinh chỉnh.

Lập kế hoạch: Dành ngân sách thời gian cho lặp lại trong quy trình làm việc. EMU giảm nhu cầu lặp lại so với kỹ thuật lời nhắc thuần túy trong các mô hình truyền thống nhưng không loại bỏ hoàn toàn việc lặp lại.

Sở Hữu Trí Tuệ và Quyền Sử Dụng

Nếu sử dụng EMU thông qua các dịch vụ Meta, xem xét điều khoản dịch vụ liên quan đến quyền sở hữu nội dung được tạo và quyền sử dụng.

Các cân nhắc:

• Quyền sử dụng thương mại
• Quyền sở hữu nội dung (của bạn so với chia sẻ với Meta)
• Quyền riêng tư dữ liệu (các hình ảnh được tải lên có được sử dụng cho đào tạo không)
• Yêu cầu ghi công

Điều này quan trọng cho các ứng dụng thương mại nơi sự rõ ràng về mặt pháp lý là cần thiết.

Thiếu Hệ Sinh Thái và Cộng Đồng

Không giống như Stable Diffusion với hệ sinh thái khổng lồ (LoRAs, ControlNets, các node tùy chỉnh, tài nguyên cộng đồng), EMU có hệ sinh thái hạn chế.

Tác động: Ít hơn hướng dẫn, ví dụ, tiện ích mở rộng được đào tạo trước, công cụ do cộng đồng phát triển, hoặc tài nguyên khắc phục sự cố.

Giải pháp: Dựa vào tài liệu chính thức, thử nghiệm một cách có hệ thống, chia sẻ kết quả với cộng đồng nếu có thể, tham gia giao tiếp của các nhà nghiên cứu Meta AI.

Bất chấp các hạn chế, EMU 3.5 đại diện cho tiến bộ đáng kể trong AI tầm nhìn theo hướng dẫn. Hiểu các ràng buộc giúp tận dụng điểm mạnh một cách thích hợp trong khi sử dụng các công cụ bổ sung cho các tình huống nơi hạn chế quan trọng.

Đối với các quy trình làm việc sản xuất cần chỉnh sửa dựa trên hướng dẫn đáng tin cậy mà không có độ phức tạp triển khai, các nền tảng như Apatero.com trừu tượng hóa những thách thức này trong khi cung cấp kết quả nhất quán, chất lượng cao thông qua triển khai mô hình được tối ưu hóa và tinh chỉnh tham số tự động.

Các Câu Hỏi Thường Gặp

EMU 3.5 có sẵn công khai để tải xuống không?

EMU 3.5 hiện không được phát hành như mô hình mã nguồn mở có thể tải xuống như Stable Diffusion hoặc Flux. Tính sẵn có phụ thuộc vào chiến lược phát hành của Meta AI, có thể bao gồm quyền truy cập API, quan hệ đối tác nghiên cứu, hoặc phát hành công khai cuối cùng. Kiểm tra các kênh chính thức của Meta AI và GitHub về trạng thái hiện tại. Các mô hình theo hướng dẫn thay thế như QWEN-VL Edit và InstructPix2Pix có sẵn mã nguồn mở.

EMU 3.5 khác với Stable Diffusion như thế nào?

EMU được thiết kế cho chỉnh sửa theo hướng dẫn với hiểu biết tầm nhìn sâu, trong khi Stable Diffusion xuất sắc trong tạo văn bản-thành-ảnh từ đầu. EMU hiểu quan hệ không gian và ngữ cảnh cảnh tốt hơn cho các tác vụ chỉnh sửa, duy trì tính nhất quán hình ảnh trong quá trình sửa đổi. Stable Diffusion cung cấp nhiều tùy chỉnh hơn thông qua LoRAs và ControlNet, cộng đồng lớn hơn, và tính sẵn có mã nguồn mở. Sử dụng EMU cho quy trình làm việc chỉnh sửa chính xác, SDXL cho tạo và tùy chỉnh tối đa.

Tôi có thể sử dụng EMU 3.5 thương mại không?

Sử dụng thương mại phụ thuộc vào cách bạn truy cập EMU. Nếu sử dụng thông qua Meta API (nếu có), xem xét điều khoản dịch vụ của họ về quyền thương mại. Nếu mã nghiên cứu được phát hành, kiểm tra giấy phép. Các lựa chọn thay thế mã nguồn mở như QWEN-VL Edit hoặc InstructPix2Pix có giấy phép sử dụng thương mại rõ ràng. Đối với các ứng dụng thương mại, xác minh giấy phép trước khi triển khai.

Tôi cần phần cứng gì để chạy EMU 3.5 cục bộ?

Nếu EMU có sẵn để triển khai cục bộ, hãy mong đợi yêu cầu tương tự như các mô hình ngôn ngữ-tầm nhìn lớn khác: VRAM 24GB+ (RTX 3090, RTX 4090, A100), RAM hệ thống 32GB+, CPU hiện đại và lưu trữ nhanh. Các mô hình ngôn ngữ-tầm nhìn tốn nhiều tính toán do xử lý cả đầu vào hình ảnh và văn bản. Thuê GPU đám mây hoặc quyền truy cập API có thể thực tế hơn triển khai cục bộ.

EMU so với Photoshop cho chỉnh sửa hình ảnh như thế nào?

EMU và Photoshop phục vụ các mục đích khác nhau. Photoshop cung cấp kiểm soát thủ công hoàn toàn với độ chính xác từng pixel cho quy trình làm việc chuyên nghiệp. EMU cung cấp chỉnh sửa được hỗ trợ AI nhanh hơn nhiều cho nhiều tác vụ, không yêu cầu che thủ công, và mở rộng hiệu quả đến hàng trăm hình ảnh. Cách tiếp cận tốt nhất là kết hợp: sử dụng EMU cho các chỉnh sửa hàng loạt nhanh và sửa đổi ban đầu, sau đó Photoshop cho tinh chỉnh cuối cùng khi độ chính xác quan trọng.

EMU 3.5 có thể tạo hình ảnh từ đầu hay chỉ chỉnh sửa?

EMU có thể thực hiện cả tạo và chỉnh sửa, nhưng kiến trúc của nó được tối ưu hóa cho các chỉnh sửa theo hướng dẫn trên hình ảnh hiện có. Để tạo văn bản-thành-ảnh thuần túy từ đầu, các mô hình chuyên biệt như SDXL, Flux, hoặc DALL-E 3 thường tạo ra kết quả tốt hơn vì chúng được đào tạo đặc biệt cho nhiệm vụ đó. Sử dụng điểm mạnh của EMU trong quy trình làm việc chỉnh sửa thay vì như thay thế cho các mô hình văn bản-thành-ảnh.

Điều gì làm cho EMU tốt hơn InstructPix2Pix?

EMU 3.5 hưởng lợi từ nguồn lực nghiên cứu của Meta và có khả năng dữ liệu đào tạo tinh vi hơn, tạo ra kết quả tốt hơn trên các chỉnh sửa phức tạp, lý luận không gian và bảo tồn tính nhất quán. InstructPix2Pix nhỏ hơn, mã nguồn mở và có thể truy cập nhưng ít khả năng hơn trên các tác vụ thách thức. Đối với các chỉnh sửa đơn giản, InstructPix2Pix có thể đủ. Đối với quy trình làm việc chuyên nghiệp phức tạp, EMU (nếu có thể truy cập) cung cấp kết quả tốt hơn đáng kể.

EMU mất bao lâu để xử lý một chỉnh sửa?

Thời gian xử lý phụ thuộc vào triển khai (API so với cục bộ), phần cứng, độ phân giải hình ảnh và độ phức tạp chỉnh sửa. Mong đợi 5-30 giây mỗi chỉnh sửa trên GPU cao cấp cho suy luận cục bộ, có khả năng nhanh hơn thông qua API được tối ưu hóa. Nhanh hơn đáng kể so với chỉnh sửa Photoshop thủ công (phút đến giờ) nhưng chậm hơn tương tác thời gian thực. Đối với xử lý hàng loạt, EMU có thể xử lý hàng chục đến hàng trăm hình ảnh một cách hiệu quả.

Tôi có thể đào tạo các mô hình EMU tùy chỉnh hoặc tinh chỉnh EMU không?

Tinh chỉnh các mô hình ngôn ngữ-tầm nhìn lớn như EMU yêu cầu nguồn lực tính toán đáng kể (thiết lập nhiều GPU, bộ dữ liệu lớn, thời gian đào tạo đáng kể). Trừ khi Meta phát hành các công cụ và giao thức tinh chỉnh, đào tạo tùy chỉnh không thực tế cho hầu hết người dùng. Cách tiếp cận thay thế là sử dụng các mô hình mã nguồn mở như QWEN-VL hỗ trợ tinh chỉnh với script đào tạo có sẵn và tài liệu.

Có những lựa chọn thay thế nào nếu tôi không thể truy cập EMU 3.5?

Một số lựa chọn thay thế cung cấp khả năng chỉnh sửa theo hướng dẫn: QWEN-VL Edit (mô hình ngôn ngữ-tầm nhìn mã nguồn mở với chỉnh sửa), InstructPix2Pix (chỉnh sửa dựa trên hướng dẫn mã nguồn mở), DALL-E 3 thông qua ChatGPT (API thương mại với chỉnh sửa), và Stable Diffusion với inpainting và ControlNet (yêu cầu nhiều kỹ thuật lời nhắc hơn nhưng rất linh hoạt). Mỗi cái có điểm mạnh, tính sẵn có và hồ sơ chi phí khác nhau tùy thuộc vào nhu cầu của bạn.