مولّد الموجّهات ChatGPT SDXL مقابل نص برمجي API الخاص بك

طريقتان للحصول على موجّهات SDXL من نموذج لغوي

الطريقة الأولى هي مساعد دردشة. تلصق تعليمات بنمط النظام مرة واحدة، ثم ترسل أفكاراً قصيرة واحدة تلو الأخرى وتنسخ كل رد إلى أداة الصور الخاصة بك. لا تحتاج إلى كود، وترى الإجابة على الفور، ويمكنك القول "أغمق، أكثر سينمائية" والحصول على مراجعة. وهو أمر صعب التغلب عليه للاكتشاف.

الطريقة الثانية هي نص برمجي. تكتب التعليمات مرة واحدة في الكود، وتحمّل قائمة بالأفكار من ملف، وتستدعي نقطة النهاية لإكمال الدردشة لكل منها، وتكتب النتائج في ملف أو ترسلها مباشرة إلى مولد الصور الخاص بك. هذه الخدمة هي واجهة برمجة تطبيقات (API) نصية فقط متوافقة مع OpenAI، تقدم نموذجاً مفتوح الأوزان من مزود مستقل. إنها ليست ChatGPT وليست منتجاً من OpenAI، لكن أي SDK من OpenAI يتحدث معها بمجرد تغيير عنوان URL الأساسي والمفتاح.

لا يرسم أي من النهجين صوراً. في كلتا الحالتين، يكتب النموذج نصاً وأداة منفصلة مثل SDXL تقوم بتنفيذه.

بجانب بعض

العامل	نافذة الدردشة	نص برمجي عبر واجهة برمجة التطبيقات
الإعداد	لا شيء	مفتاح، 30 سطرًا من Python
أفضل حجم دفعة	من 1 إلى 20 موجّه	مئات إلى آلاف
تنسيق المخرجات	أي شيء تعيده الدردشة؛ تنظفه يدوياً	يعيد وضع JSON حقولاً يمكنك تحليلها
إمكانية التكرار	يبتعد مع نمو المحادثة	نفس التعليمات في كل استدعاء، بذور اختيارية
التكرار	طبيعي: الرد بملاحظات	تعدل النص البرمجي وتعيد التشغيل
نموذج التكلفة	يعتمد على الخطة التي تمتلكها؛ تحقق من شروطها الحالية	الدفع حسب الرمز، رصيد مسبق الدفع
الرفض	يعتمد على سياسة محتوى المساعد	يُجيب هذا النموذج دون رفضات المحتوى للاستخدام القانوني للبالغين

الملخص الصادق: إذا كنت تصنع بضع صور في الأسبوع وتستمتع بالتحدث عنها، فاستمر في الدردشة. يبدأ النص البرمجي في تحقيق العائد عند النقطة التي يصبح فيها النسخ واللصق أبطأ خطوة في خط أنابيبك.

تكلفة الوقت في النسخ واللصق

خذ افتراضًا متواضعًا: 30 ثانية لكل موجّه لكتابة الفكرة، الانتظار، نسخ النتيجة ولصقها في المكان المناسب. عبر 1,000 موجّه، يصبح ذلك 1,000 × 30 ث = 30,000 ث، أي حوالي 8.3 ساعات من الانتباه.

للسكربت شكل مختلف. لنفترض أن كل استدعاء API يستغرق حوالي 5 ثوانٍ (هذا افتراض، لذا قس وقتك الخاص). مع 8 طلبات متزامنة، وهو حدّ التوازي لمفتاح كامل، تستغرق 1,000 استدعاء حوالي 1,000 / 8 × 5 ث = 625 ث، أي أكثر قليلاً من 10 دقائق. حدّ الطلبات البالغ 300 في الدقيقة يعني أن الحد الأدنى المطلق هو أكثر قليلاً من 3 دقائق. ابدأ العملية، اصنع القهوة، ثم اقرأ الملف لاحقاً.

الوقت الموفّر هو الحجة الرئيسية. المال أمر ثانوي، كما يوضح القسم التالي.

التكلفة لكل 1,000 موجّه

تفرض هذه API رسوم $0.15 لكل مليون رمز مدخل و$0.50 لكل مليون رمز مخرج. لنفترض أن كل استدعاء يرسل تعليمات مكونة من 250 رمزاً وفكرة مكونة من 50 رمزاً (300 مدخل) ويعيد موجّه مكون من 200 رمز.

• الإدخال: 1,000 × 300 = 300,000 رمز × $0.15 / 1M = $0.045.
• الإخراج: 1,000 × 200 = 200,000 رمز × $0.50 / 1M = $0.10.
• المجموع: $0.145 لـ 1,000 موجّه.

للمقارنة مع اشتراك دردشة أو API آخر، اقسم سعر الخطة على عدد الموجّهات التي ستجريها فعلياً في شهر، وتحقق من أسعارهم الحالية بدلاً من الوثوق برقم من مقال. رصيد التجربة المجاني بقيمة $0.50، الذي يُحصل عليه بنقرة واحدة في صفحة مفتاح API بعد تسجيل الدخول، يغطي أكثر قليلاً من 3,400 موجّه بهذا الحجم. انظر صفحة الأسعار لشحن الرصيد من $20 إلى $500، بالسداد بالبطاقة أو العملات المشفرة.

سكربت دفعات مع إعادة المحاولة

النص البرمجي أدناه يقرأ الأفكار من ideas.txt، سطر لكل فكرة، ويكتب prompts.jsonl. يشغل 6 عمال بالتوازي ويعيد المحاولة عند استلام 429.

Copyimport json, time
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI, RateLimitError

client = OpenAI(base_url="https://api.sdxlapi.com/v1", api_key="YOUR_KEY", max_retries=0)

SYSTEM = (
    "Expand the idea into one SDXL prompt of 40 to 60 words: subject, setting, "
    "lighting, style, mood, comma-separated. Return JSON with key 'prompt'."
)

def make(idea):
    for attempt in range(5):
        try:
            r = client.chat.completions.create(
                model="uncensored",
                messages=[{"role": "system", "content": SYSTEM},
                          {"role": "user", "content": idea}],
                response_format={"type": "json_object"},
                temperature=0.8,
            )
            return {"idea": idea, **json.loads(r.choices[0].message.content)}
        except RateLimitError:
            time.sleep(5 * (attempt + 1))
    return {"idea": idea, "prompt": None}

ideas = [l.strip() for l in open("ideas.txt") if l.strip()]
with ThreadPoolExecutor(max_workers=6) as pool, open("prompts.jsonl", "w") as out:
    for row in pool.map(make, ideas):
        out.write(json.dumps(row, ensure_ascii=False) + "\n")

احتفظ بعدد العاملين عند 8 أو أقل على المفتاح الكامل، أو 2 على المفتاح التجريبي. إذا رأيت 429 مع الرمز concurrency، قلّله؛ يعني rate_limited أنك تجاوزت الحدّ لكل دقيقة. الطلبات الفاشلة لا تُحسب، لذا إعادة المحاولة مجانية. مزيد من التفاصيل حول المعاملات في docs.

الحصول على مخرجات أفضل من السكربت

نادراً ما تكون أول دفعة هي الأفضل. ثلاث تغييرات رخيصة تحسّن النتائج أكثر من تغيير الأدوات.

• أضف مثالين أو ثلاثة إلى موجّه النظام. الصق الموجّهات التي أعطتك صوراً أعجبتك، كل منها مع الفكرة القصيرة التي أنتجتها. ينسخ النموذج الهيكل ومستوى التفاصيل.
• مرر حقل النمط. احتفظ بقاموس صغير مثل "لقطة فيلم"، "ألوان مائية"، "عرض متساوي المحاور"، وأضف النمط المختار إلى كل فكرة. يمكن لقائمة واحدة من الأفكار أن تنتج عدة مظاهر.
• صفِّ الإخراج. ارفض الصفوف التي يكون فيها الموجّه أقصر من 25 كلمة أو أطول من 80، ثم أعد تشغيل تلك فقط. فحص قصير في الكود أفضل من قراءة ألف سطر.

احفظ الفكرة بجانب كل نتيجة. عندما تظهر صورة واحدة بشكل جيد، تريد أن ترى بالضبط ما أنتجها، وسجل الدردشة يُمرر بعيداً. الموضوع يبقى قراراً منك: النموذج مُعدّ للاستخدام القانوني للبالغين، والحدّ الصارم الوحيد هو عدم توليد أي شيء جنسي يتضمن قاصرين أبداً.

متى تبقى مع الدردشة

السكربت ليس دائماً الخيار الأفضل. التزم بمساعد الدردشة عندما لا تزال لا تعرف ما تريده، عندما تحتاج كل صورة إلى محادثة حول التكوين، أو عندما يكون حجمك صغيراً بما يكفي بحيث يتجاوز وقت الإعداد الوقت الموفّر. نمط شائع هو استخدام الدردشة للعثور على تعليمات جيدة، ثم لصق تلك التعليمات في السكربت كموجه نظام وتشغيل العمل الضخم هناك.

فكر أيضاً في البيانات. الموجّهات المرسلة إلى هذه API لا تُستخدم للتدريب. لأي خدمة أخرى، اقرأ سياسة البيانات الخاصة بهم قبل إرسال العمل الإبداعي غير المنشور.

المزيد من الأدلة

• مولّد الموجّهات Stable Diffusion LLM: إعداد Python
• سيناريوهات نصية قائمة على الأدوار مع واجهة برمجة تطبيقات LLM