เครื่องสร้างพรอมต์ ChatGPT SDXL เทียบกับสคริปต์ API ของคุณ

สองวิธีในการรับพรอมต์ SDXL จากโมเดลภาษา

วิธีแรกคือผู้ช่วยแชท คุณวางคำสั่งรูปแบบระบบครั้งเดียว จากนั้นส่งไอเดียสั้นๆ ทีละรายการแล้วคัดลอกแต่ละคำตอบเข้าไปในเครื่องมือสร้างภาพของคุณ วิธีนี้ไม่ต้องใช้โค้ด คุณเห็นคำตอบทันที และสามารถพูดว่า "มืดลง มีบรรยากาศภาพยนตร์มากขึ้น" แล้วรับผลลัพธ์ที่แก้ไขได้ เหมาะสำหรับการค้นคว้าอย่างมาก

วิธีที่สองคือสคริปต์ คุณเขียนคำสั่งครั้งเดียวในโค้ด โหลดรายการไอเดียจากไฟล์ เรียกใช้เอนด์พอยต์ chat completion สำหรับแต่ละรายการ แล้วบันทึกผลลัพธ์ไปยังไฟล์หรือส่งตรงไปยังโปรแกรมสร้างภาพของคุณ บริการนี้คือ API แบบข้อความเท่านั้นที่เข้ากันได้กับ OpenAI ซึ่งให้บริการโมเดลแบบเปิดน้ำหนักหนึ่งตัวจากผู้ให้บริการอิสระ ไม่ใช่ ChatGPT และไม่ใช่ผลิตภัณฑ์ของ OpenAI แต่ OpenAI SDK ตัวใดก็ตามสามารถใช้งานได้เมื่อคุณเปลี่ยน base URL และคีย์ API

ทั้งสองวิธีไม่ได้วาดภาพ ในทั้งสองกรณี โมเดลจะเขียนข้อความ และเครื่องมือแยกต่างหาก เช่น SDXL จะเรนเดอร์ข้อความนั้น

เปรียบเทียบเคียงข้าง

ปัจจัย	หน้าต่างแชท	สคริปต์ API
การตั้งค่า	ไม่มี	คีย์, 30 บรรทัดของ Python
ขนาดชุดที่ดีที่สุด	1 ถึง 20 พรอมต์	หลายร้อยถึงหลายพัน
รูปแบบผลลัพธ์	Whatever ที่แชทส่งกลับมา; คุณจัดการทำความสะอาดด้วยตนเอง	โหมด JSON ส่งคืนฟิลด์ที่คุณสามารถแยกวิเคราะห์ได้
ความสามารถในการทำซ้ำ	เบี่ยงเบนไปเมื่อการสนทนาเติบโตขึ้น	คำสั่งเดียวกันในทุกคำขอ, seed ที่เลือกได้
การทำซ้ำ	ธรรมชาติ: ตอบกลับพร้อมข้อเสนอแนะ	คุณแก้ไขสคริปต์แล้วรันใหม่
โมเดลต้นทุน	ขึ้นอยู่กับแผนที่คุณใช้งานอยู่; ตรวจสอบเงื่อนไขปัจจุบันของมัน	จ่ายตามโทเคน, เครดิตแบบเติมเงินล่วงหน้า
การปฏิเสธ	ขึ้นอยู่กับนโยบายเนื้อหาของผู้ช่วย	โมเดลนี้ตอบกลับโดยไม่มีการปฏิเสธเนื้อหาสำหรับการใช้งานผู้ใหญ่ที่ถูกต้องตามกฎหมาย

สรุปแบบตรงไปตรงมา: หากคุณสร้างภาพไม่กี่ภาพต่อสัปดาห์และสนุกกับการพูดคุยเกี่ยวกับภาพเหล่านั้น ให้ใช้แชทต่อไป สคริปต์จะเริ่มคุ้มค่าเมื่อการคัดลอกและวางกลายเป็นขั้นตอนที่ช้าที่สุดในกระบวนการทำงานของคุณ

ต้นทุนเวลาของการคัดลอกและวาง

ใช้การประมาณการที่สมเหตุสมผล: ใช้เวลา 30 วินาทีต่อพรอมต์ในการพิมพ์ไอเดีย รอ คัดลอกผลลัพธ์ และวางในตำแหน่งที่เหมาะสม เมื่อทำพรอมต์ 1,000 อัน จะใช้เวลา 1,000 × 30 วินาที = 30,000 วินาที หรือประมาณ 8.3 ชั่วโมงของความสนใจ

สคริปต์มีรูปแบบที่แตกต่างกัน สมมติว่าการเรียก API แต่ละครั้งใช้เวลาประมาณ 5 วินาที (นี่เป็นเพียงการสมมติ โปรดวัดค่าของคุณเอง) หากมีคำขอ 8 คำขอที่กำลังดำเนินการอยู่ ซึ่งเป็นขีดจำกัดความพร้อมกันของคีย์เต็มรูปแบบ การเรียก 1,000 ครั้งจะใช้เวลาประมาณ 1,000 / 8 × 5 วินาที = 625 วินาที หรือมากกว่า 10 นาทีเล็กน้อย ขีดจำกัดคำขอ 300 คำขอต่อนาทีหมายความว่าเวลาขั้นต่ำที่สุดคือมากกว่า 3 นาทีเล็กน้อย คุณเริ่มดำเนินการ ชงกาแฟ แล้วค่อยอ่านไฟล์ทีหลัง

เวลาที่ประหยัดได้คือข้อโต้แย้งหลัก ส่วนเรื่องเงินเป็นรอง ดังที่แสดงในหัวข้อถัดไป

ต้นทุนต่อ 1,000 พรอมต์

API นี้คิดค่าบริการ $0.15 ต่อ 1M โทเคนอินพุต และ $0.50 ต่อ 1M โทเคนเอาต์พุต สมมติว่าการเรียกแต่ละครั้งส่งคำสั่งขนาด 250 โทเคน และไอเดียขนาด 50 โทเคน (รวม 300 โทเคนอินพุต) และส่งคืนพรอมต์ขนาด 200 โทเคน

• อินพุต: 1,000 × 300 = 300,000 โทเคน × $0.15 / 1M = $0.045
• Output: 1,000 × 200 = 200,000 โทเคน × $0.50 / 1M = $0.10.
• รวม: $0.145 สำหรับ 1,000 พรอมต์

เพื่อเปรียบเทียบกับการสมัครสมาชิกแชทหรือ API อื่น ให้หาราคาแพ็กเกจนั้นด้วยจำนวนพรอมต์ที่คุณจะใช้งานจริงในเดือนนั้น และตรวจสอบราคาปัจจุบันแทนที่จะเชื่อตัวเลขจากบทความ เครดิตทดลองใช้ $0.50 ซึ่งอ้างสิทธิ์ได้เพียงคลิกเดียวบน หน้าคีย์ API หลังการสมัคร สามารถใช้งานพรอมต์ขนาดนี้ได้กว่า 3,400 ครั้ง ดูหน้า กำหนดราคา เพื่อเติมเงินตั้งแต่ $20 ถึง $500 ด้วยคริปโต

สคริปต์แบบแบตช์พร้อมการลองใหม่

สคริปต์ด้านล่างอ่านไอเดียจาก ideas.txt บรรทัดละหนึ่งไอเดีย และเขียนผลลัพธ์เป็น prompts.jsonl มันทำงานด้วย worker 6 ตัวแบบขนานและลองใหม่เมื่อเจอ 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")

รักษาจำนวน worker ให้ต่ำกว่าหรือเท่ากับ 8 สำหรับคีย์เต็มรูปแบบ หรือ 2 สำหรับคีย์ทดลอง หากพบ 429 พร้อมโค้ด concurrency ให้ลดจำนวนลง; rate_limited หมายถึงคุณเกินขีดจำกัดต่อนาที คำขอที่ล้มเหลวจะไม่ถูกเรียกเก็บเงิน ดังนั้นการลองใหม่จึงฟรี รายละเอียดเพิ่มเติมเกี่ยวกับพารามิเตอร์อยู่ใน docs

การรับผลลัพธ์ที่ดีขึ้นจากสคริปต์

การรันแบตช์ครั้งแรกมักไม่ใช่ผลลัพธ์ที่ดีที่สุด การเปลี่ยนแปลงเล็กน้อย 3 อย่างช่วยปรับปรุงผลลัพธ์ได้มากกว่าการเปลี่ยนเครื่องมือ

• เพิ่มตัวอย่างสองหรือสามตัวอย่างลงในระบบพรอมต์ วางพรอมต์ที่ให้ภาพที่คุณชอบ แต่ละอันพร้อมไอเดียสั้นๆ ที่สร้างภาพนั้น โมเดลจะคัดลอกโครงสร้างและระดับรายละเอียด
• ส่งฟิลด์สไตล์ เก็บพจนานุกรมขนาดเล็กเช่น "film still", "watercolor", "isometric render" และแนบสไตล์ที่เลือกเข้ากับแต่ละไอเดีย รายการไอเดียหนึ่งรายการสามารถให้ผลลัพธ์หลายรูปแบบได้
• กรองผลลัพธ์ ปฏิเสธแถวที่พรอมต์สั้นกว่า 25 คำหรือยาวกว่า 80 คำ แล้วรันเฉพาะรายการเหล่านั้น การตรวจสอบสั้นๆ ในโค้ดดีกว่าการอ่านพันบรรทัด

บันทึกไอเดียไว้ข้างผลลัพธ์ทุกครั้ง เมื่อภาพหนึ่งออกมาดี คุณต้องการเห็นสิ่งที่สร้างภาพนั้นอย่างชัดเจน และประวัติแชทจะเลื่อนหายไป หัวข้อเป็นดุลยพินิจของคุณ: โมเดลปรับแต่งมาเพื่อการใช้งานผู้ใหญ่ที่ถูกต้องตามกฎหมาย และขีดจำกัดเดียวที่เข้มงวดคือจะไม่มีการสร้างเนื้อหาทางเพศที่เกี่ยวข้องกับผู้เยาว์

เมื่อไหร่ควรใช้แชทต่อไป

สคริปต์ไม่ใช่ทางเลือกที่ดีเสมอไป ให้ใช้ผู้ช่วยแชทเมื่อคุณยังไม่รู้ว่าต้องการอะไร เมื่อภาพแต่ละภาพต้องการการพูดคุยเกี่ยวกับองค์ประกอบ หรือเมื่อปริมาณงานของคุณน้อยพอที่เวลาตั้งค่าจะมากกว่าเวลาที่ประหยัดได้ รูปแบบทั่วไปคือใช้แชทเพื่อหาคำสั่งที่ดี จากนั้นวางคำสั่งนั้นลงในสคริปต์เป็นพรอมต์ระบบ และรันงานจำนวนมากที่นั่น

นอกจากนี้ควรพิจารณาเรื่องข้อมูล พรอมต์ที่ส่งไปยัง API นี้ไม่ถูกนำไปใช้ในการฝึกโมเดล สำหรับบริการอื่นๆ โปรดอ่านนโยบายข้อมูลของพวกเขาก่อนส่งผลงานสร้างสรรค์ที่ยังไม่เผยแพร่

คู่มือเพิ่มเติม

• เครื่องสร้างพรอมต์ Stable Diffusion LLM: การติดตั้ง Python
• บทบาทสมมติแบบข้อความด้วย API LLM