Stability Generative AI Art

Analysoinut Appwesome

Stability Generative AI Art on generatiiviseen kuvantekoon keskittyvä taidesovellus, jonka idea on helppo ymmärtää: kirjoitan kuvauksen tekstikenttään, ja sovellus muuttaa sen kuvaksi tekoälyn avulla. Käytössä on Stability AI:n teknologiaa, ja sovelluksen yhteydessä mainitaan myös ChatGPT-pohjaiset generatiiviset tekstityökalut. Minulle kiinnostavinta ei kuitenkaan ollut yksittäinen näyttävä kuva, vaan se, miten nopeasti tästä voi rakentaa toistettavan työskentelytavan.

Kyseessä on TarrySoftin kehittämä ilmainen Android-sovellus taiteen ja designin kategoriassa. Se sopii erityisesti ideointiin, tunnelmakuvien tekemiseen ja visuaalisten vaihtoehtojen kokeilemiseen ilman, että ensin tarvitsee opetella piirto-ohjelman kaikkia työkaluja. Samalla on hyvä ymmärtää, ettei se korvaa tarkkaa kuvankäsittelyä tai ammattimaista kuvitusprosessia. Sen vahvuus on nopeassa luonnostelussa, ei täydellisessä lopputuloksen hallinnassa.

Kun kuvan luominen ei etene odotetusti

Tekstistä kuvaksi -sovelluksessa yleisin turhautumisen hetki on se, että kuva näyttää kiinnostavalta mutta ei vastaa omaa mielikuvaa. Tässä sovelluksessa kannattaa ensin erottaa toisistaan epäselvä kuvaus ja generoinnin luontainen vaihtelu. Jos pääkohde tai ympäristö jää avoimeksi, tulos voi lähteä suuntaan, jota en tarkoittanut. Jos taas kuvaus on selkeä ja lopputulos silti poikkeaa odotuksesta, kyse ei välttämättä ole käyttäjän virheestä: generatiivinen työkalu ei ole tarkka piirto-ohjelma.

Kun pyyntö tuntuu toimivan mutta tulos ei ole käyttökelpoinen, en aloita heti kokonaan alusta. Tarkistan ensin, mikä kuvassa onnistui ja mikä ei. Jos tunnelma on hyvä mutta sommittelu väärä, muutan kuvausta sommittelun osalta. Jos taas ympäristö sopii mutta sävyt eivät, keskityn väreihin. Näin jokainen yritys opettaa jotakin sen sijaan, että vaihtaisin kaikki sanat ja menettäisin käsityksen siitä, mikä vaikutti tulokseen.

Ensimmäinen työskentelytapa: ideasta kuvaksi

Aloitin mahdollisimman yksinkertaisesti. Kirjoitin ensin aiheen, ympäristön ja tunnelman samaan kuvaukseen. Esimerkiksi pelkkä “metsä” on liian avoin lähtökohta, mutta “sumuinen havumetsä aamunkoitteessa, pehmeä valo, rauhallinen tunnelma” antaa jo selkeämmän suunnan. Tällainen perusjärjestys toimii paremmin kuin pitkä lista irrallisia adjektiiveja, koska sovellukselle välittyy ensin pääkohde ja sen jälkeen haluttu ilmapiiri.

Kun kuva syntyy, en arvioi sitä vain sen perusteella, näyttääkö se heti hienolta. Katson myös, vastaako sommittelu käyttötarkoitusta. Sosiaalisen median taustakuvassa keskelle sijoitettu pääkohde voi olla hyvä, mutta tekstille tarkoitetussa julisteessa tarvitsen tyhjää tilaa toiselle reunalle. Tämä on yksi käytännön ero satunnaisen kokeilun ja hyödyllisen kuvatuotannon välillä: kuvausta kannattaa kirjoittaa sen mukaan, mihin kuvaa oikeasti käyttää.

Jos ensimmäinen tulos on lähes oikea, muutan vain yhtä tai kahta asiaa kerrallaan. Jos vaihdan samassa pyynnössä kohteen, tyylin, väripaletin ja kuvakulman, en enää tiedä, mikä muutos paransi tai heikensi lopputulosta. Pienillä kierroksilla opin nopeasti, millaiset sanat ohjaavat juuri omaa ideaani. Tämä tekee sovelluksesta huomattavasti miellyttävämmän kuin jatkuva täysin uusien kuvausten arpominen.

Yksi toimiva arkinen tilanne on esimerkiksi blogikirjoituksen tai esityksen kuvituksen suunnittelu. Ensin teen laajan tunnelmakuvan, sitten pyydän saman aiheen eri näkökulmasta ja lopuksi kokeilen vaaleampaa tai tummempaa värimaailmaa. Näin saan vaihtoehtoja ennen kuin käytän aikaa lopullisen kuvan etsimiseen tai käsin rakentamiseen. Sovellus ei ratkaise koko julkaisua, mutta se lyhentää ideointivaihetta tuntuvasti.

Millainen kuvaus toimii käytännössä?

Oman kokemukseni perusteella parhaat kuvaukset ovat konkreettisia mutta eivät ylikuormitettuja. Aloitan pääkohteesta, lisään ympäristön, määrittelen valon tai värien suunnan ja mainitsen lopuksi halutun tyylin. Jos haluan esimerkiksi fantasiamaiseman, “vanha kivisilta, vuoristolaakso, iltavalo, sinisen ja kullan sävyt, maalauksellinen tunnelma” on hyödyllisempi kuin pitkä teksti, jossa sama ajatus toistuu monella tavalla.

Tekstiä sisältävien kuvien kanssa olen varovaisempi. Generatiivinen kuvatyökalu voi tehdä julisteen näköisen sommitelman, mutta tarkka kirjoitus, tuotemerkki tai pitkä otsikko kannattaa lisätä myöhemmin erillisessä kuvankäsittelyssä. Tähän käyttöön tavallinen suunnitteluohjelma on varmempi vaihtoehto. Stability Generative AI Art toimii paremmin taustan, värimaailman ja visuaalisen idean luojana kuin valmiin tekstipohjaisen mainoksen viimeistelijänä.

Myös ihmishahmojen kanssa kannattaa varata aikaa useampaan yritykseen. Kädet, pienet kasvot ja monimutkaiset esineiden väliset suhteet eivät aina onnistu ensimmäisellä kerralla. Jos kuvassa on yksi selkeä hahmo ja yksinkertainen ympäristö, tulos on yleensä helpompi arvioida. Ryhmäkuvat, tarkat asennot ja useita toisiinsa koskettavia henkilöitä sisältävät kohtaukset vaativat enemmän kärsivällisyyttä.

Asetukset, jotka kannattaa tarkistaa ennen kiireistä käyttöä

Ennen kuin teen kuvia sarjana, tarkistan sovelluksen käytettävissä olevat vaihtoehdot ja sen, millä tavalla kuvapyyntöjä käsitellään. En oleta, että jokainen tila sopii jokaiseen tarkoitukseen. Jos tavoitteena on nopea ideointi, valitsen mieluummin yksinkertaisen kuvauksen ja vertailen useita ajatuksia. Jos taas teen yhtä tarkkaa kansikuvaideaa, käytän enemmän aikaa sanavalintoihin ja teen muutokset harkitummin.

Myös sovelluksen käyttöjärjestelmävaatimus on käytännössä tärkeä: Android-laitteessa tarvitaan vähintään versio 8.0. Ilmaiseksi ladattava sovellus voi sisältää Playn kautta veloitettavia sovelluksen sisäisiä ostoja, joiden hintahaarukka on 0,99 eurosta 99,99 euroon. Siksi tarkistan aina ennen pidempää käyttöä, mitkä toiminnot ovat omassa tilanteessani maksuttomia ja milloin mahdollinen osto tulee vastaan. Tämä ei ole ongelma satunnaiselle kokeilijalle, mutta paljon kuvia tuottavan kannattaa seurata käyttöä tietoisesti.

Ikärajaksi on merkitty PEGI 3, joten sovellus on luokitukseltaan hyvin laajalle yleisölle sopiva. Se ei silti tarkoita, että jokainen tekoälyn luoma kuva olisi automaattisesti hyvä lapsen koulutyöhön tai julkiseen julkaisuun. Käyn tuotokset läpi itse, etenkin jos aihe liittyy ihmisiin, symboleihin tai todellisuutta muistuttaviin tilanteisiin. Luokitus kertoo sovelluksen yleisestä ikäsopivuudesta, ei jokaisen yksittäisen generoinnin laadusta.

Nykyinen versio on 2.1.0.1, ja sovellus on julkaistu 12.7.2023. Näitä tietoja on hyödyllistä verrata omaan laitteeseen ja sovelluskaupan näkymään ennen asennusta, erityisesti jos puhelin on vanhempi. Käytännössä tärkeintä on riittävä yhteensopivuus ja vakaa verkkoyhteys silloin, kun kuvia luodaan palvelun kautta.

Nopeampi tapa tehdä useita käyttökelpoisia vaihtoehtoja

Kokeneen käyttäjän tärkein etu ei ole mielestäni yksittäinen taikasana, vaan oma rutiini. Pidän erillään kolme asiaa: aihe, ulkoasu ja käyttötarkoitus. Ensin päätän, mitä kuvassa pitää näkyä. Sen jälkeen määrittelen, millainen tunnelma ja väripaletti sopivat. Lopuksi mietin, tarvitaanko tilaa otsikolle, rajataanko kuva tiettyyn näkymään vai käytetäänkö sitä vain inspiraationa.

Tämän jälkeen teen pieniä muunnelmia. Yhdessä versiossa muutan vain valaistusta, toisessa kuvakulmaa ja kolmannessa värien lämpöä. Kun vertailen tuloksia rinnakkain, huomaan nopeasti, mikä suunta palvelee tarkoitusta. Tämä on paljon tehokkaampaa kuin se, että kirjoitan joka kerta täysin uuden, pitkän kuvauksen.

Toinen hyödyllinen tapa on säilyttää omat hyväksi havaitut sanaparit erillisessä muistiinpanossa. Jos pidän tietynlaisesta pehmeästä valaistuksesta tai graafisesta tyylistä, voin käyttää samaa rakennetta seuraavassa projektissa ja vaihtaa vain aiheen. En pidä tätä sovelluksen piilotettuna ominaisuutena, vaan käyttäjän omana työskentelykeinona. Se tekee tuloksista johdonmukaisempia ja auttaa ymmärtämään, miten oma teksti vaikuttaa kuviin.

ChatGPT:n kaltainen tekstipohjainen apu voi olla hyödyllinen silloin, kun tiedän miltä haluan kuvan tuntuvan mutta en osaa muotoilla pyyntöä. Pyydän esimerkiksi muutamia vaihtoehtoisia tapoja kuvata sama kohtaus ja valitsen niistä selkeimmän. En kuitenkaan siirrä päätöstä kokonaan automaatiolle. Jos teksti kasvaa liian pitkäksi, lopputulos voi muuttua epämääräiseksi, joten tiivistän ehdotuksen ennen kuvan luomista.

Puhelimella käytettynä sovellus on parhaimmillaan lyhyissä ideointijaksoissa. Jos teen kymmeniä muunnelmia yhdellä istumalla, huomaan helposti alkavani hyväksyä keskinkertaisia kuvia vain siksi, että olen kyllästynyt vertailemaan niitä. Siksi nimeän mielessäni jokaiselle kierrokselle tavoitteen: ensin sommittelu, sitten värit, lopuksi tunnelma. Tämä pitää työn hallittavana ilman, että sovelluksesta tarvitsee tehdä raskasta tuotantotyökalua.

Jos käyttö takkuilee: rajaa ongelma ennen kuin aloitat uudelleen

Jos kuvan luominen ei käynnisty tai sovellus ei tunnu reagoivan, aloitan tavallisista tarkistuksista enkä heti muuta kuvausta. Varmistan, että verkkoyhteys toimii, suljen tarpeettomat sovellukset ja kokeilen uudelleen. Jos ongelma koskee vain yhtä pyyntöä, yksinkertaistan tekstiä ja poistan siitä ristiriitaiset ohjeet. Jos sama ongelma toistuu laajemminkin, käynnistän sovelluksen tai laitteen uudelleen ja tarkistan, että käytössä oleva Android-versio täyttää yhteensopivuusvaatimuksen.

Tällainen rajaus auttaa erottamaan tekstin aiheuttaman epäselvyyden yhteys- tai laiteongelmasta. En myöskään lähetä samaa pitkää pyyntöä monta kertaa peräkkäin, jos en tiedä, käsitteleekö sovellus sitä. Odotan hetken ja yritän sitten uudelleen lyhyemmällä, selkeämmällä kuvauksella. Se säästää aikaa ja vähentää turhia kokeiluja, etenkin jos käyttöön voi liittyä sovelluksen sisäisiä ostoja.

Missä generatiivisen kuvan rajat tulevat vastaan?

Stability Generative AI Art ei anna samanlaista pikselintarkkaa kontrollia kuin perinteinen piirto- tai kuvankäsittelyohjelma. En voi luottaa siihen, että pieni sanamuutos vaikuttaa vain yhteen yksityiskohtaan. Muutos voi samalla vaihtaa kasvoja, taustaa, sommittelua tai koko tunnelmaa. Jos projektissa tarvitaan tarkka logo, tietty henkilö, täsmällinen tuotesuunnittelu tai täysin yhdenmukainen hahmo useaan kuvaan, valitsisin rinnalle toisen työkalun.

Myös toistettavuus on kompromissi. Generatiivinen työskentely on kiinnostavaa juuri siksi, että tulos voi yllättää, mutta sama ominaisuus hankaloittaa sarjan rakentamista. Jos tarvitsen kuusi kuvitusta samaan visuaaliseen maailmaan, minun täytyy pitää kuvaukset hyvin yhdenmukaisina ja hyväksyä silti vaihtelua. Sovellus sopii paremmin konseptien etsimiseen kuin tilanteeseen, jossa jokaisen kuvan täytyy noudattaa tarkkaa tuotantostandardia.

Toinen rajoitus liittyy arviointiin. Näyttävä kuva ei aina ole käyttökelpoinen kuva. Sommittelu voi näyttää puhelimen ruudulla hyvältä, mutta rajaus voi olla väärä verkkosivulle. Värikontrasti voi olla kaunis, mutta tekstille ei jää tarpeeksi tilaa. Siksi tarkistan aina kuvan käyttökontekstin enkä päätä pelkän ensivaikutelman perusteella.

Tekijänoikeuksiin, yksityisyyteen ja julkaisemiseen liittyvissä kysymyksissä käytän tervettä varovaisuutta. En syötä palveluun henkilökohtaista materiaalia vain kokeilun vuoksi, enkä oleta, että tekoälyn luoma kuva olisi ongelmaton kaikissa kaupallisissa tilanteissa. Jos kuva liittyy asiakkaaseen, tuotemerkkiin tai julkiseen kampanjaan, tarkistan käyttöehdot ja teen tarvittaessa lopullisen työn erillisillä työkaluilla.

Kenelle sovellus sopii ja milloin valitsisin muun vaihtoehdon?

Suosittelen tätä sovellusta henkilölle, joka haluaa nopeasti visualisoida ajatuksiaan. Se on hyvä valinta esimerkiksi opiskelijalle, joka etsii esityksen tunnelmaa, harrastajalle, joka suunnittelee fantasiamaailmaa, tai sisällöntuottajalle, joka tarvitsee luonnoksia ennen lopullista kuvitusta. Myös aloittelija pääsee kokeilemaan generatiivista taidetta ilman, että hänen täytyy ensin opetella monimutkaista käyttöliittymää.

En valitsisi sitä ensisijaiseksi työkaluksi graafiselle suunnittelijalle, jonka pitää hallita jokainen viiva, kerros ja mittasuhde. En myöskään käyttäisi sitä ainoana ratkaisuna, jos työn tärkein osa on luettava teksti, tarkka tuotemalli tai sama hahmo useissa kohtauksissa. Näissä tapauksissa perinteinen piirto-ohjelma, kuvankäsittelysovellus tai tarkempi suunnittelutyökalu antaa paremman kontrollin.

Jos vertaan sitä tavalliseen kuvapankkiin, sovelluksen etu on mahdollisuus lähteä liikkeelle omasta ideasta eikä etsiä valmiista vaihtoehdoista lähintä osumaa. Kuvapankki on silti usein parempi, kun tarvitsen luotettavan, realistisen kuvan tietystä aiheesta nopeasti. Piirto- tai suunnittelusovellus taas voittaa silloin, kun lopputuloksen täytyy noudattaa tarkkaa brändiä tai asettelua. Minusta nämä eivät ole suoria korvikkeita toisilleen: tämä sovellus auttaa ennen kaikkea löytämään suunnan, jota voi jatkaa muualla.

Esimerkiksi ennen esityksen tekemistä voin luoda muutaman tunnelmaltaan erilaisen taustakuvan ja näyttää vaihtoehdot ryhmälle. Kun valinta on tehty, viimeistelen otsikon ja muun tekstin tavallisessa suunnittelutyökalussa. Tällainen työnjako hyödyntää generoinnin vahvuutta, mutta ei jätä luettavuutta tai viimeistelyä sen varaan. Jos taas tarvitsen vain yhden täsmällisen kuvan ilman kokeiluvaihetta, käyttäisin suoraan valmista kuvaa tai hallittavampaa editoria.

Sovelluksen suosio kertoo kuitenkin, että se kiinnostaa laajaa käyttäjäkuntaa: arvosana on 4,5 noin 20 tuhannen arvion perusteella, ja asennuksia on kertynyt yli miljoona. Näen tämän ennen kaikkea merkkinä siitä, että matalan kynnyksen kuvantuotannolle on selkeä tarve. Suosio ei poista rajoituksia, mutta se tekee sovelluksesta kokeilemisen arvoisen etenkin silloin, kun haluan aloittaa nopeasti.

Oma arvio käytön jälkeen

Stability Generative AI Art on parhaimmillaan ideakoneena. Sen avulla saan nopeasti näkyviin vaihtoehtoja, joita olisi vaikea piirtää tyhjästä, ja voin käyttää kuvia keskustelun tai suunnittelun lähtökohtana. Pidän erityisesti siitä, että sovellus kannustaa kokeilemaan: kirjoitan ajatuksen, tarkennan sitä ja opin samalla, millainen kieli tuottaa haluamaani suuntaa.

Sen kanssa kannattaa kuitenkin hyväksyä, ettei jokainen tulos ole valmis julkaistavaksi. Parhaat tulokset syntyvät, kun yhdistän generoinnin omaan arviointiin, rajaan käyttötarkoituksen ja viimeistelen tarvittaessa muualla. Ilmainen lähtökohta on houkutteleva, mutta mahdolliset Playn kautta veloitettavat ostot kannattaa huomioida ennen aktiivista käyttöä.

Arvioin sovelluksen kokonaisuutena hyväksi valinnaksi Android-käyttäjälle, joka haluaa tutustua tekoälytaiteeseen ja rakentaa nopeasti kuvia omista ideoistaan. Jos suhtaudut siihen luonnostelijana etkä täydellisenä suunnittelustudiona, saat siitä eniten irti. Minulle se jää käyttöön juuri tähän tarkoitukseen: en pyydä sitä tekemään kaikkea, vaan käytän sitä nopeana ensimmäisenä versiona, jonka päälle oma harkinta ja muu työkalupakki voivat rakentaa paremman lopputuloksen.

Kun tämän työskentelytavan oppii, sovellus tuntuu vähemmän satunnaiselta kuvageneraattorilta ja enemmän keskustelukumppanilta visuaalisessa ideoinnissa. TarrySoftin toteutus ei poista generatiivisen taiteen epävarmuutta, mutta se tekee kokeilusta helposti lähestyttävää. Siksi pidän sitä suositeltavana erityisesti uteliaalle käyttäjälle, joka haluaa testata ideoita nopeasti ja hyväksyy sen, että parhaat kuvat löytyvät usein useamman harkitun yrityksen kautta.