LLMs တွေဟာ စာသားဖန်တီးခြင်းထက် ပိုပြီးစွမ်းရည်ရှိပါတယ်။ စာသားဖော်ပြချက်များမှ ပုံများကို ဖန်တီးနိုင်ခြင်းလည်း ရနိုင်ပါတယ်။ ပုံများကို modality အနေနဲ့ အသုံးပြုခြင်းဟာ MedTech, အိမ်ဆောက်လုပ်ရေး, ခရီးသွားလုပ်ငန်း, ဂိမ်းဖန်တီးခြင်းနဲ့ အခြားနယ်ပယ်များတွင် အလွန်အသုံးဝင်နိုင်ပါတယ်။ ဒီအခန်းမှာတော့ DALL-E နဲ့ Midjourney ဆိုတဲ့ ပုံဖန်တီးခြင်းမော်ဒယ်များနှစ်ခုကို လေ့လာသွားမှာဖြစ်ပါတယ်။
ဒီသင်ခန်းစာမှာ ကျွန်တော်တို့ လေ့လာမယ့်အရာတွေကတော့ -
- ပုံဖန်တီးခြင်းနဲ့ အဘယ်ကြောင့် အကျိုးရှိသလဲ။
- DALL-E နဲ့ Midjourney ဘာလဲ၊ ဘယ်လိုအလုပ်လုပ်သလဲ။
- ပုံဖန်တီးခြင်းအက်ပလီကေးရှင်းကို ဘယ်လိုတည်ဆောက်မလဲ။
ဒီသင်ခန်းစာပြီးဆုံးတဲ့အခါမှာ သင်တတ်မြောက်မယ့်အရာတွေက -
- ပုံဖန်တီးခြင်းအက်ပလီကေးရှင်းတစ်ခုကို တည်ဆောက်နိုင်မယ်။
- meta prompts အသုံးပြုပြီး သင့်အက်ပလီကေးရှင်းအတွက် အကန့်အသတ်များကို သတ်မှတ်နိုင်မယ်။
- DALL-E နဲ့ Midjourney ကို အသုံးပြုနိုင်မယ်။
ပုံဖန်တီးခြင်းအက်ပလီကေးရှင်းတွေဟာ Generative AI ရဲ့ စွမ်းရည်တွေကို စူးစမ်းဖို့ အကောင်းဆုံးနည်းလမ်းတစ်ခုဖြစ်ပါတယ်။ ဥပမာအားဖြင့် -
-
ပုံတည်းဖြတ်ခြင်းနဲ့ ပုံပေါင်းစပ်ခြင်း။ ပုံတည်းဖြတ်ခြင်းနဲ့ ပုံပေါင်းစပ်ခြင်းလို အမျိုးမျိုးသော အသုံးချမှုများအတွက် ပုံများကို ဖန်တီးနိုင်ပါတယ်။
-
အမျိုးမျိုးသော စက်မှုလုပ်ငန်းများတွင် အသုံးချနိုင်ခြင်း။ MedTech, ခရီးသွားလုပ်ငန်း, ဂိမ်းဖန်တီးခြင်းနဲ့ အခြားနယ်ပယ်များအတွက် ပုံများကို ဖန်တီးနိုင်ပါတယ်။
ဒီသင်ခန်းစာရဲ့ အစိတ်အပိုင်းတစ်ခုအနေနဲ့ ကျွန်တော်တို့ရဲ့ စတတ်အပ်ဖြစ်တဲ့ Edu4All ကို ဆက်လက်အလုပ်လုပ်သွားမှာဖြစ်ပါတယ်။ ကျောင်းသားတွေဟာ သူတို့ရဲ့ အကဲဖြတ်မှုများအတွက် ပုံများကို ဖန်တီးမှာဖြစ်ပြီး၊ ဘယ်လိုပုံတွေဖန်တီးမလဲဆိုတာ သူတို့ရဲ့ ရွေးချယ်မှုအပေါ် မူတည်ပါတယ်။ သူတို့ရဲ့ fairytale ကို ရေးဆွဲဖို့ အနုပညာပုံများဖန်တီးခြင်း၊ သူတို့ရဲ့ ဇာတ်ကောင်အသစ်ကို ဖန်တီးခြင်း၊ သူတို့ရဲ့ အကြံဉာဏ်နဲ့ အယူအဆတွေကို ရှင်းလင်းဖော်ပြဖို့ ကူညီခြင်းစတဲ့ အရာတွေကို လုပ်နိုင်ပါတယ်။
Edu4All ရဲ့ ကျောင်းသားတွေဟာ ဥပမာအားဖြင့် အတန်းထဲမှာ အထိမ်းအမှတ်အဆောက်အအုံများအပေါ် အလုပ်လုပ်နေတဲ့အခါ ဖန်တီးနိုင်တဲ့ပုံတွေက -
ဒီလို prompt ကို အသုံးပြုနိုင်ပါတယ် -
"နံနက်စောစောအလင်းရောင်မှာ Eiffel Tower အနားမှာ ခွေး"
DALL-E နဲ့ Midjourney ဟာ ပုံဖန်တီးခြင်းမော်ဒယ်များအနက် အလွန်လူကြိုက်များတဲ့ မော်ဒယ်နှစ်ခုဖြစ်ပြီး၊ prompt တွေကို အသုံးပြုပြီး ပုံများကို ဖန်တီးနိုင်ပါတယ်။
DALL-E ကို စတင်လေ့လာကြမယ်၊ DALL-E ဟာ စာသားဖော်ပြချက်များမှ ပုံများကို ဖန်တီးတဲ့ Generative AI မော်ဒယ်တစ်ခုဖြစ်ပါတယ်။
DALL-E ဟာ CLIP နဲ့ diffused attention ဆိုတဲ့ မော်ဒယ်နှစ်ခုရဲ့ ပေါင်းစပ်ဖြစ်ပါတယ်။
-
CLIP ဟာ ပုံနဲ့ စာသားများမှ ဒေတာရဲ့ ကိန်းဂဏန်းကိုယ်စားပြုမှုများ (embeddings) ကို ဖန်တီးတဲ့ မော်ဒယ်ဖြစ်ပါတယ်။
-
Diffused attention ဟာ embeddings မှ ပုံများကို ဖန်တီးတဲ့ မော်ဒယ်ဖြစ်ပါတယ်။ DALL-E ကို ပုံနဲ့ စာသားများပါဝင်တဲ့ dataset မှာ လေ့ကျင့်ထားပြီး၊ စာသားဖော်ပြချက်များမှ ပုံများကို ဖန်တီးနိုင်ပါတယ်။ ဥပမာအားဖြင့် DALL-E ကို ဦးထုပ်ဝတ်ထားတဲ့ ကြောင်ပုံ၊ mohawk ရှိတဲ့ ခွေးပုံကို ဖန်တီးဖို့ အသုံးပြုနိုင်ပါတယ်။
Midjourney ဟာ DALL-E နဲ့ ဆင်တူတဲ့နည်းလမ်းနဲ့ အလုပ်လုပ်ပြီး၊ စာသား prompt တွေမှ ပုံများကို ဖန်တီးပါတယ်။ Midjourney ကို “ဦးထုပ်ဝတ်ထားတဲ့ ကြောင်”၊ “mohawk ရှိတဲ့ ခွေး” စတဲ့ prompt တွေကို အသုံးပြုပြီး ပုံများကို ဖန်တီးနိုင်ပါတယ်။
DALL-E ကို စတင်ကြည့်မယ်။ DALL-E ဟာ transformer architecture အပေါ်အခြေခံထားတဲ့ Generative AI မော်ဒယ်ဖြစ်ပြီး autoregressive transformer ကို အသုံးပြုပါတယ်။
autoregressive transformer ဟာ စာသားဖော်ပြချက်များမှ ပုံများကို ဖန်တီးတဲ့ နည်းလမ်းကို သတ်မှတ်ပြီး၊ pixel တစ်ခုချင်းစီကို ဖန်တီးကာ၊ ဖန်တီးထားတဲ့ pixel တွေကို အသုံးပြုပြီး နောက် pixel ကို ဖန်တီးပါတယ်။ neural network ရဲ့ အလွှာများစွာကို ဖြတ်သွားပြီး၊ ပုံကို ပြည့်စုံအောင် ဖန်တီးပါတယ်။
ဒီလုပ်ငန်းစဉ်နဲ့ DALL-E ဟာ ဖန်တီးထားတဲ့ ပုံမှာ attribute, object, characteristic စတာတွေကို ထိန်းချုပ်နိုင်ပါတယ်။ သို့သော် DALL-E 2 နဲ့ 3 ဟာ ဖန်တီးထားတဲ့ ပုံကို ပိုမိုထိန်းချုပ်နိုင်ပါတယ်။
ပုံဖန်တီးခြင်းအက်ပလီကေးရှင်းတစ်ခုကို တည်ဆောက်ဖို့ ဘာတွေလိုအပ်မလဲ? အောက်ပါ library တွေလိုအပ်ပါတယ် -
- python-dotenv - သင့်ရဲ့ secrets တွေကို .env ဖိုင်ထဲမှာ code မှာမပါအောင် ထားဖို့ အလွန်အကြံပြုပါတယ်။
- openai - OpenAI API နဲ့ ဆက်သွယ်ဖို့ အသုံးပြုမယ့် library ဖြစ်ပါတယ်။
- pillow - Python မှာ ပုံတွေနဲ့ အလုပ်လုပ်ဖို့။
- requests - HTTP requests တွေကို လုပ်ဆောင်ဖို့ ကူညီပေးပါတယ်။
မလုပ်ရသေးပါက Microsoft Learn စာမျက်နှာမှာ လမ်းညွှန်ချက်တွေကို လိုက်နာပြီး Azure OpenAI resource နဲ့ model ကို ဖန်တီးပါ။ မော်ဒယ်အနေနဲ့ DALL-E 3 ကို ရွေးချယ်ပါ။
-
.env ဆိုတဲ့ ဖိုင်တစ်ခုကို အောက်ပါအကြောင်းအရာနဲ့ ဖန်တီးပါ -
AZURE_OPENAI_ENDPOINT=<your endpoint> AZURE_OPENAI_API_KEY=<your key> AZURE_OPENAI_DEPLOYMENT="dall-e-3"ဒီအချက်အလက်တွေကို Azure OpenAI Foundry Portal မှာ သင့် resource ရဲ့ "Deployments" အပိုင်းမှာ ရှာပါ။
-
အထက်ပါ library တွေကို requirements.txt ဆိုတဲ့ ဖိုင်တစ်ခုထဲမှာ အောက်ပါအတိုင်း စုစည်းပါ -
python-dotenv openai pillow requests -
နောက်တစ်ဆင့် virtual environment ကို ဖန်တီးပြီး library တွေကို install လုပ်ပါ -
python3 -m venv venv source venv/bin/activate pip install -r requirements.txtWindows အတွက် virtual environment ကို ဖန်တီးပြီး activate လုပ်ဖို့ အောက်ပါ command တွေကို အသုံးပြုပါ -
python3 -m venv venv venv\Scripts\activate.bat
-
app.py ဆိုတဲ့ ဖိုင်ထဲမှာ အောက်ပါ code ကို ထည့်ပါ -
import openai import os import requests from PIL import Image import dotenv from openai import OpenAI, AzureOpenAI # import dotenv dotenv.load_dotenv() # configure Azure OpenAI service client client = AzureOpenAI( azure_endpoint = os.environ["AZURE_OPENAI_ENDPOINT"], api_key=os.environ['AZURE_OPENAI_API_KEY'], api_version = "2024-02-01" ) try: # Create an image by using the image generation API generation_response = client.images.generate( prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils', size='1024x1024', n=1, model=os.environ['AZURE_OPENAI_DEPLOYMENT'] ) # Set the directory for the stored image image_dir = os.path.join(os.curdir, 'images') # If the directory doesn't exist, create it if not os.path.isdir(image_dir): os.mkdir(image_dir) # Initialize the image path (note the filetype should be png) image_path = os.path.join(image_dir, 'generated-image.png') # Retrieve the generated image image_url = generation_response.data[0].url # extract image URL from response generated_image = requests.get(image_url).content # download the image with open(image_path, "wb") as image_file: image_file.write(generated_image) # Display the image in the default image viewer image = Image.open(image_path) image.show() # catch exceptions except openai.InvalidRequestError as err: print(err)
ဒီ code ကို ရှင်းပြပါ -
-
ပထမဆုံး OpenAI library, dotenv library, requests library, Pillow library အပါအဝင် လိုအပ်တဲ့ library တွေကို import လုပ်ပါတယ်။
import openai import os import requests from PIL import Image import dotenv
-
နောက်တစ်ဆင့် .env ဖိုင်ထဲက environment variables တွေကို load လုပ်ပါတယ်။
# import dotenv dotenv.load_dotenv()
-
အပြီးမှာ Azure OpenAI service client ကို configure လုပ်ပါတယ်။
# Get endpoint and key from environment variables client = AzureOpenAI( azure_endpoint = os.environ["AZURE_OPENAI_ENDPOINT"], api_key=os.environ['AZURE_OPENAI_API_KEY'], api_version = "2024-02-01" )
-
နောက်တစ်ဆင့် ပုံကို ဖန်တီးပါတယ် -
# Create an image by using the image generation API generation_response = client.images.generate( prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils', size='1024x1024', n=1, model=os.environ['AZURE_OPENAI_DEPLOYMENT'] )
အထက်ပါ code ဟာ ဖန်တီးထားတဲ့ ပုံရဲ့ URL ပါဝင်တဲ့ JSON object ကို ပြန်လည်တုံ့ပြန်ပါတယ်။ ဒီ URL ကို အသုံးပြုပြီး ပုံကို download လုပ်ကာ ဖိုင်အဖြစ် save လုပ်နိုင်ပါတယ်။
-
နောက်ဆုံးမှာ ပုံကို ဖွင့်ပြီး standard image viewer ကို အသုံးပြုကာ ပြသပါတယ် -
image = Image.open(image_path) image.show()
ပုံကို ဖန်တီးတဲ့ code ကို ပိုမိုအသေးစိတ်ကြည့်ရှုကြမယ် -
generation_response = client.images.generate(
prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils',
size='1024x1024', n=1,
model=os.environ['AZURE_OPENAI_DEPLOYMENT']
)- prompt - ပုံကို ဖန်တီးဖို့ အသုံးပြုတဲ့ စာသား prompt ဖြစ်ပါတယ်။ ဒီအခါမှာ "မြူခိုးထူထူမြေခင်းပေါ်မှာ daffodils ပေါက်နေတဲ့နေရာမှာ မြင်းပေါ်မှာ လိမ္မော်ရောင်လုံးကို ကိုင်ထားတဲ့ ကြွက်" ဆိုတဲ့ prompt ကို အသုံးပြုပါတယ်။
- size - ဖန်တီးထားတဲ့ ပုံရဲ့ အရွယ်အစားဖြစ်ပါတယ်။ ဒီအခါမှာ 1024x1024 pixels ရှိတဲ့ ပုံကို ဖန်တီးပါတယ်။
- n - ဖန်တီးထားတဲ့ ပုံရဲ့ အရေအတွက်ဖြစ်ပါတယ်။ ဒီအခါမှာ ပုံနှစ်ပုံကို ဖန်တီးပါတယ်။
- temperature - Generative AI မော်ဒယ်ရဲ့ output ရဲ့ အလွတ်တန်းကို ထိန်းချုပ်တဲ့ parameter ဖြစ်ပါတယ်။ temperature ဟာ 0 နဲ့ 1 ကြားမှာရှိပြီး၊ 0 ဆိုတာ output ဟာ deterministic ဖြစ်ပြီး၊ 1 ဆိုတာ output ဟာ random ဖြစ်ပါတယ်။ default value က 0.7 ဖြစ်ပါတယ်။
ပုံတွေနဲ့ လုပ်နိုင်တဲ့ အခြားအရာတွေကို နောက်အပိုင်းမှာ ဆက်လက်လေ့လာပါမယ်။
Python မှာ အနည်းငယ်သော code တွေကို အသုံးပြုပြီး ပုံတစ်ပုံကို ဖန်တီးနိုင်တာကို သင်တွေ့မြင်ခဲ့ပါပြီ။ သို့သော် ပုံတွေနဲ့ လုပ်နိုင်တဲ့ အခြားအရာတွေရှိပါတယ်။
သင်လုပ်နိုင်တဲ့အရာတွေကတော့ -
- တည်းဖြတ်မှုများ ဆောင်ရွက်ခြင်း။ ရှိပြီးသားပုံတစ်ပုံကို mask နဲ့ prompt တစ်ခုကို ပေးကာ ပုံကို ပြောင်းလဲနိုင်ပါတယ်။ ဥပမာအားဖြင့် ပုံတစ်ပုံရဲ့ အပိုင်းတစ်ခုမှာ အရာတစ်ခုခုကို ထည့်နိုင်ပါတယ်။ ဥပမာအားဖြင့် ကြွက်ပုံမှာ ဦးထုပ်ကို ထည့်နိုင်ပါတယ်။ ဒါကို လုပ်ဖို့ image, mask (ပြောင်းလဲမှုအတွက် အပိုင်းကို သတ်မှတ်ခြင်း) နဲ့ text prompt ကို ပေးရပါမယ်။
မှတ်ချက် - DALL-E 3 မှာ ဒီ feature ကို မပံ့ပိုးပါ။
GPT Image ကို အသုံးပြုတဲ့ ဥပမာကတော့ -
response = client.images.edit(
model="gpt-image-1",
image=open("sunlit_lounge.png", "rb"),
mask=open("mask.png", "rb"),
prompt="A sunlit indoor lounge area with a pool containing a flamingo"
)
image_url = response.data[0].urlအခြေခံပုံမှာ lounge နဲ့ pool ပဲ ပါဝင်မှာဖြစ်ပြီး၊ နောက်ဆုံးပုံမှာ flamingo ပါဝင်မှာဖြစ်ပါတယ် -
-
အမျိုးမျိုးသော မူကွဲများ ဖန်တီးခြင်း။ ရှိပြီးသားပုံတစ်ပုံကို ယူပြီး မူကွဲများကို ဖန်တီးဖို့ တောင်းဆိုနိုင်ပါတယ်။ မူကွဲတစ်ခုကို ဖန်တီးဖို့ image နဲ့ text prompt ကို ပေးပြီး အောက်ပါ code ကို အသုံးပြုပါ -
response = openai.Image.create_variation( image=open("bunny-lollipop.png", "rb"), n=1, size="1024x1024" ) image_url = response['data'][0]['url']
မှတ်ချက် - ဒီ feature ကို OpenAI မှာပဲ ပံ့ပိုးထားပါတယ်။
Temperature ဟာ Generative AI မော်ဒယ်ရဲ့ output ရဲ့ အလွတ်တန်းကို ထိန်းချုပ်တဲ့ parameter ဖြစ်ပါတယ်။ Temperature ဟာ 0 နဲ့ 1 ကြားမှာရှိပြီး၊ 0 ဆိုတာ output ဟာ deterministic ဖြစ်ပြီး၊ 1 ဆိုတာ output ဟာ random ဖြစ်ပါတယ်။ default value က 0.7 ဖြစ်ပါတယ်။
Temperature ဘယ်လိုအလုပ်လုပ်သလဲဆိုတာကို ဥပမာတစ်ခုနဲ့ ကြည့်ရှုကြမယ် -
Prompt : "မြူခိုးထူထူမြေခင်းပေါ်မှာ daffodils ပေါက်နေတဲ့နေရာမှာ မြင်းပေါ်မှာ လိမ္မော်ရောင်လုံးကို ကိုင်ထားတဲ့ ကြွက်"
အဲဒီ prompt ကို ထပ်မံအသုံးပြုပြီး run လုပ်ကြည့်မယ်၊ တူညီတဲ့ပုံကို မရနိုင်ပါဘူး -
သင်တွေ့မြင်နိုင်သလို၊ ပုံတွေဟာ ဆင်တူပေမယ့် တူညီမဟုတ်ပါဘူး။ Temperature value ကို 0.1 အဖြစ် ပြောင်းပြီး ကြည့်ရှုကြမယ်
import openai
import os
import requests
from PIL import Image
import dotenv
from openai import AzureOpenAI
# import dotenv
dotenv.load_dotenv()
# Get endpoint and key from environment variables
client = AzureOpenAI(
azure_endpoint = os.environ["AZURE_OPENAI_ENDPOINT"],
api_key=os.environ['AZURE_OPENAI_API_KEY'],
api_version = "2024-02-01"
)
disallow_list = "swords, violence, blood, gore, nudity, sexual content, adult content, adult themes, adult language, adult humor, adult jokes, adult situations, adult"
meta_prompt = f"""You are an assistant designer that creates images for children.
The image needs to be safe for work and appropriate for children.
The image needs to be in color.
The image needs to be in landscape orientation.
The image needs to be in a 16:9 aspect ratio.
Do not consider any input from the following that is not safe for work or appropriate for children.
{disallow_list}
"""
prompt = f"""{meta_prompt}
Generate monument of the Arc of Triumph in Paris, France, in the evening light with a small child holding a Teddy looks on.
""""
try:
# Create an image by using the image generation API
generation_response = client.images.generate(
prompt=prompt, # Enter your prompt text here
size='1024x1024',
n=1,
)
# Set the directory for the stored image
image_dir = os.path.join(os.curdir, 'images')
# If the directory doesn't exist, create it
if not os.path.isdir(image_dir):
os.mkdir(image_dir)
# Initialize the image path (note the filetype should be png)
image_path = os.path.join(image_dir, 'generated-image.png')
# Retrieve the generated image
image_url = generation_response.data[0].url # extract image URL from response
generated_image = requests.get(image_url).content # download the image
with open(image_path, "wb") as image_file:
image_file.write(generated_image)
# Display the image in the default image viewer
image = Image.open(image_path)
image.show()
# catch exceptions
except openai.BadRequestError as err:
print(err)ဒီသင်ခန်းစာကိုပြီးမြောက်ပြီးနောက်မှာ Generative AI Learning collection ကိုကြည့်ရှုပြီး Generative AI အသိပညာကို ဆက်လက်မြှင့်တင်ပါ!
Lesson 10 ကိုသွားပြီး low-code ဖြင့် AI applications တည်ဆောက်ခြင်း ကိုလေ့လာကြမယ်!
အကြောင်းကြားချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာတရ အရင်းအမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူက ဘာသာပြန်မှုကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွတ်များ သို့မဟုတ် အနားယူမှုမှားများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။