धुँधली और कम रिज़ॉल्यूशन वाली तस्वीर, दोनों बड़ा करने वाले मॉडलों से चार गुना, साथ-साथ: वफ़ादार वाला और रचनात्मक वाला। पूरा वर्कफ़्लो, बिना खाता बनाए।
असली वर्कफ़्लो: 360 पिक्सल वाली वही पारिवारिक तस्वीर दोनों मॉडलों में जाती है, और कैनवस दिखाता है कि दोनों में फ़र्क़ क्या है।
एक नज़र में
पुराने फ़ोन की तस्वीर, बिगड़ा हुआ स्कैन, किसी बातचीत से निकाली गई इमेज: तीन सौ पिक्सल चौड़ी, हिली हुई, दबाव के चकत्तों वाली। यह वर्कफ़्लो उसे चार गुना बड़ा करता है। तस्वीर मीडिया नोड में जाती है और दो सुधार नोड की ओर बढ़ती है, हर एक अलग मॉडल पर सेट।
दोनों एक जैसा काम नहीं करते, और टेम्पलेट का सारा मक़सद यही है। Topaz Precision वफ़ादार रहता है: वह ब्योरा लौटाता है जो मूल तस्वीर में सचमुच है, चेहरे पहचानने लायक़ रखता है, और जहाँ मूल चिकनी थी वहाँ खुरदुरे निशान छोड़ता है, स्वेटर और कपड़े। Topaz Bloom 2 ब्योरा दोबारा गढ़ता है: तस्वीर शानदार बनती है, सामग्री और पृष्ठभूमि फिर खड़ी होती है, पर नक़्श खिसक जाते हैं।
डेमो की तस्वीर पर, 1 सितंबर 2026 को नापा गया: Bloom 2 पिता के जबड़े की रेखा बदल देता है, माँ को एक बुंदा दे देता है, और लड़के के स्वेटर को साफ़ धारियों में बदल देता है। शानदार, और अब बिलकुल वही परिवार नहीं रहा। पारिवारिक तस्वीर में समानता सुंदरता से पहले आती है; पृष्ठभूमि या वस्तु हो तो फ़ैसला उलट जाता है। दोनों बड़े करने पर बयालीस सेंट लगते हैं।
ये ऊपर वाले वर्कफ़्लो की फ़ाइलें हैं, ठीक वैसी ही जैसी मॉडलों ने बनाई, बिना किसी सुधार के। जहाँ शुरुआती बिंदु मौजूद है, वहाँ उसे दिखाया गया है।
शुरुआती बिंदु
रेंडर
ख़राब तस्वीर आयात कीजिए
कम रिज़ॉल्यूशन, धुँधली, दबी हुई: यही इसका इस्तेमाल है, समस्या नहीं। मीडिया नोड मूल के नाप दिखाता है, और सुधार नोड बनाने से पहले नतीजे का नाप बता देता है।
वफ़ादार वाला चलाइए
Topaz Precision, चार गुना। पहले यही आज़माना है, और अक्सर यही अकेला काफ़ी है: यह गढ़ने के बजाय तस्वीर में जो मौजूद है उससे काम करता है।
रचनात्मक वाला चलाइए
उसी मूल तस्वीर पर Topaz Bloom 2, साथ-साथ। यह उन सामग्रियों को फिर खड़ा करता है जिन्हें दबाव ने मिटा दिया था, और चेहरों को पास से देखने की जगह यही है।
असली से मिलाइए
शुरुआती तस्वीर दोनों नतीजों के बग़ल में कैनवस पर रहती है। खिसका हुआ नक़्श, बदले आकार का कान, आ गया कोई गहना: कौन-सा रखना है, यही तय करता है।
वही कैनवास, अलग-अलग ज़रूरतों के लिए सेट किया हुआ: हर वेरिएंट में प्रॉम्प्ट की बस दो-तीन लाइनें बदलनी होती हैं।
सीधा इस्तेमाल: 2000 के दशक के कॉम्पैक्ट कैमरे की तस्वीर, या फ़ोन से खींची गई किसी तस्वीर की तस्वीर। Precision लगभग हमेशा काफ़ी है, और यहाँ वही सही है क्योंकि समानता ही सब कुछ है। काग़ज़ी प्रिंट ख़राब, खरोंच वाला या पीला पड़ा हो तो उसके बाद मरम्मत जोड़िए।
600 पिक्सल में बची हुई इमेज पोस्टर पर नहीं टिकती। चार गुना उसे 2400 पर ले जाता है, जो आम छपाई में चल जाता है। बनाने से पहले नोड का बताया नतीजा-नाप देखिए: वह तुरंत बता देता है कि पूरा पड़ेगा या नहीं।
जो कुछ मैसेजिंग ऐप से गुज़रता है, दोबारा दबा और सिकुड़ा हुआ लौटता है। बड़ा करना उसमें से कुछ लौटा देता है जो दबाव ने खा लिया था। लेकिन जो लिखावट पढ़ी ही नहीं जाती, उसे दोनों में से कोई ठीक से वापस नहीं लाता।
यह Bloom 2 का मैदान है। दीवार का असली दाना या सोफ़े की बुनाई किसी को नहीं पता, इसलिए उसे गढ़ने का उलाहना भी कोई नहीं दे सकता। नतीजा अक्सर मूल से ज़्यादा क़ायल करता है।
इमेज नोड से निकली तस्वीर सीधे सुधार नोड से जुड़ जाती है। तब काम की है जब बनाने वाला मॉडल रिज़ॉल्यूशन की हद पर हो और डिलीवरी में बड़ा चाहिए।
सुधार नोड वीडियो भी देता है, ByteDance Upscaler और Topaz Proteus के साथ। मूल की ऑडियो पट्टी बनी रहती है। यह टेम्पलेट सिर्फ़ इमेज दिखाता है, पर तरीक़ा वही है।
यही ग़लती एक पारिवारिक तस्वीर बिगाड़ देती है। नतीजा ज़्यादा सुंदर होता है, और फंदा ठीक वहीं है: दोबारा खींचा जबड़ा और जोड़ा गया बुंदा स्क्रीन पर पकड़ में नहीं आते, पर उस व्यक्ति को जानने वाले की नज़र से नहीं बचते।
तीन सौ पिक्सल दिया गया एडिटिंग मॉडल चेहरा ठीक नहीं करता, गढ़ता है। उसे बाद में बड़ा करना सिर्फ़ गढ़े हुए को बड़ा करता है। सही क्रम है पहले बड़ा, फिर रीटच।
बड़ा करने वाला मॉडल शोर में डूबा ब्योरा उजागर करता है, ग़ैरमौजूद जानकारी नहीं गढ़ता। उजाले में खोया चेहरा, दूर की नंबर प्लेट, तीन पिक्सल ऊँची लिखावट: जो निकलेगा वह विश्वसनीय और ग़लत होगा।
चार गुना के बाद फिर चार गुना सोलह गुना बेहतर नहीं देता, वह पहली बारी के निशान ऊपर चढ़ा देता है। नतीजा कम पड़े तो बारियाँ बढ़ाने से बेहतर है सबसे अच्छे उपलब्ध स्रोत पर लौटना।
यह कर सकता है
यह नहीं कर सकता
जहाँ कोई ऐसा चेहरा हो जिसे किसी को पहचानना है, वहाँ Precision। पृष्ठभूमि, वस्तु, बनावट, यानी जिसका सही ब्योरा किसी को पता नहीं, वहाँ Bloom 2। दुविधा हो तो दोनों बना लीजिए: कैनवस उन्हें बग़ल-बग़ल रखता है और जवाब सामने आ जाता है।
नहीं, और यही इस काम की ईमानदार सीमा है। बड़ा करने वाला मॉडल वह ब्योरा लौटाता है जो मौजूद है पर शोर में डूबा है; वह उजाले में खोए चेहरे या इतना छोटा टेक्स्ट कि दर्ज ही न हुआ हो, वापस नहीं लाता। ऐसे मामलों में Bloom 2 जो गढ़ता है वह विश्वसनीय है, सच नहीं।
बाद में। तीन सौ पिक्सल दिए गए एडिटिंग मॉडल चेहरा गढ़ देता है, और गढ़े चेहरे को बड़ा करने पर भी वह गढ़ा चेहरा ही रहता है। पहले बड़ा कीजिए, फिर ज़रूरत हो तो रीटच।
चार गुना के दोनों बड़े करने पर बयालीस सेंट। क्लिक से पहले हर नोड पर क़ीमत दिखती है, और वह नतीजे के नाप पर निर्भर है: बड़ी इमेज बड़ी करना छोटी से महँगा पड़ता है।
कुछ सेकंड के मुक़ाबले लगभग डेढ़ मिनट, क्योंकि वह सामग्री को अंतर्वेशित करने के बजाय दोबारा बनाता है। इसी वजह से वह प्रति मेगापिक्सल काफ़ी महँगा भी है। नोड चलने से पहले क़ीमत बता देता है।
नहीं। आपकी फ़ाइलें आपके स्पेस में रहती हैं, किसी ट्रेनिंग को नहीं सौंपी जातीं। यहाँ सवाल और भारी है, क्योंकि ये पारिवारिक तस्वीरें हैं।
हाँ, कैनवस मोबाइल पर चलता है और तस्वीर सीधे मीडिया नोड में ली जाती है, इसलिए मेज़ पर रखा प्रिंट भी मौक़े पर निपट जाता है। उँगली से कैनवस चलाने के तरीक़े मोबाइल पर बनाना गाइड में हैं।
मरम्मत भौतिक नुक़सान ठीक करती है, खरोंच, तह, दाग़, और रंग भरती है। यह कुछ ठीक नहीं करता: यह पिक्सल जोड़ता है। दोनों एक-दूसरे के पूरक हैं, और क्रम है पहले बड़ा करना।
AI से तस्वीर को साफ़ करें
यह वर्कफ़्लो इस्तेमाल करेंमुफ़्त अकाउंट, बिना क्रेडिट कार्ड। वर्कफ़्लो आपके कैनवास में पहले से भरा हुआ खुलता है।
Topaz Wonder 3.5
Flux Kontext