ทำไมคำขอ NSFW ของคุณถึงถูกกรองอยู่ดี
การกรองเนื้อหา NSFW ส่วนใหญ่เกิดขึ้นเพราะโมเดลตรวจจับบริบทที่ละเอียดอ่อน แทนที่จะเป็นคำศัพท์เฉพาะ คุณอาจใช้ LLM แบบ uncensored ที่ถูกต้องสมบูรณ์ แต่ยังคงถูกปฏิเสธหากบริบทโดยรอบบ่งชี้ถึงสถานการณ์ที่ห้าม โมเดลจะวิเคราะห์ประวัติการป้อนข้อมูลทั้งหมด ไม่ใช่เพียงประโยคสุดท้าย
ตัวอย่างเช่น คำขอที่อธิบายผู้หญิงวัยหนุ่มสาวในชุดบิกินีกลางแจ้งอาจผ่านได้ง่าย แต่หากคุณเพิ่มบริบทเกี่ยวกับความรู้สึกของเธอว่าร้อนหรืออึดอัด โมเดลอาจตีความว่าเป็นนัยทางเพศและกระตุ้นตัวกรอง เพื่อหลีกเลี่ยงสิ่งนี้ ให้ใช้คำอธิบายทางกายภาพที่ตรงไปตรงมา หลีกเลี่ยงบริบททางอารมณ์หรือสถานการณ์ที่บ่งชี้นัยยะทางเพศ ใช้ภาษาที่เป็นกลางสำหรับฉากและปล่อยให้คำอธิบายภาพยืนอยู่ลำพัง
ปัญหา 'Itching': ตัวกระตุ้น NSFW ที่คลุมเครือ
ปัญหา 'itching' เกิดขึ้นเมื่อการกระทำทางกายภาพง่ายๆ กระตุ้นการตอบสนอง NSFW ที่เกินจริง คุณขอให้ตัวละครเกาคัน แต่โมเดลตีความการกระทำนั้นว่าเป็นการสื่อถึงเพศ นี่เกิดขึ้นเพราะโมเดลได้รับการฝึกฝนจากชุดข้อมูลขนาดใหญ่ที่การกระทำดังกล่าวมักปรากฏในเนื้อหาผู้ใหญ่
- เริ่มต้นด้วยกริยาที่เป็นกลาง: 'เธอเกาแขนของเธอ'
- เพิ่มความคลุมเครืออย่างค่อยเป็นค่อยไป: 'เธอเกาหลังส่วนล่างของเธอ'
- สังเกตผลลัพธ์: หากยังคงสะอาด ให้เพิ่มบริบท
แนวทางทีละขั้นตอนนี้ช่วยให้คุณทำแผนที่ความไวของโมเดล จากนั้นคุณสามารถปรับคำขอของคุณให้อยู่ใต้ขีดจำกัดเล็กน้อย ใช้ได้ทั้งการสร้างภาพและวิดีโอ ความสม่ำเสมอจะดีขึ้นเมื่อคุณควบคุมระดับความคลุมเครืออย่างระมัดระวัง
การจัดการลำดับคำขอวิดีโอและรูปภาพ
การสร้างวิดีโอ NSFW ที่สมเหตุสมผลจำเป็นต้องแบ่ง prompt เป็นลำดับตรรกะ ความสามารถวิดีโอของ Grokทำงานได้ดีที่สุดเมื่อคุณอธิบายการกระทำเป็นขั้นตอนที่ชัดเจนและต่อเนื่อง หากคุณใส่รายละเอียดทั้งหมดพร้อมกัน โมเดลอาจสูญเสียการติดตามเส้นเรื่อง
แบ่งพรอมต์ของคุณออกเป็นสามส่วน: สถานะเริ่มต้น การกระทำ และผลลัพธ์ ตัวอย่างเช่น อธิบายตำแหน่งของตัวละคร จากนั้นการเคลื่อนไหว แล้วท่าทางสุดท้าย โครงสร้างนี้ช่วยให้โมเดลรักษาความสอดคล้องข้ามเฟรมได้ คุณยังสามารถใช้พรอมต์กลางเพื่อแนะนำการเปลี่ยนผ่านได้ หากวิดีโอดูแปลกๆ ให้ลดความซับซ้อนของการกระทำ ตัวแปรน้อยลงนำไปสู่ผลลัพธ์ที่เสถียรกว่า
ความไม่สอดคล้องกัน: ทำไมบาง prompt ถึงทำงานและบางอันไม่
ความไม่สอดคล้องกันมักเกิดจากการสุ่มตัวอย่างที่ไม่เป็นกำหนด แม้ด้วย prompt เดียวกัน โมเดลอาจสร้างผลลัพธ์ที่แตกต่างกันเนื่องจากค่า temperature หรือความแปรปรวนของ seed แบบสุ่ม หากคุณได้ภาพที่ดีห้าภาพจากการร้องขอหกสิบภาพ โมเดลกำลังทำงาน แต่คุณต้องการการควบคุมมากขึ้น
ตั้งค่าค่า seed คงที่ในการขอ API ของคุณ สิ่งนี้รับประกันความสามารถในการทำซ้ำ หาก seed ไม่แก้ปัญหา ให้ปรับอุณหภูมิ อุณหภูมิต่ำทำให้เอาต์พุตมีความกำหนดได้มากขึ้น อุณหภูมิสูงเพิ่มความสร้างสรรค์แต่ลดความสม่ำเสมอ หาจุดสมดุลที่เหมาะกับกรณีการใช้งานของคุณ สำหรับเนื้อหา NSFW อุณหภูมิต่ำมักให้ผลลัพธ์ที่คาดเดาได้มากกว่า
การปรับให้เหมาะสมกับพฤติกรรมโหมดไร้เดียงสาของ Grok'
โหมด unhinged ของ Grok ถูกออกแบบมาให้มีความจำกัดน้อยกว่า แต่ยังคงมีขอบเขต มันตอบสนองได้ดีที่สุดกับคำอธิบายที่ชัดเจนและตรงไปตรงมาโดยไม่มีคำฟุ่มเฟือย โมเดลนี้ทำงานได้ดีที่สุดกับคำแนะนำที่ชัดเจนและไม่มีข้อกำกวม ไม่จำเป็นต้องใช้ภาษาเชิงกวีหรือการเปรียบเทียบที่ซับซ้อน
ใช้ประโยคสั้นๆ และตรงไปตรงมา อธิบายองค์ประกอบภาพอย่างชัดเจน หลีกเลี่ยงแนวคิดนามธรรม หากคุณต้องการท่าทางเฉพาะ ให้บรรยายอย่างแม่นยำ ตัวอย่างเช่น แทนที่จะบอกว่า 'เธอดูเซ็กซี่' ให้บอกว่า 'เธอนอนตะแคงโดยวางศีรษะบนมือ' ความชัดเจนนี้ช่วยให้โมเดลเข้าใจสิ่งที่คุณต้องการได้อย่างแม่นยำ มันลดโอกาสการปฏิเสธที่ไม่คาดคิด
ข้อผิดพลาดทั่วไป: การโหลดหน้าต่างบริบทมากเกินไป
การ overload context window อาจทำให้ประสิทธิภาพลดลง หากส่ง prompt ขนาดใหญ่พร้อม history มากเกินไป โมเดลอาจเสียโฟกัส และอาจลืมคำสั่งเริ่มต้นหรือสร้างเนื้อหาซ้ำๆ สิ่งนี้เกิดขึ้นบ่อยกับลำดับวิดีโอที่มีความยาว
รักษา context window ให้สะอาด โดยรวมเฉพาะประวัติที่จำเป็นเท่านั้น หากคุณกำลังสร้างเรื่องราวที่ยาวนาน ให้สรุปเหตุการณ์ก่อนหน้าแทนการรักษาข้อความเต็มรูปแบบ สิ่งนี้ช่วยประหยัด tokens และปรับปรุงความเกี่ยวข้อง LLM uncensored ของเรารองรับ context window ขนาด 100,000 tokens แต่คุณไม่จำเป็นต้องใช้ทั้งหมด ประสิทธิภาพมีความสำคัญต่อทั้งต้นทุนและความเร็ว
ขีดจำกัดอัตรา API และการจัดการการ burst
ขีดจำกัดอัตรา API ออกแบบมาเพื่อป้องกันเซิร์ฟเวอร์ล้น หากคุณเกินขีดจำกัด คุณจะได้รับข้อผิดพลาด 429 สิ่งนี้เกิดขึ้นบ่อยครั้งเมื่อสร้างรูปภาพหรือวิดีโอหลายรายการในเวลาอันรวดเร็ว คุณต้องจัดการข้อผิดพลาดเหล่านี้อย่างราบรื่นในโค้ดของคุณ
เพิ่มการหน่วงเวลาแบบเอ็กซ์โพเนนเชียลในตรรกะคำขอของคุณ หากคุณได้รับ 429 ให้รอระยะเวลาสั้นๆ ก่อนลองใหม่ เริ่มต้นด้วยการหน่วงหนึ่งวินาทีและเพิ่มเป็นสองเท่ากับการลองใหม่แต่ละครั้ง วิธีนี้ป้องกันไม่ให้กดเซิร์ฟเวอร์จนล้น คุณยังสามารถรวมคำขอของคุณหาก API รองรับมัน ตรวจสอบเอกสาร API สำหรับขีดจำกัดเฉพาะ API ของเราอนุญาตให้ส่งคำขอได้ 300 คำขอต่อนาที ซึ่งเพียงพอสำหรับกรณีการใช้งานส่วนใหญ่
การแก้ไขความล้มเหลวของโหมด JSON ในข้อมูล NSFW
ข้อผิดพลาดของโหมด JSON มักเกิดขึ้นเมื่อโมเดลสร้างไวยากรณ์ไม่ถูกต้อง ซึ่งเกิดขึ้นหาก prompt ซับซ้อนเกินไปหรือโมเดลไม่แน่ใจว่าจะจัดรูปแบบผลลัพธ์อย่างไร คุณอาจได้รับวัตถุ JSON ที่ถูกตัดทอนหรือขาดเครื่องหมายคำพูด
เพื่อแก้ไขปัญหานี้ ให้ทำให้ prompt ของคุณเรียบง่ายขึ้น ตรวจสอบให้แน่ใจว่าโครงสร้าง JSON ชัดเจน ใช้ตัวอย่าง few-shot ใน prompt ของคุณเพื่อแนะนำโมเดล หากความล้มเหลวยังคงอยู่ ให้ตรวจสอบ temperature การใช้ temperature ที่ต่ำกว่าสามารถช่วยให้โมเดลยึดตามรูปแบบได้ นอกจากนี้คุณยังสามารถเพิ่ม system instruction เพื่อบังคับให้ปฏิบัติตามรูปแบบ JSON ซึ่งสิ่งนี้มีความสำคัญต่อการผสานรวม API กับเครื่องมืออื่นๆ
เมื่อเปลี่ยนผู้ให้บริการ: ต้นทุนเทียบกับคุณภาพ
การเปลี่ยนผู้ให้บริการมีความสมเหตุสมผลเมื่อต้นทุนต่อโทเค็นสูงเกินไปหรือคุณภาพลดลงอย่างมีนัยสำคัญ หากคุณกำลังสร้างเนื้อหา NSFW ในปริมาณมาก โมเดลแบบเติมเงินมักจะมีประสิทธิภาพด้านต้นทุนมากกว่า คุณจ่ายเฉพาะสิ่งที่ใช้ โดยไม่มีค่าธรรมเนียมรายเดือน
API ของเราเสนอราคาโปร่งใส: $0.15 ต่อ 1M โทเค็นอินพุตและ $0.50 ต่อ 1M โทเค็นเอาต์พุต ข้อผิดพลาดและการปฏิเสธไม่มีค่าใช้จ่าย หมายความว่าคุณไม่ต้องจ่ายสำหรับความพยายามที่ล้มเหลว หากคุณทำการทดสอบจำนวนมาก สิ่งนี้สามารถประหยัดเงินได้มาก เมื่อเปรียบเทียบกับคู่แข่งที่เรียกเก็บเงินสำหรับทุกคำขอ ไม่ว่าผลลัพธ์จะเป็นอย่างไร สำหรับผลลัพธ์แบบไม่มีเซนเซอร์ที่สม่ำเสมอ โมเดลเติมเงินเป็นทางเลือกที่ชาญฉลาด
