Can this tool recognise what is in my photo?

No, and that is deliberate. Recognising a subject needs a vision model running on a server, which means uploading your picture. This tool reads measurable facts — palette, light, contrast, ratio, detail — and leaves the subject line to you.

Which AI image models does it write prompts for?

Midjourney, Stable Diffusion, DALL-E 3 and Flux, plus a plain tag list for anything else. Each gets its own syntax: Midjourney takes trailing parameters, Stable Diffusion prefers comma-separated tags with a negative prompt, and DALL-E 3 responds to prose.

How is this different from an AI image describer?

A describer sends your file to a vision model and gets sentences back about content. This runs entirely in your browser, uploads nothing, and outputs colour, light, composition and detail facts. Use a describer for the subject and this for everything around it.

What image formats can I upload?

Any image your browser can decode: JPG, PNG, WEBP, GIF, BMP and AVIF all work. Animated files are read as their first frame, and very large images are sampled down for measurement, which does not affect the colour or ratio results.

Is my image uploaded anywhere?

No. The file is decoded onto a canvas in your own browser, every measurement is taken from those local pixels, and the finished prompt is written in the page itself. Nothing is sent to a server, so there is no account, no API key and no file limit.

Why does the prompt contain words I never typed?

Everything after your subject line is measured from the image. If the picture is dark and high-contrast, the prompt says so; if the palette is warm, you get warm golden light. Each phrase comes from a pixel statistic, not from a guess.

Can I edit the prompt after it is generated?

Yes. The output is a plain text box you can rewrite freely, and copying it into your clipboard or a text file is one click. Many people generate once, then keep the measured phrases and swap the subject line for each new variation.

What is a negative prompt and do I need one?

It tells Stable Diffusion what to avoid. The tool adds one covering blur, artefacts, watermarks and bad anatomy, and extends it when your image is flat or noisy. Midjourney uses a –no list instead, and DALL-E 3 ignores negatives entirely.

Does it set the Midjourney aspect ratio correctly?

Yes. Your width and height are reduced to their true ratio and appended as –ar, so a 1920×1080 upload becomes –ar 16:9 without you measuring anything. The parameter block also carries version, style and stylize values you can edit afterwards.

Can I reverse-engineer the prompt from an AI-generated image?

Partly. You will recover the palette, lighting, contrast, ratio and detail level, which is most of the styling, but not the exact subject wording the original used. Feed those measured phrases into your model alongside your own subject description.

Công cụ chuyển đổi hình ảnh thành lời nhắc

Tải ảnh lên và nhận gợi ý về Midjourney, Stable Diffusion, DALL-E 3 hoặc Flux. Chúng tôi đọc các điểm ảnh thực — bảng màu, ánh sáng, độ tương phản, tỷ lệ — trên thiết bị của bạn.

Cách biến hình ảnh thành lời nhắc trực tuyến

Chèn ảnh, thêm gợi ý ngắn về chủ đề, chọn mẫu mục tiêu, sau đó sao chép hướng dẫn hoặc tải xuống dưới dạng tệp văn bản.

Bước 1

Tải ảnh của bạn lên

Hãy kéo thả tệp JPG, PNG hoặc WEBP vào. Tệp sẽ được giải mã trên một khung vẽ trong trình duyệt của bạn và không bao giờ được tải lên.

Bước 2

Mô tả chủ đề

Nhập nội dung trong hình. Chúng tôi không thể nhìn thấy chủ thể — dòng này chứa nội dung thực tế.

Bước 3

Chọn một mẫu và sao chép

Chọn các thẻ Midjourney, Stable Diffusion, DALL-E 3, Flux hoặc thẻ thông thường, sau đó sao chép hoặc tải xuống lời nhắc đã hoàn chỉnh.

Công cụ tạo gợi ý được xây dựng dựa trên kích thước thực tế của hình ảnh bạn cung cấp.

Lời nhắc là yếu tố duy nhất bạn có thể kiểm soát mô hình chuyển văn bản thành hình ảnh, và hầu hết mọi người đều đánh mất nó hai lần: lần thứ nhất khi họ không thể mô tả được điều mình muốn, và lần thứ hai khi một bức ảnh họ thích lại không cho họ cách nào quay lại với những từ ngữ đã tạo nên nó. Giải pháp thực tế là phân tích ngược – bạn có một hình ảnh tham khảo, một tông màu, một thiết lập ánh sáng hoặc một bố cục đã hiệu quả, và bạn muốn một lời nhắc đưa ra kết quả tương tự. Làm điều đó bằng mắt thường thì chậm và không đáng tin cậy, bởi vì những yếu tố thực sự điều khiển mô hình lại nhàm chán và có thể đo lường được: độ bão hòa của bảng màu, độ tương phản mạnh hay yếu, ánh sáng ấm hay lạnh, và độ rộng của khung hình.

Công cụ này đo trực tiếp những thông số đó từ các điểm ảnh của bạn. Hình ảnh được giải mã trên một khung vẽ, được lấy mẫu và mỗi điểm ảnh được phân loại vào các nhóm màu để tìm ra bảng màu chủ đạo — với mỗi màu được chuyển đổi thành một tên mà mô hình hiểu được, vì vậy lời nhắc sẽ hiển thị màu xanh lam đậm thay vì cung cấp mã hex. Độ sáng trung bình và độ phân tán xung quanh nó tạo ra độ sáng và độ tương phản, sự cân bằng giữa màu đỏ và màu xanh lam cho ra nhiệt độ màu, và quá trình quét gradient chấm điểm mật độ cạnh để phân biệt tác phẩm nghệ thuật tối giản, sắc nét với ảnh chụp phức tạp, nhiều chi tiết. Chiều rộng và chiều cao được giảm xuống tỷ lệ thực, và nếu tệp có kênh alpha, lời nhắc sẽ ghi chú rằng đối tượng đã được tách biệt.

Vị trí đặt câu hỏi quan trọng không kém nội dung câu hỏi, vì vậy câu trả lời được viết riêng cho từng mô hình chứ không phải viết chung cho tất cả. Midjourney nhận được một câu mô tả kèm theo các tham số về tỷ lệ khung hình, phiên bản, kiểu dáng và cách điệu, cùng với một danh sách –no. Stable Diffusion nhận được các thẻ được phân tách bằng dấu phẩy với các yếu tố điều chỉnh chất lượng ở phía trước và một câu hỏi phủ định riêng biệt bao gồm hiện tượng mờ, lỗi và hình mờ. DALL-E 3 nhận được một đoạn văn bằng ngôn ngữ tự nhiên, vì nó phần lớn bỏ qua các danh sách thẻ. Flux nhận được văn xuôi mà không có bất kỳ tham số nào. Hãy sử dụng nó để xây dựng lại giao diện bạn thích, để giữ cho một loạt hình ảnh chiến dịch nhất quán hoặc để cung cấp cho khách hàng một câu hỏi phù hợp với bản mô phỏng mà họ đã phê duyệt.

Có một điểm cần lưu ý rõ ràng. Công cụ này không nhận diện đối tượng: nó không thể phân biệt xe đạp với giá để xe đạp, vì điều đó cần mô hình thị giác trên máy chủ và có nghĩa là bạn phải tải ảnh của mình lên. Điều mà công cụ này làm là chuyển đổi các dữ liệu đo lường được thành các từ mà mô hình phản hồi, đây là phần mà con người khó đoán nhất. Bạn chỉ cần cung cấp đối tượng trong một dòng, và mọi thứ sau đó được đọc từ các pixel thực tế. Việc giải mã, đo lường và ghi dữ liệu đều diễn ra trong trình duyệt của bạn, vì vậy không có gì được tải lên và không có tài khoản, không có khóa API và không có giới hạn hàng ngày.

Bảng màu sáu màu

Các màu sắc hàng đầu được tính toán từ các pixel và được đặt tên, vì vậy các gợi ý sẽ hiển thị màu xanh lam đậm thay vì mã hex thô.

Ánh sáng và độ tương phản

Độ sáng trung bình, độ tương phản và nhiệt độ màu được đo đạc, từ đó đưa ra các thuật ngữ mô tả ánh sáng như ấm áp, lạnh lẽo, trầm lắng hoặc độ tương phản cao.

Tỷ lệ khung hình thực

Chiều rộng và chiều cao của bạn được giảm xuống tỷ lệ thực và được truyền qua dưới dạng giá trị Midjourney --ar, chứ không phải là giá trị ước tính.

Chi tiết từ các cạnh

Quét gradient đánh giá mật độ cạnh, phân biệt các tác phẩm nghệ thuật tối giản, sắc nét với những bức ảnh phức tạp, nhiều chi tiết.

Cú pháp dành riêng cho mô hình

Midjourney có các tham số theo sau, Stable Diffusion có các thẻ dấu phẩy cộng với một lời nhắc phủ định, và DALL-E 3 có văn xuôi.

Không có gì rời khỏi thiết bị của bạn.

Việc giải mã, đo lường và ghi dữ liệu đều diễn ra trên một giao diện trong trình duyệt của bạn, không cần tải lên, không cần tài khoản và không cần khóa API.

Câu hỏi thường gặp

Công cụ này có thể nhận dạng được những gì có trong ảnh của tôi không?

Không, và đó là điều có chủ ý. Việc nhận diện đối tượng cần một mô hình thị giác chạy trên máy chủ, nghĩa là bạn cần tải ảnh của mình lên. Công cụ này đọc các thông số có thể đo lường được — bảng màu, ánh sáng, độ tương phản, tỷ lệ, chi tiết — và để bạn tự chọn tiêu đề.

Nó viết lời nhắc cho những mô hình xử lý hình ảnh AI nào?

Midjourney, Stable Diffusion, DALL-E 3 và Flux, cùng với một danh sách thẻ đơn giản cho bất kỳ thứ gì khác. Mỗi loại có cú pháp riêng: Midjourney nhận tham số theo sau, Stable Diffusion ưu tiên các thẻ được phân tách bằng dấu phẩy với lời nhắc phủ định, và DALL-E 3 phản hồi bằng văn xuôi.

Điều này khác với công cụ mô tả hình ảnh bằng AI như thế nào?

Một trình mô tả sẽ gửi tệp của bạn đến một mô hình thị giác và nhận lại các câu mô tả về nội dung. Quá trình này chạy hoàn toàn trên trình duyệt của bạn, không tải lên bất cứ thứ gì và xuất ra các thông tin về màu sắc, ánh sáng, bố cục và chi tiết. Sử dụng trình mô tả cho đối tượng và sử dụng mô hình này cho mọi thứ xung quanh đối tượng.

Tôi có thể tải lên những định dạng hình ảnh nào?

Bất kỳ hình ảnh nào trình duyệt của bạn có thể giải mã: JPG, PNG, WEBP, GIF, BMP và AVIF đều hoạt động. Các tệp ảnh động được đọc dưới dạng khung hình đầu tiên, và các hình ảnh rất lớn sẽ được giảm kích thước để đo lường, điều này không ảnh hưởng đến màu sắc hoặc tỷ lệ.

Ảnh của tôi đã được tải lên đâu rồi?

Không. Tệp được giải mã và hiển thị trên một khung vẽ trong trình duyệt của bạn, mọi phép đo được thực hiện từ các pixel cục bộ đó, và thông báo hoàn chỉnh được viết trực tiếp trên trang. Không có gì được gửi đến máy chủ, vì vậy không cần tài khoản, không cần khóa API và không có giới hạn dung lượng tệp.

Tại sao gợi ý lại chứa những từ mà tôi chưa từng gõ?

Mọi thứ sau dòng tiêu đề của bạn đều được đo lường từ hình ảnh. Nếu hình ảnh tối và có độ tương phản cao, phần mô tả sẽ ghi rõ điều đó; nếu bảng màu ấm, bạn sẽ nhận được ánh sáng vàng ấm áp. Mỗi cụm từ đều xuất phát từ số liệu thống kê pixel, chứ không phải từ phỏng đoán.

Tôi có thể chỉnh sửa lời nhắc sau khi nó đã được tạo ra không?

Đúng vậy. Kết quả đầu ra là một hộp văn bản thuần túy mà bạn có thể tự do viết lại, và việc sao chép nó vào clipboard hoặc tệp văn bản chỉ cần một cú nhấp chuột. Nhiều người chỉ tạo một lần, sau đó giữ lại các cụm từ đã được đo lường và thay đổi dòng tiêu đề cho mỗi phiên bản mới.

Câu hỏi phủ định là gì và tôi có cần dùng đến nó không?

Nó cho Stable Diffusion biết những gì cần tránh. Công cụ này thêm một lớp bao phủ các khuyết điểm như mờ nhòe, nhiễu ảnh, hình mờ và cấu trúc giải phẫu không tốt, và mở rộng lớp này khi ảnh của bạn phẳng hoặc nhiễu. Midjourney sử dụng danh sách –no thay thế, còn DALL-E 3 hoàn toàn bỏ qua các ảnh âm bản.

Liệu nó có thiết lập tỷ lệ khung hình của Midjourney một cách chính xác không?

Đúng vậy. Chiều rộng và chiều cao của bạn sẽ được giảm xuống tỷ lệ thực và được thêm vào dưới dạng –ar, vì vậy ảnh tải lên có độ phân giải 1920×1080 sẽ trở thành –ar 16:9 mà không cần bạn phải đo đạc gì cả. Khối tham số này cũng chứa các giá trị phiên bản, kiểu dáng và cách điệu mà bạn có thể chỉnh sửa sau đó.

Tôi có thể phân tích ngược lại thông điệp từ một hình ảnh do AI tạo ra không?

Một phần nào đó. Bạn sẽ khôi phục được bảng màu, ánh sáng, độ tương phản, tỷ lệ và mức độ chi tiết, đó là phần lớn phong cách, nhưng không phải là từ ngữ chủ đề chính xác mà bản gốc đã sử dụng. Hãy đưa những cụm từ đã được đo lường đó vào mô hình của bạn cùng với mô tả chủ đề của riêng bạn.