Karakterkonsistens opnås ved at definere uforanderlige træk i teksten og forankre dem med visuelle referencer, hvorefter variabler som belysning og vinkel styres strengt. Dette opnås ved at adskille karakterens identitet fra scenens kontekst i dit workflow.
Problemet med karakterdrift i generativ AI
Generative modeller fortolker prompts probabilistisk. Når du beder om en specifik karakter, sampler modellen fra en fordeling af mulige fortolkninger. Uden begrænsninger er hver generering et nyt terningkast. Små variationer i ansigtsstruktur, hårttekstur eller tøjdetaljer akkumuleres på tværs af billeder. Denne drift sker, fordi modellen prioriterer den overordnede komposition og belysning frem for specifikke identitetsmarkører. Hvis du ikke aktivt begrænser outputtet, bliver karakteren en generisk arketype frem for en specifik individ.
Definering af uforanderlige karaktertræk i prompts
Du skal identificere de træk, der definerer karakteren, og behandle dem som ikke-forhandlingsbare. Dette er de uforanderlige træk. De omfatter specifik ansigtsgeometri, øjenfarve, hårsform og unikke tøjgenstande. Beskriv ikke karakteren med vagte termer som "cool" eller "mysterious." Beskriv den fysiske virkelighed. I stedet for "a rugged look," specificer "kort klippet hår, ar over venstre øjenbryn, slidt læderjakke."
- List de uforanderlige træk i en fast tekstblok.
- Hold denne blok identisk for hver prompt.
- Placer denne blok i starten af prompten for at give den høj vægt.
- Undgå adjektiver, der implicerer flere fortolkninger. Brug konkrete navneord og fysiske beskrivelser.
Hvis du ændrer beskrivelsen af håret, kan modellen fortolke den nye beskrivelse som en anden karakter. Tekstprompten er den primære ankerpunkt. Hvis teksten er tvetydig, bliver billedet inkonsistent.
Brug af referenc billeder og stilanker
Tekst alene er ofte utilstrækkelig for komplekse karakterer. Visuelle referencer giver et rumligt og stilistisk ankerpunkt. Du uploader et billede af karakteren for at vejlede modellens fortolkning af identiteten. Det er her, specifikke værktøjer indgår i processen.
- Midjourney bruges, når du skal referere til et bestemt karakterbillede for at sikre konsistente ansigtstræk og stil på tværs af nye generationer.
- Adobe Firefly anvendes, når du skal uploade et referencebillede af karakteren for at styre stil og identitet for genererede billeder inden for Creative Cloud-økosystemet.
- Leonardo.Ai vælges, når du skal låse specifikke karaktertræk og æstetik på tværs af flere billedgenerationer.
- Stable Diffusion udnyttes til avanceret konsistens via LoRA-træning på karakterdatasæt eller ved brug af ControlNet til at låse pose og struktur.
- Krea anvendes, når du skal uploade et billede for at bevare karakteridentitet og stil i realtidsgenerering.
- Runway benyttes, når du skal opretholde karakterkonsistens ved generering af videosekvenser eller animering af statiske karakterdesigns.
- DALL-E 3 stoles på, når du skal opretholde karakterkonsistens gennem detaljerede, specifikke tekstprompts og iterativ forfining, da det mangler en indbygget funktion til billedreferencer.
Når du bruger disse værktøjer, skal du vurdere outputtet på, om ansigtsstrukturen matcher referencen. Vurder det ikke på, om scenen ser god ud. Hvis ansigtet er forkert, er scenen irrelevant.
Håndtering af variationer i lys og vinkel
Lys og vinkel er de mest almindelige årsager til oplevet inkonsistens. En karakter i stærkt dagslys ser anderledes ud end samme karakter i skygge. Dette er ikke drift; det er fysik. Modeller fortolker dog ofte lysændringer som identitetsændringer.
- Hold lysbeskrivelsen konsistent, hvis du vil have karakteren til at se ens ud.
- Hvis du ændrer vinklen, skal du forvente, at ansigtstrækkene forskydes.
- Brug neutralt lys til karakterark for at etablere baseline-identiteten.
- Anvend dramatisk lys først, når identiteten er låst.
Hvis du genererer en karakter i en mørk gyde og derefter i et lyst studie, kan modellen fortolke skyggerne som forskellige ansigtsstrukturer. Adskil identiteten fra miljøet. Generér karakteren i en neutral kontekst først. Sammensæt eller prompt derefter for det specifikke miljø.
Iterativ forfining og negativ prompting
Du får det ikke rigtigt i første forsøg. Iterativ forfining er kernen i arbejdsgangen. Generér flere variationer. Vælg den, der er tættest på den ønskede identitet. Brug dette valg som ny reference. Dette skaber en feedback-løkke, der strammer konsistensen.
Negativ prompting er afgørende. Du skal fortælle modellen, hvad den ikke skal gøre.
- List almindelige afvigelser i din negative prompt.
- Inkluder termer som "different face", "wrong hair" eller "generic features".
- Opdater den negative prompt, efterhånden som du ser nye typer af fejl.
Hvis modellen vedvarende giver karakteren en anden næseform, skal du tilføje "wrong nose shape" til den negative prompt. Dette undertrykker aktivt drift.
Almindelige fejl, der bryder konsistensen
De fleste konsistensfejl skyldes fejl i arbejdsgangen, ikke begrænsninger i værktøjet.
- At ændre karakterbeskrivelsen mellem prompts.
- At bruge vage adjektiver i stedet for fysiske beskrivelser.
- At ignorere lysforholdene, når identiteten vurderes.
- At undlade at bruge negativ prompting til at undertrykke afvigelser.
- At forvente perfekt konsistens uden iterativ forfining.
- At bruge et enkelt referencebillede, der er af lav kvalitet eller tvetydigt.
Hvis du begår disse fejl, vil intet værktøj kunne redde dig. Arbejdsgangen skal være disciplineret. Teksten skal være præcis. Referencerne skal være klare. Iterationen skal være kontinuerlig.