Nola eman AIri argibideak karaktere-diseinu koherentea lortzeko

Karakterearen koherentzia mantentzen da testuan ezaugarri aldaezinak definituz eta erreferentzia bisualez finkatuz, gero argia eta angelua bezalako aldagaiak zorrotz kontrolatuz. Hau lortzen da karakterearen identitatea eszenaren testuingurutik bereiziz lan-fluxuan.

Karakterearen aldakortasunaren arazoa AI sortzaileetan

Modelo sortzaileek argibideak probabilitatearen arabera interpretatzen dituzte. Karaktere zehatz bat eskatzen duzunean, modeloa interpretazio posibleen banaketa batetik lagina ateratzen du. Murrizketarik gabe, sorkuntza bakoitza ausazko jaurtiketa berria da. Aldaketa txikiak aurpegiaren egituran, ilearen testuran edo arroparen xehetasunetan irudien artean metatzen dira. Aldakortasun hau gertatzen da modeloak konposizio orokorrari eta argiztaperari lehentasuna ematen dielako identitate-marke zehatzak baino gehiago. Irteera aktiboki murrizten ez baduzu, karakterea arketipo generiko bihurtzen da, banako zehatz bat izan beharrean.

Karakterearen ezaugarri aldaezinak definitzea argibideetan

Karakterearen definatzen duten ezaugarriak identifikatu eta eztabaidaeintzat hartu behar dituzu. Hauek dira ezaugarri aldaezinak. Horien artean daude aurpegiaren geometria zehatza, begien kolorea, ilearen forma eta arropa-pieza bereziak. Ez deskribatu karakterea "cool" edo "mysterious" bezalako termino lausoez. Deskribatu errealitate fisikoa. "Itxura gogorra" esan beharrean, zehaztu "ile laburra moztuta, ezkerreko bekainaren gaineko zauria, larru-jaka erabilia."

• Zerrendatu ezaugarri aldaezinak testu-bloke finko batean.
• Mantendu bloke hau berdina argibide bakoitzean.
• Jarri bloke hau argibidearen hasieran, pisu handiagoa emateko.
• Saihestu interpretazio anitzak inplikatzen dituzten adjektiboak. Erabili izen arrunt zehatzak eta deskribapen fisikoak.

Ilearen deskribapena aldatzen baduzu, modeloak deskribapen berria karaktere desberdin gisa interpreta dezake. Testu-argibidea da aingura nagusia. Testua anbiguoa bada, irudia ez da koherentea izango.

Erreferentzia-irudiak eta estilo-aingurak erabiltzea

Testu hutsa askotan ez da nahikoa karaktere konplexuetarako. Erreferentzia bisualek aingura espazial eta estilistikoa ematen dute. Karakterearen irudia kargatzen duzu modeloaren identitatearen interpretazioa gidatzeko. Hemen sartzen dira tresna zehatzak prozesuan.

• Midjourney erabiltzen da pertsonaia-irudi zehatz bat erreferentziatzeko behar denean, ezaugarri facialak eta estiloa koherenteak izan daitezela belaunaldi berrietan.
• Adobe Firefly erabiltzen da Creative Cloud ekosisteman sortutako irudien estiloa eta identitatea gidatzeko pertsonaia-erreferentzia irudia kargatu behar denean.
• Leonardo.Ai hautatzen da irudi-sortze anitzetan zehar pertsonaiaren ezaugarri eta estetika zehatzak blokeatu behar direnean.
• Stable Diffusion erabiltzen da koherentzia aurreratua lortzeko, LoRA entrenamendua aplikatuz datu-multzoetan edo ControlNet erabiliz posadura eta egitura blokeatzeko.
• Krea aplikatzen da irudia kargatu behar denean pertsonaiaren identitatea eta estiloa mantentzeko denbora errealeko sortzean.
• Runway erabiltzen da bideo-sekuentziak sortzean edo irudi estatikoak animatzean pertsonaiaren koherentzia mantendu behar denean.
• DALL-E 3 erabiltzen da xehetasun handiko testu-gidatzaile zehatzak eta hobekuntza iteratiboak erabiliz pertsonaiaren koherentzia mantendu behar denean, erreferentzia-irudien ezaugarri natiborik ez duelako.

Tresna hauek erabiltzean, irteera ebaluatu aurpegiaren egitura erreferentziarekin bat datorren ikusita. Ez ebaluatu eszena ondo ikusten den ala ez. Aurpegia okerra bada, eszena ez da garrantzitsua.

Argiaren eta angeluaren aldaketen kudeaketa

Argiak eta angeluak dira inconsistentzia hautematearen arrazoi ohikoenak. Argi zuzenekoan dagoen pertsonaia bat bere itzalean dagoen pertsonaia berdinarekiko desberdina agertzen da. Hau ez da drift-a; fisika da. Hala ere, modeloek maiz argi-aldaketak identitate-aldaketzat interpretatzen dituzte.

• Mantendu argiztapenaren deskribapena koherentea pertsonaia berdin agertu nahi baduzu.
• Angelua aldatzen baduzu, itxaron ezaugarri facialak lekualdatzeko.
• Erabili argiztapen neutroa pertsonaien orrietan identitatearen oinarria ezartzeko.
• Aplikatu argiztapen dramatikoa identitatea finkatu ondoren bakarrik.

Karaktere bat kale ilun batean sortzen baduzu eta gero estudio argi batean, modeloak itzalak egitura facial desberdintzat interpreta ditzake. Identitatea ingurunetik bereizi. Sortu karakterea testuinguru neutro batean lehenik. Gero, konposatu edo eskatu ingurune zehatz horretarako.

Hobekuntza iteratiboa eta prompt negatiboak

Lehen saiakeran ez duzu zuzen aterako. Hobekuntza iteratiboa da lan-fluxuaren oinarria. Sortu hainbat aldaera. Hautatu helburu-identitateari hurbilen dagoena. Erabili hautaketa hori erreferentzia berri gisa. Horrek itzultzeko begizta bat sortzen du, koherentzia estutuz.

Prompting negatiboa ezinbestekoa da. Modeloari zer egin behar ez duen esan behar diozu.

• Zerrendatu desbideratze ohikoak zure prompt negatiboan.
• Sartu termino hauek: "aurpegi desberdina," "ile okerra," edo "ezaugarri generikoak."
• Eguneratu prompt negatiboa errore mota berriak ikusi ahala.

Modeloak pertsonaiari sudur-forma desberdina ematen jarraitzen badu, gehitu "wrong nose shape" ezezko promptean. Horrek aldaketa aktiboki eragozten du.

Ohiko akatsak koherentzia hautsi dutenak

Kohoreziaren huts egite gehienak lan-fluxuetako erroreetatik datoz, ez tresnen mugaketatik.

• Pertsonaiaren deskribapena aldatzea prompteen artean.
• Adjektibo lausoak erabiltzea deskribatzaile fisikoak beharrean.
• Argiztapen-testuingurua arbaretzea identitatea ebaluatzean.
• Ez erabiltzea negative prompting desbideratzeak murrizteko.
• Koherentzia perfektua esperozea hobekuntza iteratiborik gabe.
• Kalitate baxuko edo anbiguoa den erreferentzia-irudi bakarra erabiltzea.

Akats hauek egiten badituzu, ez dago tresnarik zurea salbatuko duenik. Lan-fluxuak diziplinatua izan behar du. Testuak zehatza izan behar du. Erreferentziak argiak izan behar dira. Iterazioa etengabea izan behar da.