टेक्स्ट में अपरिवर्तनीय विशेषताओं को परिभाषित करके और उन्हें दृश्य संदर्भों से जोड़कर किरदार की निरंतरता बनाए रखी जाती है, फिर लाइटिंग और एंगल जैसे वेरिएबल्स को सख्ती से नियंत्रित किया जाता है। आप अपने वर्कफ़्लो में किरदार की पहचान को सीन के संदर्भ से अलग करके इसे हासिल करते हैं।
जनरेटिव एआई में कैरेक्टर ड्रिफ्ट की समस्या
जेनरेटिव मॉडल्स प्रॉम्प्ट्स को प्रायिकता के आधार पर समझते हैं। जब आप किसी विशिष्ट किरदार की मांग करते हैं, तो मॉडल संभावित व्याख्याओं के वितरण से नमूना लेता है। बिना किसी बाधा के, हर जेनरेशन पासा फेंकने जैसा होता है। चेहरे की बनावट, बालों की बनावट या कपड़ों के विवरण में छोटे बदलाव छवियों के बीच जमा होते रहते हैं। यह ड्रिफ्ट इसलिए होता है क्योंकि मॉडल विशिष्ट पहचान चिह्नों की तुलना में समग्र रचना और प्रकाश व्यवस्था को प्राथमिकता देता है। यदि आप आउटपुट को सक्रिय रूप से सीमित नहीं करते हैं, तो किरदार एक विशिष्ट व्यक्ति के बजाय एक सामान्य आर्केटाइप बन जाता है।
प्रॉम्प्ट्स में अपरिवर्तनीय किरदार विशेषताओं को परिभाषित करना
आपको उस किरदार को परिभाषित करने वाले गुणों की पहचान करनी चाहिए और उन्हें गैर-बातचीत योग्य (non-negotiable) मानना चाहिए। ये अपरिवर्तनीय गुण हैं। इनमें विशिष्ट चेहरे की ज्यामिति, आंखों का रंग, बालों का आकार और अद्वितीय कपड़े शामिल हैं। किरदार का वर्णन "कूल" या "रहस्यमयी" जैसे अस्पष्ट शब्दों में न करें। भौतिक वास्तविकता का वर्णन करें। "रफ लुक" के बजाय, "छोटे कटे हुए बाल, बाईं भौंह के ऊपर निशान, पुराना चमड़े का जैकेट" निर्दिष्ट करें।
- अपरिवर्तनीय विशेषताओं को एक निश्चित टेक्स्ट ब्लॉक में सूचीबद्ध करें।
- हर प्रॉम्प्ट के लिए इस ब्लॉक को समान रखें।
- इसे अधिक वजन देने के लिए प्रॉम्प्ट की शुरुआत में इस ब्लॉक को रखें।
- ऐसे विशेषणों से बचें जो कई अर्थों का सुझाव देते हैं। ठोस संज्ञाओं और भौतिक विवरणों का उपयोग करें।
यदि आप बालों का विवरण बदलते हैं, तो मॉडल नए विवरण को एक अलग चरित्र के रूप में व्याख्यायित कर सकता है। टेक्स्ट प्रॉम्प्ट प्राथमिक एंकर होता है। यदि टेक्स्ट अस्पष्ट है, तो छवि असंगत होगी।
रेफरेंस इमेजेस और स्टाइल एंकर का उपयोग करें
जटिल किरदारों के लिए केवल टेक्स्ट अक्सर पर्याप्त नहीं होता। विज़ुअल रेफरेंस स्पेस और स्टाइल के लिहाज़ से एक एंकर प्रदान करते हैं। आप किरदार की छवि अपलोड करते हैं ताकि मॉडल की पहचान की व्याख्या को निर्देशित किया जा सके। इसी चरण में विशिष्ट टूल्स प्रक्रिया में शामिल होते हैं।
- Midjourney का उपयोग तब किया जाता है जब आपको नई जनरेशन में चेहरे की विशेषताओं और स्टाइलिंग की निरंतरता सुनिश्चित करने के लिए किसी विशिष्ट किरदार की छवि का संदर्भ लेना हो।
- Adobe Firefly का उपयोग तब किया जाता है जब आपको Creative Cloud इकोसिस्टम में जनरेट की गई छवियों की शैली और पहचान को निर्देशित करने के लिए एक किरदार संदर्भ छवि अपलोड करनी हो।
- Leonardo.Ai का चयन तब किया जाता है जब आपको कई छवि जनरेशन में विशिष्ट किरदार विशेषताओं और सौंदर्य को लॉक करना हो।
- Stable Diffusion का उपयोग किरदार डेटासेट पर LoRA ट्रेनिंग या पोज़ और संरचना को लॉक करने के लिए ControlNet का उपयोग करके उन्नत निरंतरता प्राप्त करने के लिए किया जाता है।
- Krea का उपयोग तब किया जाता है जब आपको रियल-टाइम जनरेशन में किरदार की पहचान और शैली बनाए रखने के लिए एक छवि अपलोड करनी हो।
- Runway का उपयोग तब किया जाता है जब आपको वीडियो अनुक्रम जनरेट करते समय या स्थिर किरदार डिज़ाइन को एनिमेट करते समय किरदार निरंतरता बनाए रखनी हो।
- DALL-E 3 पर तब निर्भर किया जाता है जब आपको विस्तृत, विशिष्ट टेक्स्ट प्रॉम्प्ट्स और पुनरावृत्त परिष्करण के माध्यम से किरदार निरंतरता बनाए रखनी हो, क्योंकि इसमें नेटिव इमेज-रेफरेंस फीचर नहीं होता है।
इन टूल्स का उपयोग करते समय, आउटपुट का मूल्यांकन इस आधार पर करें कि चेहरी संरचना रेफरेंस से मेल खाती है या नहीं। यह मूल्यांकन इस आधार पर न करें कि दृश्य अच्छा दिखता है या नहीं। यदि चेहरा गलत है, तो दृश्य अप्रासंगिक है।
लाइटिंग और एंगल में बदलाव को संभालना
लाइटिंग और एंगल अनुभव की गई असंगति के सबसे आम कारण हैं। तेज़ धूप में एक कैरेक्टर छाया में उसी कैरेक्टर से अलग दिखता है। यह ड्रिफ्ट नहीं है; यह फिजिक्स है। हालांकि, मॉडल अक्सर लाइटिंग में बदलाव को पहचान में बदलाव के रूप में व्याख्यायित करते हैं।
- यदि आप चाहते हैं कि कैरेक्टर एक जैसा दिखे, तो लाइटिंग विवरण को सुसंगत रखें।
- यदि आप एंगल बदलते हैं, तो चेहरे की विशेषताओं में बदलाव होने की अपेक्षा करें।
- बेसलाइन पहचान स्थापित करने के लिए कैरेक्टर शीट्स में न्यूट्रल लाइटिंग का उपयोग करें।
- पहचान लॉक होने के बाद ही ड्रामेटिक लाइटिंग लागू करें।
यदि आप किसी किरदार को अंधेरी गली में और फिर उजाले स्टूडियो में जेनरेट करते हैं, तो मॉडल छायाओं को अलग-अलग चेहरे की बनावट के रूप में व्याख्यायित कर सकता है। पहचान को परिवेश से अलग करें। पहले किरदार को एक तटस्थ संदर्भ में जेनरेट करें। फिर विशिष्ट परिवेश के लिए कंपोज़िट करें या प्रॉम्प्ट दें।
पुनरावृत्त परिष्करण और नेगेटिव प्रॉम्प्टिंग
पहली बार में ही सही परिणाम नहीं मिलेगा। इटरेटिव रिफाइनमेंट वर्कफ्लो का मुख्य आधार है। कई वेरिएशन जेनरेट करें। लक्षित पहचान के सबसे नजदीक वाले विकल्प का चयन करें। उस चयन को नया रेफरेंस के रूप में उपयोग करें। इससे एक फीडबैक लूप बनता है जो सुसंगतता को और मजबूत करता है।
नेगेटिव प्रॉम्प्टिंग आवश्यक है। आपको मॉडल को यह बताना होगा कि क्या नहीं करना है।
- अपने नेगेटिव प्रॉम्प्ट में आम विचलनों को सूचीबद्ध करें।
- "different face," "wrong hair," या "generic features" जैसे शब्द शामिल करें।
- जैसे-जैसे नई प्रकार की त्रुटियां दिखाई दें, नेगेटिव प्रॉम्प्ट को अपडेट करते रहें।
यदि मॉडल लगातार किरदार की नाक का आकार बदल रहा है, तो नेगेटिव प्रॉम्प्ट में "wrong nose shape" जोड़ें। यह ड्रिफ्ट को सक्रिय रूप से दबाता है।
सुसंगतता को तोड़ने वाली आम गलतियां
अधिकांश सुसंगतता विफलताएं टूल की सीमाओं से नहीं, बल्कि वर्कफ्लो त्रुटियों से होती हैं।
- प्रॉम्प्ट्स के बीच किरदार का विवरण बदलना।
- भौतिक विवरणों के बजाय अस्पष्ट विशेषणों का उपयोग करना।
- पहचान का आकलन करते समय लाइटिंग कॉन्टेक्स्ट को नजरअंदाज करना।
- विचलनों को दबाने के लिए नेगेटिव प्रॉम्प्टिंग का उपयोग न करना।
- इटरेटिव रिफाइनमेंट के बिना पूर्ण सुसंगतता की अपेक्षा करना।
- कम गुणवत्ता या अस्पष्ट वाली एकल रेफरेंस इमेज का उपयोग करना।
यदि आप ये गलतियां करते हैं, तो कोई भी टूल आपको बचा नहीं सकता। वर्कफ्लो अनुशासित होना चाहिए। टेक्स्ट सटीक होना चाहिए। रेफरेंस स्पष्ट होना चाहिए। इटरेशन निरंतर होना चाहिए।