Како да креирате промпт за AI за конзистентен дизајн на лик

Конзистентноста на ликот се одржува со дефинирање на непроменливи карактеристики во текст и нивно закотвување со визуелни референци, а потоа строго контролирање на променливи како осветлување и агол. Ова се постигнува со одвојување на идентитетот на ликот од контекстот на сцената во вашиот работен тек.

Проблемот со одстапување на ликот кај генеративниот AI

Генеративни модели ги толкуваат промптите веројатносно. Кога барате специфичен лик, моделот зема примерок од дистрибуција на можни толкувања. Без ограничувања, секое генерирање е ново фрлање на коцка. Малите варијации во структурата на лицето, текстурата на косата или деталите на облеката се акумулираат низ сликите. Ова одстапување се случува бидејќи моделот го приоретизира вкупната композиција и осветлувањето над специфичните маркери на идентитетот. Ако активно не го ограничите излезот, ликот станува генерички архетип наместо специфична индивидуа.

Дефинирање на непроменливи карактеристики на ликот во промптите

Мора да ги идентификувате карактеристиките што го дефинираат ликот и да ги третирате како непреговарачки. Тоа се непроменливите карактеристики. Тие вклучуваат специфична геометрија на лицето, боја на очите, форма на косата и уникатни облека. Не го опишувајте ликот со нејасни термини како „cool“ или „mysterious“. Опишете ја физичката реалност. Наместо „rugged look“, наведете „кратко исечена коса, ожилок над левото веѓо, истрошена кожната јакна.“

• Наведете ги непроменливите карактеристики во фиксиран блок текст.
• Оставете го овој блок идентичен за секој промпт.
• Поставете го овој блок на почетокот на промптот за да му дадете висока тежина.
• Избегнувајте придавки што имплицираат повеќе толкувања. Користете конкретни именки и физички описи.

Ако ја промените описот на косата, моделот може да го толкува новиот опис како различен лик. Текст промптот е примарен котва. Ако текстот е двосмислен, сликата ќе биде неконзистентна.

Користење на референтни слики и стилски котви

Текстот сам по себе често е недоволен за сложени ликови. Визуелните референци обезбедуваат просторна и стилска котва. Вие прикачувате слика од ликот за да го водите толкувањето на идентитетот од страна на моделот. Тука специфичните алатки се вклопуваат во процесот.

• Midjourney се користи кога треба да се повика на специфична слика на лик за да се осигураат конзистентни црти на лицето и стил низ нови генерации.
• Adobe Firefly се користи кога треба да се прикачи референтна слика на лик за да се насочи стилот и идентитетот на генерираните слики во рамките на екосистемот Creative Cloud.
• Leonardo.Ai се избира кога треба да се заклучат специфични особини и естетика на ликот низ повеќе генерации на слики.
• Stable Diffusion се користи за напредна конзистентност преку LoRA обука на датасети со ликови или со користење на ControlNet за заклучување на позата и структурата.
• Krea се применува кога треба да се прикачи слика за да се одржи идентитетот и стилот на ликот при генерирање во реално време.
• Runway се користи кога треба да се одржи конзистентност на ликот при генерирање видео секвенци или анимирање статични дизајни на ликови.
• DALL-E 3 се потпира на него кога треба да се одржи конзистентност на ликот преку детални, специфични текстуални промпти и итеративно усовршување, бидејќи нема вградена функција за референца на слика.

При користење на овие алатки, оценувајте го излезот врз основа на тоа дали биолошката структура на лицето одговара на референцата. Не оценувајте го врз основа на тоа дали сцената изгледа добро. Ако лицето е погрешно, сцената е ирелевантна.

Управување со варијации во осветлувањето и аголот

Осветлувањето и аголот се најчестите причини за привидна неконзистентност. Лик на силна дневна светлина изгледа различно од истиот лик во сенка. Ова не е дрејф; тоа е физика. Сепак, моделите често ги толкуваат промените во осветлувањето како промени во идентитетот.

• Одржувајте конзистентен опис на осветлувањето ако сакате ликот да изгледа исто.
• Ако го смените аголот, очекувајте цртите на лицето да се поместат.
• Користете неутрално осветлување за листови со ликови за да ја поставите основната идентитетска база.
• Применувајте драматично осветлување само откако идентитетот е заклучен.

Ако генерирате лик во темна уличка, а потоа во светло студио, моделот може да ги толкува сенките како различни биолошки структури на лицето. Одвојте го идентитетот од околината. Генерирајте го ликот прво во неутрален контекст. Потоа композирајте или промптирајте за специфичната околина.

Итеративно усовршување и негативни промпти

Нема да го постигнете совршено од прв пат. Итеративното усовршување е суштината на работниот тек. Генерирајте повеќе варијации. Изберете ја онаа што е најблиску до целниот идентитет. Користете го тој избор како нова референца. Ова создава повратна врска која ја затегнува конзистентноста.

Негативното промптирање е клучно. Морате да му кажете на моделот што не треба да прави.

• Наведете ги честите отстапувања во вашиот негативен промпт.
• Вклучете термини како "different face", "wrong hair" или "generic features".
• Ажурирајте го негативниот промпт како што забележувате нови типови на грешки.

Ако моделот постојано му дава на ликот различна форма на нос, додадете "wrong nose shape" во негативниот промпт. Ова активно го сузбива отстапувањето.

Чести грешки што ја нарушуваат конзистентноста

Повеќето неуспеси во конзистентноста произлегуваат од грешки во работниот тек, а не од ограничувања на алатките.

• Менување на описот на ликот помеѓу промптовите.
• Користење нејасни придавки наместо физички описи.
• Игнорирање на контекстот на осветлување при проценката на идентитетот.
• Неупотреба на негативно промптирање за сузбивање на отстапувањата.
• Очекување совршена конзистентност без итеративно усовршување.
• Користење единечна референцна слика која е со низок квалитет или нејасна.

Ако ги правите овие грешки, ниту една алатка нема да ве спаси. Работниот тек мора да биде дисциплиниран. Текстот мора да биде прецизен. Референците мора да бидат јасни. Итерацијата мора да биде континуирана.