AI ഉപയോഗിച്ച് സ്ഥിരതയുള്ള കാരക്ടർ ഡിസൈൻ എങ്ങനെ പ്രോംപ്റ്റ് ചെയ്യാം

ടെക്സ്റ്റിൽ അചഞ്ചലമായ സവിശേഷതകൾ നിർവചിച്ചും വിഷ്വൽ റഫറൻസുകൾ ഉപയോഗിച്ച് അവയെ അടിസ്ഥാനമാക്കിയും, ലൈറ്റിംഗ്, ആംഗിൾ തുടങ്ങിയ വേരിയബിളുകൾ കർശനമായി നിയന്ത്രിച്ചും കാരക്ടർ കൺസിസ്റ്റൻസി നിലനിർത്തുന്നു. നിങ്ങളുടെ വർക്ക്ഫ്ലോയിൽ കാരക്ടറിന്റെ ഐഡന്റിറ്റിയും സീനിന്റെ കോൺടെക്സ്റ്റും വേർതിരിച്ചുകൊണ്ടാണ് ഇത് സാധ്യമാകുന്നത്.

ജനറേറ്റീവ് മോഡലുകളിൽ കാരക്ടർ ഡ്രിഫ്റ്റിന്റെ പ്രശ്നം

ജനറേറ്റീവ് മോഡലുകൾ പ്രോംപ്റ്റുകൾ പ്രോബബിലിസ്റ്റിക് ആയി വ്യാഖ്യാനിക്കുന്നു. ഒരു പ്രത്യേക കാരക്ടറിനായി നിങ്ങൾ അഭ്യർത്ഥിക്കുമ്പോൾ, സാധ്യമായ വ്യാഖ്യാനങ്ങളുടെ വിതരണത്തിൽ നിന്ന് മോഡൽ സാമ്പിൾ ചെയ്യുന്നു. പരിമിതികൾ ഇല്ലാത്തപ്പോൾ, ഓരോ ജനറേഷനും പുതിയൊരു ഡൈ റോൾ ആയി മാറുന്നു. മുഖഘടന, ഹെയർ ടെക്സ്ചർ, വസ്ത്ര വിശദാംശങ്ങൾ എന്നിവയിലെ ചെറിയ വ്യതിയാനങ്ങൾ ഇമേജുകൾക്കിടയിൽ ക്രമേണ അടിഞ്ഞുകൂടുന്നു. പ്രത്യേക ഐഡന്റിറ്റി മാർക്കറുകളേക്കാൾ മൊത്തത്തിലുള്ള കോമ്പോസിഷനും ലൈറ്റിംഗും മോഡൽ പ്രാധാന്യം നൽകുന്നതുകൊണ്ടാണ് ഈ ഡ്രിഫ്റ്റ് സംഭവിക്കുന്നത്. ഔട്ട്പുട്ട് സജീവമായി പരിമിതിപ്പെട്ടില്ലെങ്കിൽ, കാരക്ടർ ഒരു പ്രത്യേക വ്യക്തിയ്ക്ക് പകരം ഒരു ജനറിക് ആർക്കിടൈപ്പായി മാറുന്നു.

പ്രോംപ്റ്റുകളിൽ അചഞ്ചലമായ കാരക്ടർ സവിശേഷതകൾ നിർവചിക്കുക

കാരക്ടറിനെ നിർവചിക്കുന്ന സവിശേഷതകൾ തിരിച്ചറിയുകയും അവയെ ചർച്ച ചെയ്യാനാകാത്തവയായി കണക്കാക്കുകയും വേണം. ഇവയാണ് അചഞ്ചലമായ സവിശേഷതകൾ. പ്രത്യേക മുഖ ജ്യാമിതി, കണ്ണുകളുടെ നിറം, ഹെയർ ഷേപ്പ്, യൂണിക് വസ്ത്രങ്ങൾ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. "കൂൾ" അല്ലെങ്കിൽ "മിസ്റ്റീരിയസ്" പോലുള്ള അസ്പഷ്ടമായ പദങ്ങളിൽ കാരക്ടറിനെ വിവരിക്കരുത്. ഭൗതിക യാഥാർത്ഥ്യം വിവരിക്കുക. "റഗ്ഗഡ് ലുക്ക്" എന്നതിന് പകരം "ഷോർട്ട് ക്രോപ്പഡ് ഹെയർ, ഇടത് ഭ്രൂവിന് മുകളിൽ സ്കാർ, വേൺ ലെതർ ജാക്കറ്റ്" എന്ന് നിർദ്ദിഷ്ടമായി പറയുക.

• അചഞ്ചലമായ സവിശേഷതകൾ ഒരു സ്ഥിരമായ ടെക്സ്റ്റ് ബ്ലോക്കിൽ ലിസ്റ്റ് ചെയ്യുക.
• ഓരോ പ്രോംപ്റ്റിലും ഈ ബ്ലോക്ക് ഒരേപോലെ നിലനിർത്തുക.
• ഉയർന്ന വെയ്റ്റ് നൽകുന്നതിന് പ്രോംപ്റ്റിന്റെ തുടക്കത്തിൽ ഈ ബ്ലോക്ക് സ്ഥാപിക്കുക.
• ഒന്നിലധികം വ്യാഖ്യാനങ്ങൾ സൂചിപ്പിക്കുന്ന അഡ്ജക്ടീവുകൾ ഒഴിവാക്കുക. കോൺക്രീറ്റ് നൗണുകളും ഭൗതിക ഡിസ്ക്രിപ്റ്ററുകളും ഉപയോഗിക്കുക.

ഹെയറിന്റെ വിവരണം മാറ്റിയാൽ, പുതിയ വിവരണത്തെ മോഡൽ ഒരു വ്യത്യസ്ത കാരക്ടറായി വ്യാഖ്യാനിച്ചേക്കാം. ടെക്സ്റ്റ് പ്രോംപ്റ്റ് ആണ് പ്രാഥമിക ആങ്കർ. ടെക്സ്റ്റ് അസ്പഷ്ടമാണെങ്കിൽ, ഇമേജ് അസ്ഥിരമായിരിക്കും.

റഫറൻസ് ഇമേജുകളും സ്റ്റൈൽ ആങ്കറുകളും ഉപയോഗിക്കുക

സങ്കീർണ്ണമായ കാരക്ടറുകൾക്ക് ടെക്സ്റ്റ് മാത്രം പലപ്പോഴും മതിയാകില്ല. വിഷ്വൽ റഫറൻസുകൾ സ്പേഷ്യൽ, സ്റ്റൈലിസ്റ്റിക് ആങ്കറുകൾ നൽകുന്നു. ഐഡന്റിറ്റിയെക്കുറിച്ചുള്ള മോഡലിന്റെ വ്യാഖ്യാനത്തെ നയിക്കാൻ കാരക്ടറിന്റെ ഇമേജ് അപ്‌ലോഡ് ചെയ്യുക. ഈ പ്രക്രിയയിൽ പ്രത്യേക ടൂളുകൾ എവിടെയാണ് ഒത്തുചേരുന്നത് എന്നതാണ് ഇവിടെ.

• Midjourney എന്നത് പുതിയ ജനറേഷനുകളിലുടനീളം സ്ഥിരമായ മുഖഭാവങ്ങളും സ്റ്റൈലിംഗും ഉറപ്പാക്കാൻ ഒരു പ്രത്യേക കഥാപാത്രത്തിന്റെ ഇമേജ് റഫറൻസ് ആവശ്യമായി വരുമ്പോൾ ഉപയോഗിക്കുന്നു.
• Adobe Firefly എന്നത് Creative Cloud ഇക്കോസിസ്റ്റത്തിനുള്ളിൽ ജനറേറ്റ് ചെയ്യുന്ന ഇമേജുകളുടെ സ്റ്റൈലും ഐഡന്റിറ്റിയും നയിക്കാൻ ഒരു കഥാപാത്ര റഫറൻസ് ഇമേജ് അപ്‌ലോഡ് ചെയ്യേണ്ടി വരുമ്പോൾ ഉപയോഗിക്കുന്നു.
• Leonardo.Ai എന്നത് ഒന്നിലധികം ഇമേജ് ജനറേഷനുകളിലുടനീളം പ്രത്യേക കഥാപാത്ര സ്വഭാവങ്ങളും എസ്തെറ്റിക്സും ലോക്ക് ചെയ്യേണ്ടി വരുമ്പോൾ തിരഞ്ഞെടുക്കുന്നു.
• Stable Diffusion എന്നത് കഥാപാത്ര ഡാറ്റാസെറ്റുകളിൽ LoRA ട്രെയിനിംഗ് വഴിയോ പോസ്, സ്ട്രക്ചർ ലോക്കിംഗിനായി ControlNet ഉപയോഗിച്ചോ അഡ്വാൻസ്ഡ് കൺസിസ്റ്റൻസി നേടാൻ ഉപയോഗിക്കുന്നു.
• Krea എന്നത് റിയൽ-ടൈം ജനറേഷനിൽ കഥാപാത്ര ഐഡന്റിറ്റിയും സ്റ്റൈലും നിലനിർത്താൻ ഒരു ഇമേജ് അപ്‌ലോഡ് ചെയ്യേണ്ടി വരുമ്പോൾ പ്രയോഗിക്കുന്നു.
• Runway എന്നത് വീഡിയോ സീക്വൻസുകൾ ജനറേറ്റ് ചെയ്യുമ്പോഴോ സ്റ്റാറ്റിക് കഥാപാത്ര ഡിസൈനുകൾ ആനിമേറ്റ് ചെയ്യുമ്പോഴോ കഥാപാത്ര കൺസിസ്റ്റൻസി നിലനിർത്തേണ്ടി വരുമ്പോൾ ഉപയോഗിക്കുന്നു.
• DALL-E 3 എന്നത് വിശദമായ, പ്രത്യേക ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളിലൂടെയും ഇറ്ററേറ്റീവ് റിഫൈൻമെന്റിലൂടെയും കഥാപാത്ര കൺസിസ്റ്റൻസി നിലനിർത്തേണ്ടി വരുമ്പോൾ ആശ്രയിക്കുന്നു, കാരണം ഇതിന് നേറ്റീവ് ഇമേജ്-റെഫറൻസ് ഫീച്ചർ ഇല്ല.

ഈ ടൂളുകൾ ഉപയോഗിക്കുമ്പോൾ, റഫറൻസുമായി മുഖഘടന യോജിക്കുന്നുണ്ടോ എന്ന് പരിശോധിച്ച് ഔട്ട്പുട്ട് വിലയിരുത്തുക. സീൻ മനോഹരമായി കാണപ്പെടുന്നുണ്ടോ എന്ന് വിലയിരുത്തരുത്. മുഖം തെറ്റാണെങ്കിൽ, സീൻ പ്രസക്തമല്ല.

ലൈറ്റിംഗും ആംഗിൾ വ്യതിയാനങ്ങളും കൈകാര്യം ചെയ്യൽ

ലൈറ്റിംഗും ആംഗിളും ആണ് ഏറ്റവും സാധാരണമായ അസ്ഥിരതയുടെ കാരണങ്ങൾ. തെളിച്ചമുള്ള പകൽവെളിച്ചത്തിലുള്ള ഒരു കഥാപാത്രം നിഴലിലുള്ള അതേ കഥാപാത്രത്തിൽ നിന്ന് വ്യത്യസ്തമായി കാണപ്പെടുന്നു. ഇത് ഡ്രിഫ്റ്റ് അല്ല; ഇത് ഫിസിക്സ് ആണ്. എന്നിരുന്നാലും, മോഡലുകൾ പലപ്പോഴും ലൈറ്റിംഗ് മാറ്റങ്ങളെ ഐഡന്റിറ്റി മാറ്റങ്ങളായി വ്യാഖ്യാനിക്കുന്നു.

• കഥാപാത്രം ഒരേപോലെ കാണപ്പെടണമെങ്കിൽ ലൈറ്റിംഗ് വിവരണം സ്ഥിരമായി നിലനിർത്തുക.
• ആംഗിൾ മാറ്റിയാൽ, മുഖഭാവങ്ങൾ മാറുമെന്ന് പ്രതീക്ഷിക്കുക.
• അടിസ്ഥാന ഐഡന്റിറ്റി സ്ഥാപിക്കാൻ കഥാപാത്ര ഷീറ്റുകൾക്ക് ന്യൂട്രൽ ലൈറ്റിംഗ് ഉപയോഗിക്കുക.
• ഐഡന്റിറ്റി ലോക്ക് ചെയ്തതിന് ശേഷം മാത്രം ഡ്രാമാറ്റിക് ലൈറ്റിംഗ് പ്രയോഗിക്കുക.

ഒരു ഇരുണ്ട ഗल्लीയിലും പിന്നീട് തെളിച്ചമുള്ള സ്റ്റുഡിയോയിലും നിങ്ങൾ ഒരു കഥാപാത്രത്തെ ജനറേറ്റ് ചെയ്താൽ, മോഡൽ നിഴലുകളെ വ്യത്യസ്ത മുഖഘടനകളായി വ്യാഖ്യാനിച്ചേക്കാം. ഐഡന്റിറ്റിയെ പരിസ്ഥിതിയിൽ നിന്ന് വേർതിരിക്കുക. ആദ്യം ഒരു ന്യൂട്രൽ കോൺടെക്സ്റ്റിൽ കഥാപാത്രത്തെ ജനറേറ്റ് ചെയ്യുക. പിന്നീട് പ്രത്യേക പരിസ്ഥിതിക്കായി കോംപോസിറ്റ് ചെയ്യുക അല്ലെങ്കിൽ പ്രോംപ്റ്റ് ചെയ്യുക.

ഇറ്ററേറ്റീവ് റിഫൈൻമെന്റും നെഗറ്റീവ് പ്രോംപ്റ്റിംഗും

ആദ്യ ശ്രമത്തിൽ തന്നെ കൃത്യമായി ലഭിക്കില്ല. ഇറ്ററേറ്റീവ് റിഫൈൻമെന്റാണ് വർക്ക്ഫ്ലോയുടെ കാതൽ. ഒന്നിലധികം വേരിയേഷനുകൾ ജനറേറ്റ് ചെയ്യുക. ടാർഗെറ്റ് ഐഡന്റിറ്റിയോട് ഏറ്റവും അടുത്തുള്ളത് തിരഞ്ഞെടുക്കുക. ആ തിരഞ്ഞെടുപ്പ് പുതിയ റഫറൻസായി ഉപയോഗിക്കുക. ഇത് കൺസിസ്റ്റൻസി കൂടുതൽ കൃത്യമാക്കുന്ന ഒരു ഫീഡ്ബാക്ക് ലൂപ്പ് സൃഷ്ടിക്കുന്നു.

നെഗറ്റീവ് പ്രോംപ്റ്റിംഗ് അത്യാവശ്യമാണ്. മോഡലിന് എന്ത് ചെയ്യരുതെന്ന് നിങ്ങൾ പറഞ്ഞുവെക്കണം.

• നിങ്ങളുടെ നെഗറ്റീവ് പ്രോംപ്റ്റിൽ സാധാരണ ഡീവിയേഷനുകൾ പട്ടികപ്പെടുത്തുക.
• "different face," "wrong hair," അല്ലെങ്കിൽ "generic features" തുടങ്ങിയ പദങ്ങൾ ഉൾപ്പെടുത്തുക.
• പുതിയ തരം പിശകുകൾ കാണുമ്പോൾ നെഗറ്റീവ് പ്രോംപ്റ്റ് അപ്ഡേറ്റ് ചെയ്യുക.

മോഡൽ കഥാപാത്രത്തിന് വ്യത്യസ്ത നാസിന്റെ ആകൃതി നൽകുന്നുണ്ടെങ്കിൽ, "wrong nose shape" എന്നത് നെഗറ്റീവ് പ്രോംപ്റ്റിൽ ചേർക്കുക. ഇത് ഡ്രിഫ്റ്റിനെ സജീവമായി ഒതുക്കുന്നു.

കൺസിസ്റ്റൻസി തകർക്കുന്ന സാധാരണ പിശകുകൾ

കൺസിസ്റ്റൻസി പരാജയങ്ങളിൽ ഭൂരിഭാഗവും ടൂൾ പരിമിതികളല്ല, മറിച്ച് വർക്ക്ഫ്ലോ പിശകുകളാണ് കാരണം.

• പ്രോംപ്റ്റുകൾക്കിടയിൽ കഥാപാത്ര വിവരണം മാറ്റുന്നത്.
• ഭൗതിക വിവരണങ്ങൾക്ക് പകരം അസ്പഷ്ടമായ അഡ്ജക്ടീവുകൾ ഉപയോഗിക്കുന്നത്.
• ഐഡന്റിറ്റി വിലയിരുത്തുമ്പോൾ ലൈറ്റിംഗ് കോൺടെക്സ്റ്റ് അവഗണിക്കുന്നത്.
• ഡീവിയേഷനുകൾ ഒതുക്കാൻ നെഗറ്റീവ് പ്രോംപ്റ്റിംഗ് ഉപയോഗിക്കാതിരിക്കുന്നത്.
• ഇറ്ററേറ്റീവ് റിഫൈൻമെന്റ് ഇല്ലാതെ പൂർണ്ണമായ കൺസിസ്റ്റൻസി പ്രതീക്ഷിക്കുന്നത്.
• കുറഞ്ഞ ഗുണനിലവാരമുള്ളതോ അസ്പഷ്ടമോ ആയ ഒരൊറ്റ റഫറൻസ് ഇമേജ് ഉപയോഗിക്കുന്നത്.

ഈ പിശകുകൾ ചെയ്താൽ, ഒരു ടൂളും നിങ്ങളെ രക്ഷിക്കില്ല. വർക്ക്ഫ്ലോ വിനയത്തോടെയായിരിക്കണം. ടെക്സ്റ്റ് കൃത്യമായിരിക്കണം. റഫറൻസുകൾ വ്യക്തമായിരിക്കണം. ഇറ്ററേഷൻ തുടർച്ചയായിരിക്കണം.