Karakterconsistentie wordt behouden door onveranderlijke kenmerken in tekst te definiëren en deze te verankeren met visuele referenties, en vervolgens variabelen zoals lichtinval en hoek strikt te beheersen. Dit bereik je door in je workflow de identiteit van het karakter te scheiden van de context van de scène.
Het probleem van karakterdrift in generatieve AI
Generatieve modellen interpreteren prompts probabilistisch. Wanneer je om een specifiek karakter vraagt, samplet het model uit een distributie van mogelijke interpretaties. Zonder beperkingen is elke generatie een nieuwe worp met de dobbelstenen. Kleine variaties in gezichtsstructuur, haartextuur of kledingdetails hopen zich op over meerdere afbeeldingen. Deze drift ontstaat omdat het model prioriteit geeft aan de algehele compositie en belichting boven specifieke identiteitsmarkeringen. Als je de output niet actief beperkt, wordt het karakter een generieke archetype in plaats van een specifiek individu.
Onveranderlijke karakterkenmerken definiëren in prompts
Je moet de kenmerken identificeren die het karakter definiëren en deze als niet-onderhandelbaar behandelen. Dit zijn de onveranderlijke kenmerken. Ze omvatten specifieke gezichtsgeometrie, oogkleur, haarvorm en unieke kledingstukken. Beschrijf het karakter niet in vage termen als "cool" of "mysterieus". Beschrijf de fysieke realiteit. In plaats van "een stoere look", specificeer je "kort geknipt haar, litteken boven de linker wenkbrauw, gedragen leren jas."
- List de onveranderlijke kenmerken op in een vast blok tekst.
- Houd dit blok identiek voor elke prompt.
- Plaats dit blok aan het begin van de prompt om het een hoog gewicht te geven.
- Vermijd bijvoeglijke naamwoorden die meerdere interpretaties impliceren. Gebruik concrete zelfstandige naamwoorden en fysieke beschrijvingen.
Als je de beschrijving van het haar wijzigt, kan het model de nieuwe beschrijving interpreteren als een ander karakter. De tekstprompt is de primaire ankerpunt. Als de tekst ambigu is, zal de afbeelding inconsistent zijn.
Referentiebeelden en stijlankers gebruiken
Tekst alleen is vaak onvoldoende voor complexe karakters. Visuele referenties bieden een ruimtelijke en stilistische ankerpunt. Je uploadt een afbeelding van het karakter om de interpretatie van de identiteit door het model te sturen. Hier passen specifieke tools in het proces.
- Midjourney kies je wanneer je een specifieke karakterafbeelding als referentie wilt gebruiken om consistente gelaatstrekken en styling te waarborgen bij nieuwe generaties.
- Adobe Firefly gebruik je wanneer je een referentieafbeelding van het karakter uploadt om de stijl en identiteit van gegenereerde afbeeldingen binnen het Creative Cloud-ecosysteem te sturen.
- Leonardo.Ai kies je wanneer je specifieke karaktertrekken en esthetiek wilt vastleggen over meerdere beeldgeneraties heen.
- Stable Diffusion wordt ingezet voor geavanceerde consistentie door LoRA-training op karakterdatasets of door ControlNet te gebruiken voor het vastleggen van pose en structuur.
- Krea pas je toe wanneer je een afbeelding uploadt om de karakteridentiteit en stijl te behouden tijdens realtime generatie.
- Runway gebruik je wanneer je karakterconsistentie wilt behouden bij het genereren van videosequenties of bij het animeren van statische karakterontwerpen.
- DALL-E 3 vertrouw je op wanneer je karakterconsistentie wilt behouden via gedetailleerde, specifieke tekstprompts en iteratieve verfijning, aangezien het geen native functie voor beeldreferenties heeft.
Bij het gebruik van deze tools beoordeel je de output op basis van of de gelaatsstructuur overeenkomt met de referentie. Beoordeel het niet op basis van of de scène er goed uitziet. Als het gezicht niet klopt, is de scène irrelevant.
Beheer van licht- en hoekvariaties
Licht en hoek zijn de meest voorkomende oorzaken van waargenomen inconsistentie. Een karakter in helder daglicht ziet er anders uit dan hetzelfde karakter in schaduw. Dit is geen drift; dit is fysica. Modellen interpreteren lichtveranderingen echter vaak als identiteitsveranderingen.
- Houd de lichtbeschrijving consistent als je wilt dat het karakter hetzelfde blijft ogen.
- Als je de hoek verandert, verwacht dan dat de gelaatstrekken verschuiven.
- Gebruik neutraal licht voor karakterbladen om de baseline-identiteit vast te stellen.
- Pas dramatisch licht pas toe nadat de identiteit is vastgelegd.
Als je een karakter genereert in een donker steegje en vervolgens in een lichte studio, kan het model de schaduwen interpreteren als verschillende gelaatsstructuren. Scheid de identiteit van de omgeving. Genereer het karakter eerst in een neutrale context. Composeer of prompt vervolgens voor de specifieke omgeving.
Iteratieve verfijning en negative prompting
Je krijgt het niet meteen goed. Iteratieve verfijning is de kern van de workflow. Genereer meerdere variaties. Kies de variatie die het dichtst bij de doelidentiteit ligt. Gebruik die keuze als nieuwe referentie. Dit creëert een feedbackloop die de consistentie versterkt.
Negatieve prompting is essentieel. Je moet het model vertellen wat het niet moet doen.
- Noem veelvoorkomende afwijkingen in je negatieve prompt.
- Neem termen op zoals "different face", "wrong hair" of "generic features".
- Werk de negatieve prompt bij zodra je nieuwe soorten fouten ziet.
Als het model het personage steeds een andere neusvorm geeft, voeg je "wrong nose shape" toe aan de negatieve prompt. Dit onderdrukt actief de drift.
Veelvoorkomende fouten die consistentie verstoren
De meeste inconsistenties komen voort uit workflowfouten, niet uit beperkingen van de tool.
- De karakterbeschrijving tussen prompts veranderen.
- Vage bijvoeglijke naamwoorden gebruiken in plaats van fysieke beschrijvingen.
- De lichtcontext negeren bij het beoordelen van de identiteit.
- Negatieve prompting niet gebruiken om afwijkingen te onderdrukken.
- Perfecte consistentie verwachten zonder iteratieve verfijning.
- Een enkele referentieafbeelding gebruiken van lage kwaliteit of ambigu.
Als je deze fouten maakt, helpt geen enkele tool je. De workflow moet gedisciplineerd zijn. De tekst moet precies zijn. De referenties moeten helder zijn. De iteratie moet continu zijn.