รักษาความสม่ำเสมอของตัวละครโดยกำหนดลักษณะเฉพาะที่เปลี่ยนแปลงไม่ได้ในข้อความ และยึดโยงด้วยภาพอ้างอิง จากนั้นควบคุมตัวแปรอย่างแสงและมุมอย่างเคร่งครัด ทำได้โดยแยกตัวตนของตัวละครออกจากบริบทของฉากในขั้นตอนการทำงานของคุณ
ปัญหาความคลาดเคลื่อนของตัวละครใน Generative AI
โมเดลเชิงกำเนิดตีความคำสั่งแบบความน่าจะเป็น เมื่อคุณขอตัวละครเฉพาะ โมเดลจะสุ่มตัวอย่างจากการกระจายตัวของความหมายที่เป็นไปได้ หากไม่มีข้อจำกัด แต่ละการสร้างจะเป็นการทอยลูกเต๋าใหม่ ความแปรผันเล็กน้อยในโครงสร้างใบหน้า เนื้อผม หรือรายละเอียดเสื้อผ้าจะสะสมข้ามภาพ ความคลาดเคลื่อนนี้เกิดขึ้นเพราะโมเดลให้ความสำคัญกับองค์ประกอบรวมและแสงเหนือกว่าเครื่องหมายระบุตัวตนเฉพาะ หากคุณไม่จำกัดผลลัพธ์อย่างกระตือรือร้น ตัวละครจะกลายเป็นต้นแบบทั่วไปแทนที่จะเป็นบุคคลเฉพาะ
การกำหนดลักษณะเฉพาะที่เปลี่ยนแปลงไม่ได้ของตัวละครในคำสั่ง
คุณต้องระบุลักษณะที่นิยามตัวละครและถือเป็นสิ่งที่ไม่ต่อรองได้ นี่คือลักษณะเฉพาะที่เปลี่ยนแปลงไม่ได้ ซึ่งรวมถึงรูปทรงใบหน้าเฉพาะ สีตา ทรงผม และเสื้อผ้าที่มีเอกลักษณ์ อย่าอธิบายตัวละครด้วยคำคลุมเครือเช่น "เท่" หรือ "ลึกลับ" อธิบายความเป็นจริงทางกายภาพ แทนที่จะใช้ "ลุคสมบุกสมบัน" ให้ระบุ "ผมสั้นเกรียน แผลเป็นเหนือคิ้วซ้าย แจ็กเก็ตหนังเก่า"
- ลิสต์ลักษณะเฉพาะที่เปลี่ยนแปลงไม่ได้ในบล็อกข้อความคงที่
- คงบล็อกนี้ให้เหมือนกันทุกคำสั่ง
- วางบล็อกนี้ไว้ต้นคำสั่งเพื่อให้มีน้ำหนักสูง
- หลีกเลี่ยงคำคุณศัพท์ที่ตีความได้หลายแบบ ใช้คำนามเฉพาะและคำอธิบายทางกายภาพ
หากคุณเปลี่ยนคำอธิบายของทรงผม โมเดลอาจตีความคำอธิบายใหม่ว่าเป็นตัวละครอื่น คำสั่งข้อความคือจุดยึดหลัก หากข้อความคลุมเครือ ภาพจะไม่สม่ำเสมอ
การใช้ภาพอ้างอิงและจุดยึดสไตล์
ข้อความเพียงอย่างเดียวมักไม่พอสำหรับตัวละครที่ซับซ้อน ภาพอ้างอิงให้จุดยึดด้านพื้นที่และสไตล์ คุณอัปโหลดภาพของตัวละครเพื่อชี้นำการตีความตัวตนของโมเดล นี่คือจุดที่เครื่องมือเฉพาะเข้ามามีบทบาทในกระบวนการ
- Midjourney เหมาะสำหรับการอ้างอิงภาพตัวละครเฉพาะเพื่อให้แน่ใจว่าลักษณะใบหน้าและสไตล์มีความสอดคล้องกันในทุกครั้งของการสร้างภาพ
- Adobe Firefly ใช้เมื่อคุณต้องอัปโหลดภาพอ้างอิงตัวละครเพื่อควบคุมสไตล์และอัตลักษณ์ของภาพที่สร้างขึ้นภายในระบบนิเวศ Creative Cloud
- Leonardo.Ai เป็นตัวเลือกเมื่อคุณต้องการล็อกลักษณะเฉพาะและสุนทรียภาพของตัวละครให้คงที่ตลอดการสร้างภาพหลายครั้ง
- Stable Diffusion ถูกนำมาใช้เพื่อความสอดคล้องขั้นสูงผ่านการเทรน LoRA บนชุดข้อมูลตัวละคร หรือใช้ ControlNet เพื่อล็อกท่าทางและโครงสร้าง
- Krea ใช้เมื่อคุณต้องอัปโหลดภาพเพื่อรักษาอัตลักษณ์และสไตล์ของตัวละครในระหว่างการสร้างภาพแบบเรียลไทม์
- Runway ถูกนำมาใช้เมื่อคุณต้องรักษาความสอดคล้องของตัวละครขณะสร้างลำดับวิดีโอหรือทำแอนิเมชันจากดีไซน์ตัวละครแบบนิ่ง
- DALL-E 3 เป็นที่พึ่งเมื่อคุณต้องรักษาความสอดคล้องของตัวละครผ่านข้อความสั่ง (prompt) ที่ละเอียดและเจาะจง รวมถึงการปรับปรุงซ้ำๆ เนื่องจากไม่มีฟีเจอร์อ้างอิงภาพในตัว
เมื่อใช้เครื่องมือเหล่านี้ ให้ตัดสินผลลัพธ์จากว่าโครงสร้างใบหน้าตรงกับภาพอ้างอิงหรือไม่ อย่าตัดสินจากว่าฉากดูสวยงามหรือไม่ หากใบหน้าไม่ถูกต้อง ฉากนั้นก็ไม่มีความหมาย
การจัดการความแปรผันของแสงและมุม
แสงและมุมคือสาเหตุที่พบบ่อยที่สุดของความไม่สอดคล้องที่รับรู้ได้ ตัวละครภายใต้แสงจ้าตอนกลางวันจะดูแตกต่างจากตัวละครเดียวกันในเงามืด นี่ไม่ใช่การเบี่ยงเบน (drift) แต่เป็นหลักการทางฟิสิกส์ อย่างไรก็ตาม โมเดลมักตีความการเปลี่ยนแปลงของแสงเป็นการเปลี่ยนแปลงของอัตลักษณ์
- คงคำอธิบายเรื่องแสงให้สม่ำเสมอหากคุณต้องการให้ตัวละครดูเหมือนกัน
- หากคุณเปลี่ยนมุม ให้คาดหวังว่าลักษณะใบหน้าจะเปลี่ยนแปลง
- ใช้แสงที่เป็นกลางสำหรับชีตตัวละคร (character sheets) เพื่อสร้างอัตลักษณ์พื้นฐาน
- ใช้แสงแบบมีมิติหรือดราม่าเฉพาะหลังจากที่ล็อกอัตลักษณ์เรียบร้อยแล้ว
หากคุณสร้างตัวละครในตรอกมืด จากนั้นในสตูดิโอที่สว่าง โมเดลอาจตีความเงาว่าเป็นโครงสร้างหน้าที่แตกต่างกัน ให้แยกอัตลักษณ์ออกจากสภาพแวดล้อม สร้างตัวละครในบริบทที่เป็นกลางก่อน จากนั้นจึงนำภาพไปประกอบหรือสั่ง prompt สำหรับสภาพแวดล้อมเฉพาะ
การปรับปรุงซ้ำและการใช้ Negative Prompting
คุณอาจไม่ได้ผลลัพธ์ที่ถูกต้องตั้งแต่ครั้งแรก การปรับปรุงแบบวนซ้ำคือหัวใจสำคัญของขั้นตอนการทำงาน ให้สร้างตัวเลือกหลายแบบ เลือกแบบที่ใกล้เคียงกับอัตลักษณ์เป้าหมายมากที่สุด แล้วใช้ตัวเลือกนั้นเป็นอ้างอิงใหม่ วิธีนี้จะสร้างวงจรป้อนกลับที่ช่วยเพิ่มความสม่ำเสมอให้แน่นขึ้น
การกำหนด Negative prompt เป็นสิ่งจำเป็น คุณต้องบอกโมเดลว่าไม่ควรทำอะไร
- ระบุความเบี่ยงเบนที่พบบ่อยใน negative prompt ของคุณ
- รวมคำเช่น "different face," "wrong hair," หรือ "generic features."
- อัปเดต negative prompt เมื่อคุณพบข้อผิดพลาดประเภทใหม่
หากโมเดลยังคงให้รูปทรงจมูกของตัวละครเปลี่ยนไป ให้เพิ่ม "wrong nose shape" ลงใน negative prompt เพื่อช่วยควบคุมความคลาดเคลื่อนนี้อย่างมีประสิทธิภาพ
ข้อผิดพลาดที่พบบ่อยซึ่งทำลายความสม่ำเสมอ
ความไม่สอดคล้องกันส่วนใหญ่เกิดจากข้อผิดพลาดในขั้นตอนการทำงาน ไม่ใช่ข้อจำกัดของเครื่องมือ
- เปลี่ยนคำอธิบายตัวละครระหว่างพรอมป์
- ใช้คำคุณศัพท์ที่คลุมเครือแทนคำอธิบายลักษณะทางกายภาพ
- เพิกเฉยต่อบริบทของแสงเมื่อพิจารณาอัตลักษณ์
- ไม่ใช้ negative prompting เพื่อระงับความคลาดเคลื่อน
- คาดหวังความสม่ำเสมอที่สมบูรณ์แบบโดยไม่มีการปรับปรุงซ้ำ
- ใช้ภาพอ้างอิงเพียงภาพเดียวที่มีคุณภาพต่ำหรือกำกวม
หากคุณทำผิดพลาดเหล่านี้ ไม่มีเครื่องมือใดช่วยคุณได้ ขั้นตอนการทำงานต้องมีวินัย ข้อความต้องแม่นยำ การอ้างอิงต้องชัดเจน และการปรับปรุงต้องทำอย่างต่อเนื่อง