Để đảm bảo phong cách hình ảnh nhất quán qua nhiều lần xuất, bạn phải xác định rõ các tham số thẩm mỹ trong mọi prompt và neo giữ chúng bằng các mô tả cụ thể, không trừu tượng, thay vì dựa vào ngữ cảnh ngầm. Tính nhất quán thất bại khi bạn để khoảng trống cho sự diễn giải xác suất của mô hình đối với các thuật ngữ mơ hồ; nó thành công khi bạn giới hạn không gian tạo sinh bằng ngôn ngữ kỹ thuật chính xác.
Tại sao xảy ra sự trôi lệch phong cách hình ảnh trong các Mô hình tạo sinh
Các Mô hình tạo sinh không có bộ nhớ bền vững về dự án của bạn. Mỗi lần tạo sinh là một sự kiện lấy mẫu độc lập từ một phân phối rộng lớn các hình ảnh có thể có. Khi bạn yêu cầu "thành phố cyberpunk", mô hình lấy từ hàng nghìn vector tiềm ẩn khớp với khái niệm đó, một số nghiêng về màu xanh neon, số khác nghiêng về màu magenta, một số thô ráp và bụi bặm, số khác sạch sẽ và tương lai. Nếu không có ràng buộc rõ ràng, mô hình mặc định lấy giá trị trung bình có xác suất cao nhất của các vector đó, vốn thay đổi tinh tế với mỗi seed mới hoặc biến thể nhỏ của prompt. Sự trôi lệch này không phải là lỗi; đó là bản chất của việc lấy mẫu trong không gian nhiều chiều. Nếu bạn yêu cầu "một bức chân dung theo phong cách Van Gogh", mô hình có thể diễn giải đó là kết cấu impasto dày trong một lần xuất và những nét cọ xoáy lỏng lẻo trong lần tiếp theo, vì cả hai đều là cách diễn giải hợp lệ cho phong cách đó. Mô hình không biết rằng hình ảnh trước đó của bạn đã sử dụng kết cấu impasto dày; nó chỉ biết prompt hiện tại. Do đó, tính nhất quán không phải là thuộc tính nổi lên từ việc sử dụng cùng một mô hình; nó là thuộc tính được thiết kế từ việc sử dụng cùng các ràng buộc rõ ràng mỗi lần.
Xác định các tham số phong cách: Ánh sáng, Bảng màu và Kết cấu
Đừng sử dụng các thẻ phong cách một từ như "moody" hoặc "vibrant". Những từ này mơ hồ và để lại quá nhiều khoảng trống cho mô hình. Thay vào đó, hãy phân tách phong cách của bạn thành ba trục có thể kiểm soát: ánh sáng, màu sắc và kết cấu.
Về ánh sáng, hãy chỉ định nguồn và chất lượng ánh sáng. Thay vì viết "ánh sáng kịch tính", hãy viết "ánh sáng định hướng mạnh từ góc trên bên trái, tạo bóng đổ sắc nét, độ tương phản cao". Điều này cho mô hình biết chính xác hướng ánh sáng và cách nó tương tác với các bề mặt. Về màu sắc, hãy nêu tên các tông màu hoặc bảng màu cụ thể. "Tông màu đất trầm" khá mơ hồ; "xanh lục giảm bão hòa, màu hoàng thổ và xám với độ bão hòa thấp" thì chính xác hơn. Nếu bạn muốn một tâm trạng cụ thể, hãy neo nó vào một tham chiếu cụ thể như "bảng màu của một tạp chí nội thất Bắc Âu". Về kết cấu, hãy mô tả chất lượng bề mặt. "Thô ráp" là chưa đủ; "kết cấu phim có hạt, nhiễu nhìn thấy rõ, lệch màu nhẹ ở các cạnh" thì có thể áp dụng được. Khi viết câu lệnh, hãy liệt kê rõ ràng các tham số này. Một phong cách nhất quán là một tập hợp các hướng dẫn kỹ thuật nhất quán, chứ không phải một cảm giác nhất quán.
Sử dụng hiệu quả hình ảnh tham chiếu và mô tả phong cách
Hình ảnh tham chiếu là những neo mạnh mẽ, nhưng chúng phải được sử dụng có chủ đích. Nếu bạn tải lên một hình ảnh tham chiếu, mô hình sẽ mượn bố cục, ánh sáng và bảng màu của nó. Tuy nhiên, nó cũng có thể mượn các yếu tố không mong muốn như các đối tượng cụ thể hoặc nền. Để cô lập phong cách, hãy sử dụng các tham chiếu chia sẻ thẩm mỹ mong muốn nhưng khác nhau về chủ thể. Nếu bạn muốn ánh sáng nhất quán cho một loạt ảnh chân dung, hãy sử dụng một tham chiếu phong cảnh được chiếu sáng bởi cùng loại ánh sáng. Điều này dạy cho mô hình logic ánh sáng mà không làm nhiễu loạn chủ thể.
Khi sử dụng các mô tả văn bản cùng với hình ảnh tham chiếu, hãy lặp lại các thuật ngữ phong cách chính từ hình ảnh tham chiếu của bạn. Nếu hình ảnh tham chiếu có "ánh sáng khuếch tán mềm", hãy đưa cụm từ đó vào câu lệnh văn bản của bạn. Điều này củng cố tín hiệu hình ảnh. Đừng bao giờ chỉ dựa vào hình ảnh tham chiếu để truyền tải phong cách; câu lệnh văn bản phải chủ động kéo quá trình tạo sinh hướng tới thẩm mỹ mong muốn. Nếu văn bản và hình ảnh không khớp, văn bản thường thắng, vì vậy hãy đảm bảo chúng đồng nhất.
Cấu trúc câu lệnh để đảm bảo tính nhất quán khi tạo hàng loạt
Khi tạo một loạt hình ảnh, hãy sử dụng một mẫu câu lệnh cố định. Cấu trúc câu lệnh của bạn thành ba phần: chủ thể, các ràng buộc phong cách và các ràng buộc phủ định. Giữ nguyên phần phong cách và phần phủ định giống hệt nhau trong tất cả các câu lệnh của loạt này. Chỉ thay đổi phần chủ thể. Ví dụ:
- Chủ thể: Một phụ nữ cầm cốc cà phê
- Phong cách: Ánh sáng định hướng mạnh từ góc trên bên trái, tông màu đất trầm, kết cấu phim có hạt
- Phủ định: Neon, màu sắc rực rỡ, vẻ ngoài kỹ thuật số mượt mà, hoạt hình
Không thay đổi phần style cho từng hình ảnh riêng lẻ. Nếu một hình ảnh cần thiết lập ánh sáng khác, đó là một style mới và bạn phải bắt đầu một lô mới với một template mới. Việc trộn lẫn các style trong cùng một lô sẽ gây ra sự lệch chuẩn vì mô hình sẽ trung bình hóa các chỉ dẫn mâu thuẫn. Tính nhất quán đạt được bằng cách coi style là một biến hằng số và chủ thể là biến độc lập duy nhất.
Những lỗi phổ biến phá vỡ tính nhất quán thị giác
Lỗi phổ biến nhất là đưa vào các tính từ chủ quan như "beautiful," "cool," hoặc "epic." Những thuật ngữ này không có định nghĩa thị giác ổn định và gây ra sự biến thiên ngẫu nhiên. Hãy loại bỏ chúng. Thay thế bằng các thuộc tính mô tả.
Một lỗi khác là phụ thuộc quá nhiều vào các thiết lập mặc định của mô hình. Một số mô hình có thiên hướng tích hợp sẵn đối với một số thẩm mỹ nhất định, chẳng hạn như tương phản cao hoặc sắc độ màu cụ thể. Nếu style mong muốn của bạn trái ngược với các thiết lập mặc định này, bạn phải khắc phục bằng các prompt phủ định rõ ràng. Ví dụ, nếu bạn muốn ánh sáng mềm, tương phản thấp nhưng mô hình mặc định là tương phản cao, hãy thêm "low contrast, soft shadows" vào phần style và "high contrast, harsh shadows" vào phần phủ định.
Cuối cùng, đừng bỏ qua prompt phủ định. Các prompt phủ định không phải là tùy chọn. Chúng xác định những gì mô hình cần tránh, điều này thường hiệu quả hơn so với việc xác định những gì cần đưa vào. Một style không có định nghĩa phủ định là một style được định nghĩa chưa đầy đủ.
Kỹ thuật duy trì style trên các chủ thể khác nhau
Khi chuyển đổi giữa các chủ thể rất khác nhau, chẳng hạn từ một người sang một sản phẩm rồi sang một cảnh quan, các ràng buộc về style phải đủ mạnh để áp dụng cho tất cả. Hãy kiểm tra template style của bạn trên một bộ chủ thể đa dạng trước khi cam kết với một lô sản xuất đầy đủ. Nếu style bị lệch trên một loại chủ thể, hãy tinh chỉnh các mô tả. Ví dụ, "grainy film texture" có thể trông tự nhiên trên một người nhưng lại trông giả tạo trên một sản phẩm bóng bẩy. Trong trường hợp đó, hãy điều chỉnh mô tả kết cấu thành thứ gì đó như "subtle film grain, slight lens flare" để hoạt động tốt trong mọi ngữ cảnh.
Sử dụng các chủ thể trung gian để thu hẹp khoảng cách. Nếu bạn đang chuyển từ chân dung sang cảnh quan thành phố, hãy tạo một hình ảnh trung gian của một người trong thành phố. Điều này giúp bạn xác minh rằng các ràng buộc về style vẫn giữ nguyên qua quá trình chuyển đổi. Nếu style bị lệch trong hình ảnh trung gian, hãy sửa prompt trước khi tiến tới chủ thể cuối cùng.
Sự nhất quán về phong cách là một quá trình quản lý ràng buộc, chứ không phải điều kỳ diệu. Bạn không yêu cầu AI ghi nhớ thị hiếu của mình; bạn đang cung cấp cho nó một bảng thông số kỹ thuật chính xác trong mỗi lần sử dụng. Hãy coi lời nhắc phong cách của bạn như một công thức nấu ăn: mọi thành phần đều phải được liệt kê, đo lường và lặp lại. Nếu lệch khỏi công thức, món ăn sẽ thay đổi. Nếu tuân thủ nghiêm ngặt, kết quả đầu ra sẽ luôn mạch lạc.