خلاصه: برای حفظ شخصیت در یک مجموعه تصویر، ابتدا مرجع ثابت از ظاهر، لباس، نسبت‌ها و رنگ‌ها آماده کنید. در هر صحنه فقط بخش لازم را تغییر دهید و خروجی را با همان مرجع مقایسه کنید. ابزارهای دارای ورودی تصویری کمک می‌کنند، اما هیچ متن یا seed به‌تنهایی تضمین نمی‌کند شخصیت در همه نماها ثابت بماند.
پیش‌نیاز: مرجع تصویری مجاز، ابزار دارای ورودی تصویر و امکان مقایسه تصاویر کنار هم.
سطح: مقدماتی
همان شخصیت است، یا فقط شبیه آن؟
فرض کنید یک ربات کوچک برای آموزش‌های سایت ساخته‌اید. در تصویر اول یک چشم آبی دارد، در تصویر دوم دو چشم، و در تصویر سوم دسته‌هایش بلند شده‌اند. رنگ‌ها نزدیک‌اند، اما هویت یکی نیست. قبل از ساخت ده صحنه، تصمیم بگیرید چه چیزهایی اجازه تغییر ندارند.
مرجع را قبل از داستان آماده کنید
در یک صفحه ساده، تصویر تأییدشده، نمای روبه‌رو، نمای سه‌رخ و چند جزئیات مهم را قرار دهید. برای ربات فرضی ما، ویژگی‌ها می‌تواند این باشد: بدن کوتاه و گرد، یک چشم دایره‌ای آبی، دو دست کوتاه، سطح فلزی سفید و یک خط تیره روی سینه. اندازه چشم نسبت به سر را هم مشخص کنید.
نسخه مرجع را با نام ثابت ذخیره کنید و برای هر صحنه به همان نسخه برگردید. اگر شکل شخصیت را اصلاح کردید، نسخه تازه را برای همه صحنه‌ها مبنا قرار دهید؛ مرجع‌های متفاوت معمولاً تصمیم‌های متفاوتی ایجاد می‌کنند.
مسیر کار در ابزار دارای مرجع تصویر
مرجع تأییدشده را وارد کنید و یک صحنه ساده بسازید: ربات کنار میز آموزشی. بعد فقط حرکت یا محیط را تغییر دهید. نمونه دستور: «همین ربات، با همان یک چشم و دست‌های کوتاه، کنار یک پنجره ایستاده؛ فقط محیط و حالت بدن تغییر کند.»
مدل‌هایی مانند FLUX.1 Kontext استفاده از متن و تصویر و حفظ ویژگی‌های مرجع را به‌عنوان قابلیت معرفی می‌کنند؛ این معرفی به معنی تضمین نتیجه هر صحنه نیست. مسیر این مقاله، راهنمای پیشنهادی مبتنی بر این نوع قابلیت است و اجرای آن با یک ابزار مشخص آزمایش نشده است. معرفی رسمی Kontext
کنترل هر تصویر، قبل از ساخت بعدی
یک فهرست پنج‌تایی از ویژگی‌های ثابت بسازید و زیر هر خروجی، قبول یا نیازمند اصلاح بنویسید. در مثال ربات، تعداد چشم، شکل دست، رنگ بدنه، خط سینه و نسبت سر باید کنترل شوند. اگر یکی تغییر کرد، به مرجع اولیه برگردید؛ زنجیره‌کردن چند خروجی اشتباه می‌تواند خطا را بیشتر کند.
نور و پس‌زمینه را پس از تأیید هویت بررسی کنید. تصویر زیبا با شخصیت غلط را وارد مجموعه نکنید. متن فارسی و عنوان را در ابزار طراحی اضافه کنید تا اصلاح نوشتار جدا انجام شود.
هزینه و محدودیت
برای شروع سه نمای ساده کافی است. نماهای پشت، حرکت تند و پوشیدگی صورت آزمون دشوارتری دارند. هر تلاش ناموفق می‌تواند هزینه اعتبار یا زمان داشته باشد؛ پیش از تولید انبوه، بودجه تعداد تلاش را مشخص کنید. از تصویر مرجعی استفاده کنید که اجازه استفاده‌اش را دارید.
منبع
Black Forest Labs: FLUX.1 Kontext. شیت و معیار کنترل پنج‌تایی، پیشنهاد تحریریه آلواناست.
پرامپت آماده
همان شخصیت مرجع را حفظ کن: تعداد و شکل چشم‌ها، نسبت سر و بدن، لباس، رنگ‌ها و نشانه‌های اختصاصی تغییر نکند. فقط [محیط] و [حالت بدن] را تغییر بده. بدون نوشته، لوگو یا عضو اضافه.
سؤالات متداول
آیا یک seed ثابت برای حفظ شخصیت کافی است؟
خیر. مرجع، مدل، تنظیمات و خود نتیجه باید کنترل شوند. seed فقط یکی از تنظیمات است.
اگر خروجی زیباست اما جزئیات شخصیت عوض شده چه کنیم؟
آن را برای مجموعه تأیید نکنید. به مرجع اولیه برگردید و فقط تغییر لازم را دوباره درخواست کنید.
محدودیت‌ها
ثبات تضمین نشده؛ نما و پوشیدگی چالش ایجاد می‌کند؛ تولیدهای ناموفق هزینه دارند.
منابع
- FLUX.1 Kontext official model overview — Black Forest Labs
