Xây Dựng Workflow Nhất Quán Nhân Vật Qua Nhiều Cảnh

Tạo một nhân vật một lần thì đơn giản. Tạo cùng một nhân vật đó qua mười cảnh — cùng cấu trúc khuôn mặt, cùng trang phục, cùng tỷ lệ, cùng phong cách nghệ thuật — là một bài toán về cơ bản khác nhau. Mỗi lần bạn gửi một prompt mới đến một mô hình tạo sinh, mô hình lấy mẫu từ không gian xác suất nhiều chiều. Ngay cả với một prompt giống hệt, các biến thiểu nhỏ trong nhiệt độ suy luận và ngẫu nhiên lấy mẫu tạo ra sự khác biệt có thể nhìn thấy: hình dạng mũi hơi khác, kết cấu tóc khác, khoảng cách mắt khác.

Khi những biến thiểu này tích lũy qua một bộ cảnh, kết quả là một dàn diễn viên gần như giống hệt nhau thay vì một nhân vật mạch lạc xuất hiện trong nhiều bối cảnh. Giải pháp cấu trúc duy nhất là truyền một tham chiếu ổn định vào mỗi lần gọi tạo sinh — một neo ràng buộc không gian đầu ra của mô hình hướng đến một danh tính hình ảnh cụ thể. Trong Floniks /editor, điều này được thực hiện như một node tham chiếu có đầu ra được nối vào mọi node tạo cảnh trong đồ thị. Tham chiếu được xác định một lần và thực thi nhất quán tại mỗi nhánh.

Một workflow nhất quán nhân vật trong /editor thường có ba lớp node. Lớp đầu tiên chứa định nghĩa tham chiếu: một node mô tả văn bản (một prompt nhân vật được cấu trúc cẩn thận) hoặc node tải ảnh cung cấp ảnh tham chiếu chuẩn. Đầu ra của node này — mô tả nhân vật hoặc ảnh — được nối đến mọi node tạo ảnh trong đồ thị.

Lớp thứ hai chứa các node tạo cảnh. Mỗi node đại diện cho một biến thể cảnh: nhân vật trên đường phố đô thị, nhân vật trong rừng, nhân vật trong không gian nội thất, và vân vân. Mọi node nhận hai đầu vào: tham chiếu nhân vật từ lớp đầu tiên và prompt cụ thể theo cảnh mô tả môi trường và hành động. Mô hình dùng tham chiếu nhân vật như một ràng buộc và prompt cảnh như biến số.

Lớp thứ ba (tuỳ chọn nhưng nên có) chứa các node tăng cường chất lượng: khôi phục khuôn mặt, tăng độ phân giải, hoặc các lượt nhất quán phong cách đảm bảo bất kỳ phương sai cấp node nào được sửa chữa trước khi giao đầu ra cuối cùng.

Mở canvas Floniks /editor và làm theo các bước sau để xây một workflow nhất quán nhân vật hoạt động. Bắt đầu bằng cách thêm node tham chiếu nhân vật — dùng node nhập ảnh (nếu bạn có ảnh tham chiếu hoặc ảnh đã tạo trước đó) hoặc node prompt văn bản (nếu bạn đang xác định nhân vật từ đầu). Cấu hình mô tả nhân vật với đủ độ cụ thể để ràng buộc ngoại hình: độ tuổi, cấu trúc khuôn mặt, tóc, mắt, tông da, trang phục và phong cách nghệ thuật.

Tiếp theo, thêm các node tạo cảnh của bạn — một node mỗi cảnh. Với mỗi node, hãy nối đầu ra của node tham chiếu vào cổng đầu vào tham chiếu nhân vật. Sau đó thêm prompt văn bản cụ thể theo cảnh vào mỗi node mô tả môi trường, hành động và ánh sáng. Lưu cấu hình mỗi node cảnh trước khi chuyển sang cái tiếp theo. Sau khi tất cả node cảnh được nối vào node tham chiếu, hãy thêm các node tăng cường tuỳ chọn (khôi phục khuôn mặt, tăng độ phân giải) và nối đầu ra của mỗi node cảnh vào node tăng cường của nó. Kết nối tất cả đầu ra cuối cùng vào một node output collection, sau đó chạy workflow.

Chất lượng của node tham chiếu nhân vật xác định chất lượng nhất quán trên toàn workflow. Một tham chiếu yếu — mô tả mơ hồ như "một người phụ nữ trẻ với tóc nâu" — cho mô hình quá nhiều tự do, và nhất quán bị ảnh hưởng. Một tham chiếu mạnh chỉ định mọi thuộc tính có ý nghĩa hình ảnh theo thứ tự giảm dần tầm quan trọng đối với cơ chế chú ý của mô hình.

Cấu trúc prompt tham chiếu nhân vật như: (1) nguyên mẫu nhân vật và giới tính, (2) độ tuổi, (3) chi tiết cấu trúc khuôn mặt (hình khuôn mặt, hàm, gò má), (4) màu, chiều dài và kết cấu tóc, (5) màu và hình dạng mắt, (6) tông da và các đặc điểm nổi bật, (7) trang phục và phụ kiện chi tiết chính xác, (8) phong cách nghệ thuật và cách tiếp cận kết xuất. Nếu bạn có ảnh tham chiếu, hãy dùng nó ngoài hoặc thay thế mô tả văn bản — hầu hết các mô hình image-to-image phản hồi đáng tin cậy hơn với neo hình ảnh so với chỉ mô tả văn bản.

Một trong những thách thức trong các workflow nhất quán nhân vật là ánh sáng và bố cục là đặc thù theo cảnh nhưng không được phá vỡ danh tính hình ảnh của nhân vật. Một nhân vật được chiếu sáng từ trên xuống trong cảnh rừng vẫn nên nhận ra được là cùng một nhân vật như trong cảnh studio chiếu trước. Điều này đòi hỏi phân tách prompt của bạn rõ ràng: node tham chiếu xử lý các thuộc tính danh tính cố định (khuôn mặt, cơ thể, trang phục, phong cách), trong khi mỗi node cảnh xử lý các thuộc tính môi trường biến đổi (hướng ánh sáng, nền, góc máy, tâm trạng).

Tránh đặt chi tiết ánh sáng và môi trường vào prompt node tham chiếu. Trộn các thuộc tính cố định và biến đổi trong tham chiếu tạo ra xung đột — mô hình cố gắng thoả mãn cả định nghĩa nhân vật cố định và ánh sáng môi trường được nhúng trong tham chiếu, và một trong số đó thua. Hãy giữ tham chiếu sạch và tập trung vào danh tính. Dùng từ vựng điện ảnh trong prompt cụ thể theo cảnh của bạn (three-point lighting, golden hour, rim lighting) để kiểm soát cảm giác môi trường mà không ảnh hưởng đến danh tính nhân vật.

Ngay cả một workflow nhất quán nhân vật được thiết kế tốt cũng sẽ tạo ra một số trôi dạt khuôn mặt qua các node, đặc biệt khi ánh sáng cảnh cực đoan hoặc khi góc máy phân kỳ đáng kể từ góc ảnh tham chiếu. Xây một node tăng cường khôi phục khuôn mặt như giai đoạn cuối của mỗi nhánh cảnh để sửa các artifact drift này trước khi giao đầu ra cuối cùng.

Sau khi chạy workflow, hãy xem xét nhất quán: đặt tất cả ảnh đầu ra cạnh nhau và kiểm tra năm điểm drift phổ biến nhất — khoảng cách mắt, độ rộng cầu mũi, hình dạng môi, thay đổi tông da và kết cấu tóc. Nếu bạn phát hiện drift hệ thống trên một thuộc tính cụ thể qua hầu hết các cảnh, hãy cập nhật prompt node tham chiếu để củng cố thuộc tính đó một cách rõ ràng hơn, sau đó chỉ chạy lại các node cảnh bị ảnh hưởng. Phương pháp lặp lại có mục tiêu này là một trong những lợi thế chính của cấu trúc workflow so với các lần chạy prompt đơn lẻ riêng biệt.