Cara Menjaga Konsistensi Karakter di Seluruh Gambar Hasil Generasi AI

Karakter Anda terlihat berbeda di setiap gambar karena model difusi memperlakukan setiap prompt sebagai instance baru yang terisolasi tanpa memori dari output sebelumnya. Anda memaksa konsistensi dengan mengendalikan jalur generasi, menyediakan gambar referensi, dan menulis deskriptor struktural yang menjangkar fitur identitas.

Akar masalah: mengapa model difusi memperlakukan setiap prompt sebagai instance baru

Model difusi tidak memiliki state yang persisten. Saat Anda menghasilkan gambar, model dimulai dari noise acak dan mengikuti jalur yang ditentukan oleh prompt Anda, seed acak, dan bobot internal model. Jika Anda tidak mengendalikan variabel-variabel ini, model akan menginterpretasikan deskripsi Anda dengan cara yang sedikit berbeda setiap kali.

Masalahnya bukan karena model "lupa" karakter Anda. Masalahnya adalah model tidak memiliki konsep karakter sebagai entitas yang persisten. Model hanya tahu cara menghasilkan gambar yang cocok dengan deskripsi teks. Jika deskripsi Anda ambigu, model mengisi celah dengan bias statistiknya sendiri. Jika Anda mendeskripsikan "wanita berambut merah", satu generasi mungkin menempatkan rambutnya di kiri, yang lain di kanan, yang lain lagi mungkin mengubah tekstur rambut sepenuhnya. Model tidak sedang tidak konsisten; ia setia pada instruksi yang samar.

Untuk mengatasi ini, Anda harus beralih dari mendeskripsikan karakter menjadi menspesifikasikan karakter. Ini membutuhkan tiga tuas: seed, gambar referensi, dan deskriptor struktural.

Tiga tuas konsistensi: seed, gambar referensi, dan deskriptor struktural

Seed adalah angka acak yang menentukan pola noise awal. Jika Anda menjaga seed tetap, model mengikuti jalur yang sama melalui ruang noise. Namun, jika Anda mengubah prompt sedikit saja, jalurnya akan menyimpang. Seed saja tidak cukup.

Gambar referensi adalah jangkar visual. Anda menyediakan gambar karakter dan meminta model menggunakannya sebagai panduan untuk identitas dan gaya. Ini lebih kuat daripada teks karena melewati ambiguitas bahasa. Model dapat melihat bentuk spesifik hidung, potongan jaket, dan warna mata.

Deskriptor struktural adalah deskripsi geometris yang presisi mengenai fitur identitas karakter. Alih-alih mengatakan "keren," Anda mengatakan "kacamata asimetris, lensa kiri retak, lensa kanan utuh." Ini memberikan target yang stabil bagi model untuk dicapai.

Menggunakan nilai seed untuk mengunci jalur generasi

Jika Anda menggunakan alat yang memungkinkan pengaturan nilai seed, seperti Midjourney atau Stable Diffusion, Anda dapat mengunci jalur generasi. Mulailah dengan seed yang menghasilkan gambar dasar yang baik. Kemudian, pertahankan seed tersebut tetap tetap sambil Anda menyempurnakan prompt Anda. Ini memastikan bahwa perubahan pada prompt Anda tidak menyebabkan model menyimpang ke interpretasi yang sama sekali berbeda.

Namun, perlu diingat bahwa seed bersifat rapuh. Jika Anda mengubah rasio aspek, versi model, atau struktur prompt, seed mungkin tidak lagi menghasilkan hasil yang sama. Perlakukan seed sebagai kontrol lokal, bukan kontrol global. Seed bekerja dalam jendela parameter yang sempit.

Menerapkan alur kerja image-to-image untuk penyempurnaan iteratif

Metode paling andal untuk menjaga konsistensi adalah penyempurnaan iteratif menggunakan alur kerja image-to-image. Anda memulai dengan gambar karakter yang baik. Kemudian, Anda menggunakan gambar tersebut sebagai gambar referensi untuk generasi berikutnya. Anda menyesuaikan prompt untuk mengubah latar, pose, atau pencahayaan, sambil menjaga fitur identitas karakter tetap utuh.

Alat seperti Adobe Firefly, Krea, dan Runway sering digunakan untuk jenis pekerjaan ini. Alat-alat tersebut memungkinkan Anda mengunggah gambar karakter tertentu dan mengarahkan generasi baru berdasarkan masukan visual tersebut. Ketika menggunakan alat ini, nilai keluarannya berdasarkan seberapa baik keluaran tersebut mempertahankan fitur identitas spesifik yang Anda pedulikan: bentuk wajah, gaya pakaian, dan palet warna. Jika keluarannya menyimpang, tingkatkan bobot gambar referensi atau perketat deskriptor struktural Anda.

Menulis deskriptor struktural yang menjangkar fitur identitas

Prompt Anda harus berisi deskriptor struktural yang tidak mungkin disalahartikan. Hindari kata sifat yang subjektif, seperti "cantik," "keren," atau "misterius." Sebaliknya, gunakan deskriptor yang geometris dan spesifik.

• "Rambut pendek potongan rata dengan poni lurus" lebih baik daripada "rambut pendek."
• "Jaket kulit dengan kerah tinggi tanpa tudung" lebih baik daripada "jaket."
• "Mata yang berjauhan dan sedikit turun ke bawah" lebih baik daripada "mata sedih."

Deskriptor ini menjadi jangkar identitas. Ini memberikan target yang stabil bagi model. Jika Anda menggunakan Stable Diffusion atau ComfyUI, Anda dapat menggabungkan deskriptor ini dengan pelatihan LoRA pada dataset karakter tertentu. Hal ini memungkinkan model untuk mempelajari ciri visual spesifik dari karakter Anda dan menerapkannya secara konsisten di berbagai adegan.

Kesalahan umum: terlalu mengandalkan nama vs. kurang menentukan geometri

Kesalahan yang paling umum adalah mengandalkan nama. Jika Anda menamai karakter Anda "Alice," model tidak tahu siapa Alice. Model akan menghasilkan seorang wanita generik. Nama tersebut tidak bermakna bagi model.

Kesalahan kedua adalah kurang menentukan geometri. Jika Anda mengatakan "seorang wanita dengan mata biru," model akan memvariasikan bentuk mata, ukuran pupil, dan sudut tatapan. Anda harus menentukan geometrinya: "mata berbentuk almond dengan sedikit penutup pada kelopak atas."

Jangan tertukar antara identitas dan gaya. Identitas adalah inti yang stabil: wajah, rambut, tipe tubuh. Gaya adalah variabel: pencahayaan, latar belakang, pose. Prompt Anda harus memisahkan keduanya. Fitur identitas harus dijelaskan dengan presisi. Fitur gaya dapat dibiarkan lebih terbuka.

Alur kerja: menghasilkan lembar karakter sebelum pembuatan adegan

Sebelum membuat adegan apa pun, hasilkan lembar karakter. Ini adalah sekumpulan gambar yang menunjukkan karakter Anda dari berbagai sudut: depan, samping, belakang, dan close-up. Gunakan seed tetap dan gambar referensi tetap untuk menghasilkan gambar-gambar ini. Sempurnakan prompt hingga lembar karakter konsisten.

Setelah Anda memiliki lembar karakter yang konsisten, gunakan itu sebagai referensi untuk semua generasi berikutnya. Saat Anda membuat adegan, gunakan gambar lembar karakter sebagai input referensi. Anda akan menyesuaikan prompt untuk mendeskripsikan adegan, tetapi Anda akan menjaga fitur identitas tetap teranchored oleh deskriptor struktural.

Alur kerja ini berlaku di berbagai alat. Baik Anda menggunakan Leonardo.ai untuk kemampuan pelatihan model atau DALL-E 3 untuk rekayasa prompt yang detail, prinsipnya sama: tetapkan identitas terlebih dahulu, lalu variasikan adegan. Jika Anda melewati lembar karakter, Anda akan menghabiskan lebih banyak waktu memperbaiki inkonsistensi daripada membuat konten.