Yapay zekada tutarlı karakter: görselden görsele, videodan videoya aynı yüzü korumak

On dakika sonra herkesin karşılaştığı sorun

Kelimesi kelimesine aynı prompt her üretimde farklı bir karakter veriyor: bu modellerin normal işleyişi ve çözüm daha iyi bir metinden değil, referans görsellerden geçiyor.

Projeniz için bir kadın kahraman üretiyorsunuz. Kusursuz: otuz yaşında, kısa kesilmiş kızıl saçlar, solmuş kot ceket. Onu profilden görmek için yeni bir üretim başlatıyorsunuz. Ve işte sürpriz. Saçlar kestaneye dönmüş, ceket kaybolmuş, yüzün eskisiyle ilgisi kalmamış. Kelimesi kelimesine aynı prompt. Farklı karakter.

Bu ne Imaginode'un ne de başka bir aracın hatası. Bugünkü bütün görsel modellerinin normal işleyişi bu. Ve nedenini anlamadığınız sürece mucize umarak yeniden üretmeye saatler ve onlarca kredi harcıyorsunuz. Bu yazı önce sebebi, sonra gerçek çözümü anlatıyor: bir çizgi roman, bir gönderi serisi ya da bir film için üretimde işe yarayan çözümü.

Dürüst bir spoiler: çözüm daha iyi bir prompt değil. Çözüm, karakterinizi tarif etmek yerine referans görsellerle modele göstermek. Imaginode'da bu Referans düğümünden geçiyor ve onu adım adım kuracağız: ana portreden yeşil @bahsetmeye, her adımın kredi cinsinden tam fiyatıyla birlikte.

Yüz neden değişiyor: rastgele gürültü

Her üretim farklı bir rastgele gürültüden başlıyor ve modelin önceki görsellere dair hiçbir hafızası yok: promptunuz bir insan kategorisini tarif ediyor, model her seferinde yenisini seçiyor.

Bir görsel modeli, karakterini aklında tutan bir illüstratör gibi çizmiyor. Her üretim rastgele bir gürültü görselinden, kurayla çekilmiş bir piksel bulamacından başlıyor ve model bunu promptunuza dayanarak kademe kademe gürültüden arındırıyor. İki farklı gürültü çekimi iki farklı başlangıç noktası, dolayısıyla varışta iki farklı yüz veriyor.

Promptunuz yalnızca bir insan kategorisi tarif ediyor: “kot ceketli otuz yaşında kızıl saçlı kadın” milyonlarca olası yüze karşılık geliyor. Model her seferinde tarife uyan birini seçiyor. Aynısını iki kez seçmiyor, çünkü onu buna zorlayan hiçbir şey yok.

İkinci bir kötü haber eklemek gerek: modelin hiç hafızası yok. 12 numaralı üretim önceki 11'inden habersiz. Kahramanınızı “hatırlamıyor”, onu hiç tanımadı. Üret'e her tıklayış sıfırdan, yeni bir gürültüyle ve ortak hiçbir geçmiş olmadan başlıyor.

Ultra ayrıntılı prompt neden asla yetmiyor

Dil, bir yüzün binlerce mikro oranını yakalayacak kadar zengin değil: 400 kelime saçı ve ceketi sabitliyor, hatları asla, üstelik her fazla kelime başka yerden dikkat çalıyor.

İlk refleksi hepimiz yaşadık: daha çok tarif etmek. Burnun biçimi, gözlerin arası, sola düşen tutam üzerine dört yüz kelime. Bu, saç rengi ya da kıyafet gibi kolay öğelerin istikrarını biraz artırıyor. Ama yüzün kendisi değişmeye devam ediyor.

Sebebi can sıkıcı ama mantıklı: dil bir yüzü tarif edecek kadar zengin değil. En yakın arkadaşınızı yazıyla tarif etmeyi deneyin, sonra metni onu hiç görmemiş bir ressama verin. Portre inandırıcı olacak ama asla benzemeyecek. Bir insan yüzü, hiçbir sözcük dağarcığının yakalayamadığı binlerce mikro orandır.

Ve prompt uzadıkça model birbirinin ayağına basan talimatlar arasında hakemlik yapıyor. Belli bir noktadan sonra yüze eklenen her kelime, sahneden, ışıktan ya da eylemden çalınan dikkatle ödeniyor. İstediğiniz canlı görsel yerine donuk bir portre alıyorsunuz.

Gerçek çözüm: tarif etmek yerine göstermek

Üretime referans görseller ekleyin: uzun bir prompt beşte bir oranında bir benzer verirken üç iyi fotoğraf neredeyse her seferinde tanınabilir bir karakter veriyor.

Bir ressamın gerçek hayatta yapacağı şey fotoğraf istemek olurdu. Güncel modeller tam olarak aynısını yapabiliyor: üretime bir ya da birkaç referans görsel ekliyorsunuz, model de metni yorumlamak yerine bunları doğrudan görsel kaynak olarak kullanıyor.

Fark çarpıcı. 400 kelimelik bir prompt beşte bir oranında yaklaşık bir benzer verirken üç iyi referans fotoğrafı neredeyse her seferinde tanınabilir bir karakter veriyor. Bu sihir değil: model oranları uydurmak yerine gerçek oranları kopyalıyor.

Yine de dikkat, bunu bütün modeller yapmıyor. Imaginode'da seçili model referansları desteklemiyorsa düğümde referans girişi hiç görünmüyor. Girişi görmüyorsanız gizli bir ayar aramadan model değiştirin: gizli ayar yok.

Referans düğümü, adım adım

Referans düğümü bir adı, bir tanımı ve fotoğrafları bir araya getiriyor; bir kez oluşturuluyor ve projedeki her Görsel ya da Video düğümünde yeniden kullanılıyor, otomatik kayıtla birlikte.

Imaginode tuvalinde bir Referans düğümü ekleyin. İçinde üç alan var. Önce bir ad: “Leyla”, “Kaptan Sis”, ne isterseniz, tercihen kısa. Sonra bir tanım: bu, promptlarınıza enjekte edilecek metin, aşağıda döneceğiz. Son olarak fotoğraflar: karakterin en iyi görsellerini buraya sürükleyin.

Bu düğüm proje içinde her yerde yeniden kullanılabiliyor. Bir kez oluşturuyorsunuz, sonra tuvaldeki her Görsel ya da Video düğümü ona bağlanabiliyor. Düğümlü tuvalin bütün mantığı bu: karakter, yirmi prompta kopyalanacak bir paragraf değil, bir yere konmuş bir tuğla oluyor.

Günlük kullanımda her şeyi değiştiren pratik bir ayrıntı: kayıt otomatik ve her düğüm son 12 üretiminin geçmişini saklıyor. Karakterinizin 7. sürümü doğru olansa hâlâ orada, Referans düğümüne katılmaya hazır.

Yeşil @bahsetme, ya da karakterinizi nasıl çağırırsınız

Herhangi bir promptta @ yazıp adı ekleyin: tanım enjekte oluyor, fotoğraflar otomatik olarak referansa gidiyor ve sihirli değnek yeniden yazımlarda bahsetmeyi koruyor.

Referans düğümü oluşturulduktan sonra karakteri herhangi bir promptta @ yazıp adını ekleyerek çağırıyorsunuz. Bahsetme metinde yeşil görünüyor, bu da düğüme bağlı olduğunun işareti. Böylece kısa ve doğal promptlar yazıyorsunuz: “@Leyla yağmur altında bir gece pazarından geçiyor, geniş plan”.

Üretim anında Imaginode iki şeyi otomatik yapıyor: düğümün tanımını prompta enjekte ediyor ve düzenlemeye uygun bir model kullanılması şartıyla fotoğrafları referans görsel olarak ekliyor. Kopyalayacak, yeniden yükleyecek bir şey yok. Bahsetme yeter.

Hoş bir bonus: Görsel ve Video promptlarınızı Kimi üzerinden 1 krediye zengin İngilizceye çeviren sihirli değnek, @bahsetmeleri koruyor. Yani karakterinize giden bağı koparmadan bir promptu zenginleştirebiliyorsunuz. Üretimi 6 krediyken kötü sürprizleri önleyen türden bir ayrıntı bu.

Hangi görsel modelleri bir karakteri koruyabiliyor

5 kredilik Seedream 5 Lite referansların şampiyonu, 2 kredilik GPT Image Mini yinelemek için, 6 kredilik Flux Kontext ise karaktere dokunmadan mekânı düzenlemek için.

Görsel tarafında Imaginode'daki referans şampiyonunun adı Seedream 5 Lite, üretimi 5 kredi, yani yaklaşık 0,05 avro. Tekrar eden her karakter için varsayılan olarak seçilecek model bu: görsellerinizi kabul ediyor ve yüzleri bu fiyatta başkalarının ulaşamadığı bir sadakatle geri veriyor.

İhtiyaca göre iki alternatif. 2 kredilik GPT Image Mini de referans kabul ediyor: sayacı boşaltmadan pozlar ve kadrajlar üzerinde yineleme yapmak için mükemmel. 6 kredilik Flux Kontext ise farklı bir rol oynuyor: mevcut bir görseli düzenliyor. “Arka planı bir kumsalla değiştir” diyorsunuz, mekân değişirken karakteriniz olduğu gibi kalıyor.

Buna karşılık 1 kredilik Flux Schnell ya da 3 kredilik Imagen 4 Fast mükemmel genel amaçlı modeller ama bir dizi kahramanının yüz tutarlılığı için onlara güvenmeyin. Doğru refleks: kompozisyonun kabasını ucuz bir modelle almak, sonra nihai görseller için @bahsetmeyle Seedream 5 Lite'a geçmek.

Ana portre yöntemi

Önce karakterin tek başına, nötr fonda ve net ışıkta bir portresini üretin: sonraki bütün görsellerin köşe taşı için 4 ya da 5 deneme, yani 24 ila 30 kredi hesaplayın.

Klasik hata: referans olarak karakterin zaten bir durum içinde olduğu, kadrajda küçük kaldığı, arkadan ışık aldığı ya da sırtı dönük olduğu görselleri kullanmak. Model o zaman yüz kadar mekânı da öğreniyor. Doğru yöntem önce bir ana portre üretmek: karakter tek başına, nötr fonda, net ışıkta.

Somut olarak bir Görsel düğümü açın, 6 kredilik Imagen 4 gibi fotogerçekçi bir model seçin ve yalnızca karakteri tarif edin: “göğüs plan portre, 30 yaşında kadın, kısa kızıl saçlar, solmuş kot ceket, düz gri fon, önden yumuşak ışık”. O yüzü yakalayana kadar yeniden üretin. 4 ya da 5 deneme, yani 24 ila 30 kredi, 0,30 avronun altı.

Bu portre Referans düğümünün köşe taşı oluyor. Sonraki bütün görseller ondan türüyor. On dakikalık bu yatırım size sonrasında saatlerce piyango oynamaktan kurtarıyor ve çok sayıda yeniden üretmenin gerçekten haklı olduğu tek aşama bu.

Referans fotoğraflarınızın açılarını çeşitlendirin

Çoğu zaman dört görsel yeter: cepheden, üç çeyrek, profil ve boy plan; 8 vasat fotoğraf yerine 4 kusursuz fotoğraf yeğdir, çünkü kötü bir referans bütün gelecek üretimleri bozar.

Tek bir cepheden portre iyi bir başlangıç ama model karakterinizi o zaman yalnızca tek açıdan tanıyor. Ondan bir profil isteyin, burnu, çeneyi, kulakları doğaçlayacak. Karakteri üç boyutta kilitlemek için ona birkaç bakış açısı göstermek gerekiyor.

İyi işleyen bileşim: cepheden bir portre, bir üç çeyrek, bir profil ve siluetle kıyafet için bir boy plan. Çoğu zaman dört görsel yeter. Bunları üretmek için referans kabul eden bir modelle ana portreden yola çıkın ve “aynı kişi, profilden, aynı gri fon” isteyin. Her sonucu düğüme eklemeden önce kontrol edin.

Bu aşamada her yerdekinden daha titiz olun. Çenesi biraz farklı ya da kulağı yaklaşık olan hafif kötü bir referans fotoğrafı, bütün gelecek üretimleri sessizce bozacak ve siz sebebi yanlış yerde, promptlarınızda arayacaksınız. 8 vasat görsel yerine 4 kusursuz görsel yeğdir. Seedream 5 Lite ile görünüm başına 5 kredide, şüpheli bir fotoğrafı yeniden çekmek 0,05 avro tutuyor. Pazarlık etmeyin.

Tanımı bir süreklilik sözleşmesi gibi yazın

Tanıma yalnızca bütün planlarda hayatta kalması gerekeni yazın: yara izi, ceket, saat; kimlik düğümde yaşar, sahne promptta yaşar.

Referans düğümünün tanım alanı süs değil: @bahsetmenin göründüğü her prompta enjekte ediliyor. O yüzden oraya bütün planlarda hayatta kalması gerekeni yazmak ve başka hiçbir şey yazmamak gerekiyor. Kalıcı ayırt edici işaretler: sol kaştaki yara izi, solmuş kot ceket, sağ bilekteki saat, kambur yürüyüş.

Sahneden sahneye değişeni oraya koymayın. Tanıma “gülümseyen, bir kafede” yazarsanız karakteriniz bir fırtına sahnesinin ortasında bile kafede gülümseyecek. Tanım kimliği tarif eder, prompt sahneyi tarif eder. Sistemi sağlam kılan şey bu rol ayrımı.

Setlerde bu işin bir adı var: süreklilik raporu. Kimse bunu göz alıcı bulmuyor, ama herkes oyuncunun iki plan arasında gömlek değiştirmesini engelleyen şeyin bu olduğunu kabul ediyor. Referans düğümünüz tam olarak bu rolü oynuyor.

Video tarafı: modeller ve tam üst sınırları

Seedance 2.0 ve MiniMax H3 9 referans kabul ediyor, Grok 5, Kling V3 ve Veo 3.1 Fast üçer tane; en güvenilir teknik ise videonun başlangıcına bağlanan kusursuz görsel olmayı sürdürüyor.

Video, görselle aynı sorunu daha kötüsüyle ortaya koyuyor: saniyeler içinde kayan bir yüz hemen fark ediliyor. Neyse ki Imaginode'un birkaç video modeli referans görsel kabul ediyor, farklı üst sınırlarla. Seedance 2.0 ve 2.0 Fast 9 tane alıyor, Seedance 2.5 daha da fazlasını. MiniMax H3 de 9 kabul ediyor, Grok Imagine Video 5, Kling V3 ve Veo 3.1 Fast üçer tane.

Video düğümü modele göre ayrı girişler de sunuyor: bir başlangıç görseli ve model destekliyorsa bir bitiş görseli. Zaten en güvenilir teknik de bu: önce Seedream 5 Lite ile karakterin kusursuz bir görselini üretmek, sonra onu videonun başlangıç görseli olarak bağlamak. Hareket, hâlihazırda doğru olan bir yüzden başlıyor.

Başarı oranları konusunda açık konuşalım: yapay zeka videosu, referanslı ya da referanssız, üç dört üretimden birini kaçırıyor. Bir nesnenin içinden geçen bir uzuv, başka yöne kayan bir bakış. Bu firenin bütçenizde yerini ayırın. Kling 2.5 Turbo üzerinde 5 saniye 26 kredi ya da Seedance 2.0 Fast'te 720p 48 krediyken, bitmiş bir sahne pratikte yazılı fiyatın iki katına geliyor. Teknik hatalar ise otomatik iade ediliyor.

Somut örnek: altı kareli bir mini çizgi roman

Ana portre, tamamlayıcı görünümler ve yeniden üretimler dahil altı kare: sabit karakterli eksiksiz mini çizgi roman yaklaşık 105 kredi, yani 1,05 avro tutuyor.

Gerçekçi bir örnek alalım: Instagram için altı kareli bir mini çizgi roman, kahramanı arıcı Luna. 1. adım, nötr fonda ana portre: Imagen 4 ile 5 deneme, 30 kredi. 2. adım, tamamlayıcı görünümler, üç çeyrek, profil, boy: Seedream 5 Lite ile yaklaşık 6 üretim, 30 kredi. “@Luna” Referans düğümü hazır.

3. adım, altı kare. Her prompt kısa kalıyor: “@Luna gün doğumunda bir kovanı açıyor, tepeden görünüm”. 5 kredilik Seedream 5 Lite ile ve ikide bir yeniden üretim hesabıyla altı kare yaklaşık 45 krediye geliyor. Projenin toplamı: aşağı yukarı 105 kredi, yani 1,05 avro. Sabit karakterli altı görsellik bir seri için daha iyisini yapmak zor.

Aynı düğüm ertesi hafta 2. bölüm için, sonra Luna'nın kameraya el salladığı 5 saniyelik bir video için işe yarayacak. Tek bir karakter, bir kez tanımlanmış, her yerde türetilmiş. Bir sanal UGC içerik üreticisini on beş saniyelik kameraya konuşan videoda ayakta tutan da aynı ilke. Her görselin boş bir sayfadan başladığı araçlar karşısında düğüm mantığının bütün anlamını kazandığı yer burası.

Bir numaralı tuzak: çelişen referanslar

Karakterin farklı sürümlerinden gelen fotoğraflar cansız bir ortalama üretiyor: üretimlerin hepsi neredeyse iyi ama hiçbiri birbirinin aynı değilse promptu değil düğümü temizleyin.

En yaygın tuzak: Referans düğümünde karakterin farklı sürümlerinden gelen fotoğrafları karıştırmak. Saç kesiminin hafifçe farklı olduğu iki görsel, ceketin daha koyu olduğu bir üçüncüsü. Birbiriyle çelişen kaynaklara sadık kalması istenen model, üçünün de hiçbirine benzemeyen cansız bir ortalama üretiyor.

Belirtisi tanınabilir: üretimlerin hepsi “neredeyse iyi” ama hiçbiri diğeriyle aynı değil. Başınıza gelirse prompta dokunmayın. Referans düğümünü açın, fotoğrafları yan yana gösterin ve ayrışanları acımadan eleyin. Tek doğruluk kaynağı olarak ana portreden yeniden başlayın.

Basit kural: eklenen her fotoğraf, diğerleriyle tam olarak aynı cümleyle tarif edilebilmeli. “Şu, yara izi olmadan önceki hali” demek zorunda kalıyorsanız o fotoğrafın düğümde işi yok. Karakterin o sürümü için ikinci bir Referans düğümü oluşturun.

İki numaralı tuzak: neredeyse birebir sekiz fotoğraf

Fazla sayıda aynı örnek, yüzü değil pozu kilitliyor: dört çeşitli fotoğraf, aynı cepheden portrenin sekiz klonunu her seferinde yener.

Tersi tuzak da var. Cepheden sekiz portre, aynı ifade, aynı ışık, aynı fon. Model bundan her şeyin karakterin imzası olduğu sonucunu çıkarıyor: açı, donuk gülümseme, aydınlatma. Sonuç olarak başka bir şey istediğinizde direniyor. Karakteriniz bütün sahnelerde, koşarken bile kameraya cepheden bakıyor.

Bu, aşırı öğrenmenin referans versiyonu: fazla sayıda aynı örnek yüzü değil pozu kilitliyor. Çözüm açılar tavsiyesiyle birleşiyor: az ama çeşitli görsel. Cepheden, üç çeyrek, profil ve siluet kapsayan dört fotoğraf, aynı portrenin sekiz klonunu her seferinde yener.

Seedance 2.0 ya da MiniMax H3 gibi 9 referansa kadar kabul eden video modellerinde bütün yuvaları doldurma isteği güçlü. Direnin. Yalnızca her görsel yeni bir bilgi getiriyorsa doldurun: bir açı, bir kıyafet, bir ifade. Aksi halde üç iyi görsel, dokuz tekrarlı görselden iyi iş çıkarır.

Bugün nereden başlamalı

Otuz dakikalık bir oturum yeter: ana portre, Referans düğümü, @bahsetmeyle ilk sahne, hepsi KDV hariç 13 avroluk Starter planının 900 kredisinin yüzde 15'inden azına.

Eylem planı otuz dakikalık bir oturuma sığıyor. Bir Görsel düğümü oluşturun, ana portrenizi nötr fonda üretin, otuz kredi kadar deneme hesaplayın. Referans düğümünü oluşturun, karakteri adlandırın, kalıcı tanım için üç cümle yazın, portreyi ve ardından tamamlayıcı görünümleri ekleyin. Sonra @bahsetme ve Seedream 5 Lite ile ilk bir sahne deneyin.

Bütün bunları kendiniz bağlamak istemiyorsanız Imaginode'un asistanı, mesaj başına 1 krediye eksiksiz iş akışını tek tıkla kuruyor: “tekrar eden karakterli bir gönderi serisi” diye tarif edin, o da Görsel, Referans ve Video düğümlerini birbirine bağlı halde yerleştirsin. Size yalnızca fotoğrafları doldurmak ve promptları ayarlamak kalıyor.

Aylık 900 kredi için KDV hariç 13 avroluk Starter planıyla bu oturumun tamamı paketin yüzde 15'inden azını tüketiyor. Ve her şey tarayıcıda geçiyor, üretim sunucu tarafında dönüyor: kurulum yok, sahip olmanız gereken bir ekran kartı yok, salondaki dizüstünde öğle arası bir oturum yeter.

Karakteriniz sabitlendikten sonraki iş, onu düzgünce sahneye koymak: kadraj, objektif, kamera hareketi. Kamera düğümünün konusu tam olarak bu ve ona bütün bir yazı ayırdık: “yapay zekada kamera yönetimi”. Kahramanınızın artık sabit bir yüzü var. Geriye ona gerçek planlar sunmak kalıyor.