Żeby postać AI wyglądała jak ta sama osoba, daj modelowi zdjęcie tej osoby. Opis postaci słowami, nawet bardzo dokładny, daje sobowtórów: ludzi pasujących do opisu, ale za każdym razem z inną twarzą. Jedno dobre zdjęcie referencyjne i prompt z zaleceniem „zachowaj dokładnie tę samą twarz” sprawiają, że postać jest spójna w całym zestawie zdjęć i w wideo.
Oto różnica na prawdziwych wynikach: trzy obrazy z dokładnego opisu słownego, a potem zestaw sześciu zdjęć i klip wideo zrobione z jednego portretu referencyjnego. Każdy prompt jest podany, razem z kosztem każdego kroku.
Dlaczego sam opis osoby nie wystarcza
Napisaliśmy jeden szczegółowy opis mężczyzny i wygenerowaliśmy trzy obrazy modelem Seedream 5.0 Pro, zmieniając tylko miejsce:
Candid photo of a man in his early fifties with short grey hair, a short grey beard and laugh lines, wearing a navy plaid flannel shirt, laughing in a bright kitchen with morning light. Natural, realistic editorial photo, 35mm film look. The person is a fictional adult.
Kuchnia
Ławka w parku
PociągKażdy obraz pasuje do tekstu. Żaden nie jest tą samą osobą. Opis zawęża wybór do typu; istnieją tysiące twarzy pasujących do „po pięćdziesiątce, krótkie siwe włosy, krótka siwa broda”. Model za każdym razem wybiera nową twarz, a dodatkowe przymiotniki tego nie naprawią.
Rozwiązanie: zacznij każdy obraz od jednej referencji
Najpierw zrób (albo wgraj) jeden mocny portret, a potem generuj każde nowe zdjęcie modelem do edycji obrazu, z portretem dołączonym jako referencja. To Theo, fikcyjny szef kuchni, którego stworzyliśmy na stronie influencera AI:
Z tego jednego portretu strona Postacie zrobiła zestaw sześciu nowych zdjęć z motywem „dom”, każde z innym pokojem, strojem, kadrem i pozą:
Czytelniczy kąt
Balkon
Parapet
Kuchnia
Domowe biuro
SalonKażde zdjęcie to była jedna edycja z dołączonym portretem. Oto prompt do zdjęcia w kuchni:
The same character as in the reference image, with exactly the same face, hair and identity. A full-length fashion photo of them walking toward the camera, wearing a relaxed cardigan, in a sunny kitchen making coffee. Natural, realistic editorial photo with strong styling and beautiful light. The person is an adult and stays fully clothed.
Cały zestaw sześciu zdjęć kosztował 216 kredytów w rozdzielczości 1K, a strona Postacie sama pisze te prompty: wybierasz motyw i 4, 8 albo 12 ujęć.
Jakie zdjęcie referencyjne działa najlepiej
Referencja decyduje, jak dobrze wszystko inne się utrzyma. Najlepsze mają:
- Wyraźną twarz, na wprost albo lekko pod kątem. Oba oczy widoczne, bez okularów przeciwsłonecznych, nic nie zasłania ust.
- Równomierne światło. Ostre cienie na twarzy są kopiowane tak, jakby były częścią twarzy.
- Jedną osobę. Na zdjęciu grupowym model może pożyczyć rysy od niewłaściwej osoby.
- Szczegóły, które chcesz zachować. Jeśli postać zawsze nosi okulary albo ma bliznę czy tatuaż, upewnij się, że to widać.
- Odpowiedni rozmiar. Twarz powinna zajmować sporą część kadru. Mała twarz w szerokim planie daje modelowi za mało do skopiowania.
Twoje własne zdjęcie działa tak samo. Wgraj je jako referencję, żeby zrobić zestaw z własnym wizerunkiem.
Pisz prompt tak, żeby twarz się zachowała
- Zacznij od blokady tożsamości. Zacznij od „The same character as in the reference image, with exactly the same face, hair and identity.” Umieść to na początku, przed miejscem i strojem.
- Zmieniaj jedną lub dwie rzeczy na obraz. Miejsce i strój albo kadr i pozę. Zmiana wszystkiego naraz to miejsce, w którym podobieństwo się rozjeżdża.
- Zawsze wracaj do oryginału. Każde nowe zdjęcie rób z pierwszej referencji, a nie z ostatniego wyniku. Kopie kopii dryfują odrobinę przy każdym pokoleniu.
- Wybierz model do zadania. Na PopNow Seedream 5.0 Pro to najlepszy uniwersalny wybór do zestawów, a Nano Banana 2.1 warto wypróbować, gdy podobieństwo jest najważniejsze.
Jeśli generujesz ze zdjęcia albo wideo, wpisz @ w polu promptu, żeby wciągnąć zapisaną postać do żądania. Nie musisz wtedy wgrywać referencji ponownie.
Przenieś tę samą postać do wideo
Wideo to miejsce, w którym postacie zwykle się rozsypują, bo model musi zachować twarz przez ponad sto klatek zamiast jednej. Sprawdzona droga to ta sama zasada: zacznij wideo od zdjęcia, które ma już właściwą twarz. Wzięliśmy zdjęcie z kuchni z zestawu powyżej i ożywiliśmy je modelem MiniMax H3:
He walks toward the camera holding the coffee cup, takes a sip and laughs at something off-camera while the camera slowly pulls back. Soft kitchen ambience, a spoon clinking.
Ten klip kosztował 185 kredytów i zajął mniej niż minutę. Przy dłuższych scenach zrób kilka klipów z różnych zdjęć z zestawu i przecinaj je, albo użyj trybu referencji w generatorze wideo, w którym niektóre modele przyjmują naraz kilka zdjęć tej samej osoby. Nasz poradnik o robieniu dłuższych filmów AI opisuje wydłużanie i łączenie klipów.
Najczęstsze pytania
Jak zachować tę samą twarz w obrazach AI?
Użyj zdjęcia referencyjnego zamiast opisu tekstowego. Wygeneruj albo wgraj jeden wyraźny portret, a potem twórz każde nowe zdjęcie z niego w modelu do edycji, zaczynając prompt od „the same character as in the reference image, with exactly the same face, hair and identity”.
Jaka AI jest najlepsza do spójnych postaci?
Modele, które edytują na podstawie zdjęcia referencyjnego, najlepiej zachowują twarze. W naszych testach Seedream 5.0 Pro utrzymał twarz w zestawie sześciu zdjęć, a Nano Banana 2.1 to wybór, gdy podobieństwo jest najważniejsze. Samo generowanie z tekstu nie daje tego w żadnym modelu.
Czy mogę zrobić spójną postać ze zdjęcia siebie?
Tak. Wgraj własne zdjęcie jako referencję na stronie Postacie i wybierz motyw. Używaj zdjęć siebie albo osób, które się na to zgodziły.
Czy to działa dla postaci z kreskówek i anime?
Tak. Ta sama metoda działa, a prompt prosi o zachowanie dokładnie tego samego stylu artystycznego zamiast realistycznego zdjęcia. Dla anime strona anime ma tryb „ta sama postać” zrobiony właśnie do tego.
Ile kosztuje zestaw spójnej postaci?
Na PopNow zestaw sześciu zdjęć 1K w Seedream 5.0 Pro kosztuje 216 kredytów, a 5-sekundowe wideo z jednego z nich 185 kredytów w MiniMax H3 w 768p. Ceny są widoczne przed generowaniem.
