Samma ansikte varje gång: hålla en 18+ karaktär likadan

Du genererar en bild du gillar. Du skriver nästan samma prompt igen och väntar dig samma person i en annan pose, och tillbaka kommer en främling. Det är den vanligaste frustrationen i vuxen AI-konst, och det är inget fel på generatorn. Det är ett missförstånd om vad en prompt är till för.

En beskrivning är ingen identitet

”Gröna ögon, mörkt hår, mitt i tjugoåren, fräknar” låter som en beskrivning av en bestämd person. Det är det inte. Det beskriver en kategori som rymmer miljontals ansikten, och varje generering drar ett nytt stickprov ur den. Lägg till femtio adjektiv så smalnar du av kategorin marginellt samtidigt som prompten blir svårare att utföra, vilket är varför mycket långa karaktärsbeskrivningar oftast ger sämre bilder och ingen extra konsekvens.

Det som verkligen spikar fast ett ansikte är en bild. Utseende är visuell information, och enda pålitliga sättet att ge den till en modell är att räcka fram ett foto och säga: den här personen.

Hur det fungerar i praktiken

I en chatt med en companion sker det osynligt. När en companion skickar dig ett foto går förfrågan i väg med hennes eget porträtt som referens, och den nya bilden byggs ur den likheten i stället för ur en beskrivning av den. Samma mekanism är varför det femtionde fotot fortfarande ser ut som hon.

I studion gör du det själv, och spaken är startbilden i Video-fliken. Generera stillbilder tills ett ansikte sitter, spara den filen och behandla den som ditt karaktärsblad: varje klipp som utgår från den ärver likheten gratis. För stillbilder lyder den praktiska versionen av konsekvens: du håller på med rollsättning, inte regi. Generera en omgång, välj den du vill leva med, och bygg allt annat runt just den bilden.

Vanan som tyst förstör det

När du väl har en referens vill instinkten beskriva personen även i prompten, för säkerhets skull. Den instinkten är fel, och den slår tillbaka på ett bestämt sätt: ett namngivet fysiskt drag blir något modellen aktivt ritar i stället för något den bevarar.

Vi gick på det i vårt eget system. Instruktionen vi lägger före varje generering namngav en gång ett drag för att bevara det: i praktiken stod det att personen var skallig. Modellen läste det som en egenskap att rendera och började leverera skalliga personer i chattar med figurer som har hår. Lösningen var att sluta namnge egenskapsvärden helt och bara säga vem som är i bild.

Med en referens bifogad: beskriv alltså scenen och lämna personen i fred. Plats, ljus, pose, klädsel. Ingenting om ansiktet. Det jobbet gör referensen, och varje ord du lägger ovanpå konkurrerar med den. Den breda versionen av regeln finns i skriva NSFW-prompter som faktiskt blir en bild.

Vad som ändå driver, och varför

Även med referens rör sig en del. Ett stort vinkelbyte är det största: en referens tagen rakt framifrån bär lite information om en profil, så en trekvartsvy hittar på det den inte kan se. Radikalt ändrat ljus gör samma sak med hudton och ansiktsform. Sämst överlever små detaljer, en bestämd tatuering eller en ovanlig piercing: de upptar bara några pixlar i referensen och modellen behandlar dem som brus.

Genvägen är tråkig och effektiv: ändra en sak i taget. Behåll vinkeln och byt miljö, eller behåll miljön och byt pose. Konsekvensen faller med avståndet till referensen, så korta steg landar långt oftare än ett långt skutt.

Bygga en serie

Vill du ha en serie i stället för en enda bild, arbeta i en riktning. Ta din referens, generera nästa bild, och om den blir rätt kan du överväga att använda den nya bilden som referens för bilden därefter. Görs det slarvigt växer avvikelsen, men i små steg låter det en karaktär röra sig genom en hel scen och ändå förbli igenkännligt samma person.

Och eftersom misslyckade genereringar återbetalas automatiskt kostar ett felsteg en minut, inte pengar. Det är just det som gör rollsättning genom att prova till rätt metod här.

Testa med ett ansikte: generera tills ett sitter, och animera sedan exakt den bilden för att se hur mycket av henne som överlever rörelsen.