Trzymaj jeden stały zestaw obrazów referencyjnych, wysyłaj go w całości z każdym nowym obrazem, wskaż jeden z nich jako wzorzec twarzy, opisuj tylko to, co zmienia się w scenie, i porównuj każdy wynik z referencjami, powtarzając ujęcia, które odpłynęły. Sam seed, dłuższy prompt czy podobieństwo do celebryty nie utrzymają twarzy.
Dlaczego twarz się zmienia
Model obrazu nie pamięta osoby. Każdy obraz powstaje od zera, a opis w rodzaju „ciemne falowane włosy, grube brwi” pasuje do tysięcy twarzy. Zmień światło, kąt albo minę, a model wypełni luki inaczej: żuchwa zmięknie, nos się zwęzi, wiek przesunie się o pięć lat. Poproś dwa razy o tę samą osobę, a dostaniesz jej kuzyna.
1. Najpierw arkusz referencyjny
Ustal twarz raz, w warunkach, które niczego nie ukrywają: portret en face, ujęcie w trzech czwartych i cała sylwetka, w płaskim dziennym świetle, w prostym ubraniu, na gładkim tle. Dwa dodatkowe ujęcia generuj z portretu, a nie jedno z drugiego; łańcuch pozwala drobnym błędom się kumulować.
2. Wysyłaj wszystkie referencje, za każdym razem
Dołączaj wszystkie kadry referencyjne do każdego nowego obrazu i napisz, który rządzi twarzą, zwykle portret en face. Pozostałe niosą włosy, sylwetkę i proporcje. Jedna referencja daje modelowi jeden kąt do zgadywania; trzy pozwalają mu triangulować.
3. Oddziel osobę od sceny
Pisz prompt w dwóch częściach. Pierwsza mówi, co się nigdy nie zmienia: twarz, włosy, skóra, znaki szczególne. Druga to scena: miejsce, pora dnia, źródło i kierunek światła, co robią dłonie, ubranie. Ubranie ma się dopasować do sceny, twarz nie.
4. Sprawdzaj każdy wynik i powtarzaj
Nawet przy dobrych referencjach część ujęć odpływa. Porównaj każdy nowy obraz z arkuszem pod dwoma względami: czy to ta sama osoba i czy wygląda jak prawdziwe zdjęcie (bez plastikowej skóry i połamanych dłoni)? Licz niższą z ocen i powtarzaj wszystko poniżej progu. Dittoshot robi to drugim modelem: zdjęcie przechodzi od 7 na 10, dostaje maksymalnie trzy ujęcia, a Ty zostajesz z najlepszym, za 5 tokenów niezależnie od liczby prób.
5. Co wciąż się psuje
Z naszych własnych przykładów, bez poprawek:
- Lewa i prawa strona się odwracają. Opis Miry mówi „blizna nad lewą brwią”, a opis Aiko „srebrne kółko w prawym uchu”. Na obu arkuszach znak trafił na lewą albo prawą stronę obrazu, a nie osoby. Jeśli strona ma znaczenie, sprawdź arkusz i uznaj to, co na nim jest, za obowiązujące.
- Napisy się przemycają. Prompt prosi o brak widocznego tekstu, a na jednym ze zdjęć Miry i tak jest szyld „café”. Zakazy zmniejszają szansę, ale jej nie usuwają.
- Drobne znaki maleją z odległością. Blizna albo piegi wyraźne na portrecie mogą zniknąć na zdjęciu całej sylwetki. Jeśli twarz często będzie mała w kadrze, wybierz znaki, które przetrwają dystans: okulary, brodę, fryzurę.
Jak to zrobić w innych narzędziach
Ta sama metoda działa wszędzie, gdzie można dołączyć obrazy referencyjne; różnią się tylko ustawienia.
- Midjourney V8.2: model Edit przyjmuje do 4 obrazów referencyjnych i zastąpił Omni Reference oraz --cref. Zobacz Dittoshot czy Midjourney.
- Leonardo AI: modele Omni, takie jak Nano Banana, przyjmują do 6 referencji. Zobacz Dittoshot czy Leonardo.
- Higgsfield Soul ID uczy się na 20 lub więcej zdjęciach prawdziwej osoby; postacie w OpenArt powstają z obrazu, tekstu albo ustawień. Zobacz Higgsfield i OpenArt.
Żadne z nich nie opisuje automatycznego sprawdzania tożsamości, więc krok 4 zostaje po Twojej stronie. Dittoshot robi wszystkie pięć kroków na podstawie opisu; pierwsza postać i jej pierwsze zdjęcie są za darmo.