Jak utrzymać spójność postaci AI (charakter design) w DALL-E i Midjourney: Sztuczki promptowania dla zachowania wyglądu bohatera w różnych scenach i pozach?

Utrzymanie spójności postaci generowanej przez AI w narzędziach takich jak DALL-E czy Midjourney to jedno z największych wyzwań dla twórców. Nie ma jednego magicznego prompta, który to załatwi. To ból, wiem. Kluczem jest szczegółowy opis, konsekwencja w promptowaniu oraz, w przypadku Midjourney, mądre wykorzystanie opcji `—seed` i `—sref`. DALL-E jest tu bardziej uparty, ale i na niego są sposoby. Chodzi o to, żeby za każdym razem dać modelowi jak najwięcej danych do „przypomnienia” sobie, kim jest bohater.

Dlaczego spójność postaci to taka bolączka?

Modele generatywne, z natury rzeczy, mają tendencję do… kreatywności. Każda generacja to w pewnym sensie nowa „interpretacja” twojego pomysłu. Nawet jeśli użyjesz tego samego prompta, drobne różnice w ułożeniu włosów, odcieniu skóry czy fałdach ubrania są niemal gwarantowane. To jakby prosić dziesięciu artystów o narysowanie tej samej postaci z pamięci. Każdy doda coś od siebie. AI robi to samo, tylko znacznie szybciej.

Fundamenty spójności: Detal, detal i jeszcze raz detal

Jeśli chcesz, żeby twoja postać wyglądała tak samo w różnych scenach, musisz być chirurgicznie precyzyjny w opisach. Zapomnij o ogólnikach.

1. Stwórz swoją „kartę postaci” (Character Sheet)

Zanim zaczniesz generować, spisz dokładny opis postaci. To musi być twój punkt odniesienia.

• Imię: Nadaj jej imię, to czasem pomaga AI (choć nie zawsze, to nie ludzie).
• Płeć i wiek: Dokładnie. „Młody mężczyzna, około 28 lat”.
• Rysy twarzy: Kolor oczu (np. „szmaragdowe oczy”), kształt nosa („orli nos”), specyficzne cechy („drobna blizna nad lewą brwią”, „pieprzyk na policzku”).
• Włosy: Kolor, długość, styl („rude, kręcone włosy do ramion, zawsze rozpuszczone”).
• Budowa ciała: Wzrost, sylwetka („wysoki, atletyczny, mocno umięśniony”).
• Ubiór: To krytyczne! Opisz kluczowe elementy ubioru, które mają się powtarzać („ciemnozielona, postrzępiona kurtka skórzana, ciężkie, brązowe buty wojskowe, granatowy szalik w paski”). Jeśli postać ma zmieniać ubranie, opisuj je za każdym razem z taką samą precyzją.
• Akcesoria: Cechy charakterystyczne („srebrny pierścień z wyrytym lwem na palcu wskazującym prawej dłoni”, „skórzany pas z trzema małymi sakiewkami”).

2. Wykorzystaj `—seed` (Midjourney) i Reference Image (DALL-E)

To jest twoja największa broń, szczególnie w Midjourney.

• `—seed` w Midjourney: Gdy wygenerujesz postać, która ci się podoba, skopiuj jej `seed` (znajdziesz go klikając na reakcję koperty pod obrazkiem). Następnie, we wszystkich kolejnych promptach dotyczących tej postaci, dodaj parametr `—seed `. To mocno zwiększa szanse na utrzymanie podobieństwa. Ale to nie gwarancja! (tak, serio – często trzeba się namęczyć).
• Reference Image w DALL-E: DALL-E, zwłaszcza w wersji 3, często pozwala na dodanie referencyjnego obrazka. Jeśli masz już wygenerowany obraz postaci, możesz go użyć jako punktu wyjścia. Opisz zmiany lub nową scenę, ale zawsze wskazuj na ten sam obraz referencyjny. To nie jest tak spójne jak `seed` w MJ, ale pomaga. Po prostu trzeba to robić.

Techniki promptowania dla konsekwencji

1. Konsystentny początek prompta

Zawsze zaczynaj prompt od pełnego opisu postaci, używając tych samych słów i w tej samej kolejności. To buduje „zakotwiczenie” dla AI.

• Zamiast: „Mężczyzna w lesie.”
• Użyj: „[Imię postaci], 28-letni, wysoki, atletyczny mężczyzna o szmaragdowych oczach i rudych, kręconych włosach do ramion. Nosi ciemnozieloną, postrzępioną kurtkę skórzaną i ciężkie, brązowe buty wojskowe. W głębokim lesie…”

Koniec kropka. Musisz być maszyną.

2. Wyraźne instrukcje dotyczące sceny i pozy

Po opisie postaci, skup się na scenie i pozie.

• Scena: „stojący na skraju klifu o zachodzie słońca”, „siedzący przy ognisku, jedzący pieczonego ziemniaka”.
• Poza: „z dłonią uniesioną w geście powitania”, „oparty o drzewo, ręce skrzyżowane na piersi”, „biegnący w stronę widza, z determinacją na twarzy”.

3. Negatywne prompty (Negative Prompts)

To jest mocne narzędzie, często niedoceniane. Używaj go, by eliminować niechciane zmiany.

• W Midjourney: `—no ` np. `—no glasses, different clothes, older, younger`.
• W DALL-E: W prompty wpisuj „bez…” lub „nie zmieniaj…” np. „nie zmieniaj ubrania”, „bez okularów”.

4. Iteracyjne doskonalenie

Nie licz na to, że za pierwszym razem dostaniesz ideał. Generuj wiele obrazów. Wybierz ten, który jest najbliżej i na nim buduj dalej, używając go jako referencji lub wyciągając z niego `seed`. Czasami trzeba poświęcić w cholerę dużo czasu, żeby to dopracować.

DALL-E vs. Midjourney: Gdzie co działa lepiej?

Midjourney jest moim zdaniem bardziej elastyczne, jeśli chodzi o kontrolę. `—seed` to Game Changer. Parametry takie jak `—stylize ` też mogą pomóc kontrolować poziom artystycznej swobody AI. `—sref` (style reference) to też potężne narzędzie, jeśli masz dobrze wygenerowaną postać, której styl i rysy chcesz naśladować. Serio.

DALL-E jest bardziej „rozmowny”. Tam liczy się precyzja języka. Im lepiej i dokładniej opiszesz, tym większa szansa. Jeśli DALL-E uparcie zmienia jakiś detal, spróbuj go opisać jeszcze bardziej dosadnie. Czasem pomaga też po prostu zapisać obraz i użyć go jako punktu wyjścia do edycji w DALL-E, dodając opis zmiany.

Najczęstsze pytania

Czy to zawsze działa idealnie?

Nie, absolutnie nie. To jest walka z AI, a nie idealne rozwiązanie. To ciągłe balansowanie między kreatywnością AI a twoją potrzebą spójności.

Co jeśli postać zmienia ubranie lub się starzeje?

Jeśli zmienia ubranie, musisz za każdym razem dokładnie opisać nowe ubranie, utrzymując stałe cechy wyglądu twarzy i ciała. Jeśli się starzeje, dodaj odpowiednie modyfikatory do prompta, np. „o 10 lat starszy”, „z siwiejącymi skroniami”, ale resztę opisu pozostaw bez zmian.

Jak sobie radzić z tłem, które zmienia wygląd postaci?

Jeśli tło zbyt mocno wpływa na postać (np. zmienia oświetlenie w niepożądany sposób), spróbuj użyć bardziej neutralnego tła, wygenerować postać osobno, a następnie użyć jej jako referencji lub wkleić ją do innej sceny w narzędziu do edycji obrazu. Czasem nie da się inaczej.