कैरेक्टर रेफ़रेंस इमेज: मल्टी-एंगल जनरेशन विधि
यह पेज सामग्री पैक का सामग्री दो: कैरेक्टर रेफ़रेंस इमेज सौंपता है।3.1 कैरेक्टर सेटिंग कार्ड लाओ चेन का "कैसे लिखा गया है" तय कर चुका है; यह पेज उसका "कैसे दिखेगा" तय करता है — फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ से मल्टी-एंगल AI कैरेक्टर रेफ़रेंस इमेज का एक सेट जनरेट करें, और उसके बाद हर शॉट इसी सेट से कैरेक्टर पहचाने। पूरा कोर्स यहीं से वास्तव में इमेज बनाना शुरू करता है: पिछले दो कॉलम पूरी तरह कागज़ी काम थे; इस पेज से हर जनरेशन में असल में समय या पॉइंट खर्च होते हैं (मल्टी-एंगल विधि और जाँच चेकलिस्ट इस कोर्स की शिक्षण डिज़ाइन हैं; टूल के नोड-स्तरीय संचालन comfyui सेक्शन के संबंधित पेज से जुड़े हैं)।
सीखने के बाद आप क्या कर सकेंगे
- स्टोरीबोर्ड से एंगल चेकलिस्ट बनाकर तय करना कि आपके कैरेक्टर को कौन-कौन सी AI कैरेक्टर रेफ़रेंस इमेज चाहिए (फ़ाइनल लुक फ़ोटो, फुल-बॉडी, पार्शियल)
- फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ से प्राथमिक फ़ाइनल लुक फ़ोटो जनरेट करना और आधिकारिक सुझाव से जाँचना: समान रोशनी, न्यूट्रल भाव, सेटिंग कार्ड से आइटम-दर-आइटम मिलान
- फ़ाइनल लुक फ़ोटो से पूरा मल्टी-एंगल रेफ़रेंस इमेज सेट बनाना — फुल-बॉडी, जूते, हाथ सबके लिए रेफ़रेंस मौजूद, अब एक सीधे चेहरे से सारे शॉट नहीं संभालने
- बता सकना कि रेफ़रेंस इमेज और फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ मिलकर आगे के हर शॉट को कैसे दिए जाते हैं
- रेफ़रेंस इमेज की सीमा स्पष्ट रूप से समझाना: रेफ़रेंस इमेज स्थिरता बढ़ाती है, लेकिन "शॉट के बीच चेहरा कभी न बदलने" की पूर्ण गारंटी नहीं है
आपकी अभी की दिक्कत
- "सेटिंग कार्ड लिख लिया, लेकिन जनरेशन अब भी सिर्फ़ टेक्स्ट से कार्ड खींचने जैसा है: दस इमेज में दस अलग लाओ चेन, किसी को भी चुनने में मन नहीं लगता।"
- "दूसरों की तरह कैरेक्टर थ्री-व्यू बनाया — एक ही इमेज में सामने का चेहरा, साइड का चेहरा और पीठ तीन अलग शक्ल की, जैसे तीन अभिनेताओं की सामूहिक फ़ोटो।"
- "एक बहुत ही शानदार फ़ाइनल लुक फ़ोटो निकली — साइड लाइट, बरसात की रात, एटमॉस्फ़ियर पूरा। उसे रेफ़रेंस बनाया, तो बाद के सारे शॉट आधा काला चेहरा सीख गए।"
यह तरीक़ा कब अपनाएँ
जब आपको चाहिए:
- 3.1 का फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ "पहचान का आधार" वाली इमेज में बदलना, जिसके बाद हर शॉट की जनरेशन उसी के अनुसार हो
- इस कोर्स के लिए पहली बार वास्तव में इमेज जनरेट करना और साथ ही जाँचना कि सेटिंग कार्ड का विवरण बन भी सकता है या नहीं
- आगे की सभी प्रक्रियाओं के लिए एक एकीकृत संदर्भ देना: शॉट का पहला फ्रेम बनाना, निरंतरता जाँच, संपादन सत्यापन
और आप यह नहीं चाहते:
- हर शॉट के लिए टेक्स्ट से लाओ चेन को फिर से कल्पना करना, चेहरे की आकृति और उम्र पूरी तरह भाग्य पर निर्भर
- संदर्भ चित्रों का ढेर लगाना, हर चित्र अलग, जितना जुटाएँ उतना ज़्यादा अव्यवस्था
- मज़बूत प्रकाश-छाया और अतिरंजित भाव वाले संदर्भ चित्रों को शॉट जनरेशन में ले जाना, जिससे पूरी फ़िल्म का चेहरा ग़लत दिशा में जाए
🎒 शुरू करने से पहले की तैयारी
- पूरा कर लिया 3.1 कैरेक्टर सेटिंग कार्ड: फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ को अलग फ़ाइल में सहेजा जा चुका है (लाओ चेन उदाहरण:
角色卡_老陈.txt), इस पेज पर हर बार जनरेशन के लिए इसे पूरा पैराग्राफ़ पेस्ट किया जाता है - स्टोरीबोर्ड तालिका हाथ में है: 2.4 स्टोरीबोर्ड तालिका——चरण 1 में इससे पर्सपेक्टिव सूची की उलटी जाँच करनी है
- निर्माण मार्ग चुन लिया (1.3 दो निर्माण मार्ग): लोकल मार्ग के लिए ComfyUI इंस्टॉल किया हुआ मशीन चाहिए, क्लाउड मार्ग के लिए प्लेटफ़ॉर्म खाता चाहिए
- लोकल मार्ग: पहली बार चित्र जनरेशन सफलतापूर्वक चला चुका है——वर्कफ़्लो लोड करना, प्रॉम्प्ट लिखना,
Ctrl+Enterदबाकर चलाना आता है - क्लाउड मार्ग: इस्तेमाल किए जाने वाले प्लेटफ़ॉर्म की चित्र जनरेशन सुविधा चालू हो चुकी है——हर प्लेटफ़ॉर्म के ऑपरेशन इस कॉलम में सत्यापित नहीं हैं, प्लेटफ़ॉर्म के अपने ट्यूटोरियल के अनुसार चलें
- संदर्भ चित्रों के लिए एक फ़ोल्डर बनाएँ——पहला बैच सामग्री ही संग्रहित कर दें, ढेर जमने के बाद सँभालने का इंतज़ार न करें
मुख्य विचार
टेक्स्ट से चेहरा तय करने की एक सीमा है: टेक्स्ट से पिक्सेल तक, बीच में एक «कल्पना» की परत है।
स्थिर विवरण खंड में «40 वर्ष के आसपास, चौकोर चेहरा, छोटे काले बाल» तय कर दिया गया है, लेकिन मॉडल को हर बार इस टेक्स्ट से एक चेहरा फिर से कल्पना करना पड़ता है——एक ही वाक्य, एक बार तेज़ कोनों वाला चेहरा बनता है, दूसरी बार गोल हो जाता है (3.1 में कहा गया था: प्रॉम्प्ट बिल्कुल एक जैसा होने पर भी दो जनरेशन में दो अलग चेहरे बन सकते हैं)। संदर्भ चित्र इस कल्पना की परत हटा देता है: मॉडल अब चेहरा «सोचता» नहीं, बल्कि चित्र देखकर चेहरा «नक़ल» करता है।
आधिकारिक प्रक्रिया भी ऐसे ही व्यवस्थित है।Runway की आधिकारिक लंबे वीडियो निर्माण प्रक्रिया है «कहानी की कल्पना → स्टोरीबोर्ड → कैरेक्टर संदर्भ → कई छोटे क्लिप जनरेट करना → संपादन कर जोड़ना» (देखें 1.1 पूरी प्रक्रिया का अवलोकन)——कैरेक्टर संदर्भ क्लिप जनरेशन से पहले रखा गया है: पहले तय करें «इंसान कैसा दिखता है», फिर शूट करें «इंसान क्या करता है»।
संदर्भ चित्र मार्गदर्शन है, गारंटी नहीं। Runway Gen-4 आधिकारिक सहायता संदर्भ चित्र को जनरेट की गई छवि में कैरेक्टर, वस्तु या शैली को «मार्गदर्शित» करने वाला बताता है, और सुझाव देता है कि इनपुटसमान प्रकाश, तटस्थ भाव वाला हो, और चरण-दर-चरण पुनरावृत्ति से समायोजन किया जाए। यानी: संदर्भ चित्र «एक ही इंसान जैसा दिखने» की संभावना बहुत बढ़ा देता है, लेकिन बचा-खुचा ड्रिफ़्ट हमेशा रहेगा——चेहरा पकड़ना अब भी 2.5 निरंतरता जाँच का काम है, अंतिम सहारा 4.3 पहला-आख़िरी फ्रेम नियंत्रण में है।
「मल्टी-एंगल」 क्यों ज़रूरी है — एक तस्वीर पूरी फ़िल्म को नियंत्रित नहीं कर सकती। स्टोरीबोर्ड खोलें: लाओ चेन 02, 04, 08 में मीडियम शॉट है, 06 फुल शॉट है (पूरा शरीर फ्रेम में), 10 क्लोज़-अप है, और साथ ही 05 के जूते और 09 के हाथ — दो पार्शियल क्लोज़-अप। एक सामने से ली गई फ़ाइनल पोर्ट्रेट तस्वीर चेहरे को तो पकड़ सकती है, लेकिन शरीर के अनुपात और जूतों की स्टाइल को नहीं — हर शॉट साइज़ का संदर्भ उपलब्ध होना चाहिए। इसलिए AI कैरेक्टर रेफ़रेंस इमेज एक तस्वीर नहीं, बल्कि तस्वीरों का एक सेट है:
| केवल फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ | फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ + मल्टी-एंगल रेफ़रेंस इमेज | |
|---|---|---|
| मॉडल को कैसे पता चलेगा कि लाओ चेन कैसा दिखता है | हर बार टेक्स्ट से नए सिरे से कल्पना | रेफ़रेंस इमेज देखकर कॉपी करना |
| दो बार जेनरेट किए गए चेहरे | लॉटरी की तरह, बहुत अलग हो सकते हैं | साझा आधार मौजूद, ड्रिफ़्ट कम |
| फुल शॉट में शरीर के अनुपात, जूतों की स्टाइल | टेक्स्ट से नियंत्रित करने पर आसानी से बिगड़ जाता है | फुल-बॉडी रेफ़रेंस इमेज से सीधी तुलना |
| शेष जोखिम | चेहरा, कपड़े कभी भी ड्रिफ़्ट हो सकते हैं | फिर भी थोड़ा ड्रिफ़्ट संभव — गाइड करना गारंटी देना नहीं है |
मेरे साथ करें
आगे हम 《塌了也好看》 के लाओ चेन का पूरा डेमो देखेंगे (यह कोर्स का शिक्षण उदाहरण है, आप पूरी प्रक्रिया अपने कैरेक्टर से कर सकते हैं)।
चरण 1: स्टोरीबोर्ड से वापस जाकर एंगल की सूची बनाना — AI कैरेक्टर रेफ़रेंस इमेज शॉट की सेवा में है
क्यों: रेफ़रेंस इमेज शॉट की सेवा में होती है। शॉट किस शॉट साइज़ और किस एंगल का उपयोग करता है, रेफ़रेंस इमेज में वही होना चाहिए — पहले सूची बनाएँ, फिर टूल खोलें; सूची से बाहर की तस्वीर चाहे कितनी भी अच्छी हो, नहीं बनाएँ; सूची में से एक तस्वीर भी कम रही, तो वह शॉट अब भी अंदाज़े पर टिका रहेगा।
कैसे करें: 2.4 स्टोरीबोर्ड खोलें, और लाओ चेन के शॉट्स को «यह तस्वीर क्या नियंत्रित करेगी» के आधार पर समूहबद्ध करें (यह कोर्स का शिक्षण टेम्पलेट है):
| रेफ़रेंस इमेज | किन शॉट्स की सेवा में | फ्रेम की ज़रूरतें |
|---|---|---|
| पहली पसंद: फ़ाइनल पोर्ट्रेट (सामने से हाफ-बॉडी) | 02, 04, 08 (मीडियम शॉट), 10 (क्लोज़-अप) | समान प्रकाश, न्यूट्रल भाव, ऊपरी शरीर पूरा |
| फुल-बॉडी सामने से तस्वीर | 06 (फुल शॉट: आदमी समेत डिब्बा पानी के गड्ढे में गिरता हुआ) | पूरा शरीर फ्रेम में, कपड़े, जूते, केक का डिब्बा सब मौजूद |
| पार्शियल रेफ़रेंस: जूते / हाथ | 05 (तलवा फिसलते हुए), 09 (हाथ से क्रीम समेटते हुए) | धूसर-सफ़ेद पुराने स्पोर्ट्स शूज़ / हाथ का क्लोज़-अप |
इंटरनेट पर अक्सर कही जाने वाली「कैरेक्टर थ्री-व्यू शीट」(सामने, बगल और पीछे का चेहरा एक ही तस्वीर में बनाना) एनीमेशन इंडस्ट्री की सामान्य कैरेक्टर डिज़ाइन शीट का रूप है। आपकी फिल्म में जो एंगल इस्तेमाल होता है, वही तैयार रखें:《塌了也好看》में मुख्यतः सामने का फ्रेम है, बगल और पीछे का दृश्य कोई ज़रूरी ज़रूरत नहीं है; अगर आपके स्टोरीबोर्ड में साइड प्रोफ़ाइल या पीठ की ओर शॉट हैं, तो संबंधित एंगल को सूची में जोड़ें।
आपको यह दिखना चाहिए: एक एंगल सूची, हर पंक्ति = एक जनरेट की जाने वाली रेफ़रेंस तस्वीर + वह शॉट नंबर जिसकी वह सेवा करती है। सूची में「अच्छा लगे」वाला कोई कॉलम नहीं है—सिर्फ़「कौन सा शॉट इस्तेमाल करेगा」है।
- एंगल सूची पूरी हो गई: हर रेफ़रेंस तस्वीर किसी ठोस शॉट नंबर से जुड़ी है, कोई फ़ालतू तस्वीर नहीं
चरण 2: पहली पसंदीदा फ़ाइनल लुक तस्वीर जनरेट करें—फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ पूरा प्रॉम्प्ट में डालें
क्यों: फ़ाइनल लुक तस्वीर पूरी रेफ़रेंस तस्वीरों की सेट का बेंचमार्क है—चरण 4 के बाकी सभी एंगल इसी से निकलते हैं, और आगे की सभी जाँचों में यही आधार बनती है। बेंचमार्क टेढ़ा चुना तो पूरी सेट टेढ़ी हो जाएगी, इसलिए यह पहले जनरेट होती है।
कैसे करें: प्रॉम्प्ट = फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ (एक शब्द न बदलें, पूरा पेस्ट करें) + एक पंक्ति कंपोज़िशन की माँग (इस कोर्स का टीचिंग टेम्पलेट):
40 साल के आसपास का चीनी फ़ूड डिलीवरी राइडर, चौकोर चेहरा, छोटे काले बाल, त्वचा काली-मिली और खुरदरी, ठोड़ी पर पतली छोटी दाढ़ी,
आँखों के कोने में बारीक झुर्रियाँ, भौंह-आँखें नरम, होंठों के कोने हल्के से नीचे दबे हुए; पीले राइडर वेस्ट, गहरे नीली लंबी बाजू की शर्ट, काली लंबी पैंट,
ग्रे-सफ़ेद पुराने स्पोर्ट्स शूज़ पहने हुए; बाँहों में लाल रिबन बँधा सफ़ेद केक का डिब्बा थामे हुए।
सामने से आधे धड़ का चित्र, एकसमान रोशनी, तटस्थ भाव, सादा बैकग्राउंडपहली तीन पंक्तियाँ कभी नहीं बदलतीं, आख़िरी पंक्ति इस एक तस्वीर का काम बताती है। जनरेशन टूल अपने रूट के हिसाब से चुनें:
तरीका A: लोकल ComfyUI टेक्स्ट-टू-इमेज (लोकल रूट का डिफ़ॉल्ट)
- इमेज जनरेशन मॉडल मशीन के हिसाब से चुनें: Qwen-Image वर्कफ़्लो (20B, टेक्स्ट एनकोडर Qwen2.5-VL, ऑफ़िशियल जानकारी के अनुसार चीनी जैसी भाषाएँ सपोर्ट करता है, फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ सीधे चीनी में पेस्ट करें; वज़न लगभग 19GB, ऑफ़िशियल टेस्ट 24GB GPU से), या और हल्का Z-Image-Turbo (6B, 16GB VRAM पर चल जाता है, 8 स्टेप में तस्वीर तैयार)
- जिन्होंने ComfyUI नहीं चलाया है वे पहले पहली बार इमेज जनरेशन देखें
तरीका B: क्लाउड प्लेटफ़ॉर्म पर इमेज जनरेशन (क्लाउड रूट)
- अपने प्लेटफ़ॉर्म का टेक्स्ट-टू-इमेज फ़ंक्शन इस्तेमाल करें, प्रॉम्प्ट इसी तरह असेंबल करें
- हर प्लेटफ़ॉर्म के इंटरफ़ेस ऑपरेशन और क़ीमत इस कॉलम में सत्यापित नहीं की गईं, प्लेटफ़ॉर्म के अपने ट्यूटोरियल का पालन करें; जनरेशन की संख्या 1.4 लागत और ट्रायल-एंड-एरर रिकॉर्ड शीट में दर्ज करें
आपको यह दिखना चाहिए: कैंडिडेट तस्वीरों में ऊपरी धड़ वाला लाओ चेन दिखे—चौकोर चेहरा, छोटी दाढ़ी, पीला वेस्ट, सफ़ेद केक का डिब्बा सब मौजूद हों; रोशनी सपाट और एकसमान हो, चेहरे का आधा हिस्सा परछाई में दबा न हो; भाव शांत हो, अतिरंजित नहीं। एक बार पसंद न आए तो कुछ और कैंडिडेट निकालें: यह चरण「कार्ड खींचना」है, अगला चरण「कार्ड चुनना」है।
- फ़ाइनल लुक की कुछ कैंडिडेट तस्वीरें निकल आईं, हर एक के प्रॉम्प्ट में फ़िक्स्ड डिस्क्रिप्शन पैराग्राफ़ पूरा मौजूद है
चरण 3: ऑफ़िशियल स्टैंडर्ड से तस्वीर चुनें—एकसमान रोशनी, तटस्थ भाव, कैरेक्टर सेटिंग कार्ड से मद-दर-मद मिलान
क्यों:Runway Gen-4 की आधिकारिक मदद रेफरेंस इमेज इनपुट के लिए सलाह यही है कि रोशनी समान हो और अभिव्यक्ति तटस्थ हो;इस कोर्स में एक और शर्त जोड़ी गई है:सेटिंग कार्ड से मद मद मिलान करें। यह इमेज पूरी फिल्म का बेस चेहरा बनेगी——दिखने में अच्छा होना गौण है, सही होना ही पहली शर्त है।
कैसे करें:हर कैंडिडेट इमेज को तीन स्वीकृति रेखाओं से गुज़ारें(पहली आधिकारिक सलाह है, बाद की दो इस कोर्स की स्वीकृति टेम्पलेट हैं):
| स्वीकृति रेखा | क्या देखें | पास न हो तो क्या करें |
|---|---|---|
| आधिकारिक रेखा | रोशनी समान(आधे चेहरे पर परछाई न हो)、अभिव्यक्ति तटस्थ(न रोए, न हँसे, न गुस्सा करे) | अगली कैंडिडेट लें;सब फेल हों तो चरण 2 पर लौटकर दोबारा जनरेट करें |
| सेटिंग कार्ड रेखा | लुक और कपड़े मद दर मद मिलाएँ:चौकोर चेहरा, छोटे काले बाल, हल्की दाढ़ी, पीला वेस्ट, गहरा नीला फुलस्लीव, सफेद केक बॉक्स लाल रिबन…… | कोई मद गायब हो तो ज़्यादातर विवरण पैराग्राफ पूरा नहीं चिपका या मॉडल ने नज़रअंदाज़ किया, दोबारा जनरेट करें |
| उपयोग रेखा | सामने से आधा शरीर, सादा बैकग्राउंड, चेहरा काफी बड़ा और साफ(आगे बार-बार इससे आँखों से तुलना करनी है) | कंपोज़िशन ठीक न हो तो प्रॉम्प्ट में 「सामने से आधा शरीर पोर्ट्रेट」 को मज़बूत करें, दोबारा जनरेट करें |
यह चरण साथ-साथ में सामग्री एक को भी परखता है:अगर तय विवरण पैराग्राफ की कोई पंक्ति(जैसे 「आँख के कोने की झुर्रियाँ」)बार-बार जनरेट नहीं होती, तो इसका मतलब है कि यह विवरण मॉडल के लिए पर्याप्त प्रभावी नहीं है——3.1 कैरेक्टर सेटिंग कार्ड पर लौटकर इसे और ठोस शब्दों में बदलें, फिर यहाँ आकर दोबारा जनरेट करें। सेटिंग कार्ड लिख लेने के बाद ताले में बंद नहीं होता, पहली जनरेशन ही इसकी जाँच का सही मौका है।
आपको यह दिखना चाहिए:एक 「तीनों रेखाओं से पास」 फाइनल लुक वाली इमेज अलग से रेफरेंस इमेज फोल्डर में सेव हो, फ़ाइल के नाम में कैरेक्टर का नाम और उपयोग हो(जैसे 老陈_定妆照_v1.png;पूरा नामकरण नियम 3.5 सामग्री नामकरण और वर्शन प्रबंधन में एक जैसा है)।
- फाइनल लुक वाली इमेज तीनों रेखाओं से पास:रोशनी समान, अभिव्यक्ति तटस्थ, सेटिंग कार्ड से मद मद मिलान
चरण 4:फाइनल लुक इमेज से कई कोणों वाली कैरेक्टर रेफरेंस इमेजें बनाना
क्यों:बाकी रेफरेंस इमेजें(पूरा शरीर, हिस्से, और ज़रूरत पड़ने पर साइड और बैक)अगर अलग-अलग टेक्स्ट से स्वतंत्र रूप से जनरेट हों, तो 「तीन चेहरे तीन रूप」 वाली पुरानी समस्या लौट आती है। आधिकारिक सलाह वाला चरणबद्ध इटरेशन इसी चरण में लागू होता है:फाइनल लुक इमेज को बेस बनाकर एक-एक करके डिराइव करें, हर कदम पर चेहरा कॉपी करने को मिलता है।
कैसे करें:रेफरेंस इमेज के प्रकार के हिसाब से रास्ता चुनें:
तरीका A(सुझाया गया):एडिट मॉडल से फाइनल लुक इमेज को बदलकर बनाना
- लोकल रूट:FLUX Kontext——आधिकारिक तौर पर इसकी खासियत कैरेक्टर कंसिस्टेंसी है, एक ही कैरेक्टर की कई राउंड एडिटिंग、कपड़े और बैकग्राउंड बदलने के बाद भी चेहरे के फीचर स्थिर रहते हैं। फाइनल लुक इमेज इसमें डालें, अंग्रेज़ी निर्देश से पूरे शरीर की इमेज डिराइव करें(Kontext प्रॉम्प्ट केवल अंग्रेज़ी सपोर्ट करता है;निर्देश लिखने का तरीका और नोड ऑपरेशन उसी पेज पर हैं):
Change to a full-body standing pose, holding the white cake box with a red ribbon,
maintaining the same facial features, hairstyle, and clothing.- क्लाउड रूट:आपके प्लेटफ़ॉर्म में रेफरेंस इमेज / इमेज-टू-इमेज फीचर हो तो उसी का उपयोग करें——Runway का Gen-4 रेफरेंस इमेज ठीक 「जनरेशन के दौरान कैरेक्टर को गाइड करने」 का तंत्र है(आधिकारिक मदद चरण 3 में देखें)। प्लेटफ़ॉर्म ऑपरेशन की पुष्टि इस कॉलम में नहीं की गई, प्लेटफ़ॉर्म के ट्यूटोरियल के हिसाब से चलें।
तरीका B(फॉलबैक):टेक्स्ट-टू-इमेज से दोबारा जनरेट + फाइनल लुक इमेज को तुलना के लिए रखना
- एडिटिंग मॉडल न होने पर: फिक्स्ड विवरण सेगमेंट + नए कंपोज़िशन शब्द (「फुल-बॉडी पोर्ट्रेट」「साइड व्यू」) के साथ दोबारा टेक्स्ट-से-इमेज बनाएँ, जब तक मिलती-जुलती इमेज न आ जाए तब तक कोशिश करते रहें
- हर जेनरेट की गई इमेज की फाइनल लुक फोटो के साथ साथ में तुलना करें, न मिलती हो तो हटा दें — इमेज रेफरेंस न होने पर यह सबसे ज़्यादा रैंडम-ड्रॉ वाला तरीका है, तरीका A संभव हो तो तरीका A ही चुनें
लोकल रेफरेंस जेनरेट करने की ज़रूरत नहीं, सीधे क्रॉप करें: जूते (05) और हाथ (09) पहले से ही फुल-बॉडी इमेज में होते हैं — फुल-बॉडी इमेज से जूते और हाथ के हिस्से को क्रॉप करने पर स्वाभाविक रूप से सुसंगत लोकल रेफरेंस मिल जाता है (यही इस कोर्स का तरीका है, कोई भी इमेज व्यूअर से क्रॉप हो जाता है)।
आपको यह दिखना चाहिए: फोल्डर में लाओ चेन के रेफरेंस इमेज पूरे सेट में हैं — फाइनल लुक फोटो, फुल-बॉडी, जूते, हाथ। साथ में देखें: एक ही इंसान, एक ही कपड़ों का सेट, एक ही केक बॉक्स जैसे लगते हैं।
- पूरे रेफरेंस सेट की साथ में तुलना की गई: चेहरा, वेस्टकोट, पतलून, जूते, केक बॉक्स — हर आइटम मेल खाता है
चरण 5: आर्काइव करें और अगली कड़ी जोड़ें — रेफरेंस इमेज हर शॉट को कैसे दी जाती है
क्यों: रेफरेंस इमेज कोई ऐसी प्रदर्शनी वस्तु नहीं है जो सबमिट के बाद फोल्डर में बंद हो जाए। आगे की प्रक्रिया में इसके दो निश्चित उपयोग हैं; अभी नियम तय कर लें तो आगे हर स्टेशन पर आसानी होगी।
उपयोग एक: शॉट का पहला फ्रेम जेनरेट करते समय इमेज रेफरेंस के रूप में। इमेज-से-वीडियो एक इमेज को पहले फ्रेम के इनपुट के रूप में लेता है (4.1 पहला शॉट इस चेन को पूरा चलाएगा)। कुछ शॉट में लाओ चेन बिल्कुल फ्रेम में नहीं होता (01 की बारिश वाली सीढ़ियाँ, 03 का फोन स्क्रीन, 07 का बॉक्स ढक्कन का क्लोज़-अप) — ऐसे मामलों में दृश्य की पहली-फ्रेम इमेज सीधे काम आती है, जो 3.3 दृश्य रेफरेंस इमेज का काम है। जिन शॉट में लाओ चेन फ्रेम में है, उनके पहले फ्रेम में उसे दृश्य में रखना होता है, दोनों लेयर साथ लगती हैं:
| लेयर | किसका उपयोग | क्या संभालती है |
|---|---|---|
| टेक्स्ट लेयर | फिक्स्ड विवरण सेगमेंट प्रॉम्प्ट में डालें | चेहरा और कपड़े दोबारा लॉक करें |
| इमेज लेयर | रेफरेंस इमेज को इमेज रेफरेंस बनाएँ | मॉडल चेहरा और कपड़े उसी से कॉपी करे |
रूट के हिसाब से: लोकल पर Kontext जैसे एडिटिंग मॉडल से लाओ चेन की रेफरेंस इमेज और दृश्य रेफरेंस इमेज का डबल-इमेज रेफरेंस बनाकर 「लाओ चेन दृश्य में」 वाला पहला फ्रेम जेनरेट करें; क्लाउड पर प्लेटफ़ॉर्म की रेफरेंस-इमेज सुविधा का उपयोग करें।
उपयोग दो: कंटिन्युइटी जाँच के समय तुलना सामग्री के रूप में। 2.5 कंटिन्युइटी जाँच के कैरेक्टर आइटम की तुलना इसी रेफरेंस सेट से होती है — किसी शॉट में चेहरा बदलता दिखे तो पहले 4.3 पहला-आख़िरी फ्रेम नियंत्रण से पिछले शॉट के आख़िरी फ्रेम से आगे बढ़ें, आँखें बंद करके दोबारा रैंडम-ड्रॉ मत करें।
आर्काइविंग नियम (अभी तय करें, 3.5 में विस्तार से): एक कैरेक्टर के लिए एक फोल्डर; फ़ाइल का नाम = कैरेक्टर का नाम_उपयोग_वर्ज़न नंबर (जैसे 老陈_定妆照_v1.png); वर्ज़न नंबर केवल बढ़ेगा, ओवरराइट नहीं होगा — रिट्राई लॉग से यह पता लगाना होगा कि कौन सा वर्ज़न था।
आपको यह देखना चाहिए: रेफरेंस इमेज फ़ोल्डर खुलते ही सब साफ़ दिखता है—कौन-सी बेसलाइन है और कौन-सी इमेज किस शॉट की सेवा करती है, सब समझाया जा सकता है; अगले पाठ 3.3 सीन रेफरेंस इमेज से सीधे काम शुरू।
- रेफरेंस इमेज कैरेक्टर के अनुसार आर्काइव की गईं, फ़ाइलनाम में उपयोग और वर्ज़न नंबर है, पुराने वर्ज़न ओवरराइट नहीं हुए
चेकपॉइंट ✅
- व्यू चेकलिस्ट की हर रेफरेंस इमेज मिल गई: फ़ाइनल लुक शॉट, फ़ुल-बॉडी, क्लोज़-अप (जूते / हाथ)
- फ़ाइनल लुक शॉट ने तीन स्वीकृति जाँचें पास कीं: समान लाइटिंग, न्यूट्रल एक्सप्रेशन, सेटिंग कार्ड से आइटम-दर-आइटम मिलान
- पूरे रेफरेंस इमेज सेट की तुलना साथ-साथ: एक ही व्यक्ति और एक ही कपड़ों जैसे लगें
- रेफरेंस इमेज कैरेक्टर के अनुसार आर्काइव की गईं, फ़ाइलनाम में उपयोग और वर्ज़न नंबर है
- रेफरेंस इमेज के दो उपयोग बता सकते हैं: शॉट का पहला फ़्रेम जनरेट करने में रेफरेंस के लिए, और कंटिन्युइटी जाँच में तुलना के लिए
आम ग़लतियों की चेतावनी
❌ तेज़ लाइट-शैडो और सशक्त मूड वाली इमेज को फ़ाइनल लुक शॉट बनाना
लक्षण: उम्मीदवारों में सबसे «फ़ोटोजेनिक» इमेज साइड बैकलाइट वाली थी, आधा चेहरा परछाई में, उदास एक्सप्रेशन—इसे चुना तो बाद के हर शॉट में जनरेट हुआ लाओ चेन आधे-अधूरे रोशन-अँधेरे चेहरे वाला आया।
कारण: रेफरेंस इमेज मॉडल के लिए «कॉपी» करने हेतु बेस टेम्पलेट है। आधिकारिक सलाह समान लाइटिंग और न्यूट्रल एक्सप्रेशन की है, ठीक इसलिए कि लाइट-शैडो और भावना को बेस टेम्पलेट से हटाया जा सके—बेस टेम्पलेट में जो होगा, बाद के शॉट वही सीखेंगे।
सही तरीका: फ़ाइनल लुक शॉट «पासपोर्ट फ़ोटो सोच» से चुनें: समतल-सपाट लाइटिंग, शांत एक्सप्रेशन, सादा बैकग्राउंड। मूड, बरसाती रात, साइड लाइट—ये सब शॉट लेयर के काम हैं, 4.2 एक्शन और कैमरा मूवमेंट प्रॉम्प्ट में जाकर जोड़ें।
❌ तीन व्यू अलग-अलग जनरेट करना, तीनों चेहरे मेल न खाना
लक्षण: फ़्रंट, साइड, बैक—तीनों इमेज अलग-अलग टेक्स्ट-से-इमेज से निकाली गईं—साथ जोड़ने पर तीन अलग एक्टर जैसी लगीं, साइड-फ़ेस रेफरेंस ने उल्टा शॉट को ग़लत दिशा में धकेला।
कारण: हर इमेज टेक्स्ट से स्वतंत्र रूप से जनरेट हुई, मॉडल ने अपनी-अपनी कल्पना की, चेहरा अवश्य ही ड्रिफ़्ट होता।
सही तरीका: पहले चरण 3 के अनुसार एक फ़ाइनल लुक शॉट तय करें, बाकी व्यू चरण 4 के अनुसार उसी से व्युत्पन्न करें (एडिट मॉडल को प्राथमिकता), हर व्युत्पन्न इमेज को फ़ाइनल लुक शॉट के साथ साथ-साथ तुलना करें।
❌ «सुंदर लेकिन सेटिंग से मेल न खाती» इमेज को हटाने से जी चुराना
लक्षण: किसी उम्मीदवार इमेज में ख़ास अंदाज़ था, बस वेस्टकोट नीला बन गया था—सोचा «इसी पर चलें, बाद में ठीक कर लेंगे»।
कारण: रेफरेंस इमेज बेसलाइन है; बेसलाइन में एक जगह ग़लती होगी तो पूरी फ़िल्म में वही ग़लती दिखेगी; «बाद में ठीक करने» की लागत अभी एक बार और जनरेट करने से कहीं ज़्यादा होती है।
सही तरीका: सेटिंग कार्ड से आइटम-दर-आइटम स्वीकृति जाँचें, एक भी आइटम न मिले तो हटा दें। उस इमेज के अंदाज़ को सच में पसंद है तो उसे 3.4 स्टाइल एकरूपता में स्टाइल रेफरेंस के लिए रखें, कैरेक्टर रेफरेंस के लिए नहीं।
❌ लोकल रूट में Kontext को चीनी निर्देश लिखना
लक्षण: चरण 4 के अनुसार Kontext से फ़ुल-बॉडी इमेज व्युत्पन्न की, निर्देश चीनी में लिखा «इसे फ़ुल-बॉडी खड़े हालत में बदलो», निकली इमेज निर्देश से मेल नहीं खाई।
कारण: Kontext के प्रॉम्प्ट केवल अंग्रेज़ी समर्थित हैं (आधिकारिक ट्यूटोरियल में स्पष्ट कहा गया है), चीनी निर्देश वह सही पढ़ नहीं पाता।
सही तरीका: निर्देश अंग्रेज़ी में लिखें, 「Change …, maintaining the same …」 वाक्य-संरचना का पालन करें; निर्देशों के चार सिद्धांत और उदाहरण FLUX Kontext वर्कफ़्लो में देखें।
उन्नत तकनीकें (वैकल्पिक)
लाओ चेन को「काम के अनुसार अभिनय करने」 के लिए एक उन्नत दिशा है: Wan2.2 परिवार का Wan-Animate-14B, जिसमें एक वीडियो + एक किरदार की तस्वीर इनपुट की जाती है — animation मोड किरदार की तस्वीर के पात्र को वीडियो में व्यक्ति के हाव-भाव की नकल करने देता है, और replacement मोड वीडियो के व्यक्ति को किरदार की तस्वीर से बदल देता है (आधिकारिक रिपॉज़िटरी का विवरण)। यह अभ्यास फ़िल्म का मुख्य मार्ग नहीं है, बस इतना जान लें कि ऐसा कुछ मौजूद है — फ़िल्म बनने के बाद मोशन ट्रांसफ़र के साथ खेलना चाहें तब आएँ।
इस पाठ का सारांश
✅ इस पाठ में सामग्री दो: बहु-दृष्टिकोण AI किरदार संदर्भ चित्र तैयार हुआ:
- दृष्टिकोण सूची स्टोरीबोर्ड से उल्टी खोज से बनती है — शॉट में कौन-सा शॉट टाइप उपयोग होता है, संदर्भ चित्र वही तैयार रखें
- फ़ाइनल लुक फ़ोटो आधार है: निश्चित विवरण खंड पूरा प्रॉम्प्ट में जाता है, आधिकारिक सलाह (समान प्रकाश, तटस्थ भाव) + सेटिंग कार्ड से मद-दर-मद जाँच करें
- बहु-दृष्टिकोण फ़ाइनल लुक फ़ोटो से व्युत्पन्न होते हैं, टेक्स्ट से अलग-अलग जनरेट नहीं — चरणबद्ध पुनरावृत्ति आधिकारिक सलाह है, और कार्ड-खींचने में सबसे किफ़ायती रास्ता भी
- आंशिक संदर्भ सीधे पूर्ण-शरीर चित्र से काटें, स्वाभाविक रूप से संगत
- संदर्भ चित्र मार्गदर्शन है, गारंटी नहीं: शेष विचलन 2.5 निरंतरता जाँच से पकड़ें, 4.3 पहला-आख़िरी फ़्रेम से सहारा लें
- पहली जनरेशन के साथ सेटिंग कार्ड की जाँच हो गई — जो विवरण चित्रित नहीं हो पाता, 3.1 में जाकर बदलें
मुख्य समझौतों की समीक्षा:
| समझौता | अनुशंसित मान | विवरण |
|---|---|---|
| फ़ाइनल लुक फ़ोटो संरचना | सामने से आधा शरीर, सादा बैकग्राउंड | समान प्रकाश, तटस्थ भाव (Runway Gen-4 आधिकारिक सलाह) |
| प्रॉम्प्ट असेंबली | निश्चित विवरण खंड पूरा + एक पंक्ति संरचना शब्द | विवरण खंड बिना बदलाव; संरचना शब्द प्रति-चित्र बदलें |
| बहु-दृष्टिकोण स्रोत | फ़ाइनल लुक फ़ोटो से व्युत्पन्न (एडिट मॉडल / क्रॉप) | अलग-अलग टेक्स्ट-से-चित्र नहीं, कई चेहरों से बचें |
| आंशिक संदर्भ | पूर्ण-शरीर चित्र से क्रॉप | जूते, हाथ स्वाभाविक रूप से संगत |
| संग्रहण | किरदार-नाम_उपयोग_vसंस्करण-संख्या | एक किरदार एक फ़ोल्डर, संस्करण केवल बढ़ते हैं, अधिलेखित नहीं |
अगले पाठ की झलक
किरदार तय हो गया, अब जगह तय करने की बारी है। अगला पाठ 3.3 सीन रेफरेंस इमेज: पहले लोकेशन तय करें, फिर कैमरा चालू करें—— आउटपुट असेट तीन: फुटओवर ब्रिज, मूसलाधार बारिश और सीढ़ियाँ एक ही बार में तय कर दें, और सीन इमेज सीधे इमेज-टू-वीडियो की पहली फ्रेम के तौर पर इस्तेमाल होगी।
आप सीखेंगे:
- सिंगल-सीन प्रैक्टिस फिल्म में लोकेशन पहले तय करना और भी ज़रूरी क्यों है
- सीन रेफरेंस इमेज के प्रॉम्प्ट में माहौल कैसे लिखें
- सीन इमेज को सीधे इमेज-टू-वीडियो की पहली फ्रेम के तौर पर कैसे इस्तेमाल करें
- सीन इमेज और लाओ चेन की रेफरेंस इमेज से 「किरदार सीन में」 वाला शॉट की पहली फ्रेम कैसे बनाएँ
संबंधित ट्यूटोरियल
- ComfyUI Qwen-Image वर्कफ़्लो—— लोकल रूट से फ़ाइनल लुक जनरेट करने के मॉडल और नोड ऑपरेशन
- FLUX Kontext वर्कफ़्लो—— फ़ाइनल लुक से कई व्यू बनाने वाला एडिटिंग मॉडल और अंग्रेज़ी इंस्ट्रक्शन लिखने का तरीका
- स्टाइल एकरूपता: पूरी फिल्म को एक ही दुनिया जैसा बनाएँ—— रेफरेंस इमेज का पूरा सेट बनने के बाद पूरी फिल्म की स्टाइल को एक साथ कैसे मैनेज करें