Konsistente Karakterer med Flux

Dette Konsistente Karakterer med Flux-workflow blev skabt af . Vi anbefaler stærkt at tjekke hans detaljerede tutorial for at lære, hvordan man bruger dette kraftfulde Konsistente Karakterer-workflow effektivt. Mens vi har gengivet Konsistente Karakterer-workflowet og sat miljøet op for din bekvemmelighed, går al kredit til Mickmumpitz for hans fremragende arbejde med at udvikle denne Flux-baserede Konsistente Karakterer-løsning.

Konsistente Karakterer med Flux

Konsistente Karakterer Workflow med Flux er et kraftfuldt ComfyUI-værktøj, der opretholder konsistensen af AI-genererede karakterer på tværs af flere outputs. Det er ideelt til at skabe filmiske AI-film, børnebøger eller ethvert projekt, der kræver stabile Konsistente Karakterer udseender. Dette Flux-baserede workflow strømliner processen med at opnå ensartede Konsistente Karakterer udseender, hvilket reducerer behovet for flere prompts og finjustering. Ved at anvende Flux.1 dev-modellen forbedrer det stabiliteten af genererede Konsistente Karakterer, hvilket sikrer, at de opretholder det samme udseende og følelse, uanset om de er animerede eller realistisk gengivet.

Hvordan bruger man Konsistente Karakterer med Flux Workflow?

Konsistente Karakterer Workflow med Flux er opdelt i fire moduler (Karaktergenerering, Upsacle + Ansigtsfix, Poser, Følelser), hver designet til at strømline processen med at generere Konsistente Karakterer med et ensartet udseende på tværs af flere outputs.

Fast Groups Muter (rgthree) Node

Efter indlæsning af Fast Groups Muter (rgthree) noden, udføres modulerne 2, 3 og 4 automatisk, og ingen yderligere opsætning er nødvendig. Denne node styrer kontakterne for alle fire moduler, hvilket gør Konsistente Karakterer-processen glattere og mere effektiv.

Fast Groups Muter (rgthree) Node Kontrolmodulskifte (ja/nej).

1. Karaktergenerering

Dette modul anvender Flux-modellerne og Flux ControlNet-modellen til at generere en Konsistente Karakterer-tabel ved at guide genereringsprocessen med prompts. Inputtet, som er et poseskema, fungerer som en reference til at lede Konsistente Karakterer-genereringen. Ved at udforme passende prompts kan du styre modellen til at skabe ønskede Konsistente Karakterer-ark.

Her er nogle prompt-eksempler:

Et karakterark med en amerikansk kvinde iført en frakke, klædt i efterårsmode, med et neutralt udtryk. Arket skal have en hvid baggrund, flere visninger fra forskellige vinkler og et synligt ansigtsportræt. Den overordnede stil skal ligne et mesterværkfotografi.

Et karakterark, der skildrer en elverjæger iført en kappe lavet af efterårsblade, klædt i skovfarver, med et beslutsomt udtryk. Arket skal have en pergamentbaggrund, flere visninger fra forskellige vinkler og et synligt ansigtsportræt. Jægeren skal ledsages af en majestætisk hjort, bærende en langbue og kogger på ryggen. Den overordnede stil skal ligne et mesterværk digitalt maleri af en kvindelig elver med langt gyldent hår.

Tip: Hvis det genererede Konsistente Karakterer-ark ikke opfylder dine forventninger, prøv at justere frøværdien for at generere output med variationer.

2. Upsacle + Ansigtsfix

2.1 Ultimate SD Upscale

Ultimate SD Upscale er en node, der bruges i billedgenereringspipeline til at forbedre billedopløsningen ved at opdele billedet i mindre fliser, behandle hver flise individuelt og derefter sy dem sammen igen. Denne proces gør det muligt at generere højopløsningsbilleder, mens hukommelsesbrug håndteres og artefakter reduceres, der kan opstå ved opskalering.

Parametre:

• upscale_by: Faktoren, hvormed billedets bredde og højde ganges. For præcise dimensioner, brug versionen "No Upscale".
• seed: Styrer tilfældigheden i genereringsprocessen. Brug af samme frø giver de samme resultater.
• control_after_generate: Justerer billeddetaljerne efter generering.
• steps: Antallet af iterationer under billedgenerering. Flere trin resulterer i finere detaljer, men længere behandlingstid.
• cfg: Classifier-Free Guidance-skala, der justerer, hvor strengt modellen følger input-prompts.
• sampler_name: Angiver prøvetagningsmetoden, der bruges til billedgenerering.
• scheduler: Definerer, hvordan beregningsressourcer allokeres gennem genereringen.
• denoise: Styrer niveauet af støjfjernelse, hvilket påvirker detaljebevaringen fra det oprindelige billede. Anbefalet: 0.35 for forbedring, 0.15-0.20 for minimale ændringer.
• mode_type: Bestemmer behandlingsmodusen, såsom hvordan fliserne behandles.
• tile_width og tile_height: Dimensioner af fliserne, der bruges i behandlingen. Større størrelser reducerer sømme, men kræver mere hukommelse.
• mask_blur: Slører kanterne af de masker, der bruges til flisesammensmeltning, og udglatter overgange mellem fliser.
• tile_padding: Antallet af pixels fra nabofliser, der betragtes under behandlingen for at reducere sømme.
• seam_fix_mode: Metode til at rette synlige sømme mellem fliser:
  • Bands pass: Retter sømme langs rækker og kolonner.
  • Half tile offset pass: Anvender en forskydning for bedre at blande sømme.
  • Half tile offset + intersections pass: Inkluderer yderligere passager ved skæringspunkter.
• seam_fix_denoise: Styrken af støjreduktion under sømrettelse.
• seam_fix_width: Bredden af de områder, der behandles under sømrettelse.
• seam_fix_mask_blur: Slører masken for glattere sømkorrektioner.
• seam_fix_padding: Polstring omkring sømme under korrektion for at sikre glattere resultater.
• force_uniform_tiles: Sikrer, at fliser opretholder en ensartet størrelse ved at udvide kantfliser, når det er nødvendigt, for at minimere artefakter.
• tiled_decode: Behandler billedfliser individuelt for at reducere hukommelsesbrug under højopløsningsgenerering.
• Målstørrelse type: Bestemmer, hvordan den endelige billedstørrelse indstilles:
  • Fra img2img-indstillinger: Bruger standard bredde og højde.
  • Brugerdefineret størrelse: Tillader manuel indstilling af bredde og højde (maks. 8192px).
  • Skalering fra billedstørrelse: Skalerer baseret på den oprindelige billedstørrelse.
• Upscaler: Metoden til opskalering af billeder før yderligere behandling (f.eks. ESRGAN).
• Tegne igen: Styrer, hvordan billedet tegnes igen:
  • Lineær: Behandler fliser sekventielt.
  • Skak: Bruger et skakbrætmønster til behandling for at reducere artefakter.
  • Ingen: Deaktiverer tegning igen, fokuserer kun på sømrettelse.

2.2. FaceDetailer (pipe)

FaceDetailerPipe er en node designet til at forbedre ansigtsdetaljer i billeder ved hjælp af avancerede billedbehandlingsteknikker for at forbedre skarpheden og klarheden af ansigtstræk. Det er en del af ComfyUI Impact Pack, der har til formål at levere høj kvalitet af ansigtsdetaljering til forskellige anvendelser.

Parametre:

• image: Det inputbillede, der skal forbedres, og som fungerer som hovedemnet for ansigtsdetaljering.
• guide_size: En parameter, der styrer størrelsen af det vejledende område, der bruges til at forbedre ansigtstræk, hvilket påvirker, hvor meget kontekst der tages i betragtning.
• guide_size_for: Bestemmer, om guide-størrelsen skal anvendes for specifikke områder.
• max_size: Angiver den maksimale størrelsesgrænse for behandlede billeder for at sikre hukommelsesstyring.
• seed: Styrer tilfældigheden i billedforbedringsprocessen, hvilket muliggør reproducerbare resultater ved brug af samme frø.
• steps: Antallet af iterationer til forbedring af detaljer. Flere trin resulterer i finere detaljer, men kræver mere behandlingstid.
• cfg: Classifier-Free Guidance-skalaen, der justerer, hvor tæt modellen følger inputguiden.
• sampler_name: Definerer prøvetagningsmetoden, der bruges til detaljeforfining.
• scheduler: Bestemmer den beregningsmæssige planlægningsstrategi under behandlingen.
• denoise: Styrer styrken af støjreduktion, der anvendes under forbedringsprocessen. Lavere værdier bevarer flere originale detaljer, mens højere værdier giver glattere resultater.
• feather: Styrer glatheden af overgangen mellem forbedrede og originale områder, hvilket hjælper med at blande ændringerne problemfrit.
• noise_mask: Aktiverer eller deaktiverer brugen af en støjmaske til at målrette specifikke områder for støjreduktion.
• force_inpaint: Tvinger indmaling i områder, der har brug for yderligere forbedring eller korrektioner.
• bbox_threshold: Angiver tærsklen for detektering af afgrænsningsbokse omkring ansigtstræk, hvilket påvirker følsomheden.
• bbox_dilation: Udvider de detekterede afgrænsningsbokse for at sikre, at alle relevante træk er inkluderet under forbedringen.
• bbox_crop_factor: Justerer beskæringsfaktoren for de detekterede afgrænsningsbokse, der kontrollerer fokusområdet for forbedring.
• sam_detection_hint: Angiver yderligere hints eller retningslinjer for detektionsprocessen.
• sam_dilation: Justerer dilationen anvendt på de detekterede regioner, hvilket tillader bredere dækning.
• sam_threshold: Definerer tærsklen for detektionsfølsomhed inden for SAM (Segment Anything Model) processen.
• sam_bbox_expansion: Udvider de afgrænsningsbokse, der detekteres af SAM, og hjælper med at inkludere mere omkringliggende kontekst.
• sam_mask_hint_threshold: Justerer tærsklen for maskeringshenvisningerne, der gives af SAM, og kontrollerer, hvordan regioner defineres til maskering.
• sam_mask_hint_use_negative: Bestemmer, om negative hints skal bruges, hvilket påvirker maskeringen af visse regioner.
• drop_size: Angiver størrelsen af de dråber, der anvendes under forbedringsprocessen, hvilket kan påvirke niveauet af forfining.
• refiner_ratio: Styrer forholdet for forfining af ansigtsdetaljer, der balancerer mellem at bevare originale træk og tilføje klarhed.
• cycle: Angiver antallet af forfiningscyklusser, der skal anvendes, hvilket påvirker dybden af forbedringen.
• inpaint_model (Valgfrit): Aktiverer brugen af en indmalingsmodel til at udfylde manglende eller uklare områder under detaljeringen.
• noise_mask_feather: Justerer fjerningen af støjmasken, hvilket giver en glattere overgang mellem støjende og støjfri områder.

3. Poser

Dette modul giver dig mulighed for at bruge billedbeskæringsnoden til at adskille hver pose fra det genererede karakterark og gemme individuelle poser af karakteren til videre brug eller justeringer.

4. Følelser

Dette modul anvender Photo Expression Editor (PHM) noden til at justere ansigtsudtryk på fotos. Parametrene tillader finjustering af forskellige ansigtstræk, såsom hovedbevægelser, blink og smil

Expression Editor Parameters：

• rotate_pitch: Styrer hovedets op-og-ned bevægelse.
• rotate_yaw: Justerer hovedets side-til-side bevægelse.
• rotate_roll: Bestemmer hovedets hældningsvinkel.
• blink: Styrer intensiteten af øjenblink.
• eyebrow: Justerer øjenbrynsbevægelser.
• wink: Styrer blinken.
• pupil_x: Flytter pupillerne vandret.
• pupil_y: Flytter pupillerne lodret.
• aaa: Styrer mundformen for vokallyden "aaa".
• eee: Styrer mundformen for vokallyden "eee".
• woo: Styrer mundformen for vokallyden "woo".
• smile: Justerer graden af et smil.
• src_ratio: Bestemmer forholdet af den kildeudtryk, der skal anvendes.
• sample_ratio: Bestemmer forholdet af prøveudtrykket, der skal anvendes.
• sample_parts: Angiver, hvilke dele af prøveudtrykket der skal anvendes ("OnlyExpression", "OnlyRotation", "OnlyMouth", "OnlyEyes", "All").
• crop_factor: Styrer beskæringsfaktoren af ansigtsregionen.

Flux-modeller og workflow'ets strømlinede moduler gør det nemt for dig at opretholde Konsistente Karakterer udseender på tværs af forskellige outputs. Du vil være i stand til at bringe dine karakterer til live som aldrig før og skabe en virkelig fordybende oplevelse for dit publikum!