Consistente Karakters met Flux

Deze Consistente Karakters met Flux workflow is gemaakt door . We raden ten zeerste aan om zijn gedetailleerde tutorial te bekijken om te leren hoe je deze krachtige Consistente Karakters workflow effectief kunt gebruiken. Hoewel we de Consistente Karakters workflow hebben gereproduceerd en de omgeving voor uw gemak hebben opgezet, gaat alle eer naar Mickmumpitz voor zijn uitstekende werk aan het ontwikkelen van deze Flux-gebaseerde Consistente Karakters oplossing.

De Consistente Karakters met Flux

De Consistente Karakters Workflow met Flux is een krachtig ComfyUI-hulpmiddel dat de consistentie van AI-gegenereerde karakters over meerdere uitvoeringen behoudt. Het is ideaal voor het maken van cinematografische AI-films, kinderboeken of elk project dat stabiele Consistente Karakters verschijningen vereist. Deze Flux-gebaseerde workflow stroomlijnt het proces van het bereiken van uniforme Consistente Karakters verschijningen, waardoor de behoefte aan meerdere prompts en fijn afstemmen wordt verminderd. Door gebruik te maken van het Flux.1 dev model, verbetert het de stabiliteit van gegenereerde Consistente Karakters, waardoor ze dezelfde uitstraling behouden, of ze nu geanimeerd of realistisch gerenderd zijn.

Hoe de Consistente Karakters met Flux Workflow te gebruiken?

De Consistente Karakters Workflow met Flux is verdeeld in vier modules (Karakters Generatie, Upsacle + Gezichtsherstel, Houdingen, Emoties), elk ontworpen om het proces van het genereren van Consistente Karakters met een uniforme verschijning over meerdere uitvoeringen te stroomlijnen.

Snelle Groepen Demper (rgthree) Node

Na het laden van de Snelle Groepen Demper (rgthree) node, worden modules 2, 3 en 4 automatisch uitgevoerd en is er geen extra setup vereist. Deze node bedient de schakelaars voor alle vier de modules, waardoor het Consistente Karakters proces soepeler en efficiënter verloopt.

Snelle Groepen Demper (rgthree) Node Controle module schakelaar (ja/nee).

1. Karakters Generatie

Deze module maakt gebruik van de Flux-modellen en het Flux ControlNet-model om een Consistente Karakters tabel te genereren door het generatieproces te begeleiden met prompts. De invoer, die een poseblad is, dient als referentie om de Consistente Karakters generatie te sturen. Door het opstellen van geschikte prompts, kunt u het model sturen om gewenste Consistente Karakters bladen te maken.

Hier zijn enkele promptvoorbeelden:

Een karakterblad met een Amerikaanse vrouw die een jas draagt, gekleed in herfstmode, met een neutrale uitdrukking. Het blad moet een witte achtergrond hebben, meerdere weergaven vanuit verschillende hoeken en een zichtbaar gezichtsportret. De algehele stijl moet lijken op een meesterwerkfotografie.

Een karakterblad dat een elfenboswachter afbeeldt die een mantel van herfstbladeren draagt, gekleed in boskleuren, met een vastberaden uitdrukking. Het blad moet een perkament achtergrond hebben, meerdere weergaven vanuit verschillende hoeken en een zichtbaar gezichtsportret. De boswachter moet vergezeld zijn van een majestueuze hert, met een lange boog en koker op haar rug. De algehele stijl moet lijken op een meesterwerk digitale schilderij van een vrouwelijke elf met lang goudblond haar.

Tip: Als het gegenereerde Consistente Karakters blad niet aan uw verwachtingen voldoet, probeer dan de zaadwaarde aan te passen om de uitvoer met variaties opnieuw te genereren.

2. Upsacle + Gezichtsherstel

2.1 Ultieme SD Upscale

Ultieme SD Upscale is een node die wordt gebruikt in beeldgeneratiepijplijnen om de beeldresolutie te verbeteren door het beeld op te delen in kleinere tegels, elk afzonderlijk te verwerken en ze vervolgens weer samen te voegen. Dit proces maakt het mogelijk om afbeeldingen met hoge resolutie te genereren terwijl het geheugengebruik wordt beheerd en artefacten worden verminderd die kunnen optreden bij het opschalen.

Parameters:

• upscale_by: De factor waarmee de breedte en hoogte van het beeld worden vermenigvuldigd. Voor precieze afmetingen, gebruik de "No Upscale" versie.
• seed: Beheert de willekeurigheid in het generatieproces. Het gebruik van dezelfde zaadwaarde levert dezelfde resultaten op.
• control_after_generate: Past de beelddetails aan na de generatie.
• steps: Het aantal iteraties tijdens beeldgeneratie. Meer stappen resulteren in fijnere details maar een langere verwerkingstijd.
• cfg: Classifier-Free Guidance schaal die aanpast hoe strikt het model de invoerprompts volgt.
• sampler_name: Specificeert de bemonsteringsmethode die wordt gebruikt voor beeldgeneratie.
• scheduler: Definieert hoe computatiebronnen worden toegewezen tijdens de generatie.
• denoise: Beheert het niveau van ruisverwijdering, wat invloed heeft op het behoud van details van het originele beeld. Aanbevolen: 0.35 voor verbetering, 0.15-0.20 voor minimale wijzigingen.
• mode_type: Bepaalt de verwerkingsmodus, zoals hoe tegels worden verwerkt.
• tile_width en tile_height: Afmetingen van de tegels die worden gebruikt bij het verwerken. Grotere afmetingen verminderen naden maar vereisen meer geheugen.
• mask_blur: Vervaagt de randen van de maskers die worden gebruikt voor tegelmenging, waardoor overgangen tussen tegels worden verzacht.
• tile_padding: Aantal pixels van naburige tegels dat in aanmerking wordt genomen tijdens verwerking om naden te verminderen.
• seam_fix_mode: Methode voor het corrigeren van zichtbare naden tussen tegels:
  • Bands pass: Corrigeert naden langs rijen en kolommen.
  • Half tile offset pass: Past een offset toe om naden beter te mengen.
  • Half tile offset + intersections pass: Bevat extra passes bij kruispunten.
• seam_fix_denoise: Sterkte van ruisreductie tijdens naadcorrectie.
• seam_fix_width: Breedte van de gebieden die tijdens naadcorrectie worden verwerkt.
• seam_fix_mask_blur: Vervaagt het masker voor soepelere naadcorrecties.
• seam_fix_padding: Opvulling rond naden tijdens correctie om soepelere resultaten te garanderen.
• force_uniform_tiles: Zorgt ervoor dat tegels een uniforme grootte behouden door randtegels indien nodig uit te breiden, waardoor artefacten worden geminimaliseerd.
• tiled_decode: Verwerkt beeldtegels individueel om het geheugengebruik tijdens hoge-resolutie generatie te verminderen.
• Doelgrootte type: Bepaalt hoe de uiteindelijke beeldgrootte wordt ingesteld:
  • Vanuit img2img instellingen: Gebruikt standaard breedte en hoogte.
  • Aangepaste grootte: Staat handmatige breedte- en hoogte-instelling toe (max 8192px).
  • Schaal van beeldgrootte: Schaal op basis van de initiële beeldgrootte.
• Upscaler: De methode voor het opschalen van beelden voordat verdere verwerking plaatsvindt (bijv. ESRGAN).
• Opnieuw tekenen: Beheert hoe het beeld opnieuw wordt getekend:
  • Lineair: Verwerkt tegels opeenvolgend.
  • Schaakbord: Gebruikt een schaakbordpatroon voor verwerking om artefacten te verminderen.
  • Geen: Schakelt opnieuw tekenen uit, richt zich alleen op naadcorrectie.

2.2. FaceDetailer (pipe)

FaceDetailerPipe is een node ontworpen om gezichtsdetails in beelden te verbeteren, met gebruik van geavanceerde beeldverwerkingstechnieken om de scherpte en helderheid van gelaatskenmerken te verbeteren. Het is onderdeel van het ComfyUI Impact Pack, met als doel hoogwaardige gezichtsdetailverbeteringen te bieden voor verschillende toepassingen.

Parameters:

• image: Het invoerbeeld dat moet worden verbeterd, dient als het hoofdonderwerp voor gezichtsdetails.
• guide_size: Een parameter die de grootte van het begeleidingsgebied beheert dat wordt gebruikt voor het verbeteren van gelaatskenmerken, wat invloed heeft op hoeveel context in overweging wordt genomen.
• guide_size_for: Bepaalt of de gidsgrootte moet worden toegepast voor specifieke regio's.
• max_size: Stelt de maximale grootte limiet in voor verwerkte beelden, waardoor geheugenbeheer wordt gewaarborgd.
• seed: Beheert de willekeurigheid in het beeldverbeteringsproces, waardoor reproduceerbare resultaten mogelijk zijn bij gebruik van dezelfde zaadwaarde.
• steps: Het aantal iteraties voor het verbeteren van details. Meer stappen resulteren in fijnere details maar vereisen meer verwerkingstijd.
• cfg: De Classifier-Free Guidance schaal, die aanpast hoe nauwkeurig het model de invoerbegeleiding volgt.
• sampler_name: Definieert de bemonsteringsmethode die wordt gebruikt voor detailverfijning.
• scheduler: Bepaalt de computationele planningsstrategie tijdens verwerking.
• denoise: Beheert de sterkte van ruisreductie die wordt toegepast tijdens het verbeteringsproces. Lagere waarden behouden meer originele details, terwijl hogere waarden soepelere resultaten opleveren.
• feather: Beheert de soepelheid van de overgang tussen verbeterde en originele gebieden, wat helpt om de veranderingen naadloos te mengen.
• noise_mask: Schakelt het gebruik van een ruismasker in of uit om specifieke gebieden voor ruisreductie te richten.
• force_inpaint: Dwingt inpainting in gebieden die extra verbetering of correcties nodig hebben.
• bbox_threshold: Stelt de drempel in voor het detecteren van begrenzingskaders rond gelaatskenmerken, wat invloed heeft op de gevoeligheid.
• bbox_dilation: Breidt de gedetecteerde begrenzingskadergebieden uit om ervoor te zorgen dat alle relevante kenmerken worden meegenomen tijdens verbetering.
• bbox_crop_factor: Past de uitsnijdfactor aan voor gedetecteerde begrenzingskaders, wat het focusgebied voor verbetering beheerst.
• sam_detection_hint: Specificeert aanvullende hints of gidsen voor het detectieproces.
• sam_dilation: Past de dilatatie toe op de gedetecteerde gebieden, waardoor bredere dekking mogelijk is.
• sam_threshold: Definieert de drempel voor detectiegevoeligheid binnen het SAM (Segment Anything Model) proces.
• sam_bbox_expansion: Breidt de begrenzingskaders gedetecteerd door het SAM uit, wat helpt om meer omringende context op te nemen.
• sam_mask_hint_threshold: Past de drempel aan voor de mask hints verstrekt door SAM, wat bepaalt hoe regio's worden gedefinieerd voor maskering.
• sam_mask_hint_use_negative: Bepaalt of negatieve hints moeten worden gebruikt, wat invloed heeft op de maskering van bepaalde regio's.
• drop_size: Stelt de grootte in van de druppels die worden toegepast tijdens het verbeteringsproces, wat invloed kan hebben op het niveau van verfijning.
• refiner_ratio: Beheert de verhouding voor het verfijnen van gezichtsdetails, balancerend tussen het behouden van originele kenmerken en het toevoegen van helderheid.
• cycle: Specificeert het aantal verfijningscycli dat moet worden toegepast, wat de diepte van de verbetering beïnvloedt.
• inpaint_model (Optioneel): Schakelt het gebruik van een inpaint-model in voor het invullen van ontbrekende of onduidelijke gebieden tijdens het detailleren.
• noise_mask_feather: Past de vervaging van het ruismasker aan, wat een soepelere overgang biedt tussen ruisige en geruisloze gebieden.

3. Houdingen

Deze module stelt u in staat om de beelduitsnijdingsnode te gebruiken om elke houding van het gegenereerde karakterblad te scheiden en individuele houdingen van het karakter op te slaan voor verder gebruik of aanpassingen.

4. Emoties

Deze module maakt gebruik van de Foto Expressie Editor (PHM) node om gelaatsuitdrukkingen in foto's aan te passen. De parameters maken fijnafstemming van verschillende gelaatsaspecten mogelijk, zoals hoofdbewegingen, knipperen en glimlachen

Expressie Editor Parameters：

• rotate_pitch: Beheert de op-en-neer beweging van het hoofd.
• rotate_yaw: Past de zijwaartse beweging van het hoofd aan.
• rotate_roll: Bepaalt de kantelhoek van het hoofd.
• blink: Beheert de intensiteit van oogknipperingen.
• eyebrow: Past wenkbrauwbewegingen aan.
• wink: Beheert knipogen.
• pupil_x: Verplaatst de pupillen horizontaal.
• pupil_y: Verplaatst de pupillen verticaal.
• aaa: Beheert de mondvorm voor de "aaa" klinkerklank.
• eee: Beheert de mondvorm voor de "eee" klinkerklank.
• woo: Beheert de mondvorm voor de "woo" klinkerklank.
• smile: Past de mate van een glimlach aan.
• src_ratio: Bepaalt de verhouding van de bronuitdrukking die moet worden toegepast.
• sample_ratio: Bepaalt de verhouding van de voorbeelduitdrukking die moet worden toegepast.
• sample_parts: Specificeert welke delen van de voorbeelduitdrukking moeten worden toegepast ("OnlyExpression", "OnlyRotation", "OnlyMouth", "OnlyEyes", "All").
• crop_factor: Beheert de uitsnijdfactor van het gezichtsgebied.

Flux-modellen en de gestroomlijnde modules van de workflow maken het voor u eenvoudig om Consistente Karakters verschijningen over verschillende uitvoeringen te behouden. U zult in staat zijn uw karakters tot leven te brengen als nooit tevoren, waardoor een werkelijk meeslepende ervaring voor uw publiek wordt gecreëerd!