Consistent Characters with Flux

Ten workflow Consistent Characters with Flux został stworzony przez . Gorąco polecamy zapoznanie się z jego szczegółowym tutorialem, aby nauczyć się jak skutecznie korzystać z tego potężnego workflowu Consistent Characters. Chociaż odtworzyliśmy workflow Consistent Characters i skonfigurowaliśmy środowisko dla Twojej wygody, cała zasługa należy się Mickmumpitz za jego doskonałą pracę nad opracowaniem tego rozwiązania Consistent Characters opartego na Flux.

The Consistent Characters with Flux

Workflow Consistent Characters with Flux to potężne narzędzie ComfyUI, które utrzymuje spójność generowanych przez AI postaci w wielu wynikach. Jest idealne do tworzenia filmów AI, książek dla dzieci lub jakiegokolwiek projektu wymagającego stabilnego wyglądu Consistent Characters. Ten workflow oparty na Flux upraszcza proces osiągania jednolitych wyglądów Consistent Characters, zmniejszając potrzebę wielu promptów i dostrajania. Wykorzystując model Flux.1 dev, zwiększa stabilność generowanych Consistent Characters, zapewniając, że utrzymują ten sam wygląd, niezależnie od tego, czy są animowane, czy renderowane realistycznie.

Jak korzystać z workflowu Consistent Characters with Flux?

Workflow Consistent Characters with Flux jest podzielony na cztery moduły (Generowanie Postaci, Upscale + Face Fix, Poses, Emotions), każdy zaprojektowany, by uprościć proces generowania Consistent Characters z jednolitym wyglądem w wielu wynikach.

Węzeł Fast Groups Muter (rgthree)

Po załadowaniu węzła Fast Groups Muter (rgthree), moduły 2, 3 i 4 są wykonywane automatycznie, i nie jest wymagane dodatkowe ustawienie. Ten węzeł kontroluje przełączniki dla wszystkich czterech modułów, czyniąc proces Consistent Characters płynniejszym i bardziej efektywnym.

Fast Groups Muter (rgthree) Węzeł Kontrola przełącznika modułu (tak/nie).

1. Generowanie Postaci

Ten moduł wykorzystuje modele Flux i model Flux ControlNet do generowania tabeli Consistent Characters, kierując proces generacji za pomocą promptów. Wejście, którym jest arkusz pozycji, służy jako odniesienie do kierowania generacją Consistent Characters. Poprzez tworzenie odpowiednich promptów, możesz sterować modelem, aby stworzyć pożądane arkusze Consistent Characters.

Oto kilka przykładów promptów:

Arkusz postaci przedstawiający amerykańską kobietę w płaszczu, ubraną w jesienną modę, z neutralnym wyrazem twarzy. Arkusz powinien mieć białe tło, wiele widoków z różnych kątów i widoczny portret twarzy. Cały styl powinien przypominać mistrzowską fotografię.

Arkusz postaci przedstawiający elfiego zwiadowcę w płaszczu z jesiennych liści, ubrany w leśne kolory, z zdeterminowanym wyrazem twarzy. Arkusz powinien mieć tło z pergaminu, wiele widoków z różnych kątów i widoczny portret twarzy. Zwiadowca powinien być w towarzystwie majestatycznego jelenia, noszącego długi łuk i kołczan na plecach. Cały styl powinien przypominać mistrzowskie cyfrowe malarstwo elfki z długimi złotymi włosami.

Wskazówka: Jeśli wygenerowany arkusz Consistent Characters nie spełnia Twoich oczekiwań, spróbuj dostosować wartość seed, aby wygenerować wynik z wariacjami.

2. Upscale + Face Fix

2.1 Ultimate SD Upscale

Ultimate SD Upscale to węzeł używany w pipeline'ach generacji obrazów do zwiększania rozdzielczości obrazów poprzez dzielenie obrazu na mniejsze kafelki, przetwarzanie każdego kafelka indywidualnie, a następnie ich łączenie. Ten proces pozwala na generowanie obrazów w wysokiej rozdzielczości przy jednoczesnym zarządzaniu zużyciem pamięci i redukcji artefaktów, które mogą wystąpić podczas skalowania.

Parametry:

• upscale_by: Współczynnik, przez który szerokość i wysokość obrazu są mnożone. Dla precyzyjnych wymiarów użyj wersji "No Upscale".
• seed: Kontroluje losowość w procesie generacji. Użycie tego samego seed daje te same wyniki.
• control_after_generate: Dostosowuje szczegóły obrazu po generacji.
• steps: Liczba iteracji podczas generacji obrazu. Więcej kroków skutkuje dokładniejszymi szczegółami, ale dłuższym czasem przetwarzania.
• cfg: Skala Classifier-Free Guidance, która dostosowuje, jak ściśle model podąża za wejściowymi promptami.
• sampler_name: Określa metodę próbkowania używaną do generacji obrazu.
• scheduler: Definiuje, jak zasoby obliczeniowe są przydzielane podczas generacji.
• denoise: Kontroluje poziom usuwania szumów, wpływając na zachowanie szczegółów z oryginalnego obrazu. Zalecane: 0.35 dla poprawy, 0.15-0.20 dla minimalnych zmian.
• mode_type: Określa tryb przetwarzania, taki jak sposób przetwarzania kafelków.
• tile_width i tile_height: Wymiary kafelków używanych w przetwarzaniu. Większe rozmiary zmniejszają szwy, ale wymagają więcej pamięci.
• mask_blur: Rozmywa krawędzie masek używanych do mieszania kafelków, wygładzając przejścia między kafelkami.
• tile_padding: Liczba pikseli z sąsiednich kafelków branych pod uwagę podczas przetwarzania w celu zmniejszenia szwów.
• seam_fix_mode: Metoda korygowania widocznych szwów między kafelkami:
  • Bands pass: Naprawia szwy wzdłuż rzędów i kolumn.
  • Half tile offset pass: Stosuje przesunięcie, aby lepiej mieszać szwy.
  • Half tile offset + intersections pass: Obejmuje dodatkowe przejścia na przecięciach.
• seam_fix_denoise: Siła redukcji szumów podczas naprawy szwów.
• seam_fix_width: Szerokość obszarów przetwarzanych podczas naprawy szwów.
• seam_fix_mask_blur: Rozmywa maskę dla płynniejszych korekt szwów.
• seam_fix_padding: Padding wokół szwów podczas korekty, aby zapewnić płynniejsze wyniki.
• force_uniform_tiles: Zapewnia, że kafelki utrzymują jednolity rozmiar poprzez rozszerzenie kafelków krawędziowych w razie potrzeby, minimalizując artefakty.
• tiled_decode: Przetwarza kafelki obrazu indywidualnie, aby zmniejszyć zużycie pamięci podczas generacji w wysokiej rozdzielczości.
• Target size type: Określa, jak ustawia się końcowy rozmiar obrazu:
  • From img2img settings: Używa domyślnej szerokości i wysokości.
  • Custom size: Pozwala na ręczne ustawienie szerokości i wysokości (maks. 8192px).
  • Scale from image size: Skaluje na podstawie początkowego rozmiaru obrazu.
• Upscaler: Metoda skalowania obrazów przed dalszym przetwarzaniem (np. ESRGAN).
• Redraw: Kontroluje, jak obraz jest przerysowywany:
  • Linear: Przetwarza kafelki sekwencyjnie.
  • Chess: Używa wzoru szachownicy do przetwarzania, aby zredukować artefakty.
  • None: Wyłącza przerysowywanie, skupiając się tylko na naprawie szwów.

2.2. FaceDetailer (pipe)

FaceDetailerPipe to węzeł zaprojektowany do poprawy szczegółów twarzy na obrazach, wykorzystujący zaawansowane techniki przetwarzania obrazu do poprawy ostrości i przejrzystości rysów twarzy. Jest częścią ComfyUI Impact Pack, mającą na celu zapewnienie wysokiej jakości ulepszeń szczegółów twarzy do różnych zastosowań.

Parametry:

• image: Obraz wejściowy, który ma być ulepszony, służy jako główny temat do szczegółowego opisu twarzy.
• guide_size: Parametr, który kontroluje rozmiar obszaru prowadzącego używanego do ulepszania rysów twarzy, wpływając na to, ile kontekstu jest brane pod uwagę.
• guide_size_for: Określa, czy rozmiar prowadzenia powinien być stosowany do określonych obszarów.
• max_size: Ustawia maksymalny limit rozmiaru dla przetwarzanych obrazów, zapewniając zarządzanie pamięcią.
• seed: Kontroluje losowość w procesie ulepszania obrazu, pozwalając na powtarzalne wyniki przy użyciu tego samego seed.
• steps: Liczba iteracji dla ulepszania szczegółów. Więcej kroków skutkuje dokładniejszymi szczegółami, ale wymaga więcej czasu przetwarzania.
• cfg: Skala Classifier-Free Guidance, która dostosowuje, jak ściśle model podąża za wejściowym przewodnikiem.
• sampler_name: Definiuje metodę próbkowania używaną do ulepszania szczegółów.
• scheduler: Określa strategię harmonogramu obliczeniowego podczas przetwarzania.
• denoise: Kontroluje siłę redukcji szumów stosowaną podczas procesu ulepszania. Niższe wartości zachowują więcej oryginalnych szczegółów, podczas gdy wyższe wartości dają gładsze wyniki.
• feather: Kontroluje płynność przejścia między ulepszonymi a oryginalnymi obszarami, pomagając płynnie łączyć zmiany.
• noise_mask: Włącza lub wyłącza użycie maski szumów do celowania w konkretne obszary do redukcji szumów.
• force_inpaint: Wymusza malowanie w regionach, które wymagają dodatkowego ulepszenia lub poprawek.
• bbox_threshold: Ustawia próg wykrywania ramion wokół rysów twarzy, wpływając na czułość.
• bbox_dilation: Rozszerza wykryte obszary ramion, aby zapewnić, że wszystkie istotne cechy są uwzględniane podczas ulepszania.
• bbox_crop_factor: Dostosowuje współczynnik przycinania dla wykrytych ramion, kontrolując obszar skupienia dla ulepszania.
• sam_detection_hint: Określa dodatkowe wskazówki lub przewodniki dla procesu wykrywania.
• sam_dilation: Dostosowuje rozszerzenie stosowane do wykrytych regionów, pozwalając na szersze pokrycie.
• sam_threshold: Definiuje próg czułości detekcji w procesie SAM (Segment Anything Model).
• sam_bbox_expansion: Rozszerza ramiona wykryte przez SAM, pomagając uwzględnić więcej otaczającego kontekstu.
• sam_mask_hint_threshold: Dostosowuje próg dla wskazówek maski dostarczanych przez SAM, kontrolując, jak regiony są definiowane do maskowania.
• sam_mask_hint_use_negative: Określa, czy powinny być używane negatywne wskazówki, wpływając na maskowanie niektórych regionów.
• drop_size: Ustawia rozmiar kropli stosowanych podczas procesu ulepszania, co może wpływać na poziom rafinacji.
• refiner_ratio: Kontroluje proporcję rafinacji szczegółów twarzy, balansując między zachowaniem oryginalnych cech a dodawaniem przejrzystości.
• cycle: Określa liczbę cykli rafinacji do zastosowania, wpływając na głębokość ulepszania.
• inpaint_model (Opcjonalnie): Włącza użycie modelu malowania do wypełniania brakujących lub niejasnych obszarów podczas procesu szczegółowego opisu.
• noise_mask_feather: Dostosowuje pierzastość maski szumów, zapewniając płynniejsze przejście między obszarami szumu i bezszumowymi.

3. Poses

Ten moduł pozwala na użycie węzła przycinania obrazu do oddzielenia każdej pozy z wygenerowanego arkusza postaci i zapisania indywidualnych pozycji postaci do dalszego użytku lub dostosowania.

4. Emotions

Ten moduł wykorzystuje węzeł Photo Expression Editor (PHM) do regulacji wyrazów twarzy na zdjęciach. Parametry pozwalają na dokładne dostrojenie różnych aspektów twarzy, takich jak ruchy głowy, mruganie i uśmiechanie się.

Parametry edytora wyrazu twarzy：

• rotate_pitch: Kontroluje ruch głowy góra-dół.
• rotate_yaw: Dostosowuje ruch głowy na boki.
• rotate_roll: Określa kąt nachylenia głowy.
• blink: Kontroluje intensywność mrugania oczami.
• eyebrow: Dostosowuje ruchy brwi.
• wink: Kontroluje mruganie.
• pupil_x: Przesuwa źrenice poziomo.
• pupil_y: Przesuwa źrenice pionowo.
• aaa: Kontroluje kształt ust dla dźwięku "aaa".
• eee: Kontroluje kształt ust dla dźwięku "eee".
• woo: Kontroluje kształt ust dla dźwięku "woo".
• smile: Dostosowuje stopień uśmiechu.
• src_ratio: Określa stosunek wyrazu źródłowego, który ma być zastosowany. -json