Personagens Consistentes com Flux

Este fluxo de trabalho Personagens Consistentes com Flux foi criado por . Recomendamos fortemente conferir seu tutorial detalhado para aprender a usar este poderoso fluxo de trabalho de Personagens Consistentes de forma eficaz. Embora tenhamos reproduzido o fluxo de trabalho de Personagens Consistentes e configurado o ambiente para sua conveniência, todo o crédito vai para Mickmumpitz por seu excelente trabalho no desenvolvimento desta solução de Personagens Consistentes baseada em Flux.

Os Personagens Consistentes com Flux

O fluxo de trabalho Personagens Consistentes com Flux é uma ferramenta poderosa do ComfyUI que mantém a consistência de personagens gerados por IA em múltiplas saídas. É ideal para criar filmes cinematográficos de IA, livros infantis ou qualquer projeto que requeira aparências estáveis de Personagens Consistentes. Este fluxo de trabalho baseado em Flux simplifica o processo de obtenção de aparências uniformes de Personagens Consistentes, reduzindo a necessidade de múltiplos prompts e ajustes finos. Utilizando o modelo Flux.1 dev, ele melhora a estabilidade dos Personagens Consistentes gerados, garantindo que mantenham a mesma aparência e sensação, seja animado ou renderizado realisticamente.

Como Usar o Fluxo de Trabalho Personagens Consistentes com Flux?

O fluxo de trabalho Personagens Consistentes com Flux é dividido em quatro módulos (Geração de Personagens, Upscale + Correção de Rosto, Poses, Emoções), cada um projetado para simplificar o processo de gerar Personagens Consistentes com uma aparência uniforme em múltiplas saídas.

Nó Fast Groups Muter (rgthree)

Após carregar o nó Fast Groups Muter (rgthree), os módulos 2, 3 e 4 são executados automaticamente, e nenhuma configuração adicional é necessária. Este nó controla os switches para todos os quatro módulos, tornando o processo de Personagens Consistentes mais suave e eficiente.

Controle do módulo Fast Groups Muter (rgthree) (sim/não).

1. Geração de Personagens

Este módulo utiliza os modelos Flux e o modelo Flux ControlNet para gerar uma tabela de Personagens Consistentes, guiando o processo de geração com prompts. A entrada, que é uma folha de poses, serve como referência para direcionar a geração de Personagens Consistentes. Ao criar prompts apropriados, você pode orientar o modelo a criar folhas de Personagens Consistentes desejadas.

Aqui estão alguns exemplos de prompts:

Uma folha de personagem apresentando uma mulher americana vestindo um casaco, com roupas de moda outonal, com uma expressão neutra. A folha deve ter um fundo branco, várias vistas de diferentes ângulos e um retrato de rosto visível. O estilo geral deve se assemelhar a uma fotografia de obra-prima.

Uma folha de personagem retratando uma ranger élfica vestindo uma capa feita de folhas de outono, com roupas em cores de floresta, com uma expressão determinada. A folha deve ter um fundo de pergaminho, várias vistas de diferentes ângulos e um retrato de rosto visível. A ranger deve ser acompanhada por um majestoso cervo, carregando um arco longo e uma aljava nas costas. O estilo geral deve se assemelhar a uma pintura digital de obra-prima de uma elfa feminina com longos cabelos dourados.

Dica: Se a folha de Personagens Consistentes gerada não atender às suas expectativas, tente ajustar o valor da semente para regenerar a saída com variações.

2. Upscale + Correção de Rosto

2.1 Ultimate SD Upscale

Ultimate SD Upscale é um nó usado em pipelines de geração de imagens para melhorar a resolução de imagens dividindo a imagem em pequenos blocos, processando cada bloco individualmente e depois juntando-os novamente. Este processo permite gerar imagens de alta resolução ao gerenciar o uso de memória e reduzir artefatos que podem ocorrer ao aumentar a escala.

Parâmetros:

• upscale_by: O fator pelo qual a largura e a altura da imagem são multiplicadas. Para dimensões precisas, use a versão "No Upscale".
• seed: Controla a aleatoriedade no processo de geração. Usar a mesma semente produz os mesmos resultados.
• control_after_generate: Ajusta os detalhes da imagem pós-geração.
• steps: O número de iterações durante a geração da imagem. Mais etapas resultam em detalhes mais finos, mas aumentam o tempo de processamento.
• cfg: Escala de Orientação Livre de Classificador que ajusta quão estritamente o modelo segue os prompts de entrada.
• sampler_name: Especifica o método de amostragem usado para a geração de imagens.
• scheduler: Define como os recursos de computação são alocados durante a geração.
• denoise: Controla o nível de remoção de ruído, influenciando a retenção de detalhes da imagem original. Recomendado: 0.35 para melhoria, 0.15-0.20 para mudanças mínimas.
• mode_type: Determina o modo de processamento, como os blocos são processados.
• tile_width e tile_height: Dimensões dos blocos usados no processamento. Tamanhos maiores reduzem emendas, mas requerem mais memória.
• mask_blur: Desfoca as bordas das máscaras usadas para mistura de blocos, suavizando transições entre blocos.
• tile_padding: Número de pixels de blocos vizinhos considerados durante o processamento para reduzir emendas.
• seam_fix_mode: Método para corrigir emendas visíveis entre blocos:
  • Bands pass: Corrige emendas ao longo de linhas e colunas.
  • Half tile offset pass: Aplica um deslocamento para melhor misturar emendas.
  • Half tile offset + intersections pass: Inclui passagens adicionais nas interseções.
• seam_fix_denoise: Força da redução de ruído durante a correção de emendas.
• seam_fix_width: Largura das áreas processadas durante a correção de emendas.
• seam_fix_mask_blur: Desfoca a máscara para correções de emendas mais suaves.
• seam_fix_padding: Preenchimento ao redor das emendas durante a correção para garantir resultados mais suaves.
• force_uniform_tiles: Garante que os blocos mantenham um tamanho uniforme ao estender blocos de borda quando necessário, minimizando artefatos.
• tiled_decode: Processa blocos de imagem individualmente para reduzir o uso de memória durante a geração de alta resolução.
• Target size type: Determina como o tamanho final da imagem é definido:
  • From img2img settings: Usa largura e altura padrão.
  • Custom size: Permite ajuste manual de largura e altura (máximo de 8192px).
  • Scale from image size: Escala com base no tamanho inicial da imagem.
• Upscaler: O método para aumentar a escala das imagens antes de processamento adicional (e.g., ESRGAN).
• Redraw: Controla como a imagem é redesenhada:
  • Linear: Processa blocos sequencialmente.
  • Chess: Usa um padrão de tabuleiro de xadrez para processamento para reduzir artefatos.
  • None: Desativa redesenho, focando apenas na correção de emendas.

2.2. FaceDetailer (pipe)

FaceDetailerPipe é um nó projetado para aprimorar detalhes faciais em imagens, usando técnicas avançadas de processamento de imagem para melhorar a nitidez e clareza dos traços faciais. Faz parte do ComfyUI Impact Pack, visando fornecer aprimoramentos de alta qualidade em detalhes faciais para várias aplicações.

Parâmetros:

• image: A imagem de entrada a ser aprimorada, servindo como o principal sujeito para detalhamento facial.
• guide_size: Um parâmetro que controla o tamanho da área de orientação usada para aprimorar traços faciais, influenciando quanto contexto é considerado.
• guide_size_for: Determina se o tamanho da orientação deve ser aplicado para regiões específicas.
• max_size: Define o limite máximo de tamanho para imagens processadas, garantindo o gerenciamento de memória.
• seed: Controla a aleatoriedade no processo de aprimoramento de imagem, permitindo resultados reprodutíveis ao usar a mesma semente.
• steps: O número de iterações para aprimorar detalhes. Mais etapas resultam em detalhes mais finos, mas requerem mais tempo de processamento.
• cfg: A escala de Orientação Livre de Classificador, que ajusta quão de perto o modelo segue a orientação de entrada.
• sampler_name: Define o método de amostragem usado para refinamento de detalhes.
• scheduler: Determina a estratégia de agendamento computacional durante o processamento.
• denoise: Controla a força da redução de ruído aplicada durante o processo de aprimoramento. Valores mais baixos retêm mais detalhes originais, enquanto valores mais altos produzem resultados mais suaves.
• feather: Controla a suavidade da transição entre áreas aprimoradas e originais, ajudando a misturar as mudanças de forma harmoniosa.
• noise_mask: Habilita ou desabilita o uso de uma máscara de ruído para direcionar áreas específicas para redução de ruído.
• force_inpaint: Força a repintura em regiões que precisam de aprimoramento ou correções adicionais.
• bbox_threshold: Define o limiar para detectar caixas delimitadoras ao redor de traços faciais, influenciando a sensibilidade.
• bbox_dilation: Expande as áreas de caixas delimitadoras detectadas para garantir que todos os traços relevantes sejam incluídos durante o aprimoramento.
• bbox_crop_factor: Ajusta o fator de recorte para caixas delimitadoras detectadas, controlando a área de foco para aprimoramento.
• sam_detection_hint: Especifica dicas ou orientações adicionais para o processo de detecção.
• sam_dilation: Ajusta a dilatação aplicada às regiões detectadas, permitindo uma cobertura mais ampla.
• sam_threshold: Define o limiar para a sensibilidade de detecção dentro do processo SAM (Segment Anything Model).
• sam_bbox_expansion: Expande as caixas delimitadoras detectadas pelo SAM, ajudando a incluir mais contexto ao redor.
• sam_mask_hint_threshold: Ajusta o limiar para as dicas de máscara fornecidas pelo SAM, controlando como as regiões são definidas para mascaramento.
• sam_mask_hint_use_negative: Determina se dicas negativas devem ser usadas, influenciando o mascaramento de certas regiões.
• drop_size: Define o tamanho das gotas aplicadas durante o processo de aprimoramento, o que pode influenciar o nível de refinamento.
• refiner_ratio: Controla a proporção para refinar detalhes faciais, equilibrando entre preservar características originais e adicionar clareza.
• cycle: Especifica o número de ciclos de refinamento a serem aplicados, afetando a profundidade do aprimoramento.
• inpaint_model (Opcional): Habilita o uso de um modelo de repintura para preencher áreas ausentes ou pouco claras durante o processo de detalhamento.
• noise_mask_feather: Ajusta a suavização da máscara de ruído, proporcionando uma transição mais suave entre áreas ruidosas e sem ruído.

3. Poses

Este módulo permite que você use o nó de recorte de imagem para separar cada pose da folha de personagem gerada e salvar poses individuais do personagem para uso ou ajustes futuros.

4. Emoções

Este módulo utiliza o nó Photo Expression Editor (PHM) para ajustar expressões faciais em fotos. Os parâmetros permitem ajustes finos de vários aspectos faciais, como movimentos da cabeça, piscadas e sorrisos.

Parâmetros do Editor de Expressão：

• rotate_pitch: Controla o movimento de cima para baixo da cabeça.
• rotate_yaw: Ajusta o movimento de lado a lado da cabeça.
• rotate_roll: Determina o ângulo de inclinação da cabeça.
• blink: Controla a intensidade das piscadas.
• eyebrow: Ajusta os movimentos das sobrancelhas.
• wink: Controla piscadelas.
• pupil_x: Move as pupilas horizontalmente.
• pupil_y: Move as pupilas verticalmente.
• aaa: Controla a forma da boca para o som vogal "aaa".
• eee: Controla a forma da boca para o som vogal "eee".
• woo: Controla a forma da boca para o som vogal "woo".
• smile: Ajusta o grau de um sorriso.
• src_ratio: Determina a proporção da expressão de origem a ser aplicada.
• sample_ratio: Determina a proporção da expressão de amostra a ser aplicada.
• sample_parts: Especifica quais partes da expressão de amostra aplicar ("OnlyExpression", "OnlyRotation", "OnlyMouth", "OnlyEyes", "All").
• crop_factor: Controla o fator de recorte da região facial.

Os modelos Flux e os módulos simplificados do fluxo de trabalho tornam fácil para você manter aparências de Personagens Consistentes em várias saídas. Você será capaz de dar vida aos seus personagens como nunca antes, criando uma experiência verdadeiramente imersiva para seu público!