דמות משתנה בכל תמונה ב־Leonardo AI? Seed קבוע לבדו לא מספיק

כדי ליצור סדרת תמונות של אותה דמות ב־Leonardo AI, התחילו מתמונה ברורה של הדמות והשתמשו בה כ־Character Reference. תארו בכל בקשה מה נשאר קבוע במראה ומה משתנה בסצנה. Seed קבוע עשוי לסייע לעקביות בין קבוצות יצירה, אך הוא אינו מגדיר את תווי הפנים של הדמות.

לכמה סצנות, תמונת ייחוס היא נקודת פתיחה מעשית. אם הדמות חוזרת בהפקות רבות ויש מאגר תמונות מתאים, אימון Element עשוי לחסוך הסתמכות על אותה תמונת ייחוס בכל יצירה. הבחירה תלויה ברמת הדמיון הנדרשת ובשאלה אם גם הבגד והסגנון צריכים להישאר קבועים.

איזה רכיב צריך להישאר עקבי?

לפני בחירת הכלי, הפרידו בין זהות הדמות לבין שאר התמונה. בסיפור מאויר, למשל, הקוראים צריכים לזהות את הגיבורה גם כשהיא עוברת ממקום למקום, מחליפה בגדים או משנה תנוחה. בפרויקט אחר דווקא תלבושת מסוימת עשויה להיות חלק מהמראה שחייב לחזור. ההבחנה הזאת קובעת אילו פרטים לתאר בכל בקשה ואילו דוגמאות לבחור לאימון.

אם רוצים וריאציות קרובות של תמונה קיימת, Seed קבוע מתאים להשוואה בתנאי יצירה דומים. אם רוצים להעביר את מראה הדמות לסצנות חדשות, Character Reference נותן למודל תמונה שממנה יוכל לשאוב דמיון. אם אותה דמות נדרשת שוב ושוב ויש תמונות מגוונות שלה, Element מאומן נעשה אפשרות רלוונטית. אלה בחירות לפי המשימה, ולא מדרגות שחייבים לעבור בהן לפי סדר.

דוגמה מותנית ממחישה את ההבדל: גיבורה מופיעה תחילה בתחנת רכבת ובהמשך במטבח, בבגד אחר. במקרה כזה הסביבה, הפעולה והבגד אמורים להשתנות, אך הפנים ומאפיינים מזהים נוספים צריכים להישאר מוכרים. אם מבקשים רק לשנות פרט קטן בתמונה הראשונה, Seed עשוי לעזור בבחינת הווריאציות; אם מבקשים סצנה חדשה, דרוש גם עוגן למראה הדמות.

מתי Seed קבוע עוזר?

בתיעוד שדה ה־seed ב־API של Leonardo AI מוצג כערך קבוע המסייע לשמור על עקביות בין קבוצות יצירה. לכן כדאי לשמור אותו כשמשווים שינוי ממוקד בבקשה, לצד המודל ושאר ההגדרות שבהן השתמשתם. השדה אינו כולל תיאור של פנים, שיער, מבנה גוף או לבוש.

כשמחליפים את התיאור, המודל או הגדרות אחרות, משתנים גם התנאים שעל פיהם נוצרת התמונה. החזרת אותו Seed אינה הוראה לשחזר את זהות הדמות בתוך סצנה אחרת. אפשר לקבל דמיון כללי בין תוצרים ועדיין לראות שינוי בתווי הפנים; לעומת זאת, תמונת ייחוס מיועדת להשפיע על הדמיון לדמות עצמה.

הדרך להשתמש ב־Seed תלויה במה שבודקים. אם אותו תיאור מניב תמונה שמוצאת חן בעיניכם ואתם רוצים לבחון שינוי קטן ברקע, שמירת הערך ושאר ההגדרות מסייעת לצמצם את ההבדלים בין הבקשות. אם היעד הוא סדרת איורים שבה הגיבור רץ, יושב ומופיע במקומות שונים, שמירת הערך לבדה אינה נותנת למודל דוגמה חזותית של הגיבור.

מתי Character Reference מספיק?

Character Reference מתאים כשכבר יש תמונה מייצגת ורוצים לשמור על דמיון לדמות תוך שינוי הסצנה. לפי הנחיות Image Guidance של Leonardo AI, אפשר להשתמש בתמונה שהועלתה או נוצרה בשירות. בתיעוד ה־API מופיעות רמות Low, ‏Mid ו־High, עם משקל מספרי בין 0 ל־2: ככל שהחוזק עולה, הדמיון לתמונת הייחוס מתחזק והגמישות פוחתת. הכלי אינו מבטיח העתק מושלם של אדם.

בחרו תמונה שבה המאפיינים החשובים לדמות נראים בבירור. בתיאור הסצנה כתבו מה הדמות עושה, היכן היא נמצאת ומה אמור להשתנות בלבוש או בתנוחה; הוסיפו גם מאפייני מראה שחשוב לשמר. כך הבקשה אינה מותירה לתמונת הייחוס לבדה להכריע אם פרט בולט, כמו מעיל או תסרוקת, שייך לזהות הדמות או רק לסצנת המקור.

כשדרושים גם דמיון וגם שינוי ניכר בסצנה, חוזק בינוני הוא נקודת פתיחה סבירה. אם הדמות מאבדת מאפיינים מזהים, אפשר להגביר את החוזק. אם היא גוררת אל התמונה החדשה גם את ההעמדה או הלבוש של תמונת הייחוס, אפשר להפחית אותו או לבחור תמונה אחרת. זו דרך לכוון את היחס בין דמיון לגמישות, ולא ערובה לכך שכל פרט יישמר.

יש לבדוק גם את המודל שנבחר. בטבלת התאימות של ה־API, Character Reference מופיע עבור SDXL ו־Phoenix, אך אינו מופיע עבור Flux Dev או Flux Schnell. לכן הגדרה שעבדה עם מודל אחד אינה בהכרח זמינה באותה צורה במודל אחר. למי שמפיק סדרה עם מודל קבוע, התאימות הזאת היא חלק מבחירת שיטת העבודה.

מתי כדאי לאמן Element?

אימון Element מתאים לדמות שחוזרת בהפקות רבות ושיש עבורה מאגר תמונות איכותי. מדריך האימון של Leonardo AI מאפשר לאמן Element לדמויות, מציין מינימום של 10 תמונות ותקרה של 50 באימון המבוסס על Flux Dev או 40 באימון SDXL. לדמיון פנים הוא ממליץ לשלב תקריבים בתנאי תאורה, זוויות והבעות מגוונים, לצד תמונות גוף, כדי שהדמות לא תיקשר רק לסוג צילום אחד.

המאגר מלמד את המודל גם דפוסים שלא התכוונתם לקבע. אם כל התמונות מציגות את הדמות באותו בגד ועל רקע דומה, התוצר עלול לחזור אליהם גם כשמבקשים סצנה חדשה. מאגר מגוון יותר מאפשר להבחין בין המאפיינים המזהים של הדמות לבין פרטים שאמורים להשתנות. לכן, אם רוצים חופש להחליף תלבושת ותנוחה, כדאי שהדוגמאות יראו את הדמות ביותר מהקשר אחד.

בחירת מודל הבסיס נעשית לפני האימון. Flux Dev הוא ברירת המחדל המתוארת במדריך, ואפשר לבחור SDXL בהגדרות המתקדמות; Element שאומן על בסיס אחד אינו תואם אוטומטית לאחר. המדריך ממליץ לשקול SDXL לדמויות מסוגננות, בין היתר כשחשובה עקביות בלבוש. מי שכבר בחר מודל להפקת סדרת התמונות צריך להביא את התאימות הזאת בחשבון לפני הכנת המאגר.

לאחר האימון אפשר לבחור את ה־Element ביצירות חוזרות ולכוון את עוצמתו. עוצמה נמוכה יותר עשויה לאפשר שינוי חופשי יותר בסביבה או בלבוש, במחיר ירידה בדמיון לדמות. אם הבעיה נעוצה בתמונות האימון עצמן, שינוי המאגר אינו מעדכן Element שכבר אומן: יש לאמן Element חדש. זו השקעה מוצדקת בעיקר כשהדמות צפויה לחזור די פעמים כדי להפיק תועלת ממאגר שנבנה בקפידה.

רצף עבודה לסדרת תמונות

1. הגדירו את מאפייני הדמות שחייבים לחזור, בנפרד מהמקום, הפעולה, הבגד והסגנון שעשויים להשתנות. בחרו תמונת ייחוס שבה המאפיינים האלה נראים בבירור.
2. צרו סצנות שונות עם Character Reference במודל תואם. כוונו את החוזק לפי מידת הדמיון והחופש הדרושים; שמרו Seed והגדרות נוספות כאשר אתם משווים שינוי ממוקד.
3. אם העבודה מתרחבת לסדרה חוזרת, אספו תמונות מגוונות של הדמות והחליטו על מודל הבסיס לפני אימון Element. מאגר שמציג רק מראה אחד של הסצנה יגביל את הגמישות שתרצו בהמשך.

בסדרה מוצלחת הדמות נשארת מזוהה גם כשהסיפור משנה את מקומה ואת פעולתה. רמת העקביות הרצויה אינה תמיד הרמה המרבית: היא צריכה לשמר את המאפיינים שהגדרתם כזהות הדמות, ולהשאיר מקום לשינויים שהסצנות דורשות.

קראו גם:

• OpenAI API או Gemini API: החשבון משתנה לפי אורך הקלט, לא רק המודל
• Turnstile או reCAPTCHA: השירות החינמי לא פותר לבדו את בעיית הבוטים