发起项目
作品Faceless Reels博客资源关于我联系

博客/创作方法

把最佳脸部和服装合成一张角色参考图

一张生成图的脸对了,另一张的服装对了。我用 nano_banana_2 合并选定的脸部、服装与取景,再逐项检查,做成后续制作可复用的主参考图。

作者:Jeff Zambrano··阅读需 1 分钟

把最佳脸部和服装合成一张角色参考图

一张生成图有了对的脸,另一张有了对的服装。

但两张都不是完整的参考图。

如果继续生成,指望碰巧得到一张脸、服装和取景同时正确的图,那就走错了路。我的工作室做法是,用 nano_banana_2 把成功的特征整合成一张主参考图。

稳定的主素材来自整合,不是等待第一张就完美的渲染结果。

不要对每张候选图全盘接受或全盘否定

一张生成图作为完整参考可能失败了,但其中某个部分仍然可以获批。

可能脸对了,服装却不对。

也可能服装对了,脸却不对。

还有可能,一张图的其他特征没做好,取景却成功了。

我会分开检查这些特征。

这样,“生成失败”的含义就变了。我不必把整张图都纳入参考集,也不必丢掉其中成功的部分。

我可以从一张候选图中选出成功的脸,再从另一张中选出成功的服装或取景。

合格的选择中,每张入选候选图都明确说明自己会为未来的主素材贡献什么。

明确成功的是哪项特征

融合之前,我先说明每张源图贡献什么。

一张图提供脸部。

另一张图提供服装。

如果成功的是取景,我就明确由哪张图提供。

我避免“这张感觉更好”之类含糊判断。整合需要明确选择。制作主参考图之前,选定的脸、服装和取景都必须清楚。

这也避免了把“哪些特征重要”的决定交给融合过程。这个决定应该由我来做。

合格的做法是,我能指着每张源候选图,说出它贡献了哪一项已批准元素。

如果两张候选图的脸都很好,但都没有获批的服装或取景,那么这组图还没凑齐这个方法要求的组合。变体更多,不代表自动更有用。源图的成功之处需要互补。

把选中的特征与整张源图区分开

最终依据不是源图的全部内容。

而是其中已批准的特征。

当某张候选图的脸正确、服装却不合适时,这个区别很重要。如果把整张图视为已批准,错误服装就可能跟着进入后续工作。如果整张拒绝,又会丢掉成功的脸。

主素材方法避开了这种非此即彼的选择。

我批准第一张图里的脸。

我批准第二张图里的服装。

哪张候选图的取景正确,我就批准它的取景。

然后,要求生成一张整合图,包含这些选定的部分。

合格的决策以特征为单位。源候选图保留为选择依据,未来的主参考图则成为整合后的参考。

用 nano_banana_2 进行融合

我用 nano_banana_2 完成这项整合。

任务是把不同生成结果中成功的部分,融合成一张主参考图。

这不是又一次从零生成角色。输入已经包含获批的信息,融合负责把这些信息集中到一起。

我提供脸部源图,以及服装或取景的源图,并说明每项特征来自哪张图。

目标输出只有一个:一张主参考图。

合格的结果会把选定的脸、服装和取景带入同一张可复用参考图。

这次操作的价值在于整合。几份局部成功的结果,变成一份基础素材。

先检查脸部

如果丢掉了选中的脸,主参考图就不能通过。

我把融合结果与选作面部身份依据的源图对照。问题不是新脸好不好看,而是它是否保留了已经批准的那张脸。

如果融合生成了另一张脸,就等于替换了成功的特征,而没有把它整合进来。

这种输出不能成为主参考图。

我把脸部视为一种可以在整体尚不完整的生成图中单独成功的元素。整合应该保留这份成功。

合格的主参考图包含选中的脸,而不是新造一张折中的脸。

再检查服装

接下来,我把主参考图与选定的服装源图比较。

之所以选择这套服装,是因为那张候选图解决了服装问题。融合需要把它和已批准的脸放到同一张图里。

如果服装变成了另一个版本,整合就还没完成任务。

我不会仅仅因为脸保住了就接受这张图。主参考图的目的,是把选中的特征合在一起。只保住一项,我得到的仍然只是另一份局部成功。

合格的结果中,已批准的脸和已批准的服装现在同时存在。

检查取景

取景也可能是某张候选图成功的贡献。

如果选定的构图或裁切方式属于整合目标,我也会把输出与那张源图对照。

主参考图必须沿用选定的取景,而不是另造一种呈现方式。

这一点很容易被忽略,因为脸和服装更吸引注意力。但取景同样是一项可能被某次生成做对的特征。

合格的主参考图,应该以预定的呈现方式容纳所有选定部分。

批准一张主参考图,不让多张参考反复争夺主导

整合之前,各张局部成功的候选图各有用途。

整合之后,新图成为整部作品后续制作的基础参考。

它就是主素材。

它负责把已批准的脸、服装和取景放进一张图,让后续工作从稳定的参考开始,不必反复在相互冲突的候选图之间选择。

我不会继续要求后续生成从一张图取脸、从另一张取服装。这个选择已经在主参考图中解决了。

主参考图成为基础。

合格的做法是,后续工作收到一张整合后的参考图。

不要等待一次就完美的生成结果

我不认同“稳定必须来自完美的第一次尝试”这种想法。

不同生成往往解决不同特征。一张把脸做好了,另一张把服装或取景做好了。主素材就是把这些成功组合起来。

这是一种不同的验收方式。

候选图不必完美,也可以作出贡献。

但整合必须完整。

这样,我就不必把生成当成反复抽奖,等一张毫无瑕疵的图。我可以识别好的部分,选出来,再组合成项目需要的素材。

主参考图获批,不是因为它是最新结果,而是因为它把每一项选定特征都带进了同一张图。

整合的成本

我用 nano_banana_2 做融合,但没有记录过金额或固定的生成次数。

流程上的成本,是选好成功特征之后的一次整合任务。既然没有记录价格,我就不添加价格估算。

这个方法想避免的成本,是继续寻找一次生成就完美的结果。它改为利用已经存在的成功素材。

这不意味着每次融合都能通过。主参考图仍然需要保留选定的脸、服装和取景。丢掉任何一项,它就仍然不完整。

最终验收标准

只有每个相关问题都能回答“是”,我才会批准主参考图。

它包含选定的脸吗?

它包含选定的服装吗?

它保留了选定的取景吗?

它是否是一张能作为整部作品后续制作基础参考的图?

只要缺少任何选定特征,这个结果就不是主素材。

如果所有选定特征都在,我就不再为了常规参考反复回到那些分开的候选图。它们有用的部分,已经整合进获批的基础素材。

今天就检查 2 张各有成功之处的角色候选图。在请求又一次全新生成之前,先说清每张图成功的是哪项特征。


方法,就是在灵感缺席的早晨依然管用的东西。

分享XLinkedInWhatsApp
Jeff Zambrano

Jeff Zambrano 是一位常驻 Madrid 的 AI 电影导演。他的首部电影 Borrowed Wounds 从 6,700 部影片中入围 Higgsfield Global Film Festival 的 Top 50。这些札记均来自他自己的制作实践。

即将开放 · 抢先体验已开启

为用 AI 创作的导演打造的电影实验室

六个部门,完成摄制组在开机前要做的事,专为生成自己画面的人打造。即将开放。

WhatsApp