حفظ ظاهر یک کاراکتر در چند ویدیوی هوش مصنوعی کار ساده‌ای نیست. حتی با توضیح یکسان ممکن است چهره، مو، لباس یا تناسب بدن تغییر کند. در مورد محصول نیز شکل، بسته‌بندی، رنگ و جنس ممکن است جابه‌جا شود. راه‌حل افزودن صفت‌های بیشتر نیست؛ باید یک تکیه‌گاه بصری روشن به مدل بدهید و تعداد متغیرهای هر آزمون را کم کنید.
Veo3o1 برای این هدف دو روند تصویری دارد: تصاویر مرجع و فریم اول و آخر. اگر شناخته‌شدن سوژه از ترکیب‌بندی دقیق شروع یا پایان مهم‌تر است، تصاویر مرجع معمولاً نقطه شروع بهتری هستند.
تصویر مرجع چه چیزی را هدایت می‌کند؟
تصویر جزئیاتی را منتقل می‌کند که بیان دقیقشان با متن دشوار است: نسبت‌های چهره، لباس، پالت رنگ، بسته‌بندی، جنس و اشیای تکرارشونده. این حالت ۱ تا ۳ تصویر می‌پذیرد، با Lite یا Fast کار می‌کند، خروجی ۸ ثانیه‌ای می‌سازد و به‌جای Auto باید 16:9 یا 9:16 انتخاب شود. هزینه دقیق اعتبار پیش از ارسال نمایش داده می‌شود. قوانین فعلی در راهنمای تصاویر مرجع آمده است.
مجموعه‌ای بسازید که هر تصویر وظیفه‌ای داشته باشد
تعداد بیشتر لزوماً بهتر نیست. برای کاراکتر، یک پرتره واضح روبه‌رو یا سه‌رخ، یک نمای بازتر برای لباس و تناسب بدن، و یک نمای نیم‌رخ با نور مشابه انتخاب کنید. برای محصول، زاویه اصلی تمیز، زاویه‌ای که شکل و جنس را نشان دهد و نمای نزدیک مهم‌ترین ویژگی مناسب است.
مدل مو، لباس، نسخه بسته‌بندی، درجه‌بندی رنگ یا جهت‌های نور متفاوت را با هم مخلوط نکنید، مگر اینکه تغییر عمدی باشد. مرجع‌های متناقض مدل را وادار می‌کنند حدس بزند کدام نشانه باید حفظ شود.
هویت را ثابت و حرکت را متغیر بنویسید
این ساختار کاربردی است:
[سوژه ثابت] + [یک کنش] + [محیط] + [دوربین] + [نور] + [جزئیات تغییرناپذیر]
نمونه:
زن داخل تصاویر مرجع آرام در لابی خلوت هتل قدم می‌زند. موهای کوتاه مشکی، کت‌وشلوار سرمه‌ای، گوشواره نقره‌ای و ویژگی‌های چهره ثابت می‌مانند. نمای متوسط با حرکت تعقیبی در ارتفاع چشم، نور گرم پنجره و حرکت طبیعی کنترل‌شده، بدون تغییر لباس.
این متن یک سوژه، یک کنش قابل‌خواندن و یک وظیفه برای دوربین دارد. شخصیت دوم، تعویض لباس، پرش زمانی و چند حرکت پیچیده دوربین در هشت ثانیه جا داده نشده است.
هر بار فقط یک متغیر را تغییر دهید
ابتدا سوژه، کنش و دوربین را بررسی کنید. اگر هویت پایدار بود، در آزمون بعد نور یا پس‌زمینه را تغییر دهید. تغییر هم‌زمان پرامپت، seed، نسبت و مدل نشان نمی‌دهد کدام عامل نتیجه را بهتر کرده است. Seed برای مقایسه مفید است، اما فریم یکسان را تضمین نمی‌کند.
اگر چهره یا شکل محصول منحرف می‌شود، مرجع اصلی تمیزتری انتخاب و کنش را ساده کنید. نمای بسیار باز، حرکت سریع، تاری حرکت سنگین و پوشاندن طولانی سوژه نشانه‌های هویتی را کم می‌کند. برای تغییر رنگ، تصاویر متناقض را حذف کنید. اگر سوژه خشک است، یک حرکت بدن و یک حرکت دوربین تعریف کنید. صحنه شلوغ را به چند کلیپ تقسیم کنید.