Referencje pozy w obrazach AI NSFW: prompt tekstowy, dwa obrazy czy ControlNet?

Masz ustaloną fikcyjną dorosłą postać, a następny obraz potrzebuje innej pozy. Instrukcja tekstowa daje kolejny stojący portret. Referencja pozy poprawia ramiona, ale przenosi twarz lub marynarkę osoby referencyjnej. Poradnik mówi o zwiększeniu siły ControlNet, choć używany edytor nie ma takiej kontroli.

Użyj tekstu do niewielkiej zmiany pozy, którą potrafisz czytelnie opisać. Użyj obrazu tożsamości i osobnej referencji pozy, gdy trudno opisać położenie kończyn lub kontakt z krzesłem. Jeśli stawy muszą odpowiadać dostarczonemu szkieletowi przez dedykowany model kontroli, użyj rzeczywistego przepływu ControlNet. Przesłanie szkieletu jako zwykłej referencji to inna operacja.

Dla twórcy postaci NSFW ta różnica oszczędza więcej czasu niż dodanie akapitu tagów wyglądu. Przyjęcie treści, podobieństwo postaci i dokładność pozy to osobne problemy. Model może przyjąć żądanie dla dorosłych i nadal stworzyć złą postawę.

Poradnik używa w pełni ubranej ilustracji promocyjnej fikcyjnej dorosłej serii. Prompty są proponowanymi recepturami, nie nowym porównawczym testem transferu pozy. Porównania funkcji i cen opisują aktualne zadania SpicyAPI; nie tworzą rankingu jakości obrazów.

Wybierz kontrolę pasującą do zmiany

Najpierw oddziel pozę od otaczającego zdjęcia. „Obróć ją lekko ku krzesłu” opisuje mały ruch. „Skopiuj układ skrzyżowanych ramion, zgiętego kolana i pochylonego tułowia z tego obrazu” podaje kilka relacji, które referencja może przekazać bardziej bezpośrednio.

Nie kupuj zmiany pozy, gdy pożądany obraz już mieści się w źródle. Bliższy kadr zachowuje zatwierdzoną mimikę dokładnie. Z kolei kadrowanie nie posadzi stojącej postaci, nie pokaże tyłu ubrania ani dłoni ukrytej za ciałem.

Istniejący poradnik referencji postaci wyjaśnia budowę zestawu tożsamości. Tutaj węższy problem to przekazanie konkretnej postawy bez uczynienia źródła pozy drugim projektem postaci.

Co faktycznie udostępniają hostowane zadania obrazowe

Qwen Image 2.1 Edit i Seedream 5.0 Pro Edit przyjmują od jednego do dziesięciu obrazów referencyjnych. Mogą otrzymać obraz postaci i fotografię pozy jako zwykłe referencje z opisem ról. Żadne aktualne zadanie nie udostępnia dedykowanego pose_image, preprocessora OpenPose, wagi ControlNet lub ustawienia początku/końca kontroli.

To rozróżnienie kontraktu, nie twierdzenie, że modele nie rozumieją postawy. Oficjalna karta modelu Qwen opisuje edycję wielu referencji. Edytor może wnioskować o pozie z obrazu bez osobno załadowanej sieci warunkowania pozy.

Aktualne zadanie edycji Z-Image Turbo LoRA przyjmuje jeden obraz źródłowy. Jego strength kontroluje odejście edycji od źródła; nie jest siłą ControlNet. Wejścia LoRA przyjmują zgodne pliki wag, nie fotografię pozy. Nie można dołączyć portretu postaci i niezależnej pozy przez pojedyncze pole źródła.

Dla dwóch niezależnych wejść wybierz jeden z edytorów wielu referencji. Wybieraj między nimi według potrzebnych ustawień i faktycznej wyceny zamiast zakładać, że najwięcej ustawień oznacza lepszą twarz. Nie zmierzyliśmy takiego porównania dla poniższej pozy.

Przygotuj źródło tożsamości i źródło pozy z różnymi zadaniami

Nasza postać to Mara, fikcyjna 37-letnia osoba dorosła, z krótkim miedzianym bobem, szeroką linią policzków i małą srebrną nausznicą. Zatwierdzony obraz pokazuje nieprześwitujący czarny satynowy top, grafitowe spodnie i botki. Stoi obok prostego fotela w miękkim świetle bocznym. Następny obraz jest siedzącym, opanowanym portretem do tej samej serii dla dorosłych.

Źródło tożsamości powinno pokazywać cechy potrzebne nowemu widokowi. Dla niemal frontalnej siedzącej sceny wybierz wyraźną fotografię frontalną lub trzy czwarte z czytelną twarzą i pełnym projektem stroju. Zbliżenie ustala twarz, ale nie spodnie, buty lub proporcje w pozycji siedzącej. Jeśli detale już należą do serii, użyj referencji, która je zawiera.

Źródłem pozy może być jedna dorosła osoba w pożądanej postawie, obraz, który masz prawo przetwarzać, lub własny render manekina 3D. Tutaj źródło pokazuje osobę siedzącą prosto, z kolanami lekko w prawo od widza, obiema stopami na podłodze, jedną dłonią na podłokietniku i drugą na udzie. Głowa jest tylko lekko obrócona.

Zachowaj wystarczającą część źródła pozy, by pokazać kontakt z fotelem i stopy. Kadr kończący się na pasie nie przekazuje zgięcia kolan lub podparcia stóp. Fotografia z drugą osobą za fotelem wprowadza kolejne ciało do interpretacji. Wybierz prostsze źródło zamiast tłumaczyć niepotrzebnych ludzi długim promptem.

Spróbuj dopasować wysokość docelowego aparatu. Poza sfotografowana z góry zawiera skrót perspektywiczny: bliskie ramiona mogą być większe, a nogi krótsze. Żądanie skopiowania jej przy jednoczesnej fotografii na wysokości oczu dodaje zmianę perspektywy. W tej recepturze użyj źródła na wysokości oczu, aby relacje ciała zgadzały się z aparatem.

Referencja pozy nie powinna zawierać konkurującego projektu, który ma znaczenie. Jeśli osoba ma jasną wzorzystą marynarkę, edytor może ją częściowo przenieść. Proste nieprześwitujące ubrania ułatwiają opis postawy. Wykadrowanie twarzy może ograniczyć informacje tożsamości, ale nie usuwaj kąta głowy, gdy stanowi potrzebną część postawy. Neutralny manekin usuwa konkurujące rysy, zachowując układ ciała.

Ilustracja: obraz 1 dostarcza postać; obraz 2 postawę i punkty podparcia.

Pierwszą próbę wykonaj tekstem, gdy ruch jest mały

Przed dodaniem drugiego obrazu zapytaj, czy zmiana naprawdę go potrzebuje. Jeśli Mara już siedzi i chcesz tylko przenieść jedną dłoń z uda na podłokietnik, instrukcja jednego źródła jest prostsza:

Użyj obrazu 1 jako fotografii Mary, tej samej fikcyjnej 37-letniej osoby dorosłej. Zachowaj tożsamość, miedziany bob, nausznicę, nieprześwitujący czarny satynowy top, spodnie, fotel, kąt aparatu i światło. Przenieś dłoń po prawej stronie widza na podłokietnik po prawej, z palcami naturalnie spoczywającymi na krawędzi. Drugą dłoń pozostaw na udzie po lewej stronie widza. Zachowaj istniejącą siedzącą postawę i mimikę. Stwórz jeden obraz fotograficzny.

To opisuje widoczną powierzchnię podparcia i konkretną dłoń. Daje więcej informacji niż „pewna siebie poza NSFW”, która nie identyfikuje postawy. Nastrój może towarzyszyć opisowi pozy, ale nie zastąpi geometrii.

Dla stojącego źródła pełna zmiana na siedzenie jest większa. Receptura tekstowa nadal przydaje się, gdy akceptujesz nową interpretację postawy. Określ, czy tułów jest prosty, dokąd kierują się kolana, gdzie dotykają stopy i co podtrzymuje dłonie. Nie potrzebujesz kąta każdego stawu w stopniach. Celem jest fizycznie spójna instrukcja, nie rysunek techniczny zapisany prozą.

Nie każ modelowi jednocześnie zachować pozy stojącej i usiąść. Zachowaj tożsamość i ubranie; wyraźnie dopuść zmianę postawy. „Wszystko identyczne” z następującym znacznym ruchem tworzy sprzeczność głównej instrukcji.

Użyj dwóch referencji, gdy najważniejsza jest konkretna postawa

Dla określonego siedzącego układu Mary najpierw prześlij zatwierdzony obraz postaci, potem siedzącą referencję na wysokości oczu. W Qwen Image 2.1 zacznij od 2k, 3:4, PNG, nieprzezroczystego tła, bez maski. Wyłącz rozwijanie promptu tej szczegółowej receptury, aby ocenić własną instrukcję. Ustawienia są dostępne razem dla dwóch źródeł. Nie ma pola negatywnego promptu lub suwaka denoise do dodania.

Kompletny proponowany prompt:

Obraz 1 określa Marę, fikcyjną 37-letnią osobę dorosłą: tożsamość twarzy, krótki miedziany bob, srebrną nausznicę, proporcje ciała i cały nieprześwitujący czarny satynowy top, grafitowe spodnie oraz botki. Obraz 2 określa wyłącznie siedzącą pozę ciała i punkty kontaktu z fotelem. Sfotografuj Marę siedzącą prosto z tułowiem, kierunkiem kolan, opartymi stopami i osobnymi dłońmi jak na obrazie 2. Zachowaj głowę pod lekkim kątem trzy czwarte zgodnym z obrazem 1. Użyj twarzy, włosów i ubrania obrazu 1, nie osoby lub stroju obrazu 2. Zachowaj prosty fotel i miękkie światło boczne z obrazu 1, układając fotel naturalnie wokół nowej siedzącej pozy. Aparat na wysokości oczu; cała głowa, obie dłonie, kolana i buty w portrecie 3:4 z małą przestrzenią przy krawędziach. Jedna osoba dorosła, jedna fotografia, bez kolażu.

Prompt celowo daje docelowemu kątowi twarzy własną instrukcję. Kopiowanie każdego aspektu fotografii pozy mogłoby wymagać profilu niewidocznego w źródle tożsamości. Jeśli dokładny profil jest konieczny, użyj zatwierdzonego widoku tożsamości z tego kąta; nausznica i miedziane włosy nie określają nosa i szczęki z każdej strony.

W Seedream Pro te same role wejść i receptura tekstowa są rozsądnym początkiem. Wybierz 2k, PNG, opaque i wyraźne 3:4 zamiast domyślnego auto. W pierwszej próbie zachowaj thinking domyślne. Udoskonala prompt; nie jest zapisaną tożsamością ani przełącznikiem blokady pozy.

To proponowane wybory operacyjne, nie dowód skopiowania siedzącego układu przez oba modele. Zachowaj oryginalne wejścia, aby nieudany wynik nie stał się następną definicją Mary.

Zdiagnozuj, co pochodzi z niewłaściwego obrazu

Oryginalna dyskusja edycji referencyjnej Qwen opisuje łączenie obrazu postaci z upozowanym modelem low-poly. Autor zgłasza otrzymanie figury low-poly z dodanymi cechami postaci zamiast pożądanej postaci w nowej pozie. Odpowiedzi proponują zmianę określenia ról lub reprezentację pozy; nie ustalają uniwersalnie skutecznej poprawki.

Ta porażka jest użyteczna, bo pokazuje, czego szukać. Jeśli Mara przejmuje proporcje lub styl manekina, obraz pozy wpłynął na więcej niż postawę. Nie reaguj zwiększeniem liczby obrazów. Najpierw wyjaśnij rolę tożsamości obrazu 1 i wyłącznie pozy obrazu 2, uprość źródło pozy i usuń niepowiązane instrukcje stylu.

W wątku porad Qwen Image 2.1 twórcy omawiają instrukcje pozy z dwoma obrazami, a inni zgłaszają niezmienione wyniki i różne reakcje na słowa. To obserwacje lokalnych przepływów. Uzasadniają próbę czytelniejszych ról źródeł, ale nie procent sukcesu hostowanej receptury.

Gdy zła jest tylko dłoń, a reszta zaakceptowana, przestań prosić o nową całą postawę. Lokalna naprawa zaakceptowanego pliku jest innym zadaniem. Osobna maska Qwen przyjmuje jedno źródło, więc usuń referencję pozy przy naprawie. Zaakceptowany plik dostarcza teraz siedzące ciało. Jeśli inne miejsca wymagają dokładnych pikseli, zwykła kompozycja może je zachować; czarny region maski nie dowodzi identyczności każdego otaczającego piksela.

Kiedy szkielet OpenPose jest referencją, a kiedy ControlNet

Mapa pozy z figurą patyczkową usuwa wiele konkurujących informacji o tożsamości i ubraniu. Może bezpośrednio pokazywać łokcie, nadgarstki, biodra i kolana. Istotne jest jednak, jak trafia do przepływu.

Jeśli przesyłasz ją jako obraz 2 do Qwen lub Seedream, jest zwykłym obrazem referencyjnym. Model otrzymuje obraz szkieletu i instrukcję. Żądanie nie załadowało OpenPose ControlNet tylko dlatego, że obraz pochodzi z OpenPose. Te hostowane zadania nie mają publicznej wagi kontroli.

W dedykowanym przepływie warunkowanym pozą mapa łączy się ze zgodnym modelem kontroli warunkującym generowanie. Oficjalny poradnik pozy ComfyUI pokazuje osobny model ControlNet i etap Apply ControlNet zamiast dodatkowego uploadu referencji. Przykład używa konkretnej konfiguracji Stable Diffusion. Nie zakładaj niezmiennego zastosowania jej plików i ustawień do Qwen, Seedream lub Z-Image.

Wybierz tę ścieżkę, gdy precyzyjny układ kończyn jest kluczowy, a zwykła edycja referencji stale go pomija. Potrzebujesz też zgodnego sposobu zachowania tożsamości i zatwierdzonego stroju. Szkielet nie zawiera żadnego z nich. Silniejsze warunkowanie pozy nie odtworzy samo konkretnej twarzy Mary, kolczyków lub projektu ubrania.

Sprawdź szkielet przed generowaniem. Wykryty nadgarstek na fotelu zamiast na dłoni nakazuje modelowi błędny cel. Dwie stykające się kończyny mogą mylić detekcję; ukryte stawy mogą być zgadnięte. Popraw mapę lub wybierz czytelniejszą referencję zamiast ufać każdemu wyodrębnionemu punktowi.

Dla serii dorosłych czysta referencja postawy może pozostawać w pełni zakryta. Nie potrzebujesz dosłownego wejścia, by przekazać siedzenie, kierunek ciała lub kontakt z fotelem. Skup referencję na informacjach pozycyjnych potrzebnych obrazowi.

Ilustracja: przesłanie szkieletu jako referencji i zastosowanie zgodnego ControlNet to różne przepływy.

Wyceń próbę pozy i prawdopodobną naprawę osobno

Przy aktualnych publicznych stawkach edycja Qwen z jednym źródłem kosztuje $0.036 w 1k lub $0.048 w 2k. Przy dwóch źródłach oba poziomy kosztują $0.048 za wynik. Dla tego żądania postawy z dwiema referencjami 2k kosztuje więc tyle co 1k. Nie dowodzi to lepszej realizacji pozy; daje większy wynik za tę samą wycenę.

Edycja Seedream Pro kosztuje $0.036 w 1k lub $0.072 w 2k z jednym źródłem. Druga referencja dodaje $0.003, dając $0.039 w 1k lub $0.075 w 2k za próbę dwóch źródeł.

Ostatni wiersz finansuje cztery wyniki, nie trzy gwarantowane udane obrazy i gwarantowaną naprawę. Naprawa Qwen może używać maski pod warunkami jednego źródła; Seedream nie ma maski. Ceny nie kupują równoważnych gwarancji zachowania.

Z-Image Turbo LoRA Edit aktualnie ma stałą cenę $0.012 za obraz, ale niższa cena nie zamienia pojedynczego źródła w proces dwóch referencji. Rozważ je, gdy jedno zatwierdzone źródło i odpowiednia LoRA rozwiązują faktyczne zadanie. Nie traktuj go jako tańszego zamiennika powyższego żądania.

Wycenione koszty żądań proponowanego przepływu pozy, bez gwarantowanej liczby użytecznych obrazów.

Licz ukończone obrazy odrzucone artystycznie w budżecie roboczym. Wynik zachowujący fotel, ale zmieniający twarz Mary nadal zużył próbę. Stawka nie jest kosztem użytecznej pozy, a poradnik nie zmierzył odsetka użytecznych obrazów uzyskanych z proponowanych danych wejściowych. Bieżącą cenę żądania określa wycena przed wysłaniem.

Utrzymuj problem postawy mniejszy niż cała scena

W pierwszym siedzącym obrazie zachowaj ustaloną postać, strój, światło i kierunek aparatu. Zmień postawę. Gdy uzyskasz zaakceptowany siedzący obraz, inne tło lub strój mogą być osobną edycją. Nowy kąt twarzy, układ siedzenia, ubiór, miejsce i dramatyczne światło naraz utrudniają ustalenie niezrozumianej referencji.

Zacznij od tekstu, jeśli możesz zwyczajnie nazwać ruch. Dodaj osobne źródło pozy, gdy relacje kończyn i powierzchni podparcia stanowią właściwe zadanie. Przejdź do rzeczywistego warunkowania pozą, gdy potrzebujesz ich dokładniejszej kontroli. Na każdej ścieżce porównaj twarz i projekt stroju po zmianie: właściwe kolana są użyteczne tylko wtedy, gdy obraz nadal należy do tej samej serii dorosłej postaci.