nano banana, Seedream और FLUX Kontext जैसे रेफरेंस इमेज मॉडलों से एक ही किरदार को अलग अलग सीन, कपड़ों और आर्ट स्टाइलों में जनरेट कीजिए। एक बार करैक्टर शीट बनाइए, फिर उसे कॉमिक्स, मैस्कट, स्टोरीबोर्ड और गेम कॉन्सेप्ट के लिए दोबारा इस्तेमाल कीजिए।
जिसने भी AI से कॉमिक बनाने की कोशिश की है, वह उस पल को जानता है: पहला पैनल एकदम सही दिखता है और दूसरे पैनल में कोई अजनबी खड़ा है। वही प्रॉम्प्ट, वही सेटिंग्स, चेहरा दूसरा। इमेज जनरेटर हर बार नया नॉइज़ सैंपल करते हैं, इसलिए पहचान अपने आप अगली इमेज तक नहीं पहुँचती। रेफरेंस इमेज मॉडलों ने यह बात सुलझा दी। मॉडल को अपने किरदार की एक तस्वीर थमाइए और वह चेहरा स्थिर थामे रखता है, जबकि आप उसके इर्द गिर्द सीन, कपड़े या स्टाइल बदलते रहते हैं।
टेक्स्ट प्रॉम्प्ट किसी श्रेणी का वर्णन करता है, किसी एक इंसान का नहीं। लिखिए तीस पार की एक औरत, ताँबे जैसे बाल, हरी आँखें और बाईं भौंह पर एक निशान, और आपने मॉडल को बस कुछ लाख संभावित चेहरों तक सीमित किया है। हर जनरेशन उनमें से कोई एक चुन लेती है, और पढ़ने वाले दो पैनल के अंदर भाँप जाते हैं कि नायिका बार बार बदली जा रही है।
सीड लॉक कर देने से भी बात नहीं बनती। एक तय सीड उन्हीं सेटिंग्स पर वही इमेज दोबारा बना देता है; पोज़ बदलिए या प्रॉम्प्ट का एक शब्द बदलिए और चेहरा भी खिसक जाता है। सीड आपको दोहराव देते हैं, पहचान नहीं। सालों तक असली जवाब यह था कि अपने किरदार की बीस इमेजों पर एक LoRA ट्रेन कीजिए, यानी ऐसे इंसान का डेटासेट चाहिए जो अभी वजूद में ही नहीं आया, और ऊपर से ट्रेनिंग का वक्त, जिससे ज़्यादातर लेखक और मार्केटर वाजिब वजहों से पीछे हट जाते थे।
रेफरेंस इनपुट ने यह सब एक अपलोड में समेट दिया। किरदार का वर्णन करके उम्मीद लगाने के बजाय आप उसे दिखा देते हैं, और मॉडल उसी इंसान को नई परिस्थिति में रेंडर कर देता है। फर्क वैसा ही है जैसे किसी स्केच आर्टिस्ट को अपने दोस्त के बारे में बताना और उसे दोस्त की फोटो थमा देना।
Picasso IA 488 मॉडल होस्ट करता है, और इनमें एक बढ़ता हुआ समूह रेफरेंस इमेजों को पहले दर्जे का इनपुट मानता है। ये आपस में इतने अलग बरतते हैं कि सोच समझकर चुनना बनता है; पूरा कैटलॉग मॉडल पेज पर है।
| मॉडल | रेफरेंस इनपुट | कहाँ फिट बैठता है |
|---|---|---|
| nano-banana-2 | एक या कई रेफरेंस इमेज | तेज़ सीन और आउटफिट बदलाव, चेहरा बरकरार |
| seedream-4.5 | कई रेफरेंस इमेज | बारीक डिटेल वाले रेंडर, आउटफिट स्वैप, 4K आउटपुट |
| flux-kontext-pro | एक इमेज और एक एडिट निर्देश | सटीक एडिट जो बाकी सब कुछ छुए बिना छोड़ दें |
| ideogram-character | किरदार का रेफरेंस पोर्ट्रेट | एक ही फोटो से कंसिस्टेंसी के लिए बना हुआ |
| multi-image-kontext-pro | दो रेफरेंस इमेज | किरदार को किसी दूसरे सब्जेक्ट के बगल में रखना |
nano banana परिवार, यानी Google की इमेज एडिटिंग लाइन, रोज़मर्रा का घोड़ा है: यह वही औरत, अब रात में बारिश से भीगी गली में जैसे निर्देश मानता है और उसी को लौटाता है, उसकी किसी बहन को नहीं। ByteDance का Seedream एक साथ कई रेफरेंस लेता है और तब चमकता है जब रेंडर में बारीक डिटेल चाहिए या कोई आउटफिट हूबहू आगे ले जाना हो। FLUX Kontext आपकी इमेज को एक तयशुदा एडिट के संदर्भ की तरह बरतता है, ठीक तब जब सिर्फ एक कपड़ा या रोशनी बदलनी हो।
इनमें से किसी के लिए कुछ भी ट्रेन नहीं करना पड़ता। अपलोड कीजिए, प्रॉम्प्ट लिखिए, जनरेट कीजिए। अब जो हुनर मायने रखता है वह रेफरेंस मैनेजमेंट है, और यहीं करैक्टर शीट की बात आती है।
एनिमेशन स्टूडियो किरदार को सीधे किसी सीन में नहीं बनाते। वे पहले मॉडल शीट बनाते हैं: सामने, बगल और पीछे के व्यू, एक तटस्थ भाव, दो चार भावनात्मक चरम, और स्टैंडर्ड पोशाक। प्रोडक्शन का हर आर्टिस्ट उसी शीट को सामने रखकर बनाता है। जो AI वर्कफ़्लो असल में टिकता है, वह हूबहू यही नकल करता है।
आपकी शीट में चाहिए एक साफ तटस्थ पोर्ट्रेट, एक थ्री क्वार्टर व्यू, डिफॉल्ट आउटफिट वाला फुल बॉडी शॉट, और दो या तीन भाव। पहला पोर्ट्रेट किसी भी मज़बूत टेक्स्ट टू इमेज मॉडल से बनाइए और तब तक इटरेट कीजिए जब तक चेहरा ऐसा न हो जिस पर आप पचास पैनल तक टिक सकें, फिर बाकी सबके लिए उसी को रेफरेंस बनाइए।
प्रो टिप: एक आइडेंटिटी ब्लॉक लिखिए, यानी एक छोटा तयशुदा पैराग्राफ जो किरदार का नाम और उसकी न बदलने वाली खूबियाँ गिनाता है (बाल, आँखें, निशान, आउटफिट, रंग पट्टी), और उसे हर प्रॉम्प्ट में रेफरेंस इमेज के साथ चिपकाइए। इमेज चेहरे को बाँधती है; टेक्स्ट उसे बाँधता है जो रेफरेंस दिखा नहीं सकती। इसे किसी नोट्स फाइल में रखिए, याद के भरोसे दोबारा कभी मत लिखिए।
शीट बनाने में एक शाम लगती है और वह पहली ही बार वसूल हो जाती है जब किरदार को पीछे से दिखाना पड़े। जिस मॉडल से कोई अनदेखा एंगल गढ़ने को कहा जाए वह अंदाज़ा लगाएगा; जिसे टर्नअराउंड थमा दिया गया हो, उसे अंदाज़ा लगाने की ज़रूरत ही नहीं।
नीचे वाला वर्कफ़्लो Picasso IA टूलकिट में चलता है और पहली बार में एक दोपहर लेता है। नए अकाउंट को मुफ्त क्रेडिट मिलते हैं, जो पहली शीट और कुछ टेस्ट सीन के लिए काफी हैं।
चौथे स्टेप वाला एक बार में एक बदलाव का नियम ही वह चीज़ है जो एक स्थिर किरदार को धीरे धीरे अजनबी बन जाने से अलग करती है।
कॉमिक बनाने वाले सबसे साफ मिसाल हैं, क्योंकि कॉमिक है ही नए पैनलों में वही चेहरे। हर मुख्य किरदार की एक शीट होने पर पेज बनाना रेफरेंस और पैनल डिस्क्रिप्शन का एक लूप बन जाता है। किताब इलस्ट्रेट करते लेखक भी इसी तरह काम करते हैं: हर मुख्य किरदार की एक शीट, और चालीसवें पेज का बच्चा वही बच्चा लगता है जो कवर पर था।
मार्केटर के लिए किरदार एक मैस्कट है, और दाँव पर ब्रांड की साख है। जो मैस्कट न्यूज़लेटर और सोशल कैंपेन के बीच चुपके से बदल जाता है, वह किसी के कारण बता पाने से पहले ही लापरवाह लगने लगता है। लॉक की हुई शीट मैस्कट को ऐसा एसेट बना देती है जिसे टीम का कोई भी साथी इस्तेमाल कर सके: वही ऊदबिलाव, हर तिमाही नया मौसमी सीन। इंटरफेस छह भाषाओं में आता है, इसलिए अलग अलग जगहों पर बैठी टीम एक ही वर्कस्पेस और एक ही शीट साझा कर सकती है।
गेम डिज़ाइनरों को दो फायदे मिलते हैं: कॉन्सेप्ट इटरेशन बँधे रहते हैं जबकि कॉस्ट्यूम की खोज खुलकर चलती है, और तैयार रेंडर इमेज से 3D मॉडल की तरफ जाकर ब्लॉकिंग या प्रिंटिंग के लिए कच्चा मॉडल बन सकता है। स्टोरीबोर्ड आर्टिस्ट को तीसरा फायदा मिलता है: पूरी कास्ट को हर फ्रेम में रेंडर कीजिए, अहम फ्रेम Kling जैसे इमेज टू वीडियो मॉडल से एनिमेट कीजिए, और कट के ऊपर AI वॉइसओवर से नैरेशन बिछा दीजिए। इस कैटलॉग वाले तरीके को किसी एक मॉडल वाले टूल के सामने तोल रहे हैं? Midjourney से तुलना बताती है कि कहाँ कौन जीतता है।
रेफरेंस मॉडलों ने किरदार का काम नामुमकिन से भरोसेमंद तक पहुँचाया है, बेदाग तक नहीं। नाकाम होने के तरीके पहले से जान लेना क्रेडिट बचाता है।
इनमें से कोई भी वजह इतनी बड़ी नहीं कि आप हर पैनल में अपने नायक को दोबारा कास्ट करने पर लौट जाएँ। ये उस टूल की हदें हैं, जो इनके भीतर इस्तेमाल हो तो टिकता है।
कोई एक विजेता नहीं है, और इसीलिए कई मॉडलों वाला कैटलॉग काम आता है। nano banana मॉडल उन तेज़ एडिट के लिए रोज़ का विकल्प हैं जो पहचान बचाए रखते हैं, कई रेफरेंस और ऊँचे रेज़ोल्यूशन में Seedream आगे है, सटीक एडिट में FLUX Kontext सबसे मज़बूत है, और ideogram-character बना ही इसलिए है कि एक चेहरा कई सीन में टिका रहे। वही शीट दो या तीन मॉडलों से गुज़ारिए और जो सबसे अच्छा बैठे उसी के साथ चलिए।
हाँ, रेफरेंस इनपुट का यही मुख्य इस्तेमाल है। रेफरेंस इमेज चेहरा और डील डौल थामे रखती है जबकि प्रॉम्प्ट नया आउटफिट, पोज़ या जगह बताता है। भरोसेमंद तरीका है एक जनरेशन में एक ही बदलाव: पहले तटस्थ पोज़ पर आउटफिट बदलिए, फिर उसी आउटपुट को रेफरेंस बनाकर हरकत वाले पोज़ बनाइए। एक ही छलाँग में सब कुछ बदल देने से मॉडल को चेहरा दोबारा तय करने के तीन बहाने एक साथ मिल जाते हैं।
एक साफ, अच्छी रोशनी वाले पोर्ट्रेट से शुरुआत कीजिए और तभी और जोड़िए जब मॉडल उन्हें सहता हो और शॉट की माँग हो। Seedream जैसे मॉडल कई रेफरेंस लेते हैं, जो तब काम आता है जब चेहरा एक इमेज से और आउटफिट दूसरी से चाहिए। ज़्यादा होना अपने आप बेहतर नहीं होता, क्योंकि आपस में टकराते रेफरेंस आउटपुट को औसत की तरफ खींचते हैं। जो सेट सचमुच एक ही इंसान का लगता हो, वह लगभग मिलती जुलती इमेजों के फोल्डर से बेहतर है।
हाँ, लंबी कॉमिक में ही शीट का अनुशासन सबसे ज़्यादा वसूल होता है। हर किरदार की एक मास्टर शीट रखिए, पैनल सीन के हिसाब से बैच में जनरेट कीजिए ताकि रोशनी एक जैसी रहे, और वही आइडेंटिटी ब्लॉक हर प्रॉम्प्ट में चिपकाइए। कुछ पैनल खारिज करने और दोबारा बनाने के लिए तैयार रहिए; यह बाद में भटकाव सुधारने से सस्ता पड़ता है। लंबे प्रोजेक्ट में हर कुछ चैप्टर पर शीट को हाल के सबसे अच्छे रेंडर से ताज़ा कर लीजिए।
भरोसेमंद रास्ता है पहले स्टिल, फिर हरकत। अपने रेफरेंस वर्कफ़्लो से एक कंसिस्टेंट कीफ्रेम बनाइए, फिर उसे Kling जैसे इमेज टू वीडियो मॉडल को दीजिए, जो आपकी दी हुई इमेज से ही एनिमेट करता है। कुछ सेकंड की छोटी क्लिप में पहचान सबसे अच्छी टिकती है; लंबे लगातार शॉट में भटकाव जमा होता जाता है। सीक्वेंस को स्टिल के तौर पर स्टोरीबोर्ड कीजिए, हर बीट अलग एनिमेट कीजिए, और क्लिप जोड़कर काट लीजिए।
ज़्यादातर प्रोजेक्ट के लिए नहीं। रेफरेंस इमेज मॉडल वह कंसिस्टेंसी दे देते हैं जिसके लिए पहले ट्रेनिंग चाहिए होती थी, बिना किसी डेटासेट और बिना सेटअप के। ट्रेनिंग तब भी समझ में आती है जब एक ही किरदार हज़ारों एसेट में कड़ी सटीकता के साथ दिखना हो। अगर आपके पास पहले से ट्रेन किए हुए LoRA वेट हैं, तो कैटलॉग में उन्हें चलाने के लिए flux-dev-lora मौजूद है, पर समझदारी वाला डिफॉल्ट यही है कि पहले रेफरेंस, ट्रेनिंग सिर्फ तब जब नतीजे कम पड़ें।
मॉडल कोई भी चेहरा स्वीकार कर लेंगे, और ठीक इसीलिए सावधानी ज़रूरी है। अपनी फोटो बेझिझक इस्तेमाल कीजिए, और किसी और की सिर्फ उसकी साफ सहमति से। पहचान में आने वाले असली लोगों की जनरेट की हुई इमेज बिना इजाज़त पब्लिश करना व्यक्तित्व और निजता के अधिकारों का उल्लंघन हो सकता है। फिक्शन के लिए साफ सुथरा रास्ता पूरी तरह जनरेट किया हुआ चेहरा है: वह किसी का नहीं होता।
स्टाइल किसी बनी बनाई ड्रॉइंग पर चढ़ा हुआ फिल्टर नहीं है; मॉडल पूरी इमेज को नई विज़ुअल भाषा में दोबारा रेंडर करता है, और सपाट एनिमे शेडिंग में जबड़े की रेखा वैसी नहीं पढ़ी जाती जैसी फोटोरियलिज़्म में। कुछ अनुवाद में खोना लाज़मी है। आइडेंटिटी ब्लॉक प्रॉम्प्ट में बनाए रखिए, स्टाइलाइज़्ड वर्ज़न को एक व्याख्या मान लीजिए, और नई स्टाइल के भीतर एक छोटी शीट बना लीजिए ताकि आगे के रेंडर उसी का रेफरेंस लें।
एक शीट का मतलब है थोड़ी सी जनरेशन: उम्मीदवार पोर्ट्रेट का एक बैच, मुट्ठी भर टर्नअराउंड और भाव वाले शॉट, और साथ में खारिज होने वाली इमेजें। हर जनरेशन क्रेडिट खर्च करती है, जो मॉडल और सेटिंग्स के हिसाब से बदलती है, और नए अकाउंट को मुफ्त क्रेडिट मिलते हैं, जो कुछ भी चुकाने से पहले पहली शीट बना लेने के लिए काफी हैं। लगातार चलने वाले प्रोडक्शन के लिए मौजूदा प्लान देख लीजिए; शीट एक बार का खर्च है, जिसे आगे का हर सीन थोड़ा थोड़ा चुका देता है।
आम तौर पर हाँ; कॉमिक्स, किताबों के इलस्ट्रेशन, मैस्कट और मार्केटिंग एसेट इसी वर्कफ़्लो के लिए बने हैं। वही सावधानी बरतिए जो हाथ से बने मैस्कट पर बरतते: जिन मॉडलों से जनरेट कर रहे हैं उनकी लाइसेंस शर्तें देखिए, पक्का कीजिए कि किरदार किसी सुरक्षित डिज़ाइन की नकल नहीं है, और अगर वह किसी ब्रांड का चेहरा बनेगा तो ट्रेडमार्क पर विचार कीजिए। भेजने से पहले हर इमेज की जाँच कीजिए, और जहाँ ज़रूरी हो वहाँ AI से बनी होने की जानकारी दीजिए।
आपके किरदार का चेहरा तो पहले से है; सवाल यह है कि अगली जनरेशन में वह बचता है या नहीं। Picasso IA टूलकिट खोलिए, अपना रेफरेंस अपलोड कीजिए, और देखिए कि एक पोर्ट्रेट कितनी दूर तक जा सकता है।
