Yapay zekâ her üretimde biraz farklı bir sonuç verir. Bu, tek bir görsel için zenginlik; bir hesabın akışında yan yana duran on gönderi için ciddi bir sorun.
Her gönderisi farklı bir stilde olan bir hesap dağınık ve amatör görünür. Aynı sorun bir kitabın illüstrasyonlarında, bir uygulamanın ikonlarında ve bir markanın kampanya görsellerinde de vardır.
Çözüm üç katmanlıdır ve her katman bir öncekinden daha güçlü, daha zahmetlidir. İhtiyacınız olan katmana kadar çıkın; daha yükseğine gerek yok.
Katman 1: Prompt disiplini
En basit ve çoğu durumda yeterli olan katman budur. Promptu ikiye ayırın: konu bölümü değişken, stil bölümü sabit.
Stil bölümünü bir metin bloğu olarak kaydedin ve her promptun sonuna aynen yapıştırın: "muted terracotta and cream palette, soft natural window light, generous negative space, shot on 50mm". Yalnızca konuyu değiştirin.
Palet renklerini isimle saymak bu bloğun en etkili parçasıdır. "Sıcak tonlar" belirsizdir ve her üretimde farklı yorumlanır; "ochre, teal, cream" kesindir.
Bu katman yaklaşık tutarlılık sağlar. Görseller aynı ailedendir ama birebir aynı dilde değildir. Sosyal medya akışı için genellikle yeterlidir.
Katman 2: Stil referansı
Prompt tekrarından belirgin biçimde daha güvenilir olan katman budur ve bir yayın ya da marka için gereken tutarlılığı verir.
Midjourney'de beğendiğiniz görselin bağlantısını `--sref` parametresiyle verirsiniz; yeni üretimler o görselin renk, doku ve çizgi karakterini devralır, konusu değişir.
Leonardo AI ve Recraft'ta aynı işi kaydedilmiş stiller yapar: birkaç örnek görsel yükleyerek bir görsel dil tanımlar, sonra tüm üretimleri o dile bağlarsınız.
Recraft'ın ek bir avantajı vardır: marka stili tanımlayıp bir ikon setinin tamamını aynı çizgi kalınlığı, aynı köşe yuvarlaklığı ve aynı görsel ağırlıkla üretebilirsiniz. Bir tasarım sistemi kuruyorsanız bu belirleyicidir.
Katman 3: Karakter ve varlık tutarlılığı
Aynı kişi, aynı ürün ya da aynı maskot farklı sahnelerde tekrar edecekse stil referansı yetmez; varlığın kendisinin sabit kalması gerekir.
Midjourney'in karakter referansı (`--cref`) bu iş için tasarlanmıştır. `--cw` değeri benzerliğin ne kadar sıkı olacağını belirler: yüksek değer kıyafeti de sabitler, düşük değer yalnızca yüzü.
Tam tutarlılık gerekiyorsa daha güçlü yöntem Stable Diffusion tarafında o varlık için bir LoRA eğitmektir. On beş, yirmi görselle eğitilir ve sonra her promptta çağrılır. Bir çocuk kitabının otuz sayfasında aynı karakteri tutmanın gerçek çözümü budur.
Eğitim görsellerinin çeşitliliği sonucu belirler: hepsi aynı açıdan çekilmişse model varlığı değil o açıyı öğrenir ve başka açıdan üretimde benzerlik kaybolur.
Hangi katman size gerekli?
Sosyal medya akışı için birinci katman genellikle yeterlidir; ikinci katman sonucu belirgin biçimde iyileştirir.
Bir dergi, kitap ya da marka kampanyası için ikinci katman zorunludur. Tek tek görsellerin kalitesi, serinin tutarlılığından daha az önemlidir.
Aynı karakter ya da ürün tekrar ediyorsa üçüncü katmana çıkmak gerekir. Bu noktada Stable Diffusion kurulumuna girmek, kaçınılmaz hâle gelir.
Sık sorulan sorular
Aynı promptu tekrarlamak yeterli değil mi?
Yaklaşık tutarlılık verir ama yeterli değildir; aynı prompt her seferinde biraz farklı sonuç üretir çünkü başlangıçtaki gürültü rastgeledir. Stil referansı (Midjourney'de --sref) belirgin biçimde daha sıkı bağlar.
Aynı karakteri nasıl tutarım?
Midjourney'in --cref parametresi bu iş için tasarlanmıştır ve çoğu durumda yeterlidir. Tam tutarlılık gerekiyorsa Stable Diffusion tarafında o karakter için bir LoRA eğitmek gerekir.
Ücretsiz araçlarda tutarlılık sağlanabilir mi?
Kısmen. Leonardo AI'nin kaydedilmiş stil özelliği ücretsiz katmanda da çalışır ve iyi sonuç verir. Bing Image Creator ve Google Gemini'de stil referansı yoktur; yalnızca prompt disiplini ile yaklaşık tutarlılık sağlanabilir.