ComfyUI Tutorial: Konsistente Charaktere erstellen

Warum sieht eine Figur in einem KI-Bild korrekt aus und wird dann sofort zu einer anderen Person, sobald sich Pose, Kamerawinkel, Outfit oder Ort ändern? In ComfyUI lautet die Antwort meistens nicht „schreibe einen längeren Prompt." Zuverlässige Identität entsteht dadurch, dass man die Charakterreferenz, die Identitätskonditionierungsmethode, die Posenkontrolle, die Stilkontrolle und den Szenen-Prompt voneinander trennt, sodass jede Komponente eine klar definierte Aufgabe hat.

Die richtige ComfyUI-Methode für Charakterkonsistenz wählen

„Konsistenter Charakter" kann mehrere unterschiedliche Anforderungen bedeuten. Ein einzelnes Porträt, das in neue Hintergründe variiert wird, ist einfacher als ein wiederverwendbarer Protagonist, der aus jedem Winkel, in mehreren Outfits und über Dutzende von Szenen hinweg dargestellt wird. Wähle die einfachste Methode, die die geplante Variation überstehen kann.

Eine nützliche Regel lautet: Referenzadapter für Geschwindigkeit, LoRA für Skalierung, ControlNet für Struktur. Kombiniere sie erst, nachdem jeder Teil unabhängig funktioniert.

Schritt 1: Eine Referenz vorbereiten, die Variation überstehen kann

Eine schwache Referenz kann nicht durch das Hinzufügen weiterer Nodes repariert werden. Verwende ein scharfes Bild mit lesbarer Gesichtsstruktur, natürlichen Proportionen, aufgeräumter Beleuchtung und minimaler Verdeckung. Vermeide kleine Gesichter, extreme Ausdrücke, starke Filter, tiefe Schatten, das Gesicht verdeckende Hände oder mehrere Personen in einem Bild.

• Gesichtsreferenz: neutraler oder milder Ausdruck, klare Augen, sichtbare Kieferlinie und ausreichende Auflösung für Identitätsmerkmale.
• Ganzkörperreferenz: genaue Proportionen, erkennbare Silhouette und das Standard-Outfit.
• Profil- und Drei-Viertel-Ansichten: nützlich, wenn das Projekt verschiedene Kamerawinkel umfasst.
• Designdetails: Haarform, Augenfarbe, Hautton, Altersbereich, Accessoires, Garderobenfarben und markante Merkmale.
• Negative Identitätsregeln: Liste Merkmale auf, die sich nicht verändern dürfen, wie z. B. kein Bart, keine Brille, keine andere Haarlänge oder keine Altersverschiebung.

Erstelle einen kompakten Identitätsblock und verwende ihn wieder, ohne ihn neu zu schreiben: „fiktive erwachsene Frau, ovales Gesicht, weit auseinanderstehende dunkelbraune Augen, kurzer welliger schwarzer Bob, kleines Muttermal unter dem linken Auge, warme mittlere Haut, dunkelgrüne Feldjacke." Szenen-Prompts sollten Umgebung und Aktion hinzufügen, ohne diesen Block zu widersprechen. Wenn das Ausgangsdesign noch nicht existiert, kann ein KI-Charaktergenerator helfen, die erste visuelle Referenz zu erstellen, bevor sie in den lokalen Graphen übertragen wird.

Schritt 2: Einen IP-Adapter-Referenz-Workflow aufbauen

IP-Adapter ist oft der schnellste Weg von einem genehmigten Bild zu nützlichen Variationen. Der grundlegende Graph lädt den Checkpoint und die Text-Encoder, lädt und bereitet das Referenzbild vor, kodiert es mit einem kompatiblen Vision-Encoder, wendet Adapter-Konditionierung an, sampelt das Latent und dekodiert das Ergebnis.

1. Beginne mit einem bekannten, funktionierenden Workflow für die genaue SDXL-, FLUX- oder andere Checkpoint-Familie.
2. Verwende zunächst eine starke Referenz, bevor du mehrere Referenzbilder testest.
3. Setze ein moderates Identitäts- oder Bildkonditionierungsgewicht; maximale Stärke kann Komposition und Ausdruck zu wortwörtlich kopieren.
4. Halte Denoise und Style-Druck während des ersten Identitätstests konservativ.
5. Generiere ein Raster, das nur die Umgebung ändert, während Pose und Bildausschnitt ähnlich bleiben.
6. Teste dann Pose, Kamerawinkel, Ausdruck und Garderobe separat.

Wenn die Ausgabe dem Quellbild zu ähnlich ist, reduziere die Adapterstärke oder verkürze ihren Einfluss über den Sampling-Bereich. Wenn die Identität verschwindet, erhöhe die Referenzstärke, vereinfache konfliktreiche Prompt-Details, reduziere Denoise oder verwende eine identitätsfokussiertere Methode.

Schritt 3: PuLID verwenden, wenn Gesichtsidentität am wichtigsten ist

PuLID-basierte Workflows konzentrieren sich auf eine erkennbare Identität und ermöglichen gleichzeitig umfassendere Szenenänderungen. Sie sind nützlich für Porträts, redaktionelle Charaktere, Sprecher-Konzepte und kinematische Nahaufnahmen, bei denen Betrachter Gesichtsdrift sofort bemerken.

Teste zunächst mit einem neutralen Gesicht und erhöhe dann den Schwierigkeitsgrad in kontrollierter Reihenfolge: andere Beleuchtung, Ausdruck, Brennweite, Kamerawinkel, Haarstylingbewegung und partielle Verdeckung. Beginne nicht mit all diesen Änderungen in einem einzigen Prompt.

Identitäts-Nodes bewahren nicht automatisch den gesamten Charakter. Verankere Kleidung und Körperdesign durch Prompts, zusätzliche Referenzen, regionale Konditionierung oder ein LoRA. Wenn zwei Charaktere in einem Bild erscheinen, trenne ihre Konditionierung räumlich, sofern der Workflow dies unterstützt; andernfalls können Identitätsmerkmale zwischen den Motiven verschwimmen.

Schritt 4: Ein Charakter-LoRA als wiederverwendbares Produktions-Asset trainieren

Ein LoRA ist die stärkere langfristige Option, wenn der Charakter in vielen Szenen, Posen, Bildausschnitten und Stilen erscheinen muss. Der entscheidende Faktor ist die Datensatzqualität, nicht einfach die Bildanzahl.

• Entferne Beinahe-Duplikate, unscharfe Gesichter, Anatomieversagen, widersprüchliche Altersangaben und inkonsistente Designdetails.
• Beziehe nützliche Variation in Winkel, Bildausschnitt, Ausdruck und Beleuchtung ein, ohne die Kernidentität zu verändern.
• Beschrifte Identität getrennt von Kleidung, Hintergrund, Pose und fotografischem Stil.
• Verwende ein eindeutiges Trigger-Token, das wahrscheinlich nicht mit gängigen Konzepten kollidiert.
• Speichere Samples während des Trainings und teste das LoRA mit Prompts, die im Datensatz nicht direkt repräsentiert waren.

Übertraining kann Trainingskompositionen reproduzieren und die Flexibilität verringern. Untertraining erzeugt eine vage Ähnlichkeit. Evaluiere mehrere Gewichte und Seeds und halte für jede neue Trainingsversion einen kleinen Benchmark-Prompt-Satz bereit.

Schritt 5: Pose-, Kompositions- und Multi-Szenen-Kontrolle hinzufügen

Identität und Pose sind separate Probleme. Sobald das Gesicht stabil bleibt, füge OpenPose-, Tiefen-, Kanten- oder andere strukturelle Konditionierung hinzu, damit der Charakter geplante Aktionen ausführen kann, ohne die Komposition zu verlieren.

Genehmige für eine Szenensequenz jeweils einen Keyframe nach dem anderen. Verwende die Identitätsmethode und den Identitätsblock erneut und ändere nur die aufnahmenspezifische Aktion, Umgebung, Kamera und Pose. Speichere Seeds und Workflow-JSON-Dateien zusammen mit den Ausgaben, damit erfolgreiche Szenen reproduzierbar bleiben. Ein KI-Storyboard-Generator kann helfen, diese gesperrten Charakterbilder in einer lesbaren Sequenz anzuordnen, bevor die Animation beginnt.

Wenn die Bilder zu einer Geschichte zusammengefügt werden, ordne sie als Totale, mittlere Aktion, Nahaufnahme, Reaktion und Detail an, anstatt zufällige Kompositionen zu generieren. Ein strukturierter Script-to-Video-Workflow kann helfen, die spätere narrative Sequenz zu planen, auch wenn die Charakterbilder selbst lokal produziert werden.

Fehlerbehebung bei ComfyUI-Charakterdrift

Führen Sie ein Diagnose-Raster. Zeilen können das Identitätsgewicht darstellen und Spalten können die Rauschunterdrückung oder Stilstärke darstellen. Dies zeigt einen stabilen Betriebsbereich schneller als zufällige Parameteränderungen. Für einfachere Bearbeitungen, die nur einen Hintergrund, ein Outfit oder eine Szene ändern und dabei das Quellbild beibehalten, vergleichen Sie einen gezielten Bild-zu-Bild-Workflow bevor Sie weitere lokale Nodes hinzufügen.

Wann ein browserbasiertes Tool für konsistente Charaktere praktischer ist

ComfyUI ist wertvoll, wenn Sie lokale Verarbeitung, wiederverwendbare Graphen, spezialisierte Checkpoints, benutzerdefinierte Nodes, LoRA-Training oder präzise Forschungskontrolle benötigen. Es ist weniger effizient, wenn das eigentliche Ziel lediglich darin besteht, denselben fiktiven Charakter in einer kleinen Anzahl von Bildern zu erstellen, ohne eine lokale Umgebung zu pflegen.

Konsistente Charaktervariationen aus einer Referenz erstellen \u2192

Häufig gestellte Fragen