Czy AI utrzyma tę samą twarz? 10 modeli, jeden bohater, 4 sceny

👁 915 przeczytań

To najtrudniejszy test z całej serii. Jeden obrazek zrobi dziś każdy, ale prawdziwa praca - komiks, reklama, seria postów, książka dla dzieci - wymaga czegoś znacznie trudniejszego: tej samej postaci w wielu scenach. Dałem dziesięciu modelom jednego bohatera i przeprowadziłem go przez cztery różne sytuacje.

Bohater: Marek, 35 lat, krótka ciemna broda, okrągłe okulary, rozczochrane brązowe włosy, musztardowy sweter. Cztery sceny: kawiarnia, rower, biuro, deszcz nocą. Ten sam opis i ten sam seed dla każdego modelu. Pytanie brzmi: czy przez cztery ujęcia Marek zostaje tym samym człowiekiem? Poniżej każdy model z osobna - jego cztery sceny obok siebie, żeby było widać, czy twarz trzyma.

Pierwszy wniosek jest mocny i wspólny dla wszystkich: rekwizyty trzymają wszyscy. Broda, okrągłe okulary, musztardowy sweter i rozczochrane włosy nie znikają między scenami. Na poziomie typu postaci spójność jest rozwiązana. Prawdziwy test to jednak nie sweter, lecz geometria twarzy - nos, owal, wiek - i to po niej rozstrzyga się ranking.

Każde zdjęcie możesz kliknąć, aby powiększyć i sprawdzić szczegóły - tekst, palce, twarze.

Model po modelu - bohater i jego cztery sceny

1. Seedream 4.5 - ByteDance

Najlepsza spójność tożsamości w stawce. Szczupła, pociągła twarz, ten sam wąski nos i wyraźny łuk brwiowy przez wszystkie cztery sceny - to bez wątpienia jeden człowiek. Broda równo przystrzyżona wszędzie, wiek stały. Gdybym musiał zrobić komiks z samego promptu, wziąłbym Seedreama.

2. Photon - Luma

Bardzo wyrazista i w pełni powtarzalna twarz: jasne oczy, prosty nos, kanciasta szczęka, gęsta broda - zbieżne od kawiarni po deszcz. Jedyne wahanie to splot swetra w scenie z rowerem, ale sama twarz nie drgnęła.

3. FLUX.2 [pro] - Black Forest Labs

Krępy, zaokrąglony Marek, idealnie stały we wszystkich scenach. Szeroki nos, blisko osadzone oczy i krzaczaste brwi powtarzają się bez zarzutu; lekko drga tylko objętość brody. Wygląda nieco starzej niż u innych modeli, ale to konsekwentnie ten sam człowiek.

4. Imagen 4 Ultra - Google

Twarz spójna i symetryczna, ale model konsekwentnie ułagadza fryzurę - Marek ma być rozczochrany, a w każdej scenie dostaje porządne uczesanie. To stałe odstępstwo od opisu, nie zmiana tożsamości, plus drobne wahanie szerokości twarzy.

5. GPT Image 2 - OpenAI

Mocno spójny przez trzy sceny: szczupła, lekko chłopięca twarz i delikatny zarost. W scenie deszczowej twarz robi się odrobinę pełniejsza i cieplejsza, ale rozpoznawalnie to wciąż ten sam człowiek. Lekki dryf, nic więcej.

6. Ideogram V4 - Ideogram

Charakterystyczna kanciasta szczęka i głęboko osadzone oczy są zbieżne w trzech scenach. W biurze twarz robi się odrobinę gładsza, młodsza i z mniejszym zarostem - wyraźny, choć nie dyskwalifikujący dryf.

7. Qwen-Image - Alibaba

Szczupła twarz i krótka broda są spójne przez kawiarnię, rower i biuro. W deszczu zarost robi się mocno rudawy, a owal węższy - dryf koloru i kształtu brody psuje końcówkę serii.

8. Recraft V4 - Recraft

Trudny do oceny, bo postać jest oddalona w kadrze i twarze małe. Z tego, co widać: zarost znika w scenie biurowej, a splot swetra zmienia się na warkoczowy przy rowerze. Lekki dryf na kilku frontach naraz.

9. HunyuanImage 3.0 - Tencent

Poza konkursem nie z winy jakości, lecz niezawodności: z czterech scen wygenerowały się tylko dwie, reszta wywołań padała raz za razem (próbowałem synchronicznie i przez kolejkę). Dwie dostępne sceny są spójne, ale model, którego nie da się niezawodnie wywołać, w produkcji jest po prostu problemem.

10. Nano Banana 2 - Google / Gemini

Największa niespodzianka i najgorszy wynik - u modelu reklamowanego jako ten od spójności. Rekwizyty trzyma, ale twarz realnie skacze: w kawiarni to spokojny, szczuplejszy mężczyzna, na rowerze szersza, okrąglejsza twarz z innym uśmiechem, w deszczu jeszcze inny, młodszy człowiek z rudawym zarostem. Niemal trzy różne osoby w jednym swetrze.

Ranking spójności w pigułce

1. Seedream 4.5 (ByteDance) - ta sama twarz w czterech scenach
2. Photon (Luma) - wyrazista, powtarzalna twarz
3. FLUX.2 [pro] (Black Forest Labs) - stały, krępy bohater, minimalny dryf
4. Imagen 4 Ultra (Google) - spójny, ale zawsze za grzeczna fryzura
5. GPT Image 2 (OpenAI) - spójny, lekkie ocieplenie twarzy w deszczu
6. Ideogram V4 (Ideogram) - zbieżny, młodszy i mniej zarostu w biurze
7. Qwen-Image (Alibaba) - spójny, dryf rudawego zarostu w deszczu
8. Recraft V4 (Recraft) - małe twarze, znikający zarost i zmienny sweter
9. HunyuanImage 3.0 (Tencent) - tylko 2 z 4 scen - model niestabilny
10. Nano Banana 2 (Google / Gemini) - twarz skacze - niemal trzy różne osoby

Jak naprawdę zablokować postać

Sedno na koniec: dla identycznej postaci nie używa się samego promptu, tylko trybu referencyjnego - generujesz bohatera raz i podajesz to zdjęcie jako wzór do kolejnych scen (image-to-image, character reference). Wtedy twarz przestaje dryfować. Ten test pokazuje, jak blisko modele dochodzą bez tej protezy: zaskakująco blisko w warstwie rekwizytów, ale z samej tożsamości twarzy najlepiej trzyma Seedream, a głośna renoma (Nano Banana 2) potrafi mylić.

Wnioski

• Spójność typu jest rozwiązana - rekwizyty postaci (okulary, sweter, broda) utrzymują wszyscy.
• Tożsamość twarzy to kolejna granica - z samego promptu najlepiej trzyma ją Seedream 4.5, a nie głośna Nano Banana 2.
• Dla pewności sięgnij po tryb referencyjny - sam opis daje brata bohatera, nie jego samego.