اگر با هوش مصنوعی تصویر یا ویدیو می‌سازید، حتماً این صحنه برایتان آشناست: در تصویر اول شخصیت‌تان موهای قهوه‌ای موج‌دار دارد، در تصویر دوم موها صاف شده، در سومی رنگ کت عوض شده و در ویدیو هم چهره کمی شبیه آدم دیگری است. راه‌حل حرفه‌ای این مشکل ساخت یک کاراکترشیت (Character Sheet) استاندارد است؛ یک تصویر مرجع که ظاهر شخصیت را یک‌بار برای همیشه ثبت می‌کند تا در همه تولیدهای بعدی از آن استفاده کنید.
در این مقاله از مسترسا یاد می‌گیرید کاراکترشیت دقیقاً چیست، چرا برای ثبات شخصیت (Character Consistency) اهمیت دارد، روش استاندارد سه‌قابی ما چطور است و با چه پرامپتی می‌توانید آن را در ChatGPT بسازید. پرامپت‌ها به دو زبان انگلیسی و فارسی آماده کپی هستند.
کاراکترشیت چیست؟
کاراکترشیت یا Character Sheet (برگه مرجع شخصیت) تصویری است که یک شخصیت را از چند زاویه مشخص، با یک لباس ثابت، در یک نورپردازی یکنواخت و روی پس‌زمینه‌ای ساده نشان می‌دهد.
در تولید محتوای هوش مصنوعی، کاراکترشیت همان نقش را برای مدل بازی می‌کند. وقتی به جای یک عکس معمولی، یک شیت تمیز و کامل به ابزار می‌دهید، اطلاعات بسیار بیشتری درباره چهره، مدل مو، فرم بدن، لباس، کفش و اکسسوری‌ها در اختیار مدل قرار می‌گیرد و احتمال حفظ ظاهر شخصیت در صحنه‌های جدید بالاتر می‌رود.
چرا کاراکترشیت برای تولید محتوای هوش مصنوعی مهم است؟
مدل‌های تولید تصویر و ویدیو در هر بار تولید، تصویر را از نو می‌سازند. اگر مرجع دقیقی نداشته باشند، جزئیات را «حدس» می‌زنند و همین حدس‌ها باعث تغییرات کوچک اما آزاردهنده می‌شود. کاراکترشیت این حدس‌ها را کم می‌کند. مهم‌ترین مزیت‌هایش این‌هاست:
- ثبات چهره و هویت: فرم صورت، رنگ چشم، مدل و رنگ مو در تصاویر مختلف نزدیک به هم می‌ماند.
- ثبات لباس و اکسسوری: وقتی لباس از جلو و پشت دیده شود، مدل می‌داند پشت کت یا مدل بستن مو چه شکلی است.
- کاربرد در ابزارهای مختلف: می‌توانید همین شیت را به‌عنوان تصویر مرجع (Reference Image) در ابزارهایی مثل تولید تصویر ChatGPT، Midjourney یا ابزارهای ویدیویی مثل Kling، Veo و Sora استفاده کنید؛ البته امکانات و شیوه پذیرش تصویر مرجع در هر ابزار متفاوت است و باید راهنمای خود آن ابزار را هم ببینید.
اشتباهات رایج در ساخت کاراکترشیت
بیشتر کاراکترشیت‌هایی که کار نمی‌کنند، به خاطر چند اشتباه تکراری خراب می‌شوند:
- بریده‌شدن بدن: سر، دست یا کفش‌ها خارج از کادر می‌افتند و مدل بعداً مجبور می‌شود آن بخش‌ها را از خودش بسازد.
- تعداد زیاد زاویه: شیت‌های شلوغ با هشت یا ده ژست، قاب‌ها را کوچک می‌کنند و جزئیات چهره از بین می‌رود.
- تغییر لباس بین قاب‌ها: اگر رنگ یا جزئیات لباس در قاب‌ها فرق کند، مدل نمی‌فهمد کدام نسخه درست است.
- ژست‌های نمایشی: دست‌هایی که جلوی بدن یا صورت را می‌پوشانند، اطلاعات مهم را مخفی می‌کنند.
- پس‌زمینه شلوغ یا رنگی: رنگ پس‌زمینه روی پوست و لباس بازتاب می‌دهد و مرجع رنگی را خراب می‌کند.
- متن، برچسب و واترمارک: نوشته‌هایی مثل «Front» یا «Back» گاهی در تولیدهای بعدی هم ظاهر می‌شوند.
استاندارد مسترسا: کاراکترشیت سه‌قابی
در مسترسا بعد از آزمودن چیدمان‌های مختلف، به یک قالب ساده و کاربردی رسیده‌ایم: یک گرید سه‌قابی (3-Panel Grid) که سه تصویر هم‌اندازه را کنار هم نشان می‌دهد. این قالب هم جزئیات چهره را حفظ می‌کند و هم کل بدن را از جلو و پشت ثبت می‌کند.
قاب اول: نمای نزدیک چهره (کمر به بالا)
یک پرتره روبه‌رو از کمر به بالا، با چهره آرام و خنثی و نگاه مستقیم به دوربین. این قاب مهم‌ترین مرجع برای چهره، مدل مو، رنگ چشم، آرایش و اکسسوری‌هایی مثل گوشواره، عینک یا گردنبند است.
قاب دوم: تمام‌قد از روبه‌رو
شخصیت صاف ایستاده، در حالت خنثی و دست‌ها آزاد کنار بدن. کل بدن از بالای سر تا نوک کفش‌ها باید کامل دیده شود و هیچ بخشی بریده نشود. این قاب تناسبات بدن، کل لباس، شلوار یا دامن و کفش را ثبت می‌کند.
قاب سوم: تمام‌قد از پشت
همان ژست قاب دوم، اما از پشت سر. این قاب برای صحنه‌هایی مهم است که شخصیت راه می‌رود یا برمی‌گردد؛ مدل باید بداند پشت مو، پشت لباس و جزئیاتی مثل کوله یا کلاه چه شکلی است.
چرا پس‌زمینه خاکستری روشن بهتر از سفید است؟
شاید فکر کنید سفید خالص تمیزترین انتخاب است، اما در عمل یک پس‌زمینه استودیویی ساده و یکدست با رنگ خاکستری روشن نتیجه بهتری می‌دهد:
- جداشدن لبه‌ها و مو: تارهای ریز مو و لبه‌های بدن روی خاکستری روشن واضح‌تر دیده می‌شوند و در سفید محو نمی‌شوند.
- لباس‌های سفید و روشن گم نمی‌شوند: پیراهن سفید یا کفش کرم روی پس‌زمینه سفید با آن یکی می‌شود، اما روی خاکستری مرز مشخصی دارد.
- دوربری راحت‌تر: اگر بعداً بخواهید شخصیت را از پس‌زمینه جدا کنید (Cutout یا حذف پس‌زمینه)، ابزارها تفاوت رنگی را بهتر تشخیص می‌دهند.
- مرجع رنگی خنثی: خاکستری خنثی رنگی روی پوست و لباس پخش نمی‌کند و مدل رنگ‌های واقعی شخصیت را دقیق‌تر می‌بیند.
قواعد ثابت در هر سه قاب
- لباس، رنگ‌ها و اکسسوری‌ها در هر سه قاب کاملاً یکسان باشند.
- ژست خنثی و ساده، بدون حرکت نمایشی.
- نور نرم و یکنواخت استودیویی، بدون سایه تند.
- بدون متن، برچسب، لوگو یا واترمارک.
- قاب‌ها هم‌اندازه و با فاصله تمیز کنار هم.
آموزش قدم‌به‌قدم ساخت کاراکترشیت در ChatGPT
- یک عکس مرجع تمیز آماده کنید. بهترین گزینه عکسی است که چهره در آن واضح، نور مناسب و لباس دلخواه شخصیت مشخص باشد. اگر شخصیت را قبلاً با هوش مصنوعی ساخته‌اید، بهترین و کامل‌ترین تصویرش را انتخاب کنید.
- عکس را در ChatGPT آپلود کنید. یک گفت‌وگوی جدید باز کنید و عکس را پیوست کنید تا تاریخچه قبلی روی نتیجه اثر نگذارد.
- پرامپت را بچسبانید. یکی از پرامپت‌های انگلیسی یا فارسی پایین را کپی کنید و همراه عکس ارسال کنید. در اغلب موارد نسخه انگلیسی دقیق‌تر اجرا می‌شود، ولی نسخه فارسی هم قابل استفاده است.
- قاب‌ها را بررسی کنید. با دقت ببینید: آیا چهره شبیه مرجع است؟ آیا سر تا کفش در قاب دوم و سوم کامل است؟ آیا لباس در هر سه قاب یکی است؟ آیا متنی روی تصویر نیامده؟
- اصلاح یا تولید دوباره. اگر مشکلی هست، آن را مشخص و کوتاه بگویید؛ مثلاً «در قاب سوم کفش‌ها بریده شده‌اند، کل بدن را کامل نشان بده» یا «رنگ کت در قاب دوم را مثل قاب اول کن». اگر چند بار اصلاح جواب نداد، تولید را از اول تکرار کنید.
- شیت را ذخیره کنید و دوباره استفاده کنید. نسخه نهایی را با کیفیت کامل و یک نام مشخص ذخیره کنید. از این به بعد این تصویر، مرجع رسمی شخصیت شماست و در پرامپت‌ها و ویدیوهای بعدی پیوستش می‌کنید.
پرامپت آماده کاراکترشیت (انگلیسی)
این پرامپت را همراه عکس شخصیت در ChatGPT ارسال کنید:
پرامپت آماده کاراکترشیت (فارسی)
نکته: نسخه ۱:۱ برای آرشیو و استفاده عمومی مناسب است و نسخه ۱۶:۹ قاب‌های بزرگ‌تری می‌دهد و برای استفاده در ابزارهای ویدیویی و نمایش در وب‌سایت راحت‌تر است.
نمونه کاراکترشیت استاندارد
در تصویر زیر یک نمونه کاراکترشیت افقی ۱۶:۹ را می‌بینید که با همین روش ساخته شده است:
چطور از کاراکترشیت در صحنه‌های بعدی استفاده کنیم؟
ساخت شیت نیمی از کار است؛ نیمه دیگر استفاده درست از آن است. چند نکته کاربردی:
- همیشه شیت را پیوست کنید: در هر تولید جدید، کاراکترشیت را به‌عنوان تصویر مرجع ضمیمه کنید و به حافظه گفت‌وگو تکیه نکنید.
- صریح بگویید: در پرامپت جمله‌ای مثل «keep the character exactly as in the reference sheet» یا «شخصیت را دقیقاً مثل کاراکترشیت مرجع نگه دار» بیاورید.
- فقط چیزی را که باید عوض شود توصیف کنید: صحنه، حالت، زاویه دوربین و نور را بنویسید، اما ظاهر شخصیت را دوباره و متفاوت توصیف نکنید تا تناقض ایجاد نشود.
- برای تغییر لباس شیت جدید بسازید: اگر شخصیت در یک قسمت لباس دیگری می‌پوشد، برای آن لباس هم یک کاراکترشیت جداگانه داشته باشید.
- در ویدیو از فریم اول شروع کنید: در ابزارهای ویدیویی معمولاً بهتر است ابتدا با کمک شیت یک تصویر صحنه بسازید و بعد همان تصویر را به ویدیو تبدیل کنید (Image to Video).
پرامپت پیگیری برای صحنه جدید (انگلیسی)
پرامپت پیگیری برای صحنه جدید (فارسی)
چک‌لیست کاراکترشیت استاندارد
- سه قاب هم‌اندازه کنار هم: نمای نزدیک، تمام‌قد روبه‌رو، تمام‌قد از پشت.
- چهره در قاب اول واضح، روبه‌رو و با حالت خنثی است.
- در قاب دوم و سوم کل بدن از سر تا کفش دیده می‌شود و چیزی بریده نشده.
- لباس، رنگ‌ها، کفش و اکسسوری‌ها در هر سه قاب یکسان‌اند.
- پس‌زمینه ساده و خاکستری روشن است، نه سفید خالص یا شلوغ.
- نور نرم و یکنواخت است و سایه تند ندارد.
- هیچ متن، برچسب، لوگو یا واترمارکی روی تصویر نیست.
- فایل با کیفیت کامل و نام مشخص ذخیره شده است.
سؤالات متداول
آیا کاراکترشیت تضمین می‌کند شخصیت در همه تصاویر صددرصد یکسان باشد؟
نه. هیچ روشی ثبات کامل را تضمین نمی‌کند، چون مدل‌ها در هر تولید تصویر را از نو می‌سازند. اما یک کاراکترشیت تمیز، تغییرات ناخواسته را به‌طور محسوسی کم می‌کند و اصلاح نتیجه را هم ساده‌تر می‌کند.
پرامپت انگلیسی بهتر است یا فارسی؟
ChatGPT هر دو را می‌فهمد، اما معمولاً پرامپت انگلیسی دقیق‌تر و قابل‌پیش‌بینی‌تر اجرا می‌شود؛ به‌خصوص اگر بخواهید همان پرامپت را در ابزارهای دیگر هم استفاده کنید. نسخه فارسی برای درک بهتر ساختار و استفاده سریع مناسب است.
چرا فقط سه قاب؟ نمای نیم‌رخ لازم نیست؟
اضافه‌کردن قاب‌های بیشتر، هر قاب را کوچک‌تر و جزئیات چهره را ضعیف‌تر می‌کند. سه قاب استاندارد مسترسا مهم‌ترین اطلاعات را پوشش می‌دهد. اگر پروژه‌تان به نیم‌رخ نیاز دارد، می‌توانید یک شیت جداگانه برای نماهای کناری بسازید.
برای شخصیت کارتونی یا انیمه‌ای هم این روش جواب می‌دهد؟
بله. ساختار سه‌قابی ثابت می‌ماند؛ فقط کافی است در پرامپت به جای «photorealistic» سبک موردنظرتان را بنویسید، مثلاً سبک انیمه یا تصویرسازی سه‌بعدی.
جمع‌بندی
کاراکترشیت ساده‌ترین و مؤثرترین قدم برای داشتن یک شخصیت ثابت در تصاویر و ویدیوهای هوش مصنوعی است. با روش سه‌قابی مسترسا (نمای نزدیک، تمام‌قد از روبه‌رو و تمام‌قد از پشت) روی پس‌زمینه خاکستری روشن، یک مرجع تمیز می‌سازید که بارها و در ابزارهای مختلف قابل استفاده است.
اگر دنبال پرامپت‌های آماده و حرفه‌ای بیشتری برای تولید تصویر با هوش مصنوعی هستید، سری به Prompt Studio مسترسا و بخش پرامپت‌های تصویر هوش مصنوعی در mistersa.ir بزنید؛ آنجا ایده‌ها و پرامپت‌های تازه برای پروژه بعدی‌تان پیدا می‌کنید.
نمونه خروجی با کاراکترشیت: عکس و ویدیو
دو تصویر و ویدیوی زیر فقط با همین کاراکترشیت سه‌قابی ساخته شده‌اند. صحنه، ژست و زاویه دوربین در هر خروجی عوض شده، اما چهره، موهای مشکی موج‌دار، پیراهن ساتن سبز، شلوار سفید و حتی گوشواره و گردنبند طلایی ثابت مانده است. این همان ثبات شخصیتی است که کاراکترشیت برایش ساخته می‌شود.
در ویدیوی ده‌ثانیه‌ای زیر هم شخصیت در نماهای تمام‌قد، نیم‌رخ و کلوزآپ چهره نمایش داده می‌شود و با وجود کات‌های سریع، چهره و لباس او بدون تغییر باقی می‌ماند.
دیدگاه شما
نظر، تجربه یا پرسش خود را بنویسید. برای جلوگیری از ارسال خودکار، پاسخ کوتاه امنیتی الزامی است.