ทำไม “ความสม่ำเสมอ” จึงเป็นด่านที่ยากที่สุดของการสร้างสรรค์ด้วย AI
คนส่วนใหญ่ที่เคยใช้ AI สร้างคอนเทนต์มักเจอความหงุดหงิดแบบเดียวกัน: กว่าจะปรับได้ภาพที่พอใจ แต่พอเปลี่ยนมุม เปลี่ยนช็อต สิ่งที่ออกมากลับไม่เหมือนเดิมเลย คุณอยากสร้างเอฟเฟกต์เมื่อครู่นั้นซ้ำ แต่กลับพบว่าไม่สามารถย้อนกลับไปได้อีก นี่ไม่ใช่เรื่องของโชค แต่เป็นข้อจำกัดเชิงโครงสร้าง การเข้าใจเรื่องนี้สำคัญกว่าการเรียนรู้เทคนิคพรอมป์ต์ให้มากขึ้นเสียอีก
ทำไม AI จึงขาดความสม่ำเสมอโดยธรรมชาติ
ในการถ่ายทำแบบดั้งเดิม ความสม่ำเสมอได้รับ “การรับประกันทางกายภาพ”: นักแสดงคนเดิมยืนอยู่ในห้องเดิม กล้องเปลี่ยนมุม คนที่ถ่ายได้ก็ยังเป็นคนเดิม ห้องก็ยังเป็นห้องเดิม เพราะเป็นวัตถุทางกายภาพชุดเดียวกัน ความสม่ำเสมอจึงไม่ต้องดูแลเพิ่มเติม แต่ตรรกะของการสร้างด้วย AI แตกต่างอย่างสิ้นเชิง การสร้างแต่ละครั้งคือการสุ่มตัวอย่างใหม่อย่างเป็นอิสระหนึ่งครั้ง——โมเดลสร้างภาพขึ้นใหม่ตั้งแต่ต้นตามคำบรรยายที่คุณให้ มันไม่มีแนวคิดว่า “ครั้งก่อนสร้างคนหน้าตาแบบไหน” และไม่มีความทรงจำข้ามช็อต จึงเกิดผลตามมาสามข้อ:- รายละเอียดจะลอยไปมา: รายละเอียดของใบหน้า ทรงผม และเสื้อผ้าจะผันผวนอยู่ในขอบเขตที่ดูสมเหตุสมผลทุกครั้ง ดูทีละภาพก็ปกติ แต่เมื่อนำมาเรียงกันแล้วกลับไม่ใช่คนเดียวกัน
- ภาพอ้างอิงจะใช้ไม่ได้เต็มที่: แม้จะนำภาพก่อนหน้าเป็นภาพอ้างอิง โมเดลก็ทำได้เพียง “อ้างอิง” ไม่ใช่ “คัดลอก”
- ทำซ้ำไม่ได้: คำบรรยายเดียวกันเมื่อสร้างต่างเวลา ผลลัพธ์อาจแตกต่างกันอย่างชัดเจน ดังนั้นความสม่ำเสมอจึงไม่ใช่ปัญหาที่แก้ได้ด้วยการ “เขียนพรอมป์ต์ให้ดีขึ้น” แต่ต้องมีกลไกที่สร้างขึ้นนอกกระบวนการสร้างภาพ
สามระดับของความสม่ำเสมอ
ในโปรเจกต์จริง คำว่า “ความสม่ำเสมอ” ครอบคลุมสิ่งที่แตกต่างกันสามระดับ ซึ่งมีความยากและวิธีแก้ไม่เหมือนกัน- ระดับที่หนึ่ง: ความสม่ำเสมอของตัวละคร หมายถึงการให้บุคคลเดียวกันคงที่ในหลายช็อต นี่เป็นระดับพื้นฐานที่สุดและถูกสังเกตเห็นได้ง่ายที่สุด——ผู้ชมมีความสามารถในการจดจำใบหน้าสูงมาก เพียงคลาดเคลื่อนเล็กน้อยก็ทำให้หลุดจากเรื่องได้ ความยากอยู่ที่ตัวละครประกอบด้วยมิติรายละเอียดจำนวนมาก: โครงสร้างใบหน้า สัดส่วนรูปร่าง ทรงผม เสื้อผ้า เครื่องประดับ และมิติเหล่านี้ยากมากที่จะระบุให้ครบถ้วนในพรอมป์ต์ และยากมากที่จะทำให้คงที่
- ระดับที่สอง: ความสม่ำเสมอของฉาก หมายถึงการให้พื้นที่เดียวกันรักษาความสัมพันธ์เชิงพื้นที่เดิมไว้ในหลายช็อต สิ่งนี้ถูกมองข้ามได้ง่ายกว่าความสม่ำเสมอของตัวละคร แต่ก็เป็นที่มาของข้อผิดพลาดร้ายแรงเช่นกัน——ในช็อตสลับมุมไปมา หากฉากหลังไม่ตรงกัน หรือตำแหน่งประตูหน้าต่างในห้องเดียวกันเปลี่ยนไป ผู้ชมจะรู้ทันทีว่า “นี่ไม่ใช่ที่เดียวกัน” ความยากอยู่ที่ความสัมพันธ์เชิงพื้นที่เป็นข้อมูลเชิงโครงสร้าง，而โครงสร้างคือสิ่งที่ถูกทำให้กระจัดกระจายได้ง่ายที่สุดในกระบวนการสร้าง
- ระดับที่สาม: ความสม่ำเสมอของสไตล์ หมายถึงการให้ชุดภาพหนึ่งใช้เนื้อสัมผัสทางภาพแบบเดียวกัน ระดับนี้เป็นนามธรรมที่สุด แต่ส่งผลมากที่สุดต่อคำถามที่ว่า “มันดูเหมือนภาพยนตร์เรื่องเดียวกันหรือไม่” ความสม่ำเสมอของสไตล์ประกอบด้วยหลายด้าน เช่น โทนสีพื้น อัตลักษณ์เชิงออปติกของเลนส์ และตรรกะของแสง เมื่อมันพังทลาย อาการจะไม่สะดุดตาเท่าตัวละครลอยไปมา แต่เป็น “ความไม่เข้ากัน” ที่กระจายอยู่ทั่ว——บางภาพออกเย็น บางภาพออกอุ่น บางภาพคม บางภาพซอฟต์โฟกัส ดูเหมือนนำ素材จากแหล่งต่าง ๆ มาปะติดปะต่อกัน
สามระดับของความสม่ำเสมอ สามวิธีแก้
แนวทางแก้ของแต่ละระดับก็แตกต่างกัน- ความสม่ำเสมอของตัวละคร อาศัยการทำให้เป็นแอสเซ็ต เปลี่ยนตัวละครจาก “คำบรรยายหนึ่ง段” ให้เป็น “แอสเซ็ตหนึ่งชิ้น”: เริ่มจากการสกัดตัวหลักในระดับบท กำหนดสถานะพื้นฐานของตัวละครและสถานะย่อยที่เกี่ยวข้องกับบท จากนั้นสร้างภาพตัวละครเพื่อตรึงรูปลักษณ์ให้เป็นภาพอ้างอิงที่มองเห็นได้ หลังจากนั้นเมื่อสร้างหลายช็อต ให้引用รูปลักษณ์คงที่นี้ แทนที่จะบรรยายใหม่ คลังแอสเซ็ตตัวละครของ NadouPro รองรับการค้นหาตามชื่อ แท็ก เพศ ช่วงอายุ สีผิว สีผม รูปร่าง และเงื่อนไขอื่น ๆ โดยแก่นแท้คือการเปลี่ยน “คนคนเดียวกัน” ให้เป็นรายการที่นำกลับมาใช้ซ้ำได้ มุมมองสามด้านของตัวละครและตารางเก้าช่องแสดงสีหน้าในกริดหลายช่อง ก็มีหน้าที่ตรึงหลายมุมไว้ภายในการสร้างครั้งเดียวเช่นกัน
- ความสม่ำเสมอของฉาก อาศัยหลายมุมมองและพาโนรามา ภาพเดี่ยวไม่สามารถรับประกันความเสถียรของพื้นที่ได้ แต่ชุดภาพอ้างอิงจากมุมต่าง ๆ ที่สร้างบนฐานเดียวกันสามารถช่วยได้ การสร้างภาพพาโนรามาสามารถผลิตภาพพาโนรามาที่ใช้สำหรับความสม่ำเสมอของฉากหลายมุมมองได้ ส่วนการสร้างหลายมุมมองจะส่งออกภาพจากมุมต่าง ๆ โดยอิงจากภาพตัวหลัก——รองรับการกำหนดมุมแนวนอน 0–315 องศาเอง มุมก้มเงย -30 ถึง 90 องศา และมีมุมมองสำเร็จรูป เช่น ด้านเฉียง เอียง มุมเงยด้านหน้า ด้านบน ด้านหลัง ฟิชอาย ฯลฯ สร้างชุดอ้างอิงเชิงพื้นที่ก่อน แล้วค่อยสร้างทีละช็อต ข้อผิดพลาดที่หลุดให้เห็นจะลดลงมาก
- ความสม่ำเสมอของสไตล์ อาศัยการตรึงพารามิเตอร์ วิธีแก้ของระดับนี้แตกต่างจากอีกสองระดับ: มันไม่ได้พึ่งพาสื่ออ้างอิง แต่พึ่งพาว่าการตั้งค่าถูกตรึงไว้หรือไม่ หากปล่อยตัวแปรอย่างโทนสีพื้นและอัตลักษณ์เชิงออปติกของเลนส์ให้ขึ้นอยู่กับความสุ่มในแต่ละครั้งที่สร้าง สไตล์ย่อมลอยไปมาแน่นอน
- แนวทางของ NadouPro ในเรื่องนี้คือเปลี่ยนสิ่งเหล่านั้นให้เป็นพารามิเตอร์การถ่ายภาพ: วิทยาศาสตร์สีใช้เลือกพื้นฐานสีของฟิล์มหรือกล้องภาพยนตร์ดิจิทัล เพื่อส่งออกภาพที่มีโทนสีพื้นและโทนภาพตามที่กำหนด; ชุดเลนส์ใช้เลือกคุณลักษณะของซีรีส์เลนส์ภาพยนตร์ในด้านความคม ซอฟต์โฟกัส โบเก้ แสงแฟลร์ และแนวโน้มของความบิดเบี้ยว; เมื่อรวมกับการควบคุมทางยาวโฟกัสและการควบคุมระยะชัดลึก ทั้งสี่项นี้ประกอบกันเป็นชุดการตั้งค่าออปติกที่สามารถนำกลับมาใช้ซ้ำทั้งชุดได้ ประเด็นสำคัญคือให้素材ทั้งชุดใช้การตั้งค่าเดียวกัน ตราบใดที่การตั้งค่าไม่เปลี่ยน สไตล์ก็จะไม่พูดกันคนละภาษา และภาพต่าง ๆ จึงจะเชื่อมเข้าหากันได้
ปัญหาเรื่องลำดับที่มักถูกมองข้าม
ลำดับการแก้ความสม่ำเสมอทั้งสามระดับ แท้จริงแล้วมีขั้นก่อนหลัง ลำดับที่สมเหตุสมผลคือ: กำหนดสไตล์ก่อน จากนั้นกำหนดฉาก และสุดท้ายกำหนดตัวละคร เหตุผลเป็นเรื่องปฏิบัติมาก: สไตล์คือการตั้งค่าแบบพารามิเตอร์ ยิ่งตรึงไว้เร็ว งานภายหลังก็ยิ่งง่าย; ฉากคือฐานเชิงพื้นที่ เมื่อกำหนดแล้ว การเคลื่อนตำแหน่งของตัวละครจึงมีจุดอ้างอิง; ตัวละครคือแอสเซ็ตที่ละเอียดที่สุด วางไว้ทำท้ายสุดจะช่วยหลีกเลี่ยงไม่ให้ภาพอ้างอิงตัวละครใช้ไม่ได้หลังปรับฉาก หลายคนคุ้นเคยกับการก้มหน้าทำตัวละครก่อน พอทำไปหลายสิบภาพถึงพบว่าโทนภาพโดยรวมไม่เป็นหนึ่งเดียวกัน ถึงตอนนั้นปริมาณงานที่ต้องทำซ้ำจะมากมากสุดท้าย
ความสม่ำเสมอยากก็เพราะมันขัดแย้งกับคุณลักษณะโดยธรรมชาติของโมเดล生成——โมเดลถนัด “ให้ผลลัพธ์ใหม่ที่สมเหตุสมผลในแต่ละครั้ง” แต่การสร้างสรรค์ต้องการ “ให้ผลลัพธ์เดียวกันในแต่ละครั้ง” ดังนั้นวิธีแก้โดยแก่นแท้จึงเป็นการสร้างข้อจำกัดนอกกระบวนการ生成: จำกัดรูปลักษณ์ จำกัดพื้นที่ จำกัดสไตล์ ยิ่งข้อจำกัดชัดเจน อิสระในการ生成ก็ยิ่งน้อยลง แต่ความสมบูรณ์ของผลงานยิ่งสูงขึ้น นี่ก็ถือเป็นการแลกเปลี่ยนอย่างหนึ่ง: AI มอบความเป็นไปได้ไร้ขีดจำกัดให้คุณ แต่คุณค่าของผลงานหนึ่งชิ้นกลับมาจากจำนวนความเป็นไปได้ที่คุณตัดทิ้งไปนั่นเองเนื้อหานี้มีข้อมูลที่สร้างโดย AI ซึ่งอาจไม่ถูกต้อง โปรดตรวจสอบด้วยตนเอง