تصور کنید در حال خلق یک مانگا یا یک پروژه انیمیشن هستید و با این چالش روبرو می‌شوید که چگونه هویت بصری یک شخصیت را در طول صدها صفحه یا فریم حفظ کنید؛ جایی که داشتن تنها یک تصویر مرجع به‌ندرت کافی است. این کابوس همیشگی هنرمندان دیجیتال است که حالا با یک راهکار فنی به نام «برگه‌های شخصیت» (Character Sheets) در حال تغییر است.
PixAI با معرفی مدل Tsubaki.3 نشان داد که چگونه می‌توان یک تصویر واحد را به نقشه‌ای جامع از برگه‌های شخصیت قابل استفاده و تکرارپذیر تبدیل کرد. این برگه‌ها در واقع به عنوان نقشه راه (Blueprint) هویت بصری یک شخصیت عمل می‌کنند و درک این موضوع را آسان‌تر می‌کنند که شخصیت باید از زوایای مختلف، در ژست‌های گوناگون، با حالات چهره متفاوت و حتی با لباس‌های مختلف چگونه به نظر برسد.
برای هنرمندان انیمه، وی‌توبراها (VTubers) و خالقان مانگا، چالش اصلی خلق یک تصویر زیبا نیست، بلکه جلوگیری از «لغزش شخصیت» (Character Drift) است. این پدیده زمانی رخ می‌دهد که مدل هوش مصنوعی — شبیه به نقاشی‌گری که حافظه کوتاه‌مدت دارد — با تغییر زاویه دوربین، احساسات یا محیط، تناسبات بدن، هایلایت‌های مو یا اکسسوری‌های شخصیت را به‌طور نامحسوس تغییر می‌دهد. در حالی که به دست آوردن یک تصویر عالی از یک شخصیت آسان است، اما یکسان نگه داشتن آن شخصیت در هر تصویر جدید دشوار است. یک برگه شخصیت مانند یک سند بصری عمل می‌کند و تمام این جزئیات را میخ‌کوب می‌کند تا شخصیت از هر منظری قابل شناسایی باقی بماند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی مدل‌های انتشار (Diffusion Models) اشاره کردیم، حفظ ثبات در تولیدات متوالی همواره نقطه ضعف این معماری‌ها بوده است. طبق گزارش منتشر شده، مدل Tsubaki.3 با تبدیل تصویر اولیه به یک «لنگر» (Anchor) سخت‌گیرانه، این مشکل را حل کرده است. مدل ویژگی‌های بصری موجود را حفظ می‌کند و در عین حال، جزئیاتی که در تصویر اول پنهان بوده‌اند را به‌طور منطقی استنتاج (Inference) می‌کند؛ برای مثال، اینکه یک لباس از پشت چگونه به نظر می‌رسد یا چهره در واکنش به غافلگیری چه تغییری می‌کند. این فرآیند، یک تصویر ایستا را به یک ابزار طراحی کاربردی تبدیل می‌کند و اطلاعات بصری کافی را فراهم می‌کند تا هنرمند بتواند شخصیت را بدون حدس زدن، دوباره رسم کند.
نقش برگه‌های شخصیت در تولید محتوا
یک برگه شخصیت استاندارد باید اطلاعات بصری کافی برای حذف هرگونه حدس و گمان را فراهم کند. این برگه‌ها معمولاً شامل نماهای روبرو (Front)، کناری (Side) و پشتی (Back)، در کنار مجموعه‌ای از حالات چهره، ژست‌های بدنی، تغییرات لباس و جزئیات اکسسوری‌ها هستند. این‌ها دقیقاً همان عناصر طراحی هستند که یک تصویر واحد نادیده می‌گیرد و هنگام استفاده مجدد از یک شخصیت اصلی (OC) در پروژه‌های متعدد، حیاتی هستند.
بسته به نوع رسانه، سازندگان مختلف به داده‌های مرجع متفاوتی نیاز دارند:
- هنرمندان وی‌توبرا: عمدتاً به برگه‌های حالت چهره و چرخش (Turnaround) نیاز دارند تا بتوانند مدل‌های دوبعدی یا سه‌بعدی را بسازند.
- طراحان مانگا: برای حفظ ثبات در پانل‌های مختلف، اولویت را به مراجع ژست‌های بدنی (Pose References) می‌دهند.
- طراحان کانسپت: برای جهان‌سازی و ساخت محیط، به تغییرات لباس و جزئیات دقیق اکسسوری‌ها نیاز دارند.
بدون یک برگه چرخش، مدل فقط یک زاویه دید را دریافت می‌کند. اما با وجود آن، مدل دقیقاً می‌داند شخصیت از سر تا پا، شامل نماهای جلو و عقب، چه شکلی است. این موضوع ضروری است زیرا وقتی مدل مجبور می‌شود جزئیات را در لحظه اختراع کند، چهره‌ها، تناسبات و ویژگی‌های امضایی شخصیت اغلب دچار لغزش می‌شوند. یک مرجع صیقل‌خورده به‌تنهایی شخصیت را حفظ نمی‌کند؛ بلکه تنها زمانی مفید است که بتواند مدل مو، رنگ‌ها و تناسبات را به‌طور دقیق تثبیت کند.
بررسی عملی: شخصیت «لیندا»
برای آزمایش Tsubaki.3، یک شخصیت اصلی (OC) خاص به نام «لیندا» به‌عنوان لنگر انتخاب شد. لیندا به عنوان کتابداری آرام و باوقار توصیف شده است که روزهایش را در محاصره کتاب‌های قدیمی، نمادهای مرموز علوم غریبه و رازهای فراموش‌شده می‌گذراند. برای حفظ هویت او، مدل باید چندین ویژگی کلیدی را ردیابی می‌کرد:
- ویژگی‌های ظاهری: موهای بلند مشکی با هایلایت‌های بنفش تیره، موهای روان و جاری، چشم‌های طلایی گرد و عینک گرد.
- پوشش: بلوز کرم یقه بلند، جلیقه تیره جذب و دامن لایه‌لایه نامتقارن و بلند.
- اکسسوری‌ها: گردنبند کلید عتیقه و نمادهای کوچک علوم غریبه (Occult) که روی لباس (به‌ویژه جلیقه و لبه دامن) گلدوزی شده‌اند.
- زیباشناسی (Aesthetic): ظاهری گوتیک-آکادمیک در محیط یک کتابخانه گرم با قفسه‌های چوبی و نورپردازی داخلی نرم و گرم.
پرامپت مورد استفاده برای خلق لیندا شامل تگ‌های کیفی خاصی مانند "masterpiece"، "best quality"، "very aesthetic" و "absurdres" بود تا یک نقطه شروع با وضوح و کیفیت بسیار بالا تضمین شود. پرامپت کامل، «حالتی آرام و باهوش» و «ظاهری پالایش‌شده» را مشخص کرد تا یک خط پایه برای تمام تست‌های بعدی ایجاد شود. این تصویر مرجع به عنوان نقطه شروع هر آزمایش به کار رفت تا بررسی شود آیا Tsubaki.3 در حال گسترش همان شخصیت است یا صرفاً تصاویری با ظاهر مشابه تولید می‌کند.
مکانیسم چرخش و ثبات بصری
نخستین آزمون سخت، ایجاد یک برگه چرخش AI (Character Turnaround) بود؛ برگه‌ای که نماهای روبرو، کناری و پشتی را نمایش دهد. این یکی از کاربردی‌ترین ابزارها برای سازندگان است زیرا حجم شخصیت و حضور سه‌بعدی او را تعریف می‌کند. پرامپت این برگه به‌طور خاص درخواست «یک شخصیت که سه بار نمایش داده شده»، «چیدمان تمیز برگه مرجع»، «ژست ایستاده خنثی» و «تناسبات و ویژگی‌های چهره یکسان» را داشت.
در مورد لیندا، مدل توانست عینک گرد، بلوز کرم یقه بلند و هایلایت‌های خاص مو را در هر سه نما حفظ کند. نمای کناری (Side Profile) همچنان به عنوان همان شخص قابل شناسایی بود. وقتی مدل با نمای پشتی روبرو شد — زاویه‌ای که در تصویر مرجع اولیه وجود نداشت — به‌جای حدس تصادفی، موتیف‌های طراحی موجود را گسترش داد؛ مثلاً نمادهای علوم غریبه را به بخش‌هایی از لباس منتقل کرد که در مرجع هرگز نشان داده نشده بود. این کار به‌جای افزودن جزئیات تصادفی، یک گسترش منطقی از زیباشناسی شخصیت ارائه داد.
گسترش طیف احساسات
حفظ ثبات در هنگام تغییرات شدید چهره، دشوارترین بخش است. Tsubaki.3 روی یک برگه احساسات شامل هشت حس متمایز آزمایش شد: خنثی، شاد، عصبانی، غمگین، غافلگیر شده، خجالت‌زده، گیج و نگران. پرامپت، «هشت پرتره از سر و شانه» را با همان چهره، مدل مو، عینک و لباس در هر پانل درخواست کرد.
نتایج نشان داد که هویت اصلی شخصیت — شکل صورت، مدل مو و عینک — حتی زمانی که چشم‌ها، ابروها و دهان تغییر می‌کردند، ثابت ماند. قوی‌ترین احساسات آن‌هایی بودند که ویژگی‌های چهره را به‌طور قابل توجهی تغییر می‌دادند بدون اینکه هویت او را مخدوش کنند. جالب اینجاست که مدل به‌طور خودکار تصمیم گرفت برای نمایش «گیجی»، سر را در زاویه سه-چهارم بچرخاند به‌جای نمای روبرو، که نشان‌دهنده درک ظریف مدل از نحوه همراهی زبان بدن با احساسات است. کادربندی، برش و مقیاس در هر هشت پانل یکسان ماند و تضمین کرد که برگه به عنوان یک مجموعه منسجم عمل کند.
ژست‌ها و تناسبات بدنی
حرکات پویا اغلب باعث شکست شخصیت‌های AI می‌شوند، زیرا طول اندام‌ها یا نسبت سر به بدن را تغییر می‌دهند. تست مرجع ژست، لیندا را در حالت‌های مختلف قرار داد: ایستاده خنثی، در حال راه رفتن و نگه داشتن یک کتاب چرمی قدیمی، در حال نشستن و مطالعه، تکیه دادن به قفسه کتاب، دسترسی به یک کتاب، ژست ایستاده متفکرانه و یک ژست چرخش پویا.
در طول این تغییرات، سیلوئت (Silhouette) و تناسبات لیندا ثابت ماند. نسبت سر به بدن، عرض شانه و طول اندام‌ها از ژست خنثی تا پویا‌ترین حرکات یکسان باقی ماند. اگرچه برخی جزئیات کوچک گلدوزی شده هنگام پوشانده شدن توسط چین‌های لباس یا ژست‌ها کمتر واضح شدند، اما طراحی کلی دست‌نخورده باقی ماند و برگه را برای مرجع حرفه‌ای قابل استفاده کرد.
تغییرات لباس و سن
برای تست محدودیت‌های هویت، مدل لباس‌های مختلف و تغییرات سنی را تولید کرد. هدف این بود که ببینیم آیا مدل می‌تواند لباس را بدون تغییر دادن شخصیت زیرین تغییر دهد. این تست شامل یک ظاهر رسمی، یک ظاهر راحتی و یک ظاهر فصلی بود که هر کدام طراحی شده بودند تا سیلوئت لیندا را تغییر دهند، نه فقط رنگ لباس او را.
حتی با تغییرات قابل توجه در سیلوئت، چهره و موها یکسان ماندند. مدل حتی موتیف نمادهای علوم غریبه را بدون دستور مستقیم به لباس‌های جدید منتقل کرد و با این کار، نمادها را به‌عنوان بخشی از هویت اصلی لیندا در نظر گرفت، نه صرفاً تکه‌ای از تزیینات لباس اولیه. علاوه بر این، یک برگه سنی (Age Sheet) برای پیشبرد تست ایجاد شد. در حالی که طول لباس بیشتر از حد انتظار تغییر کرد، اما ساختار چهره و ویژگی‌های طراحی لیندا در مراحل مختلف زندگی قابل شناسایی باقی ماند.
کاربرد در جریان کاری مانگا
برای اثبات کاربردی بودن این برگه‌ها، PixAI Studio آن‌ها را در یک گردش کار مانگا ادغام کرد. با استفاده از برگه‌های چرخش و احساسات به عنوان مرجع، مدل پانل‌های مانگای تک‌رنگ (Monochrome) و رنگی تولید کرد.
در این پانل‌ها، شخصیت از نماهای بسیار نزدیک (Close-up) تا نماهای باز از بالا (Overhead Wide Shots) ثابت ماند. برگه چرخش به‌ویژه برای پانل‌هایی که شخصیت را از پشت نشان می‌دادند — زاویه‌ای که تصویر مرجع اولیه هرگز پوشش نداده بود — حیاتی بود. عینک گرد، موهای وسطه‌پشت با چتری‌های پرپشت و دامن لایه‌لایه همگی حفظ شدند. حتی آویز کتاب کوچک در فاصله متوسط باقی ماند.
یک نتیجه غیرمنتظره در مورد جزئیات علوم غریبه رخ داد. در مقیاس پانل، گلدوزی‌ها تقریباً به‌طور کامل از روی لباس حذف شدند اما در عوض روی دیوارهای کتابخانه، نمادهای کف زمین و راهروی درخشان در نسخه رنگی ظاهر شدند. Tsubaki.3 این موتیف را متعلق به «دنیای» لیندا تفسیر کرد، نه فقط لباس او.
محدودیت‌های فنی و استنتاج‌ها
با وجود موفقیت‌ها، این سیستم مرزهای مشخصی دارد. چون یک تصویر واحد داده‌های محدودی فراهم می‌کند، AI باید جزئیات «حامل بار» (Load-bearing) را استنتاج کند. مدل نمی‌تواند بداند آیا یک اکسسوری خاص یک امضای دائمی است یا یک افزودنی یک‌باره، یا اینکه آیا یک الگو باید در پشت لباس ادامه یابد یا خیر.
محدودیت‌های خاص مشاهده شده عبارتند از:
- از دست رفتن جزئیات: جزئیات کوچک مانند گردنبند کلید عتیقه در دو مورد از چهار تغییر لباس ناپدید شد.
- لغزش مرتبط با سن: عینک‌ها در دو فیگور مسن‌تر در برگه سنی به‌طور کامل حذف شدند.
- ساده‌سازی مقیاس: گلدوزی روی لباس اغلب در مقیاس‌های کوچک در پانل‌های مانگا ناپدید می‌شود، مگر اینکه مستقیماً دستور داده شود.
- شکاف‌های استنتاجی: مدل نمی‌تواند بدون راهنمایی بیشتر، بین یک ویژگی امضایی و یک جزئیات گذرا تمایز قائل شود.
این حذفیات به این معنی است که AI یک ابزار «گسترش‌دهنده» است، نه جایگزینی کامل برای یک طراح انسانی. یک برگه تولید شده بهترین کاربرد را به عنوان ابزاری برای توسعه، جهت کاوش و تثبیت یک طراحی دارد، نه به عنوان یک مرجع نهایی تولید. اگر جزئیاتی حیاتی است، باید با تصویر اصلی تایید شود یا با یک مرجع تایید شده دوم تثبیت گردد.
تغییر در جریان کاری (Workflow Shift)
این قابلیت، نقش AI را از یک «تولیدکننده تصویر» به یک «توسعه‌دهنده دارایی» (Asset Developer) تغییر می‌دهد. به‌جای جنگیدن با پرامپت‌ها برای اینکه یک شخصیت دو بار یکسان به نظر برسد، سازندگان اکنون می‌توانند یک طراحی را از طریق یک برگه قفل کنند و از آن برگه برای هدایت تمام تولیدات بعدی استفاده کنند. این تحول در نحوه تعامل با ابزارهای تولیدی، بخشی از یک روند گسترده‌تر است که در آن معماری‌های جدید هوش مصنوعی، سرعت تبدیل ایده‌ها به محصول را افزایش داده و تمرکز را از چت‌های ساده به اجرای دقیق دارایی‌های بصری منتقل می‌کنند.
برای همکاران، این یک تغییر بنیادین است. یک برگه تولید شده، مجموعه‌ای از پاسخ‌های concrete را به سوالاتی ارائه می‌دهد که یک هنرمند معمولاً باید از مشتری بپرسد؛ سوالاتی مانند «پشت ژاکت چه شکلی است؟» یا «این شخصیت وقتی عصبانی است چه شکلی می‌شود؟»
در نهایت، Tsubaki.3 بهترین عملکرد را به عنوان یک ابزار گسترش مرجع شخصیت دارد. این مدل به سازندگان اجازه می‌دهد تا سریعاً یک طراحی را کاوش و تثبیت کنند. با این حال، گزارش تاکید می‌کند که یک بازبینی دستی (Manual Pass) همچنان برای تثبیت جزئیات حیاتی قبل از ورود به تولید نهایی لازم است. اگر در حال ساخت یک شخصیت اصلی (OC) هستید، موثرترین مسیر این است که با یک برگه چرخش شروع کنید تا ببینید مدل چه چیزهایی را می‌داند و چه چیزهایی را اختراع می‌کند، سپس به سراغ احساسات و ژست‌ها بروید تا هویت بصری را تحت فشار (Stress-test) قرار دهید.
گام بعدی شما
- اگر در حال طراحی شخصیت (OC) هستید، ابتدا یک برگه چرخش (Turnaround) بسازید تا ببینید مدل چه چیزهایی را درست حدس می‌زند و کجاها نیاز به اصلاح دستی دارد.
- برای تست استرس هویت بصری، از برگه‌های احساسات (Expression Sheets) استفاده کنید تا نقاط ضعف مدل در تغییرات چهره را بیابید.
- از این برگه‌ها به‌عنوان ورودی (Reference) در مدل‌های دیگر برای تولید پانل‌های مانگا استفاده کنید تا نرخ لغزش شخصیت را به حداقل برسانید.
اما داستان سخت‌افزاری پشت این مدل‌ها و نحوه بهینه‌سازی حافظه برای حفظ این جزئیات حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو