مدل Tsubaki.3 در PixAI ثبات شخصیت‌های انیمه‌ای را به سطح جدیدی رساند

اگر قصد دارید یک شخصیت اختصاصی (OC) بسازید که در تمام صفحات کمیک شما یک چهره و استایل ثابت داشته باشد، احتمالاً با بزرگ‌ترین چالش فعلی هنر هوش مصنوعی رو‌به‌رو هستید. تفاوت بین یک تصویر زیبا و یک روایت بصری منسجم، دقیقاً در همین نقطه یعنی «ثبات شخصیت» نهفته است. در حالی که هر دو پلتفرم PixAI و Tensor.Art در کیفیت زیبایی‌شناختی عالی هستند، اما توانایی آن‌ها در حفظ هویت یک شخصیت هنگام انتقال از پرتره‌های ساده به پنل‌های پیچیده مانگا، به‌شدت متفاوت است.

طبق گزارشی که در ۱۳ اکتبر ۲۰۲۶ منتشر شد، یک تست جامع نشان می‌دهد که انتخاب بین این دو، اغلب به این بازمی‌گردد که آیا شما به یک تک‌تصویر صیقل‌خورده نیاز دارید یا شخصیتی که در طول یک روایت داستانی ثابت بماند. برای سازندگان انیمه، هدف از تولید ساده به «خلق شخصیت‌های اورجینال» تغییر کرده است. این کار نیازمند ابزاری است که بتواند زیبایی‌شناسی خاص — مثل استایل رویایی، برنزه و جسورانه «گیارو» (Gyaru) — را در زوایای مختلف دوربین و محیط‌های متفاوت حفظ کند. این موضوع در حال حاضر اصلی‌ترین نقطه اصطکاک برای اکثر هنرمندان AI است.

تنظیمات: مدل‌ها و لوراها

برای یک مقایسه عادلانه، هر دو پلتفرم با حساب‌های رایگان تست شدند. این تست بر روی یک هدف خلاقانه مشخص متمرکز بود: خلق یک شخصیت با الهام از استایل گیارو، دارای موهای قهوه‌ای، هایلایت‌های صورتی و یک سگ سفید در اتاقی صورتی. هدف این بود که با آزمایش استایل‌ها، رنگ‌ها، محیط‌ها و اکشن‌های مختلف، مشخص شود کدام پلتفرم هویت بصری پیچیده را بهتر مدیریت می‌کند.

• Tensor.Art از مدل Nya-Tru Anime Screencap استفاده کرد که به دلیل بصری‌های تمیز انیمه‌ای، رنگ‌های زنده و درخشش ملایم انتخاب شده بود. برای اصلاح ظاهر، کاربر لورای Shibakure Inuwo را برای ایجاد صورتی کوچک‌تر و تأکید بر چشم‌ها، و لورای Momota_ro5555 را برای آوردن یک استایل هنری الهام‌گرفته از مجلات مد (Editorial) اضافه کرد.
• PixAI بر مدل جدید و متمرکز بر انیمه، یعنی Tsubaki.3 تکیه کرد. این مدل با لورای Dream Graphic برای ایجاد درخشش رویایی و جزئیات قوی‌تر در چشم‌ها، و دستورالعمل (Recipe) مدل Mai Editorial Glow برای مدیریت استایل ادیتوریال و نورپردازی ترکیب شد.

راند اول: تولید اولیه شخصیت

در اولین تست، هر دو پلتفرم پرامپتی دقیق دریافت کردند که ظاهر شخصیت، محیط و اکشن را مشخص می‌کرد. پرامپت نیازمند شخصیتی با موهای قهوه‌ای، هایلایت‌های صورتی ملایم، چشم‌های قهوه‌ای و پوست کمی برنزه بود. او باید با اعتمادبه‌نفس در کنار سگ سفیدش در اتاقی صورتی قرار می‌گرفت و زاویه دوربین هم‌سطح چشم (Eye-level) بود.

Tensor.Art برای اجرای این مورد، قدرت لورای Momota_ro5555 را روی ۱.۸ تنظیم کرد تا روی خطوط هنری ادیتوریال و تمرکز روی چشم‌ها تأکید کند. نتیجه به‌خوبی استتیک رویایی گیارو و اتاق صورتی را به تصویر کشید. مدل توانست چشم‌های قهوه‌ای و موهای بلوند با هایلایت‌های صورتی ملایم را تولید کند و جزئیاتی مثل کفش‌های پلتفرم صورتی، گیره سر و دستبندهای درخواستی را گنجاند. با این حال، در گنجاندن سگ سفید شکست خورد و دچار توهم (Hallucination) شد و یک بال سیاه پشت شخصیت کشید؛ احتمالاً به دلیل تفسیر اشتباه عبارت «خط چشم بال‌دار سیاه» (Black winged eyeliner) به عنوان یک بال واقعی. علاوه بر این، مدل نتوانست مدل موی voluminous twin curled (دو طرفه فر و حجیم) ذکر شده در پرامپت را پیاده کند.

در مقابل، مدل Tsubaki.3 در PixAI دستورات را با دقت بیشتری دنبال کرد. کاربر مدل و لوراها را روی قدرت پیش‌فرض ۰.۷ نگه داشت. Tsubaki.3 ثابت کرد که پرامپت‌نویسی مفصل و توصیفی مؤثرتر از تکیه بر تگ‌های کوتاه است. این مدل به‌درستی موهای بلوند طلایی حجیم، لباس، اتاق صورتی و سگ سفید را تولید کرد. حتی جزئیات کوچکی مثل گیره‌های سر و دستبندها را به‌خوبی ثبت کرد. اگرچه هایلایت‌های صورتی ملایم را از دست داد، اما در مجموع، پایبندی به منطق صحنه و دستورات پرامپت بسیار بالاتر بود.

راند دوم: چالش پنل‌های مانگا

تست سپس به یک سکانس مانگای شش‌پنلی منتقل شد. این مرحله نیازمند آن بود که هوش مصنوعی هویت شخصیت را حفظ کند و در عین حال توالی اتفاقات را به تصویر بکشد: شخصیت گیارو و سگش با همان لباس و در همان محیط، در حالی که او ۵ دقیقه قبل از گرفتن یک سلفی، آرایش، ناخن‌ها و موهایش را چک می‌کند، اما در نهایت سگش گیره سر او را می‌گیرد و فرار می‌کند.

PixAI از رویکرد «مرجع هوشمند» (Smart Reference) استفاده کرد؛ به این صورت که تصویر اصلی شخصیت آپلود شد و با تگ @image1 به آن ارجاع داده شد. دستورالعمل‌ها و لوراها به‌طور خودکار منتقل شدند. نتیجه یک صحنه کامل شش‌پنلی بود که در آن شخصیت کاملاً قابل شناسایی باقی ماند، لباس‌ها ثابت بودند و جریان روایت شفاف بود. سگ سفید در صحنه حضور داشت، متن‌ها به‌راحتی خوانده می‌شدند و ترتیب پنل‌ها درست بود.

Tensor.Art از قابلیت ویرایش (Edit) با مدل Flux Legacy استفاده کرد که برای تصاویر واقع‌گرایانه و با جزئیات بالا طراحی شده است. اگرچه پالت رنگی و کانسپت رویایی گیارو حفظ شد، اما نتیجه تکه‌تکه و پراکنده بود. یک پنل به‌طور کامل از ترکیب‌بندی نهایی حذف شده بود. چهره‌ها و متن‌ها در چندین فریم دفرمه و مخدوش شدند و ظاهر سگ در هر پنل تغییر می‌کرد که باعث شد سکانس علی‌رغم خوانا بودن برخی متن‌ها، به‌سختی قابل درک باشد.

راند سوم: تغییرات متوالی و ابزارهای استودیویی

در مرحله نهایی، توانایی خلق صحنه‌های جدید بر اساس شخصیت اصلی با استفاده از ابزارهای پیشرفته استودیویی تست شد. هدف ایجاد دو تغییر بود: یک لحظه «رنگ کردن موها در مقابل آینه توالت» و یک صحنه در راهروی مدرسه با لباس فرم و یک ژست شناخته‌شده گیارو.

در PixAI Studio، کاربر از گره‌های تصویری (Image Nodes) برای حفظ ثبات استفاده کرد؛ تصویر شخصیت در گره اول آپلود شد و دو گره دیگر برای تغییرات اضافه گردید. نسبت تصویر برای ترکیب‌بندی عریض‌تر به ۵:۳ تغییر یافت. مدل Tsubaki.3 و لورای Dream Graphic این انتقال را با موفقیت مدیریت کردند. تغییر اول، آینه توالت صورتی، حالت چهره متعجب اما متمرکز و زاویه دوربین درخواستی را به‌خوبی ثبت کرد. تغییر دوم، شخصیت را با موفقیت در راهروی مدرسه با لباس فرم و یک روبان صورتی بزرگ در موهایش قرار داد. اگرچه شخصیت کمی بالغ‌تر به نظر می‌رسید، اما چهره‌اش در یک بار تولید (Single Generation) قابل شناسایی باقی ماند.

Tensor.Art از گردش‌کار Forge و گره gpt-image-2 برای درک قوی‌تر پرامپت استفاده کرد. برخلاف PixAI، این تنظیمات به‌جای لوراهای خاص برای ویرایش، از کنترل‌های ویرایشی برای دقت و سرعت بیشتر استفاده کرد. تغییر اول پرامپت را به‌خوبی دنبال کرد و چهره‌ای قابل شناسایی را علی‌رغم تغییر مدل مو حفظ کرد و محیط و نورپردازی را به‌درستی به تصویر کشید، اما استتیک «گیارو رویایی» را نداشت. تغییر دوم، رنگ پوست و ویژگی‌های چهره را به‌خوبی حفظ کرد، اما یک خطای آناتومیک شدید تولید کرد: دست دیگر شخصیت که موهایش را لمس می‌کرد، غیرطبیعی، پیچ‌خورده و تصادفی به نظر می‌رسید.

کالبدشکافی فنی: مکانیزم‌های زیرساختی

برای درک دلیل تفاوت این نتایج، باید به مکانیزم‌های زیربنایی گردش‌کار هر پلتفرم نگاه کنیم:

• گردش‌کار Tsubaki.3 در PixAI:

  • مرجع هوشمند (Smart Reference): به کاربران اجازه می‌دهد تصویر یک شخصیت را آپلود کرده و از طریق تگ‌ها (مانند @image1) به آن ارجاع دهند که نیاز به تکرار پرامپت‌های پیچیده را کاهش می‌دهد.
  • یکپارچگی دستورالعمل‌ها (Recipe Integration): دستورالعمل Mai Editorial Glow، نورپردازی و استایل را خودکار می‌کند و یک «ظاهر» ثابت را در صحنه‌های مختلف تضمین می‌کند.
  • گره‌های استودیویی (Studio Nodes): استفاده از گره‌های تصویری اجازه ایجاد یک توالی متصل را می‌دهد که در آن خروجی یک تولید می‌تواند ورودی تولید بعدی را تغذیه کند.

• گردش‌کار Forge در Tensor.Art:

  • ویرایش گره‌محور (Node-Based Editing): از یک گردش‌کار متصل استفاده می‌کند که می‌تواند گره‌های متن، ویدیو یا صدا را با هم ترکیب کند.
  • gpt-image-2: یک گره تخصصی است که برای افزایش درک پرامپت و دقت در مرحله ویرایش به کار می‌رود.
  • کنترل‌های دقیق (Precision Controls): به‌جای استفاده از لورا برای هر ویرایش، از اسلایدرهایی برای تنظیم دقت و سرعت تولید استفاده می‌کند.

تحلیل: گردش‌کار در برابر تطبیق‌پذیری

این مقایسه یک شکاف بنیادی را در نحوه عملکرد این ابزارها نشان می‌دهد. PixAI به‌عنوان یک اکوسیستم منسجم برای روایت‌های انیمه‌ای ساخته شده است. با ادغام مدل، لورا و ابزارهای مرجع (مانند Reference Pro و Edit Pro) در یک استودیوی بهینه، «شانس‌بازی با پرامپت» را کاهش داده و خلق هنر متوالی (Sequential Art) را برای آماتورها ممکن کرده است.

Tensor.Art بیشتر شبیه به یک آزمایشگاه عمل می‌کند. این پلتفرم تنوع گسترده‌تری از مدل‌ها و سیستم ویرایش گره‌محور منعطف‌تری (Forge) ارائه می‌دهد، اما این تطبیق‌پذیری با منحنی یادگیری تندتر و پایداری کمتر در ثبات شخصیت همراه است. برای کاربر، این بدان معناست که PixAI انتخاب بهتری برای سازندگان کمیک است، در حالی که Tensor.Art برای کسانی که می‌خواهند با استایل‌های هنری متنوع و تک‌تصویری تجربه کنند، برتری دارد.

مقایسه کاربردی: اعتبار و دسترسی

هر دو پلتفرم دسترسی رایگان به کتابخانه‌های مدل و لورا فراهم می‌کنند، اما تلاش عملی مورد نیاز متفاوت است:

• ثبات: مدل Tsubaki.3 توالی‌های متصل را بسیار روان‌تر از گردش‌کار Tensor.Art مدیریت کرد.
• اصلاح: تصحیح خطاها (مانند دست پیچ‌خورده در Tensor.Art) نیازمند تولیدات مکرر است که هنگام کار با اعتبارات (Credits) رایگان محدود، می‌تواند هزینه‌بر باشد.
• کنترل: PixAI ابزارهای تخصصی مانند Reference Pro را برای دقت بالاتر در ثبات شخصیت ارائه می‌دهد.

اگر در حال ساخت یک رمان بصری یا مانگا هستید، توانایی قفل کردن ویژگی‌های یک شخصیت بسیار ارزشمندتر از دسترسی به هزاران مدل مختلف است. در این زمینه، Tsubaki.3 در حال حاضر یک برتری عملی نسبت به گردش‌کار Nya-Tru دارد.

حکم نهایی: کدام یک را انتخاب کنیم؟

بسته به اهداف خلاقانه شما، انتخاب روشن است:

PixAI و Tsubaki.3 را انتخاب کنید اگر:

• می‌خواهید مفاهیم مختلف OC و جهت‌های بصری متنوع را بدون تغییر در تنظیمات مدل خود بررسی کنید.
• به ترکیب‌بندی‌های مفصل، مانند مانگاهای چندپنلی یا صحنه‌های متوالی نیاز دارید.
• یک گردش‌کار متصل را ترجیح می‌دهید که لوراها و مدل‌های انتخابی شما را در طول مراحل اصلاح فعال نگه دارد.

Tensor.Art را انتخاب کنید اگر:

• از تجربه با کتابخانه وسیعی از مدل‌های مختلف و ترکیب لوراهای گوناگون برای نتایج منحصر‌به‌فرد لذت می‌برید.
• فرآیندهای تولید ثابت را برای خلق صحنه‌های متوالی از طریق سیستم Forge ترجیح می‌دهید.
• می‌خواهید از ابزارهای ویرایشی استفاده کنید که فراتر از خلق تصاویر صرفاً در استایل انیمه هستند.

برای مشاهده این تفاوت‌ها در عمل، می‌توانید کتابخانه‌های مدل هر دو پلتفرم را بررسی کنید یا سعی کنید قالب‌های (Templates) موجود در PixAI Studio را کلون کنید تا ثبات شخصیت خود را تست نمایید.

اما داستان سخت‌افزاری پشت این مدل‌های مولد حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و تاثیر آن بر سرعت استنتاج مراجعه کنید.