ساخت عکس چهره با Stable Diffusion زمانی نتیجه خوبی میدهد که سه انتخاب درست کنار هم قرار بگیرند: مدل مناسب، رابط کاربری قابل‌کنترل و تنظیمات متناسب با نوع پرتره. صرفاً نوشتن عبارتی مثل «چهره واقعی» در پرامپت، تصویر طبیعی و دقیق تولید نمی‌کند؛ نور، لنز، حالت چهره، ترکیب‌بندی و کیفیت پوست باید به‌روشنی مشخص شوند.
برای شروع، بیشتر کاربران باید سراغ مدلهای مبتنی بر SDXL بروند؛ چون برای پرتره‌های واقعگرایانه وضوح پایه و جزئیات بهتری دارند. اگر رایانه ضعیف‌تری دارید، مدلهای خانواده SD ۱.۵ سبک‌تر هستند و اکوسیستم گسترده‌ای از مدلهای جانبی و LoRA برای آنها وجود دارد.
برای ساخت عکس چهره با Stable Diffusion کدام مدل را انتخاب کنیم؟
در Stable Diffusion، فایل اصلی مدل یا checkpoint بیشترین اثر را روی سبک خروجی دارد. مدل پایه SDXL برای شروع مناسب است، اما checkpointهای واقعگرایانه جامعه کاربری مانند RealVisXL یا Juggernaut XL معمولاً برای پرتره فوتورئال نتایج آماده‌تری ارائه می‌کنند. نام مدل به‌تنهایی تضمین‌کننده کیفیت نیست؛ نسخه، مجوز استفاده و سازگاری آن با رابط کاربری را هم بررسی کنید.
مدلهای SD ۱.۵ معمولاً با اندازه ۵۱۲ پیکسل کار می‌کنند و در رایانه‌های متوسط سریع‌تر هستند. مدلهای SDXL بهتر است در ابعاد نزدیک به ۱۰۲۴ پیکسل اجرا شوند؛ استفاده از اندازه‌ای بسیار متفاوت از اندازه آموزشی مدل میتواند باعث افت جزئیات، چهرههای کشیده یا ترکیب‌بندی ناپایدار شود.
مدلهای جانبی چه کاربردی دارند؟
- LoRA: برای افزودن سبک، لباس، حالت تصویری یا گاهی ویژگی‌های چهره با حجم کم استفاده میشود. شدت آن را از مقدار پایین شروع کنید؛ وزن زیاد میتواند پوست و تناسبات صورت را مصنوعی کند.
- VAE: در بعضی مدلها جداگانه ارائه میشود و روی رنگ، کنتراست و بازسازی تصویر اثر دارد. اگر checkpoint، VAE داخلی دارد، معمولاً همان گزینه انتخاب مطمئن‌تری است.
- ControlNet یا ابزارهای کنترلی: برای حفظ ژست، لبه‌ها، عمق یا ساختار کلی تصویر کاربرد دارد و زمانی مفید است که فقط متن برای کنترل حالت بدن کافی نیست.
فایل‌ها را از مخزن‌هایی دریافت کنید که سازنده، مجوز و نسخه سازگار را مشخص کرده‌اند. یک مدل SDXL را با LoRA مخصوص SD ۱.۵ ترکیب نکنید؛ این دو خانواده معمولاً با هم سازگار نیستند.
نصب Stable Diffusion روی رایانه چگونه انجام میشود؟
برای اجرای محلی، دو رابط رایج Stable Diffusion WebUI Forge و ComfyUI هستند. Forge برای شروع و تنظیمات معمولی ساده‌تر است؛ ComfyUI کنترل بیشتری روی زنجیره تولید، ارتقای وضوح و اتصال ابزارها میدهد، اما محیط گره‌ای آن برای مبتدیان زمان بیشتری می‌گیرد.
- درایور کارت گرافیک را به‌روز کنید و فضای خالی کافی برای رابط، مدلها و خروجی‌ها در نظر بگیرید.
- یکی از رابط‌های معتبر را از منبع رسمی پروژه دریافت و نصب کنید؛ از بسته‌های ناشناس یا نسخه‌هایی که فایل اجرایی نامشخص دارند، استفاده نکنید.
- checkpoint را در پوشه مدل همان رابط قرار دهید و برنامه را دوباره اجرا کنید.
- مدل را از فهرست انتخاب کنید، یک خروجی آزمایشی بسازید و سپس سراغ LoRA، ControlNet یا ارتقای وضوح بروید.
برای SDXL، کارت گرافیک NVIDIA با حدود ۸ گیگابایت VRAM تجربه راحت‌تری ایجاد میکند، هرچند با کاهش اندازه تصویر و فعال‌کردن گزینه‌های کم‌مصرف ممکن است روی حافظه کمتر هم اجرا شود. اجرای کاملاً پردازندهای معمولاً کند است. در رایانه‌های مشترک خانوادگی، تصاویر مرجع و خروجی‌های خصوصی را در پوشه‌های رمزگذاری‌نشده یا سرویس‌های ناشناس نگه ندارید.
تنظیمات پیشنهادی برای پرتره واقعگرایانه
برای اولین آزمایش، تنظیمات را ساده نگه دارید تا بفهمید هر تغییر چه اثری دارد. ترکیب زیر نقطه شروع مناسبی برای مدلهای رایج است:
- مدل SDXL: اندازه ۱۰۲۴×۱۰۲۴ برای پرتره مربعی، ۲۵ تا ۳۵ گام و CFG حدود ۵ تا ۷.
- مدل SD ۱.۵: اندازه ۵۱۲×۵۱۲ یا ۵۱۲×۷۶۸، حدود ۲۰ تا ۳۰ گام و CFG حدود ۶ تا ۸.
- Sampler: گزینه‌هایی مانند DPM++ ۲M Karras معمولاً نقطه شروع مناسبی هستند، اما نتیجه به checkpoint وابسته است.
- Seed: برای مقایسه تغییرات، Seed را ثابت نگه دارید؛ برای پیدا کردن چهرههای تازه، آن را روی تصادفی بگذارید.
بالا بردن تعداد گام‌ها همیشه تصویر را بهتر نمی‌کند و فقط زمان تولید را افزایش میدهد. CFG بسیار زیاد هم ممکن است پوست را پلاستیکی، خطوط صورت را تند و رنگ‌ها را غیرطبیعی کند.
ارتقای وضوح و اصلاح چهره
اگر تصویر پایه خوب است اما جزئیات کم دارد، از Hires. fix یا فرایند دومرحله‌ای ارتقای وضوح استفاده کنید. مقدار denoise را معمولاً حدود ۰٫۲۵ تا ۰٫۴ شروع کنید؛ مقدار بیشتر تصویر را از چهره اولیه دور میکند و ممکن است چشم‌ها یا فرم بینی تغییر کند.
ابزارهای Face Restore می‌توانند چشم و پوست را مرتب‌تر کنند، اما گاهی هویت یا ویژگی‌های ظریف چهره را تغییر می‌دهند. برای پرتره‌ای که قرار است شبیه یک فرد مشخص بماند، قبل و بعد از اصلاح را مقایسه کنید و خروجی اصلاح‌شده را به‌عنوان نسخه قطعی نپذیرید.
پرامپت مناسب برای چهره چه اجزایی دارد؟
پرامپت را از سوژه اصلی شروع کنید و بعد سراغ حالت، نور، دوربین و کیفیت بروید. توصیف دقیق‌تر از عبارت‌های مبهم بهتر عمل میکند؛ برای نمونه:
realistic close-up portrait of an adult woman, natural skin texture, soft window light, ۸۵mm lens, shallow depth of field, neutral expression, detailed eyes, high-quality editorial photography
برای جلوگیری از خطاهای رایج، در بخش منفی می‌توانید مواردی مانند deformed face, asymmetrical eyes, extra fingers, plastic skin, blurry, low quality, oversharpened, text, watermark را امتحان کنید. Negative prompt درمان همه خطاها نیست؛ اگر مدل یا رزولوشن نامناسب باشد، طولانی‌کردن آن مشکل را حل نمی‌کند.
در چهرههای نزدیک، پس از تولید چند Seed، فقط یک تغییر را در هر نوبت انجام دهید: مثلاً نور را عوض کنید، سپس فاصله دوربین یا حالت چهره را. این روش از تولید ده‌ها تصویر بدون دانستن علت نتیجه بهتر جلوگیری میکند.
چطور چهره طبیعی‌تر و اخلاقی‌تر تولید کنیم؟
برای پوست طبیعی، از توصیف‌هایی مانند natural skin texture و نور نرم استفاده کنید و عبارت‌های اغراق‌آمیزی مثل «perfect flawless skin» را با احتیاط به کار ببرید. چهرههای کاملاً بی‌نقص معمولاً مصنوعی به نظر می‌رسند. همچنین دست‌کاری بیش از حد چشم‌ها، دندان‌ها و پوست میتواند تصویر را از حالت واقعی دور کند.
اگر از عکس مرجع یا ویژگی‌های یک فرد واقعی استفاده می‌کنید، رضایت او را بگیرید و تصویر را به‌عنوان عکس واقعی منتشر نکنید. ساخت پرتره خیالی، تصویرسازی برای داستان یا تغییر چهره خودتان با تولید تصویر فردی دیگر تفاوت دارد؛ در مورد کودکان و افراد قابل‌شناسایی، احتیاط بیشتری لازم است.
جمع‌بندی تنظیمات و انتخاب مدل
برای ساخت عکس چهره با Stable Diffusion، شروع با یک checkpoint واقعگرایانه SDXL، رابطی مانند Forge، اندازه ۱۰۲۴، CFG متوسط و Seed قابل‌کنترل معمولاً ساده‌ترین مسیر است. اگر سختافزار محدود دارید، SD ۱.۵ انتخاب سبک‌تری است. کیفیت نهایی بیشتر از تعداد گام‌ها به انتخاب مدل، پرامپت دقیق، نورپردازی و اصلاح مرحله‌ای وابسته است؛ ابتدا یک تصویر پایه خوب بسازید و بعد سراغ LoRA، ControlNet و ارتقای وضوح بروید.
