Consistent Character Creator 4.0 | Charakter-Datensatz-Ersteller

Consistent Character Creator 4.0: Erstellen Sie einen wiederverwendbaren Charakter-Datensatz aus einem Bild#

Consistent Character Creator 4.0 ist ein modularer ComfyUI-Workflow, der ein Referenzbild in einen 24-Aufnahmen-Charakter-Datensatz verwandelt. Er umfasst neutrale Ansichten, Nahaufnahmen, Ausdrücke, Beleuchtungstests, Action-Posen und Story-Szenen, während das Gesicht, der Körper, die Kleidung und der visuelle Stil des Charakters über das gesamte Board hinweg erkennbar bleiben.

Diese Version basiert auf FLUX.2 Klein 9B FP8, einem Qwen3 8B Text-Encoder, dem FLUX.2 VAE, einem dedizierten Konsistenz-LoRA und latenten Identitätsführung. Die einfache Edition hält das Diagramm praktisch, indem es die Upscaler- und Face Detailer-Stufen der erweiterten Version weglässt. Sie können die vollständige Charge in der Vorschau anzeigen, nur die Bilder speichern, die Ihren Identitätscheck bestehen, und die akzeptierten Ergebnisse in einen benannten Datensatzordner leiten, der für die Beschriftung und das LoRA-Training bereit ist.

Schlüsselmodelle im Consistent Character Creator 4.0 ComfyUI-Workflow#

• FLUX.2 Klein 9B FP8. Das Hauptbildgenerierungs- und Bearbeitungsmodell. Es folgt dem Referenzbild und den Szenenaufforderungen über die 24 Datensatzmodule hinweg und unterstützt neue Posen, Kamerawinkel, Ausdrücke und Umgebungen. Das 9B-Modell wird unter der FLUX Non-Commercial License veröffentlicht, daher überprüfen Sie die Bedingungen, bevor Sie Ausgaben oder Derivate kommerziell nutzen. Siehe black-forest-labs/FLUX.2-klein-9b-fp8.
• Qwen3 8B FP8 gemischter Text-Encoder. Geladen im flux2 Modus, übersetzt es die Anweisungen jedes Moduls in Konditionierungen für FLUX.2 Klein. Das Diagramm verwendet qwen_3_8b_fp8mixed.safetensors aus dem ComfyUI-bereiten Encoder-Paket: Comfy-Org/vae-text-encorder-for-flux-klein-9b.
• FLUX.2 VAE. flux2-vae.safetensors kodiert das Referenzbild für die Identitätsführung und dekodiert generierte Latente in die endgültigen Datensatzbilder. Das verpackte Asset ist erhältlich von Comfy-Org/flux2-dev.
• FLUX.2 Klein 9B Consistency V2 LoRA. Dieser Adapter verstärkt die Charakterkonsistenz über verschiedene Posen, Ausdrücke und Szenen hinweg. Der Workflow lädt Flux2-Klein-9B-consistency-V2.safetensors mit der Stärke 0.35; behalten Sie diesen Wert für den ersten Lauf bei, bevor Sie kleine Anpassungen testen. Siehe dx8152/Flux2-Klein-9B-Consistency.
• FLUX.2 Klein Identity Guidance. Dieser Modell-Patch zur Abtastzeit vergleicht das aktuelle entrauschte Latent mit der kodierten Referenz und zieht passende Identitätsmerkmale zurück zur Quelle. Das Diagramm verwendet adaptive Führung, sodass das Gesicht und das Charakterdesign verankert bleiben, ohne die gewünschte Pose oder den Hintergrund zu einfrieren. Siehe capitan01R/ComfyUI-Flux2Klein-Enhancer.

Verwendung des Consistent Character Creator 4.0 ComfyUI-Workflows#

Das Diagramm ist in gemeinsame Setup-Kontrollen auf der linken Seite und 24 eigenständige Generationsmodule auf der rechten Seite organisiert. Konfigurieren Sie die Referenz, Benennung, Stil und den Speichermodus einmal, dann stellen Sie das Diagramm in die Warteschlange, um ein Überprüfungsboard zu erstellen, das den Charakter von neutralen Dokumentationsaufnahmen bis hin zu schwierigen Beleuchtungs- und Actionszenen abdeckt.

Modellauswahl#

Die MODELSELECTION Gruppe lädt die vier erforderlichen Modell-Assets. UNETLoader (#527) wählt FLUX.2 Klein 9B FP8, CLIPLoader (#528) lädt Qwen3 8B mit Typ flux2, und VAELoader (#529) lädt das FLUX.2 VAE. LoraLoaderModelOnly (#664) wendet dann das Konsistenz-LoRA mit 0.35 an, während IdentityGuidance (#824) adaptive latente Korrektur hinzufügt. Lassen Sie diese Standardeinstellungen für Ihren ersten Datensatz unverändert, damit Sie die Referenz und Aufforderungen bewerten können, bevor Sie den Modellstapel anpassen.

Referenzbild und Gesichtsaufbereitung#

Laden Sie ein klares Quellbild in LoadImage (#535). Ein frontales oder dreiviertel Porträt mit sichtbarer Kleidung, klarer Beleuchtung und einem ungehinderten Gesicht bietet dem Workflow den stärksten Identitätsanker. AutoCropFaces (#537) extrahiert ein quadratisches Gesichtsreferenz, und ImageResizeKJv2 (#562) bereitet das Bild für den gemeinsamen Konditionierungspfad vor. Ein zweiter Gesichtsausschnitt später im Diagramm wird verwendet, wenn ein Nahaufnahmeausgang eine strengere Identitätsprüfung erfordert.

Verwenden Sie die optionalen Felder STYLE und CLOTHES, um Details zu beschreiben, die stabil bleiben müssen. Halten Sie diese Beschreibungen kurz und konkret. Benennen Sie die Frisur, das Kleidungsstück, die Farbe, das Material und den Renderstil, anstatt in jedem Modul eine lange Szenenaufforderung zu wiederholen.

Ausgabebenennung und Speichermodus#

Setzen Sie NAME (CHARACTER) (#2905) bevor Sie das Diagramm ausführen. Der Workflow kombiniert diesen Wert mit seinem Stammordner und Ausgabetyp und speichert die Bilder unter ComfyUI/output/CCC/<NAME>/. Ein einzigartiger, einfacher Name verhindert, dass mehrere Charaktere in dasselbe Trainingsset gemischt werden.

Save Dataset (1 = save | 2 = preview only) (#2922) steuert, ob die überprüfte Charge auf die Festplatte geschrieben wird. Beginnen Sie mit 2, um das Board zu überprüfen, ohne Dateien zu speichern. Wechseln Sie zu 1, wenn die Ausgaben die beabsichtigte Identität bewahren; Image Save (#2053) schreibt dann die ausgewählte Charge mit dem konfigurierten Datensatzpfad und Präfix.

Neutrale Identitätsanker#

Führen Sie zuerst die neutralen Module aus, da sie Identitätsdrift aufdecken, bevor die schwierigeren Szenen beginnen:

• T-POSE erstellt eine Ganzkörper-Studioansicht, die Proportionen, Kleidung und Silhouette offenbart.
• SIDE-WALK testet ein sauberes Seitenprofil, während natürliche Körperbewegungen eingeführt werden.
• BACK-VIEW prüft Haarlänge, Kleidungsform und Rückenkörperproportionen.
• CLOSE-FRONT und CLOSE-PROFILE etablieren detaillierte Gesichtsanker für Front- und Seitenansichten.

Diese Ausgaben sind besonders nützlich für Charakterblätter, Rigger-Referenzen, Rundumstudien und den Kern eines LoRA-Datensatzes. Wenn das Gesicht hier bereits driftet, verbessern Sie das Quellbild oder klären Sie STYLE und CLOTHES, bevor Sie die restlichen Szenen generieren.

Ausdrucks- und Beleuchtungstests#

Die Nahaufnahmemodule erstellen CLOSE-SMILE, CLOSE-SAD und CLOSE-ANGRY Varianten, ohne das zugrunde liegende Gesicht zu ändern. BACKLIT, LOW-ANGLE, HIGH-ANGLE und SKY-LOOKUP testen dann die Identität unter härteren Beleuchtungs- und Kamerapositionen. Zusammen helfen diese Bilder einem zukünftigen Trainingsset, den emotionalen Bereich und die Perspektivenänderungen abzudecken, anstatt sich zu sehr auf ein neutrales Porträt zu konzentrieren.

Überprüfen Sie feine Details wie Augenform, Kinnlinie, Haaransatz, Hautton und wiederkehrende Accessoires. Behalten Sie nur Bilder, die immer noch wie derselbe Charakter aussehen; ein kleinerer sauberer Datensatz ist nützlicher als ein größerer Satz mit offensichtlicher Identitätsdrift.

Alltagsszenen und Umgebungsabdeckung#

Der Workflow umfasst praktische Szenen wie COFFEE, FOREST, DECKCHAIR, BED, OFFICE, NIGHTCLUB, PARK-SMOKE, BEACH und CANYON. Diese Module variieren Standort, Rahmung, Requisiten, Wetter und Kleidungsexposition, während sie denselben Identitätsstapel wiederverwenden. Sie sind nützlich, um zu überprüfen, ob ein Charakter in Lifestyle-, Editorial-, Kino- und Outdoor-Kontexten erkennbar bleibt.

Die Aufforderungen sind bearbeitbar. Ändern Sie Szenendetails, während Sie die Anweisung beibehalten, um das Gesicht, den Stil und die Kleidung des Referenzcharakters zu entsprechen. Wenn ein Requisit oder eine Pose Verzerrungen verursacht, vereinfachen Sie die Aufforderung dieses Moduls, anstatt die Identitätsführung im gesamten Diagramm zu schwächen.

Action- und Fantasy-Abdeckung#

RUNNING, FLYING und FLYING-LAVA bringen den Charakter in große Pose- und Umweltveränderungen. Dies sind absichtlich schwierige Konsistenztests: Sie führen Bewegung, ungewöhnliche Perspektiven, starke Beleuchtung und mehr Freiheit im Hintergrund ein. Verwenden Sie sie, nachdem die neutralen und Nahaufnahmegruppen stabil sind. Wenn sie driften, stärken Sie die Charakterbeschreibung, verwenden Sie einen sauberen neutralen Ausgang als zusätzliche Referenz, wo unterstützt, oder entfernen Sie die fehlgeschlagene Aufnahme aus dem gespeicherten Datensatz.

Abtastung und Chargenzusammenstellung#

Jedes Generationsmodul verwendet ein wiederholtes Image Edit (Flux.2 Dev) Unterdiagramm. Es kodiert verfügbare Referenzbilder in Referenzlatente, wendet die Modulaufforderung an, probiert mit dem gemeinsamen Modell und Identitätskontrollen und dekodiert das Ergebnis. Das bereitgestellte Diagramm verwendet einen 20-Schritte FLUX.2-Zeitplan und Euler-Probenahme als zuverlässigen Ausgangspunkt. ImageCollect-Knoten sammeln die Modulausgaben, BatchImagesNode (#2893) stellt die endgültige Charge zusammen, und der Speicherschalter leitet sie entweder zur Vorschau oder zum benannten Datensatzordner.

Schlüssel-Knoten im Consistent Character Creator 4.0 ComfyUI-Workflow#

IdentityGuidance (#824)#

Bewahrt die Identität während der Abtastung, indem das generierte Latent mit der VAE-kodierten Referenz verglichen wird. Die bereitgestellten adaptiven Einstellungen bevorzugen passende Bereiche, während Raum für Pose-, Ausdrucks- und Szenenänderungen bleibt. Wenn die Identität in den meisten Modulen schwach ist, ändern Sie die Stärke nur geringfügig, nachdem Sie sichergestellt haben, dass der Referenzausschnitt und das Konsistenz-LoRA korrekt sind.

LoraLoaderModelOnly (#664)#

Lädt das FLUX.2 Klein Consistency V2 LoRA bei 0.35. Dies ist die gemeinsame Konsistenzkontrolle für jedes Generationsmodul. Zu weit erhöhen kann Posen starr machen oder die Quellrahmung kopieren; zu weit senken kann Drift erhöhen. Behalten Sie den ursprünglichen Wert bei, während Sie eine Basislinie etablieren.

AutoCropFaces (#537 und #1895)#

Erstellt fokussierte Gesichtsreferenzen aus der Quelle und den ausgewählten Ausgaben. Der erste Schnitt verankert die Identität beim Setup, während der spätere Schnitt Nahaufnahmen und nachgelagerte Referenzpfade unterstützt. Verwenden Sie eine Eingabe mit einem klar sichtbaren Gesicht, damit das automatische Zuschneiden nicht das falsche Subjekt auswählt.

ResolutionSelector (#2903)#

Legt die gemeinsamen Canvas-Dimensionen fest, die von den Datensatzmodulen verwendet werden. Der bereitgestellte Workflow verwendet ein quadratisches Format, das gut für gemischte Nahaufnahmen und Ganzkörperreferenzen funktioniert. Behalten Sie eine Auflösung über einen Datensatz hinweg bei, es sei denn, Ihre Trainingspipeline erwartet explizit mehrere Seitenverhältnisse.

ImpactInversedSwitch (#2922)#

Trennt Vorschau von Speicherverhalten. Verwenden Sie Ausgabe 2 während der Überprüfung und Ausgabe 1 nur, nachdem das gesamte Board Ihre Konsistenzprüfung bestanden hat. Dies macht es einfach, ohne das endgültige Datensatzverzeichnis mit abgelehnten Generationen zu füllen, zu iterieren.

Image Save (#2053)#

Schreibt die akzeptierte Charge auf den aus dem Stammordner, dem Charaktername und dem Datensatztyp aufgebauten Pfad. Setzen Sie den Namen vor dem Einreihen und halten Sie ihn über Wiederholungen hinweg stabil, damit Beschriftungen und zukünftige LoRA-Trainingsdateien organisiert bleiben.

Optionale Extras#

• Beginnen Sie im Vorschaumodus und beurteilen Sie die neutralen Ansichten, bevor Sie die Umgebungs- oder Aktionsmodule verwenden.
• Verwenden Sie eine scharfe Referenz mit sichtbaren Gesichts- und Körperhinweisen; vermeiden Sie starke Verdeckung, extreme Unschärfe oder mehrere Personen.
• Beschreiben Sie den Charakter in den optionalen Stil- und Kleidungsfeldern, damit wiederholte Szenenaufforderungen nicht alle Identitätsdetails tragen müssen.
• Halten Sie den CLIP-Loader auf flux2 und das Konsistenz-LoRA bei 0.35 für den ersten Lauf.
• Speichern Sie nur Ausgaben, die mit dem Charakter übereinstimmen. Lehnen Sie inkonsistente Augen, Gesichtsproportionen, Frisur, Kleidungsdetails oder Körperform ab.
• Beschriften Sie den bereinigten Datensatz nach der Überprüfung, dann inspizieren Sie diese Beschriftungen, bevor Sie das LoRA-Training starten.
• FLUX.2 Klein 9B ist nicht kommerziell unter seiner veröffentlichten Modelllizenz. Überprüfen Sie die Modell-, LoRA- und benutzerdefinierten Knotenlizenzen für Ihre beabsichtigte Verwendung, bevor Sie Ausgaben oder trainierte Derivate verteilen.

Danksagungen#

Dieser Workflow wurde von MickMumpitz als die einfache Edition von Consistent Character Creator 4.0 erstellt und geteilt. Er basiert auf FLUX.2 Klein 9B von Black Forest Labs, den FLUX.2 ComfyUI-Assets von Comfy-Org, dem FLUX.2 Klein Consistency LoRA von dx8152 und Identitätsbewahrungs-Knoten von capitan01R. Wir danken den Autoren und Wartenden dieser Modelle, Knoten und Workflow-Ressourcen herzlich.

Ressourcen#

• MickMumpitz/Consistent Character Creator 4.0 Quelle
  • Workflow-Leitfaden und Downloads: The Consistent Character Creator 4.0 is here
• MickMumpitz/ComfyUI benutzerdefinierte Knoten
  • GitHub: mickmumpitz/ComfyUI-Mickmumpitz-Nodes
• Black Forest Labs/FLUX.2 Klein 9B FP8
  • Hugging Face: black-forest-labs/FLUX.2-klein-9b-fp8
• Comfy-Org/FLUX.2 VAE und Qwen3 Encoder-Assets
  • VAE: Comfy-Org/flux2-dev
  • Text-Encoder: Comfy-Org/vae-text-encorder-for-flux-klein-9b
• dx8152/FLUX.2 Klein 9B Consistency LoRA
  • Hugging Face: dx8152/Flux2-Klein-9B-Consistency

-json

• capitan01R/FLUX.2 Klein Identitätsführungs-Knoten
• GitHub: capitan01R/ComfyUI-Flux2Klein-Enhancer

Hinweis: Die Verwendung der referenzierten Modelle, Datensätze und Codes unterliegt den von ihren Autoren und Wartenden bereitgestellten Lizenzen und Bedingungen.