One LoRA controls consistency across multiple roles

如果这对您有帮助，您可以关注我的Bilibili或YouTube账号。

在ComfyUI中，多角色一致性控制一直是一个挑战。此前，我采用单角色LoRA训练来控制单角色一致性。

随后，我合并了数据集并标注了提示词。然而，所选的提示词标注策略存在语义污染问题，导致模型未能达到预期效果。

标签：

在纯白色背景的照片中，susuxi站在画面左侧，双手叉腰，穿着白色衬衫和黑色裤子，裤子上系着黄色腰带，衬衫上有黄色口袋。表情开心，正在大笑。dreamoo位于画面右侧的上半身照片中，身穿灰色上衣和红色短袖衬衫。

然而，经过测试发现，忽略提示词的区域控制会导致图像中的特征融合。

susuxi和dreamoo在秋千上荡漾，

随后，受到in context lora的启发，我修改了标注方法，增强了Flux模型对图像区域的感知能力。通过使用不同的提示词形式对应图像中不同区域的特征，我完成了LoRA模型的训练！

标签：

[两个不同角色场景]，<dreamoo><ssx>合照，<ssx双手叉腰，身穿白色衬衫和黑色裤子，衬衫上有黄色口袋>，<dreamoo身穿灰色上衣，内搭红色衣物，面向右侧>，纯白色背景，

我推荐使用以下方式撰写提示词，并在最终场景中添加同一场景中的多个角色，这将更好地将不同角色融合在同一场景中：

[同一场景中的两个不同角色]，<dreamoo><ssx> 描述场景，<使用触发词描述角色一的服装和状态>，<使用触发词描述角色二的服装和状态>，整体场景描述，

以下是测试结果图。从结果可以看出，该模型具有很强的泛化能力，能够保持角色的一致性！

如果结合万像视频生成模型，即可完成视频制作，效果非常出色。