Bild- und Video­pipeline

Damit eine Figur über viele Bilder gleich bleibt, trainiere ich eine eigene LoRA. Grundlage sind 20 bis 30 Bilder der Figur aus verschiedenen Blickwinkeln. Das Training läuft mit ai-toolkit auf meinem eigenen Server, 2000 Schritte dauern rund eine Stunde.

Alle 250 Schritte erzeugt das Training ein Probebild mit demselben Prompt. Am Anfang ist es irgendeine Frau im Café, nach 2000 Schritten sitzen Frisur, Make-up, Tattoos und Schmuck.

Gleiche Szene, gleiche Pose, gleiches Licht. Zuerst eine beliebige Frau aus dem Prompt, dann dieselbe Aufnahme mit der eigenen Figur: Gesicht, Haare, Make-up und Tattoos sitzen, alles andere bleibt, wie es war.

In ComfyUI setze ich die LoRA zusammen mit drei Referenzbildern ein. Gesicht, Tattoos und Schmuck bleiben gleich, Ort, Licht und Haltung wechseln von Bild zu Bild.

Das Café-Bild von oben bekommt ein neues Licht, Figur und Raum bleiben gleich. Das läuft in ComfyUI mit Qwen Image Edit, ein Durchgang dauert rund 20 Sekunden.

Video entsteht mit Wan 2.2 auf eigener GPU, aus einem Standbild als Startframe, auch im Hochformat für Social.

Neue lokale Modelle teste ich auf Qualität, Tempo und Robustheit und entscheide danach, welches Modell welche Aufgabe übernimmt. Alles läuft auf dem eigenen Server, die Daten bleiben im Haus. Das Finishing übernimmt Magnific, Konzepte und Layouts entstehen in Figma Weave.