嘿 guys,

我已经进展到游戏的某个阶段，目前对概念感到满意，所以今天我开始关注视觉效果。使用Claude作为提示（和调整）和CGPT生成图像，效果不错。我几乎达到了90%想要的精灵形象，但无法解决最后10%的问题。

Claude建议我尝试以下工作流程（以下说明是AI生成的复制粘贴的AI生成的说明）：

停止描述每次生成的风格，而是训练它一次。推荐的设置是：

  • ComfyUI（基于节点的本地图像生成）——免费
  • Flux.1作为基准模型
  • 在我的好图像上训练一个LoRA，以便风格被烘焙，而不是通过提示
  • ControlNet来锁定姿势/比例（我的角色都需要相同的尺寸+方向）

目标：空白脸的外星人物种+扁平的海报化风格成为模型的一部分，所以我停止与之抗争，ControlNet来处理“始终相同的身体，始终面向左边”的事。

你需要的实际内容 + 文件大小（粗略）

  • ComfyUI – 免费，开源
  • Flux dev checkpoint – \~23GB for the full fp16，或者\~11GB如果你抓取fp8版本（fp8运行得很轻，几乎没有质量损失）
  • Flux text encoders – t5xxl（\~5GB fp8 / \~9GB fp16）+ clip_l（\~250MB）
  • Flux VAE – \~330MB
  • 一个用于Flux的ControlNet模型 – 大约从\~1.5GB到\~6GB不等，取决于哪一个
  • 训练的LoRA（输出） – 小，像20-150MB不等，取决于设置
  • 训练图像 – 我在使用\~20-30个我的最好的ChatGPT渲染

实际上你需要一个好的GPU。Flux在12GB+ VRAM上很高兴；你可以在fp8/GGUF版本上挤出8GB。

成本

在本地运行所有内容 = 免费（只是磁盘空间 + 电力）。如果你没有训练GPU，云LoRA训练器就可以在 $2-3 a training run，所以仍然几乎没有任何成本。

回到我，人类：

我尝试了一下。第一次在本地做任何事情。质量比ChatGPT差得多。几乎立即拔了插头，但决定再加5张图像训练LoRA。输出从20%提高到60%，甚至给了我一些很好的想法（哪个GPT没有）。不幸的是，我被锁定在GPT上直到8点，所以我无法继续训练我的本地AI。晚上和明天我会继续实验，如果有任何突破，我会更新我的工作流程。

TLDR: CGPT在生成我想要的风格方面取得了90%的成功。切换到本地AI（第一次）来训练自己的模型（见上述工作流程）。当前状态比GPT差得多，但看起来很有希望。我们很快会再次报告。