Hier die allerersten Bild-Experimente mit der Optik. Die Bilder wurden mit ComfyUI erstellt, unter Verwendung des diffusion-models Flux1-DEV.
How to video: https://www.youtube.com/watch?v=eO1inVziekg&list=PLYiU7DLgFe84
Welches Diffusion-Model ist für die Darstellung von Fabienne am besten geeignet ?
Wenn man eine möglichst realistische Dartellung haben will ?
Antwort von ChatGPT: -> Flux 1 Dev
Ausführlich Antwort:
Für Fabienne würde ich die Frage etwas anders stellen:
Nicht: „Welches Modell erzeugt die schönsten realistischen Frauen?“
Sondern: „Welches Modell erlaubt mir, über Jahre hinweg dieselbe glaubwürdige Frau zu erzeugen?“
Denn Fabienne soll später vermutlich:
* 57 Jahre alt aussehen
* nicht bei jedem Bild plötzlich 35 sein
* wiedererkennbar bleiben
* unterschiedliche Kleidung tragen
* in verschiedenen Situationen funktionieren
* als Foto, Videoquelle und eventuell für LoRAs nutzbar sein.
Meine erste Wahl für deinen lokalen Aufbau: FLUX
FLUX.1-dev als Basis für Fabienne
Wenn es um reine fotorealistische Darstellung geht, würde ich für dein Projekt zunächst FLUX.1-dev ausprobieren.
FLUX hat gegenüber vielen älteren SDXL-Modellen einen großen Vorteil: Es kann sehr überzeugende, fotografische Menschen erzeugen und folgt komplexeren Beschreibungen relativ gut. Black Forest Labs führt FLUX.1-dev als Text-to-Image-Modell; daneben gibt es auch spezialisierte Varianten wie Fill, Depth und Redux.
Für Fabienne wäre mein erster Test also:
FLUX.1-dev
+
Photorealistic character design
+
Fabienne Character Bible
⸻
Aber: Ich würde nicht sofort ein LoRA trainieren
Hier würde ich von deinem ursprünglichen Plan leicht abweichen.
Du hattest vorgeschlagen:
1. Bild erzeugen
2. Prompt analysieren
3. 100 Variationen erzeugen
4. Daraus LoRA trainieren
5. Mit LoRA dieselben Bilder neu erzeugen
6. Wieder trainieren
7. usw.
Das kann funktionieren.
Ich sehe aber eine Gefahr:
Der „Kopierfehler“
Wenn du ausschließlich KI-generierte Bilder benutzt und daraus immer wieder neue Trainingsdaten erzeugst, kann sich ein bestimmter Fehler verstärken.
Zum Beispiel:
* Hauttextur
* Augen
* Hände
* Gesichtsproportionen
* Haare
* Zähne
Das Modell lernt dann zunehmend:
„So sieht Fabienne aus.“
Obwohl es vielleicht ursprünglich ein Artefakt war.
Nach mehreren Generationen kann man sich dadurch eine Art genetische Inzucht der Trainingsdaten bauen. 😄
Ich würde deshalb Fabiennes Dataset kontrollierter aufbauen.
⸻
Mein Vorschlag: Drei Phasen
Phase 1: Fabienne finden
Zunächst erzeugst du noch kein Training.
Du generierst vielleicht 100–500 Frauen.
Aber nicht alle müssen Fabienne werden.
Du suchst:
Die eine Frau, bei der du sagst: Das ist sie.
Dabei würde ich bewusst nicht nur auf Schönheit achten.
Im Gegenteil.
Für Fabienne würde ich nach folgenden Dingen suchen:
* glaubwürdiges Alter
* interessante Gesichtszüge
* natürliche Haut
* keine Model-Perfektion
* Wiedererkennungswert
* glaubwürdige Proportionen
* ein Gesicht, das auch mit 57 noch interessant aussieht.
Die wichtigste Frage wäre:
Kann ich mir vorstellen, dass diese Frau seit 25 Jahren dieselbe Person ist?
⸻
Phase 2: Die „Master Images“
Wenn du Fabienne gefunden hast, würde ich zunächst vielleicht 5–10 Masterbilder erzeugen.
Zum Beispiel:
Master 01
Neutral:
* gerade in Kamera
* neutrales Licht
* neutraler Hintergrund
Master 02
3/4-Ansicht.
Master 03
Profil.
Master 04
Ganzkörper.
Master 05
Sitzend.
Master 06
Natürliches Lächeln.
Master 07
Ernst.
Master 08
Draußen bei Tageslicht.
Damit definierst du:
Wie sieht Fabienne wirklich aus?
⸻
Hier wird FLUX Kontext interessant
Für genau diese Phase ist FLUX.1 Kontext ausgesprochen interessant.
Kontext wurde ausdrücklich für Arbeiten mit Bildreferenzen und konsistente Änderungen entwickelt. Black Forest Labs nennt unter den Kernfunktionen Character Consistency – also das Bewahren einer Identität über unterschiedliche Szenen und Umgebungen hinweg.
Beispielsweise:
Masterbild Fabienne
↓
Prompt:
Change the clothing to practical casual clothes while preserving her facial features, age, hairstyle and identity.
Dann:
Place the same woman in a small apartment in Pertuis while preserving her exact facial features.
Dann:
Show the same woman sitting in front of a computer.
Das ist konzeptionell genau das, was wir für Fabienne brauchen.
ComfyUI dokumentiert ebenfalls ausdrücklich Workflows für Character Consistency und empfiehlt, Änderungen schrittweise vorzunehmen und explizit zu sagen, welche Merkmale erhalten bleiben sollen.
⸻
Aber für dich gibt es einen wichtigen Haken
Du möchtest möglichst lokal arbeiten.
Und genau hier muss man aufpassen.
FLUX.1 Kontext gibt es zwar als [dev]-Variante mit offenen Gewichten, aber deren Lizenz ist laut Black Forest Labs nicht automatisch für kommerzielle Nutzung geeignet. Die offiziellen Modellinformationen sprechen von einer Non-Commercial-Lizenz; kommerzielle Nutzung erfordert eine entsprechende Lizenzierung.
Da Fabienne später möglicherweise:
* YouTube monetarisiert,
* Print-on-Demand verkauft,
* Produkte bewirbt,
würde ich die Lizenzfrage von Anfang an berücksichtigen.
Das ist wichtiger, als erst später festzustellen:
„Oh. Meine komplette virtuelle Influencerin basiert auf einem Modell, das ich für den Shop gar nicht benutzen darf.“
⸻
SDXL würde ich trotzdem nicht abschreiben
SDXL hat für dein Projekt einen erheblichen Vorteil:
Das LoRA-Ökosystem
Für SDXL gibt es:
* sehr viele fotorealistische Checkpoints
* sehr viele LoRA-Trainingswerkzeuge
* ControlNet
* IP-Adapter
* Face-ID-Systeme
* große ComfyUI-Unterstützung.
Und dein Mac Studio mit 64 GB Unified Memory ist für solche Experimente eine ziemlich interessante Maschine.
Mein Gefühl wäre deshalb:
Zwei Modellfamilien parallel testen
Kandidat A: FLUX
Für:
* fotorealistische Masterbilder
* hochwertige Portraits
* komplexe Szenen
* erste Character-Definition.
Kandidat B: SDXL
Für:
* LoRA-Training
* viele Variationen
* etablierte Workflows
* ControlNet
* reproduzierbare Produktion.
⸻
Ich würde für Fabienne möglicherweise sogar ein Hybrid-System bauen
Das wäre mein Favorit:
FABIENNE
│
┌─────────┴─────────┐
│ │
▼ ▼
MASTER DATASET CHARACTER DATA
│ │
│ │
FLUX LoRA Training
│ │
▼ ▼
Master Images Fabienne LoRA
│
▼
SDXL
│
▼
Production Images
Das klingt zunächst komplizierter, hat aber einen Vorteil:
Du bist nicht an ein einziges Modell gebunden.
⸻
Was ich persönlich testen würde
Ich würde tatsächlich einen kleinen Wettbewerb veranstalten.
Test 1: FLUX.1-dev
100 Bilder.
Prompt-Variationen.
Ziel:
Die ursprüngliche Fabienne finden.
⸻
Test 2: Realistischer SDXL-Checkpoint
Ebenfalls 100 Bilder.
Gleiche Charakterbeschreibung.
⸻
Test 3: Noch ein SDXL-Modell
100 Bilder.
⸻
Dann vergleichst du nicht:
„Welches Bild ist am schönsten?“
Sondern:
Kriterium FLUX SDXL A SDXL B
Gesicht
Alter
Haut
Augen
Hände
Körper
Natürlichkeit
Prompttreue
Wiederholbarkeit
Und daraus wählen wir die Modellfamilie.
⸻
Mein wichtigster Punkt: Fabienne darf nicht zu „perfekt“ aussehen
Das ist meiner Meinung nach fast wichtiger als das Diffusion-Modell.
Wenn du auf CivitAI oder ähnlichen Plattformen nach „photorealistic woman“ suchst, bekommst du sehr häufig:
* 25 Jahre
* perfekte Haut
* perfekte Zähne
* perfekte Beleuchtung
* perfekte Figur
* perfektes Make-up.
Das wäre für Fabienne meiner Meinung nach falsch.
Eine 57-jährige Frau sollte nicht aussehen wie:
eine 25-Jährige, der man mit einem Prompt Falten hinzugefügt hat.
😄
Das erkennt man erstaunlich schnell.
Ich würde Fabienne daher bewusst mit Dingen definieren, die sie menschlich und wiedererkennbar machen.
Zum Beispiel:
* leichte Falten um die Augen
* nicht völlig symmetrisches Gesicht
* natürliche Hauttextur
* kleine Besonderheit an Nase oder Mund
* glaubwürdige Hände
* nicht perfekte Zähne
* altersgerechter Hals
* natürliche Haarstruktur.
⸻
Meine vorläufige Empfehlung für deinen konkreten Rechner
Da du auf dem Mac Studio M1 mit 64 GB Unified Memory und MPS arbeitest, würde ich nicht einfach sagen:
„Nimm das größte und neueste Modell.“
Sondern:
🥇 Für Fabiennes Entwurf
FLUX.1-dev testen.
🥈 Für die eigentliche Character-Produktion
einen guten photorealistischen SDXL-Checkpoint testen.
🥉 Für Konsistenz
Nicht ausschließlich LoRA.
Sondern eine Kombination aus:
* Character LoRA
* Referenzbildern
* Face/Identity Conditioning
* ControlNet für Körperhaltung.
⸻
Und langfristig ist FLUX.2 interessant
Black Forest Labs empfiehlt inzwischen FLUX.2 für neue Projekte und nennt unter anderem Multi-Reference-Fähigkeiten mit bis zu zehn Referenzbildern. Das wäre für eine Figur wie Fabienne grundsätzlich ausgesprochen interessant.
Aber bevor ich dir FLUX.2 für deinen lokalen Mac empfehle, würde ich gezielt prüfen, welche Variante davon lokal in ComfyUI auf Apple Silicon sinnvoll läuft und welche Lizenzbedingungen für dein geplantes kommerzielles POD-Projekt gelten.
⸻
Mein Bauchgefühl für Fabienne
Wenn ich heute anfangen würde, wäre mein Workflow:
1. FLUX testen → Fabiennes Gesicht finden.
2. 10–20 wirklich gute Masterbilder erstellen.
3. Diese Bilder manuell prüfen.
4. Kein automatisches „Bild generieren → sofort wieder Trainingsmaterial“-Karussell.
5. Ein sauberes Dataset bauen.
6. LoRA trainieren.
7. Gegen das ursprüngliche Masterbild testen.
Und erst danach:
„Das ist Fabienne.“
Ich glaube übrigens, dass der spannendste nächste Schritt wäre, nicht sofort über Modelle zu reden, sondern Fabiennes erstes Master-Prompt zu entwerfen. Nicht nur „French woman, 57 years old“, sondern ein richtiges fotografisches Charakterprofil, mit dem wir anschließend mehrere Modelle gegeneinander testen können.
Gesicht 57:
a photorealistic documentary portrait of Fabienne, a 57-year-old western European woman, born in 1969, natural and believable appearance, natural beauty without glamour, subtle authentic signs of age, visible natural skin texture, fine lines around the eyes and mouth, warm attentive eyes, intelligent and observant expression, natural facial proportions, slightly individual facial features, not perfectly symmetrical, straight shoulder-length dark blonde to light brown hair with naturally occurring grey strands, natural hair texture, no obvious dye job, no heavy makeup, understated appearance, calm and thoughtful expression, not smiling for the camera but not unfriendly, realistic woman, believable real person, photojournalistic photography, natural soft diffused daylight, 35mm documentary photography, subtle visible film grain, no beauty retouching, no instagram filter, no glamour photography, highly realistic
Gesicht 47:
a photorealistic documentary portrait of Fabienne, a 47-year-old western European woman, born in 1979, natural and believable appearance, natural beauty without glamour, subtle authentic signs of age, visible natural skin texture, fine lines around the eyes and mouth, warm attentive eyes, intelligent and observant expression, natural facial proportions, slightly individual facial features, not perfectly symmetrical, straight shoulder-length dark blonde to light brown hair, natural hair texture, no obvious dye job, no heavy makeup, understated appearance, calm and thoughtful expression, not smiling for the camera but not unfriendly, realistic woman, believable real person, photojournalistic photography, natural soft diffused daylight, 35mm documentary photography, subtle visible film grain, no beauty retouching, no instagram filter, no glamour photography, highly realistic
Szene am Tisch:
a photorealistic documentary portrait of Fabienne, a 57-year-old western European woman, born in 1969, natural and believable appearance, natural beauty without glamour, subtle authentic signs of age, visible natural skin texture, fine lines around the eyes and mouth, warm attentive eyes, intelligent and observant expression, natural facial proportions, slightly individual facial features, not perfectly symmetrical, straight shoulder-length dark blonde to light brown hair with naturally occurring grey strands, natural hair texture, no obvious dye job, no heavy makeup, understated appearance, calm and thoughtful expression, not smiling for the camera but not unfriendly, realistic woman, believable real person, photojournalistic photography, sitting at a table near a window with soft diffused daylight, she is holding a book in her hand. background slightly out of focus showing books on a shelf, expression calm and thoughtful, not smiling for the camera but not unfriendly, photojournalism style, 35mm lens feel, shot on film, grain visible, no instagram filter, no beauty retouch, hyperrealistic,
