Od losowych grafik do własnej maskotki: 19 plików, które to trzymają

Własna postać zamiast zdjęć ze stocka to nie kwestia ładnego rysunku. To kwestia reguł. U mnie sprowadza się do 19 plików PNG i jednego dokumentu zasad - i dopiero one sprawiają, że Wolniś wygląda tak samo na grafice z maja i z sierpnia.

Każda z tych zasad powstała po konkretnej wpadce. Żadnej nie wymyśliłem z góry.

Z tego artykułu dowiesz się:

• dlaczego generowanie postaci z samego opisu zawsze kończy się dryfem,
• z czego realnie składa się system spójnej maskotki - pliki, reguły, procedura,
• czemu połowa roboty polegała na odrzucaniu pomysłów, nie na dokładaniu.

Sytuacja wyjściowa: postać, która za każdym razem wyglądała inaczej

Zaczynałem tak, jak zaczyna każdy. Wpisywałem opis postaci do promptu i generowałem grafikę do posta.

Raz Wolniś miał muszlę. Raz nie. Raz bluza wychodziła niebieska, raz czarna. Słuchawki wędrowały spod kaptura na kaptur i z powrotem.

Efekt: dziesięć grafik, dziesięć różnych ślimaków. Zero rozpoznawalności, czyli dokładnie to, po co maskotka w ogóle istnieje.

Alternatywą był stock. Odpadł z prostego powodu: te same twarze z banków zdjęć krążą po pół polskiego LinkedIna, a custom visuals dowożą wielokrotnie lepsze wyniki niż ograna fotografia z katalogu.

Pułapka, w którą wpadają wszyscy zaczynający z generatorami: traktowanie promptu jak opisu postaci. Prompt nie jest opisem. Jest sugestią, którą model interpretuje od nowa przy każdym uruchomieniu.

Trzy wersje, zanim postać się ustabilizowała

Wolniś nie wyskoczył gotowy z pierwszego promptu. Przeszedł trzy wersje i każda coś odcięła.

Wersja pierwsza. Niebieska bluza, muszla noszona jak plecak turystyczny razem z karimatą, jasna zieleń, mina człowieka, który właśnie zgubił bilet. Bez słuchawek.

Wyglądał jak ślimak-turysta, a miał wyglądać jak ktoś, kto siedzi przy komputerze i porządkuje cudzy chaos.

Wersja druga. Bluza zmieniła się na czarną, doszły słuchawki na kapturze, skóra przeszła w teal. Zamiast zdziwienia - spokojny uśmiech.

Charakter się zgadzał. Muszla dalej wisiała na plecach.

Wersja trzecia. Muszla poleciała. Zostały czarna bluza z nałożonym kapturem, słuchawki na kapturze i spodenki cargo khaki.

To wygląda na kosmetykę, a jest najważniejszą decyzją w całym uniwersum. Ślimak z muszlą to ilustracja ślimaka. Ślimak bez muszli to postać, która odłożyła swój ciężar i idzie własnym tempem - czyli dokładnie to, co ta marka mówi.

Jest jeszcze powód czysto techniczny. Muszla to element, który model dorabia sam, bo tak wygląda ślimak w danych treningowych. Dlatego w zasadach nie ma „Wolniś zwykle nie ma muszli", tylko twarde „nigdy" plus polecenie sprawdzania każdego renderu.

Stare wersje leżą w archiwum/. Nie po to, żeby do nich wracać - po to, żeby było wiadomo, czego już nie robimy.

Co zrobiłem: kanon osobno, procedura osobno

Rozdzieliłem system na dwie warstwy, które nie wiedzą o sobie za dużo.

Kanon leży w 40_BRAND/wolnis/. Sam tekst plus po jednym PNG na postać. To źródło prawdy i tylko ono.

Procedura to skill w .claude/skills/wolnis/. Nie powtarza kanonu - ładuje go i pilnuje kolejności kroków.

Najważniejsza zmiana jest banalna: każda postać ma swój plik PNG i to on idzie do generatora jako referencja. Nie opis. Plik.

Skill ma to zapisane jako obowiązek, nie sugestię - przed każdym generowaniem podaje bezwzględne ścieżki do maksymalnie trzech obrazków. Nigdy nie generuje postaci z samego tekstu.

Reguły, które napisały się same po błędach

Otwórz WORLD_RULES.md i zobaczysz listę wpadek przebranych za zasady.

• „Wolniś nigdy nie ma muszli." Dopisane zdanie: to najczęściej łamana zasada przy generowaniu, sprawdzaj każdy render. Bo sprawdzałem i faktycznie wracała.
• Postać z podobną nazwą wyleciała z uniwersum. Dwa imiona różniące się dwiema literami myliły się w scenariuszach, więc jedno zniknęło, a jego tematy przejęła inna postać.
• Identyczne ubranie i kolory we wszystkich kadrach jednego obrazka. Model potrafi zmienić odcień bluzy między pierwszym a trzecim panelem komiksu, jeśli mu tego nie zabronisz wprost.
• Obsada ustalana przed doborem postaci. Ekipa i antagoniści nie wchodzą sobie w sceny - antagonista pojawia się przy konflikcie i znika, gdy ten się kończy.

Ostatnia reguła nie wzięła się z estetyki, tylko z bałaganu w scenariuszach. Kiedy w jednym kadrze lądował kolega od automatyzacji, ktoś z zupełnie innej historii i antagonista sprzedający kursy pasywnego dochodu, scena przestawała cokolwiek znaczyć.

Testowałem to wielokrotnie: ograniczenie obsady przed doborem postaci daje lepszy scenariusz niż jakikolwiek zabieg na etapie promptu.

Jest jeszcze jeden krąg postaci, prywatny, który czasem trafia do memów. Roli biznesowej nie pełni żadnej i nie wchodzi do materiałów na stronę, więc nie zajmuję się tu jego zasadami.

Wynik: co system realnie dowozi

Liczby na dziś:

• 13 postaci i 6 antagonistów, każde z własnym PNG - razem 19 referencji,
• 12 opisanych lokacji, zero grafik lokacji,
• 4 komendy: komiks, mem, ilustracja, karuzela na Instagram,
• jeden dokument zasad, który rozstrzyga spory.

Grafika do posta powstaje w kilka minut, a nie w pół godziny szukania w banku zdjęć. Ważniejsze: wygląda jak poprzednia.

Te cztery komendy to tylko warsztat do robienia obrazków. Prawdziwy zysk zaczął się wtedy, gdy postać weszła do skilli, które z grafiką nie mają nic wspólnego.

• /www:post - każdy wpis blogowy kończy się briefem grafik z gotowymi promptami i ścieżkami zapisu. Okładka i ilustracje w treści powstają Wolnisiem, nie szukam ich nigdzie indziej,
• /content:pakiet - z jednej notatki wychodzi komiks, mem i ilustracja pod post na LinkedIn zamiast zdjęcia stockowego,
• /wideo:sceny i /wideo:short - Wolniś jest warstwą graficzną nagrania i ma w kompozycji własny zakres czasowy, obok ujęć z kamery,
• slidev-theme-wolnis - motyw prezentacji Slidev, którym prowadzę szkolenia.

Efekt jest taki, że nie zadaję już pytania „czym to zilustrować". Odpowiedź zapadła raz i siedzi w narzędziach, a nie w mojej głowie.

Rynek to potwierdza twardo. Marki z maskotką notują 37% większy udział w rynku i wyraźnie silniejszą więź emocjonalną niż marki bez niej, a postać jako nośnik marki wypada w pomiarach rozpoznawalności wyżej niż logo, ikony i firmowe kolory razem wzięte.

Jest jedno „ale", którego nie przeskoczę. Utrzymanie tożsamości postaci to wciąż najtrudniejszy nierozwiązany problem generatywnej grafiki - realny sufit to około 85% spójności, a od 10 do 20% kadrów ma widoczny dryf.

Gdzie wszyscy się wykładają: zakładają, że dobre referencje zwalniają z patrzenia na wynik. Nie zwalniają. Co piąta grafika nadal wymaga poprawki albo kosza, i ta kontrola jest częścią procesu, nie oznaką, że coś nie działa.

Czego mnie to nauczyło: parking ważniejszy od listy funkcji

Najbardziej przydatny plik w całym katalogu to nie kanon ani skill. To _idea.md, a w nim sekcja z pomysłami, których świadomie nie wdrażam.

Leżą tam trzy rzeczy, każda z datą decyzji:

• narzędzia jako obiekty świata - n8n jako fabryka, Obsidian jako biblioteka. Pomysł leżał nietknięty od maja i żadna historia go nie potrzebowała. W Woladni narzędzia są po prostu narzędziami,
• grafiki lokacji - opis tekstowy w promptcie wystarcza. Generator przyjmuje maksymalnie trzy referencje na obrazek, więc miejsce w tym limicie jest cenniejsze dla postaci niż dla tła,
• dzielnice Neonowo - dwa miasta wystarczają. Podział dokładam, kiedy jakaś historia się o niego poprosi.

Drugi wniosek dotyczy starych grafik. Nie skasowałem tych, które łamią kanon - Wolniś z muszlą, niebieska bluza, usunięte postacie. Przeniosłem je do archiwum/ z plikiem README, który mówi wprost: to historia, nie referencja.

Zostawienie ich bez etykiety byłoby gorsze niż skasowanie. Prędzej czy później któraś wróciłaby do generatora jako wzorzec i cofnęła całą robotę.

Podsumowanie

• generowanie postaci z opisu tekstowego zawsze kończy się dryfem, referencja PNG to minimum,
• reguły spójności piszą się po wpadkach, nie przed - nie próbuj przewidzieć wszystkiego na starcie,
• limit trzech referencji na obrazek wymusza wybór: postacie albo tło, i to postacie mają wygrać,
• od 10 do 20% renderów wymaga poprawki nawet przy dobrym systemie, więc kontrola zostaje na stałe,
• sekcja świadomie odrzuconych pomysłów oszczędza więcej czasu niż kolejna dołożona funkcja.

P.S. Najtrudniejsze w tej robocie nie było wymyślenie świata, tylko powiedzenie „nie" własnym pomysłom. Fabryka n8n w mieście Neonowo brzmiała świetnie przez trzy miesiące i nie przydała się ani razu.

P.S. 2 Jeśli zaczynasz od zera, zrób arkusz referencyjny postaci zanim wygenerujesz pierwszą scenę. Branża nazywa to character sheet i traktuje jak zasób produkcyjny, nie jak tymczasowy output. Miałem to odwrotnie i kosztowało mnie kilka miesięcy niespójnych grafik.

Źródła

• amraandelma.com/visual-branding-psychology-statistics/
• whitebearstudio.com/article/the-white-bear-effect-how-mascots-create-unforgettable-brand-recognition/
• toonystory.com/ai-character-consistency/why-ai-struggles
• programminginsider.com/ai-character-consistency-how-new-tools-are-solving-the-biggest-problem-in-ai-image-generation/
• lovart.ai/blog/complete-guide-consistent-ai-character-design

Damian Ślimak. Twój Nawigator w chaosie AI.