Pembuatan Foto AI Girlfriend: Menciptakan Karakter Konsisten yang Terlihat Nyata

Saya akan berterus terang dengan Anda. Bagian tersulit dari pembuatan foto AI girlfriend bukanlah menghasilkan satu gambar cantik. Model apa pun bisa melakukan itu. Bagian yang sulit adalah membuat gambar kedua Anda terlihat seperti orang yang sama dengan gambar pertama. Lalu yang ketiga. Dan yang keempat puluh. Saya menghabiskan hampir tiga bulan di akhir 2025 mencoba memecahkan masalah ini, dan yang saya pelajari adalah bahwa kebanyakan orang mendekatinya dengan cara yang sepenuhnya salah.

Jawaban Singkat: Untuk membuat foto AI girlfriend yang konsisten dan fotorealistis, gunakan FLUX 2 sebagai model dasar untuk realisme, latih sebuah LoRA pada 15 hingga 25 gambar referensi terkurasi untuk identitas wajah, lapisi IPAdapter di atasnya untuk variasi pose dan adegan, lalu kuasai prompt engineering untuk pencahayaan, latar, dan pakaian yang realistis. Kombinasi ini memberikan konsistensi wajah 90%+ di ratusan hasil generasi ketika dilakukan dengan benar.

Mengapa Kebanyakan Foto AI Girlfriend Terlihat Palsu?

Sebelum kita membahas cara memperbaikinya, mari kita bahas mengapa kebanyakan foto AI girlfriend gagal melewati uji realisme. Saya melihat kesalahan yang sama di mana-mana, dan jujur saja, saya juga membuat semua kesalahan itu ketika baru mulai.

Masalah terbesar adalah apa yang saya sebut "efek beauty filter." Orang-orang menaikkan pengaturan estetika setinggi-tingginya, menggunakan prompt kulit ultra-mulus, dan berakhir dengan gambar yang terlihat seperti telah melewati enam filter Instagram. Orang sungguhan memiliki pori-pori, asimetri halus pada fitur wajah, dan ketidaksempurnaan. Ketika karakter AI Anda memiliki kulit lebih mulus dari manekin, itu langsung berteriak "buatan" bagi siapa pun yang matanya berfungsi.

Masalah kedua adalah pencahayaan. Kebanyakan orang sama sekali tidak memikirkannya. Mereka menulis prompt seperti "wanita cantik di kafe" dan membiarkan model menentukan pencahayaannya sendiri. Model akan secara default menggunakan pencahayaan merata tanpa bayangan yang tidak ada dalam fotografi nyata. Foto nyata memiliki cahaya terarah. Ada bayangan di bawah dagu dan sorotan di tulang pipi. Ada cahaya oranye hangat dari lampu di dekatnya, atau semburat biru dingin dari jendela.

Inilah keluhan ketiga saya, dan yang ini bersifat pribadi. Latar belakang. Saya menghabiskan dua minggu di awal menghasilkan gambar di mana karakter saya terlihat bagus tetapi berdiri di depan latar belakang yang anehnya tanpa cela, tanpa kekacauan, tanpa kedalaman, tanpa kekusutan dunia nyata. Foto nyata terjadi di tempat nyata. Cangkir kopi di meja sedikit tidak di tengah. Ada orang asing yang buram berjalan lewat di latar belakang. Taplak meja memiliki kerutan. Detail-detail kecil inilah yang menjual realisme.

Kiri: keluaran AI yang khas over-processed dengan kulit mulus dan pencahayaan datar. Kanan: foto yang dihasilkan dengan benar dengan tekstur alami, pencahayaan terarah, dan detail lingkungan.

Apa yang Membuat FLUX 2 Pilihan Terbaik untuk Foto AI Realistis?

Saya pada dasarnya telah menguji setiap model besar untuk kasus penggunaan ini. Stable Diffusion XL, Midjourney v6, DALL-E 3, berbagai varian FLUX. Dan kesimpulan saya setelah menjalankan sekitar 2.000 generasi uji adalah bahwa FLUX 2 menghasilkan keluaran yang paling alami fotorealistis untuk pekerjaan karakter.

Alasannya berakar pada bagaimana FLUX menangani tekstur kulit dan interaksi cahaya. Di mana SDXL cenderung menghasilkan kulit yang sedikit seperti lukisan (bahkan dengan checkpoint fotorealistis), FLUX 2 merender pori-pori, rambut halus pada wajah, dan subsurface scattering dengan cara yang terasa pas. Model ini dilatih pada dataset fotografi nyata yang masif, dan Anda bisa merasakannya. Cahaya membungkus wajah dengan benar. Bayangan jatuh di tempat yang seharusnya. Kulit memiliki kualitas tembus pandang yang dimiliki kulit asli dalam kondisi pencahayaan tertentu.

Pendapat kontroversial di sini. Saya pikir Midjourney v6 menghasilkan gambar yang lebih "menarik" secara rata-rata, tetapi FLUX 2 menghasilkan gambar yang lebih "terlihat nyata." Dan untuk pembuatan foto AI girlfriend secara khusus, terlihat nyata lebih penting daripada cantik ala sampul majalah. Orang mengikuti karakter AI di media sosial karena mereka percaya, pada tingkat tertentu, bahwa orang ini bisa saja ada. Keluaran Midjourney memang memukau tetapi sering memiliki kesempurnaan janggal yang halus yang memicu kecurigaan.

Inilah pengaturan FLUX 2 yang sebenarnya saya gunakan untuk foto karakter. Saya tidak akan memberi Anda default dari dokumentasi karena itu tidak bagus untuk kasus penggunaan ini.

• Model: FLUX 2 Dev (bukan Schnell, perbedaan kualitasnya signifikan untuk wajah)
• Resolusi: 1024x1360 untuk bidikan potret, 1360x1024 untuk adegan lanskap
• Guidance scale: 3.0 hingga 3.5 (lebih rendah dari yang kebanyakan orang gunakan, tetapi menjaga hasil tetap alami)
• Steps: 28 hingga 35 (lebih banyak dari default, tetapi peningkatan detail wajah sepadan dengan waktu ekstra)
• Sampler: Euler, dengan scheduler normal

Jika Anda ingin melewatkan pengaturan sepenuhnya, alat seperti Lewdly.ai memungkinkan Anda menjalankan alur kerja FLUX tanpa mengonfigurasi semua ini sendiri. Saya akan jujur, saya ikut membangun platform tersebut, tetapi saya benar-benar menggunakannya untuk generasi cepat ketika tidak ingin menyalakan rig lokal saya.

Pelatihan LoRA untuk Konsistensi Wajah: Fondasinya

Di sinilah kebanyakan orang menyerah atau salah melakukannya. Pelatihan LoRA adalah teknik tunggal paling berdampak untuk mempertahankan karakter AI yang konsisten di seluruh foto, dan tidak ada yang mendekati. Jika Anda telah membaca panduan saya tentang cara membuat AI girlfriend Stable Diffusion, Anda tahu saya penggemar berat LoRA. Tetapi melatih satu khusus untuk konsistensi wajah adalah permainan yang berbeda dari LoRA gaya umum.

Membangun Dataset Referensi Anda

Kualitas LoRA Anda sepenuhnya bergantung pada kualitas gambar pelatihan Anda. Saya belajar ini dengan cara yang sulit. Upaya pelatihan LoRA pertama saya menggunakan 40 gambar yang pada dasarnya memiliki sudut dan pencahayaan yang sama, dan hasilnya adalah karakter yang hanya terlihat benar dalam satu pengaturan spesifik itu. Ubah sudut sebesar 30 derajat dan wajahnya berantakan.

Inilah seperti apa set pelatihan yang baik untuk konsistensi wajah.

• 15 hingga 25 gambar (bukan 10, bukan 50, rentang ini adalah titik manis yang saya temukan melalui pengujian)
• Berbagai sudut: depan, 3/4 kiri, 3/4 kanan, sedikit profil, melihat ke atas, melihat ke bawah
• Berbagai kondisi pencahayaan: cahaya siang alami, hangat dalam ruangan, bayangan dingin, mendung
• Identitas konsisten di semua gambar: jika Anda membangun dari nol, hasilkan set dasar dengan FLUX dan pilih yang paling mirip satu sama lain
• Variasi dalam ekspresi: netral, senyum tipis, tertawa, serius, berpikir
• Latar belakang bersih lebih disukai untuk pelatihan (Anda dapat menempatkannya dalam adegan kompleks nanti)

Pertanyaan umum yang sering saya terima adalah "bagaimana jika saya belum punya gambar referensi?" Ini adalah masalah ayam-dan-telur. Solusi yang saya gunakan adalah menghasilkan sekitar 100 gambar dengan FLUX menggunakan prompt deskripsi wajah yang sangat detail, memilih 15 hingga 25 yang paling konsisten satu sama lain, lalu melatih LoRA pada gambar-gambar itu. Batch pertama tidak akan sempurna, tetapi LoRA mengunci kesamaan apa pun yang dibagikan gambar-gambar itu, dan keluaran generasi kedua Anda akan jauh lebih konsisten.

Pengaturan Pelatihan yang Benar-Benar Berfungsi

Saya telah bolak-balik soal pengaturan pelatihan lebih sering daripada yang bisa saya hitung. Inilah nilai-nilai yang akhirnya saya tetapkan setelah melatih sekitar 30 hingga 40 LoRA karakter selama setahun terakhir.

• Learning rate: 1e-4 (standar, tetapi saya turunkan ke 5e-5 jika saya perhatikan wajah mulai "menyimpang" selama pelatihan)
• Training steps: 1500 hingga 2500 untuk LoRA FLUX (lebih banyak tidak lebih baik, Anda akan overfit)
• Rank: 32 (saya dulu menggunakan 16, tetapi 32 menangkap lebih banyak detail wajah tanpa membengkakkan file)
• Batch size: 1 atau 2 tergantung VRAM Anda
• Gambar regularisasi: Opsional, tetapi saya menemukan menggunakan 100 hingga 200 gambar wajah beragam sebagai regularisasi mencegah model "melupakan" cara menggambar orang lain

Proses pelatihan memakan waktu sekitar 1 hingga 2 jam pada GPU 24GB. Jika Anda menggunakan komputasi cloud, perkirakan menghabiskan sekitar 2 hingga 5 dolar per sesi pelatihan tergantung penyedianya.

Satu hal yang tidak ada yang memberi tahu Anda tentang pelatihan LoRA untuk wajah. Kualitas caption lebih penting daripada pengaturan pelatihan. Jika caption Anda generik ("seorang wanita berdiri di sebuah ruangan"), LoRA tidak akan belajar apa yang membuat wajah karakter Anda unik versus apa yang hanya noise spesifik adegan. Saya memberi caption gambar pelatihan saya dengan deskripsi wajah yang sangat spesifik. "Seorang wanita dengan tulang pipi tinggi, hidung sedikit mendongak, mata hijau dalam, alis tipis melengkung, wajah berbentuk hati, bibir bawah penuh" dan seterusnya. Semakin tepat Anda mendeskripsikan fitur wajah, semakin baik LoRA belajar mengisolasi dan mereproduksinya.

Bagaimana IPAdapter Membantu dengan Variasi Pose dan Adegan?

Setelah Anda memiliki LoRA yang terkunci untuk identitas wajah, IPAdapter menjadi sahabat terbaik Anda untuk menciptakan variasi. Inilah alasannya. LoRA Anda memastikan wajah tetap konsisten, tetapi tidak mengontrol pose, komposisi, atau interaksi adegan. Di situlah IPAdapter berperan. Ia mengambil gambar referensi dan menggunakannya untuk memandu komposisi dan gaya keseluruhan keluaran.

Saya memikirkannya seperti ini. LoRA Anda adalah aktornya. IPAdapter adalah sutradara, memberi tahu aktor di mana harus berdiri dan bagaimana membingkai bidikan. Bersama-sama, mereka kuat.

Pengaturan di ComfyUI terlihat kurang lebih seperti ini. Anda memuat model FLUX, menerapkan LoRA karakter Anda, lalu menghubungkan node IPAdapter yang mengambil gambar referensi sebagai input. Gambar referensi tidak harus karakter Anda. Bisa berupa foto nyata yang menunjukkan pose, pencahayaan, atau komposisi yang Anda inginkan, dan LoRA akan memastikan wajah tetap konsisten sementara IPAdapter menangani semua yang lain.

Pengaturan Bobot IPAdapter (Ini Lebih Penting daripada yang Anda Kira)

Saya ingat ketika pertama kali mulai menggunakan IPAdapter untuk pekerjaan karakter. Saya membiarkan bobotnya pada default 0.7 dan tidak bisa mengerti mengapa hasil saya biasa-biasa saja. Wajahnya seakan cocok dengan referensi saya tetapi juga seakan tidak. Rasanya seperti melihat kerabat, bukan orang yang sama.

Melalui coba-coba, saya menemukan bahwa 0.8 hingga 0.9 adalah titik manis untuk pekerjaan IPAdapter yang berfokus pada wajah. Turun di bawah 0.8 dan pengaruh referensi terlalu lemah. Naik di atas 0.9 dan Anda mulai kehilangan kemampuan untuk mengubah adegan dan pose, keluaran menjadi nyaris salinan gambar referensi Anda yang justru menggagalkan tujuannya.

Inilah rincian apa yang dihasilkan nilai bobot berbeda dalam praktiknya.

• 0.5 hingga 0.7: Transfer gaya dan komposisi umum, konsistensi wajah rendah
• 0.7 hingga 0.8: Konsistensi wajah sedang, baik untuk pencocokan gaya longgar
• 0.8 hingga 0.9: Konsistensi wajah kuat, di sinilah saya bekerja untuk pekerjaan karakter
• 0.9 hingga 1.0: Nyaris salinan referensi, sedikit ruang untuk variasi adegan

Bagi pembaca yang ingin mendalami masalah konsistensi karakter lebih jauh dari sekadar foto girlfriend, panduan saya tentang teknik generator karakter AI konsisten membahas lanskap alat dan pendekatan yang lebih luas.

Perbandingan bobot IPAdapter dari 0.6 hingga 0.95. Perhatikan bagaimana 0.85 memberikan keseimbangan terbaik antara konsistensi wajah dan fleksibilitas adegan.

Prompt Engineering untuk Foto AI Girlfriend Fotorealistis

Jujur saja, inilah bagian yang membedakan hasil amatir dari hasil profesional. Model dan LoRA Anda bisa sempurna, tetapi prompt yang buruk tetap akan menghasilkan foto yang buruk. Dan kebanyakan saran prompting yang ada di luar sana buruk untuk realisme karena ditulis untuk seni fantasi atau generasi anime.

Berpikir Seperti Fotografer, Bukan Penulis

Pergeseran mental paling berguna yang pernah saya lakukan dalam prompt engineering adalah berhenti menulis deskripsi dan mulai menulis brief fotografi. Fotografer sungguhan berpikir dalam hal panjang fokus, bukaan, arah pencahayaan, dan suhu warna. Prompt Anda juga harus begitu.

Alih-alih "wanita cantik di kedai kopi tersenyum," pikirkan apa yang sebenarnya akan ditangkap oleh seorang fotografer.

Prompt buruk: "Wanita cantik dengan rambut cokelat duduk di kedai kopi, tersenyum, fotorealistis, kualitas tinggi, 8k"

Prompt baik: "Foto candid seorang wanita duduk di meja dekat jendela di kedai kopi yang ramai, cahaya pagi masuk dari kiri, latar belakang bokeh lembut dengan pelanggan lain terlihat, ia sedang tertawa lepas sambil melihat sedikit melewati kamera, mengenakan sweter rajut kasual, dibidik dengan 85mm f/1.8, suhu warna hangat, sedikit motion blur pada tangannya saat meraih mug kopi keramik"

Lihat perbedaannya? Prompt kedua memberi tahu model tentang sumber cahaya, kedalaman bidang, lensa kamera, suasana hati, ketidaksempurnaan (motion blur, melihat melewati kamera alih-alih langsung ke arahnya), dan detail lingkungan yang membuat foto terasa nyata.

Trik Prompt Anti-AI

Selama setahun terakhir, saya telah mengembangkan sekumpulan frasa prompt yang dirancang khusus untuk melawan "tampilan AI" yang khas. Saya menyebutnya tambahan prompt anti-AI saya, dan saya menaburkannya ke setiap generasi.

• "latar belakang sedikit di luar fokus" alih-alih "latar belakang detail"
• "tekstur kulit alami dengan pori-pori terlihat" untuk melawan efek pemulusan
• "pencahayaan tidak sempurna" atau "pencahayaan suhu warna campuran" untuk realisme
• "komposisi kasual, tidak di tengah" untuk mematahkan kecenderungan model menengahkan subjek
• "dibidik dengan [kamera/lensa spesifik]" untuk memicu rendering fotografis (85mm f/1.4 adalah andalan saya)
• "grain, tekstur film" untuk nuansa fotografi analog itu
• "satu mata sedikit menyipit" atau "senyum asimetris" untuk realisme wajah

Saya juga aktif menggunakan negative prompt untuk menekan hal-hal yang membuat foto AI terlihat palsu. "Kulit mulus, kulit porselen, simetri sempurna, komposisi di tengah, pencahayaan studio, airbrushed, seni digital, ilustrasi, gambar" semuanya masuk ke negative prompt saya.

Membangun Sistem Template Prompt

Setelah menghasilkan ribuan gambar, saya lelah menulis prompt dari nol setiap kali. Jadi saya membangun sistem template. Ini memangkas waktu generasi saya kira-kira setengahnya dan membuat keluaran saya lebih konsisten.

Struktur template saya terlihat seperti ini.

[Kata pemicu identitas karakter] + [Deskripsi pakaian] + [Aktivitas/Pose] + [Lokasi dengan detail spesifik] + [Pengaturan pencahayaan] + [Detail teknis kamera] + [Suasana hati/atmosfer]

Sebagai contoh. "v_sarah, mengenakan jaket utility hijau gelap dan kaus putih, bersandar pada dinding bata lapuk sambil memeriksa ponselnya, gang kota dengan grafiti dan genangan air dari hujan baru-baru ini, cahaya golden hour sore hari dari kanan menciptakan bayangan panjang, dibidik dengan Sony A7III 50mm f/1.4, atmosfer murung"

Kata pemicu "v_sarah" mengaktifkan LoRA saya. Semua yang lain memandu komposisi dan realisme. Saya memiliki sekitar 20 template seperti ini yang disimpan untuk skenario berbeda: adegan kafe, jalan-jalan di luar ruangan, bidikan gym, latar pantai, adegan malam, latar rumah/kasual, dan seterusnya.

Pengaturan Apa yang Menciptakan Kulit dan Pencahayaan Paling Realistis?

Di sinilah saya akan menjadi sangat spesifik karena defaultnya benar-benar buruk untuk fotorealisme. Saya membuang-buang berminggu-minggu mendapatkan hasil yang lumayan sebelum saya menemukan pengaturan ini, dan saya tidak ingin Anda mengulangi pengalaman itu.

Skala CFG dan Dampaknya pada Realisme

Kebanyakan tutorial menyuruh Anda menggunakan CFG 7 atau 8 untuk gambar "berkualitas tinggi." Untuk FLUX 2 secara khusus, itu terlalu tinggi untuk foto realistis. CFG yang lebih tinggi membuat model mengikuti prompt Anda lebih agresif, tetapi juga meningkatkan saturasi, mempertajam tepi secara tidak alami, dan menghasilkan tampilan "terlalu sempurna" itu.

Untuk foto AI girlfriend fotorealistis pada FLUX 2, saya menggunakan guidance scale 2.5 hingga 3.5. Ya, itu lebih rendah dari yang kebanyakan orang rekomendasikan. Dan ya, itu membuat perbedaan besar. Warna menjadi lebih lembut dan alami. Pencahayaan menjadi lebih halus. Kulit terlihat seperti kulit asli alih-alih plastik yang di-airbrush.

Inilah referensi cepat untuk tampilan berbeda.

• 2.0 hingga 2.5: Sangat alami, hampir seperti film. Bagus untuk bidikan candid dan foto bergaya dokumenter
• 2.5 hingga 3.5: Titik manisnya. Bersih tetapi realistis. Di sinilah saya menghabiskan sebagian besar waktu
• 3.5 hingga 5.0: Mulai terlihat "diproduksi." Baik untuk headshot atau foto profesional
• 5.0+: Oversaturasi dan terlalu tajam untuk realisme. Cocok untuk gaya fotografi komersial tetapi tidak untuk tampilan alami yang kebanyakan orang inginkan

Pasca-Pemrosesan untuk Sentuhan Akhir

Saya akan jujur. Bahkan dengan pengaturan generasi yang sempurna, saya tetap melakukan pasca-pemrosesan ringan pada sekitar 70% gambar saya. Bukan pengeditan berat, hanya sentuhan halus yang menjembatani jurang antara "foto AI yang bagus" dan "tunggu, apakah ini orang sungguhan?"

Alur kerja pasca-pemrosesan saya memakan waktu sekitar 30 detik per gambar.

1. Penyesuaian crop ringan untuk membuat komposisi terasa kurang "terpusat ala AI"
2. Tambahkan grain 2 hingga 3% untuk meniru noise sensor kamera
3. Pergeseran mikro suhu warna (biasanya lebih hangat sebesar 100 hingga 200K)
4. Vignette yang sangat halus pada 2 dari 3 gambar
5. Kompresi sorotan ringan untuk menyesuaikan bagaimana kamera asli menangani area terang

Ini opsional tetapi disarankan jika Anda mengejar realisme maksimal. Alat seperti Lightroom atau bahkan alternatif gratis seperti Darktable menangani ini dengan cepat. Jika Anda menggunakan Lewdly.ai untuk alur generasi Anda, beberapa penyesuaian ini bisa dibakukan ke dalam alur kerja itu sendiri, yang menghemat waktu ketika Anda memproduksi konten dalam volume besar.

Bagaimana Anda Mempertahankan Konsistensi di Berbagai Pakaian dan Adegan?

Inilah pertanyaan yang terus muncul di DM saya, dan jujur, di sinilah kebanyakan orang paling kesulitan. Anda punya karakter yang terlihat bagus dalam pakaian kasual. Sekarang Anda membutuhkannya dalam gaun formal di restoran. Lalu dalam pakaian olahraga di gym. Dan entah bagaimana ia harus terlihat seperti orang yang sama di semua skenario itu.

Tantangannya adalah bahwa LoRA dan IPAdapter cenderung mengasosiasikan fitur tertentu dengan konteks tertentu. Jika sebagian besar gambar pelatihan Anda menampilkan karakter dalam pakaian kasual dengan pencahayaan alami, model mungkin sedikit mengubah wajah ketika Anda memberi prompt untuk konteks yang dramatis berbeda. Saya telah melihat ini terjadi puluhan kali. LoRA yang sama, kata pemicu yang sama, tetapi "versi restoran" memiliki tulang pipi yang sedikit berbeda dari "versi pantai."

Inilah solusi saya, dan ini adalah hasil dari berbulan-bulan pengujian.

Sistem Gambar Jangkar

Saya menyimpan tiga hingga lima "gambar jangkar" karakter saya yang berfungsi sebagai referensi IPAdapter untuk konteks berbeda. Setiap gambar jangkar menunjukkan karakter dalam tipe latar tertentu tetapi dari sudut netral yang dapat dikenali di mana wajahnya jelas terlihat.

• Jangkar 1: Potret close-up, ekspresi netral, pencahayaan lembut (ini adalah gambar "reset identitas")
• Jangkar 2: Adegan kasual seluruh tubuh, pencahayaan alami
• Jangkar 3: Latar dalam ruangan dengan pencahayaan buatan hangat
• Jangkar 4: Adegan aktif/luar ruangan dengan pencahayaan terang
• Jangkar 5: Adegan malam/murung dengan pencahayaan dramatis

Ketika saya menghasilkan adegan gym, saya menggunakan Jangkar 4. Ketika saya menghasilkan adegan kencan makan malam, saya menggunakan Jangkar 3. LoRA menangani identitas wajah sementara gambar jangkar yang sesuai konteks memandu IPAdapter untuk menghasilkan hasil yang terlihat alami untuk latar spesifik itu.

Jika wajah mulai menyimpang dalam konteks tertentu, saya menghasilkan ulang menggunakan Jangkar 1 (close-up reset identitas) dengan bobot IPAdapter lebih tinggi 0.9 hingga 0.95, lalu menggunakan keluaran itu sebagai jangkar baru yang spesifik konteks. Proses ini memakan waktu sekitar 10 menit tetapi mengatur ulang garis dasar konsistensi.

Prompting Pakaian yang Tidak Merusak Wajah

Inilah sesuatu yang tidak ada yang memberi tahu Anda. Deskripsi pakaian tertentu mengganggu generasi wajah lebih dari yang lain. Saya tidak tahu mengapa ini terjadi secara teknis, tetapi saya telah melihatnya cukup konsisten untuk mengembangkan aturan seputarnya.

Prompt pakaian interferensi rendah (aman untuk konsistensi wajah):

• Kaus kasual, sweter, jeans, sneaker
• Gaun sederhana tanpa pola rumit
• Pakaian atletik, hoodie

Prompt pakaian interferensi tinggi (perhatikan konsistensi wajah Anda):

• Perhiasan rumit di dekat wajah (anting, kalung)
• Topi, ikat kepala, aksesori rambut
• Kacamata hitam (jelas)
• Pakaian berkerah tinggi yang membingkai wajah secara berbeda
• Kostum atau pakaian formal yang sangat detail

Ketika saya perlu menggunakan pakaian "interferensi tinggi," saya mengompensasinya dengan menaikkan bobot LoRA sebesar 0.1 hingga 0.15 dan menggunakan gambar jangkar dengan crop wajah yang lebih ketat untuk IPAdapter. Tidak sempurna, tetapi membantu.

Untuk pandangan lebih mendalam tentang teknik kustomisasi di luar sekadar sisi visual, lihat panduan lengkap kustomisasi AI girlfriend yang membahas aspek kepribadian dan interaksi bersama pengaturan penampilan.

Karakter AI yang sama di lima pakaian dan latar berbeda, dihasilkan menggunakan sistem jangkar LoRA ditambah IPAdapter. Identitas wajah tetap stabil meski terjadi perubahan konteks dramatis.

Kesalahan Umum dan Cara Memperbaikinya

Saya telah membantu orang-orang di komunitas Discord dengan generasi karakter AI mereka selama lebih dari setahun sekarang, dan saya melihat kesalahan yang sama muncul berulang kali. Biar saya hemat waktu Anda.

Kesalahan 1. Over-Prompting demi Kecantikan

Orang menulis "cantik, menawan, memukau, menarik, manis" semuanya dalam satu prompt. Ini mendorong model ke arah wajah yang diidealkan dan generik yang terlihat kurang seperti orang sungguhan dan lebih seperti gabungan dari setiap wajah "cantik" dalam data pelatihan. Pilih maksimal satu istilah kecantikan, atau lebih baik lagi, deskripsikan fitur spesifik saja.

Kesalahan 2. Mengabaikan Resolusi dan Rasio Aspek

Menghasilkan pada 512x512 atau bahkan 768x768 lalu memperbesar adalah resep untuk artefak wajah yang aneh. Hasilkan pada resolusi tinggi native (1024x1360 untuk potret pada FLUX) sejak awal. Detail wajah pada resolusi native lebih tinggi jauh lebih baik daripada yang Anda dapatkan dari memperbesar generasi resolusi rendah.

Kesalahan 3. Menggunakan Pose yang Sama untuk Setiap Gambar

Ini adalah pertanda jelas bahwa konten dihasilkan oleh AI. Jika setiap foto menampilkan karakter Anda dalam tampilan 3/4 serupa menghadap kamera, itu terlihat seperti layar pemilihan karakter, bukan feed foto orang sungguhan. Orang sungguhan difoto dalam momen candid, dari berbagai sudut, kadang sebagian tertutup, kadang sedang bergerak. Gunakan IPAdapter dengan gambar pose referensi yang beragam untuk keluar dari kebiasaan pose default.

Kesalahan 4. Tidak Mengurasi Keluaran Anda

Saya menghasilkan sekitar 8 hingga 12 gambar untuk setiap satu yang benar-benar saya gunakan. Itu bukan tanda kegagalan. Itu adalah proses produksi. Bahkan fotografer profesional memotret ratusan foto per sesi dan hanya menyerahkan 20 hingga 30 gambar final. Bersikaplah kejam dalam kurasi Anda. Hapus apa pun dengan ketidakkonsistenan wajah halus, artefak tangan aneh, atau ekspresi tidak alami. Kualitas di atas kuantitas, selalu.

Kesalahan 5. Mengabaikan Foto "Biasa"

Akun karakter AI yang paling meyakinkan tidak dipenuhi bidikan glamor. Mereka punya selfie di toko kelontong, foto cermin kamar yang berantakan, bidikan konser yang buram, dan foto kopi pagi yang mengantuk. Gambar-gambar "membosankan" ini sebenarnya yang paling sulit dipalsukan dan paling meyakinkan ketika dilakukan dengan benar. Saya mendedikasikan sekitar 30 hingga 40% generasi saya untuk skenario biasa dan tidak glamor ini.

Alur Kerja Produksi: Proses Ujung ke Ujung Saya

Biar saya pandu Anda melalui alur kerja produksi saya yang sebenarnya. Inilah yang saya lakukan ketika saya duduk untuk menghasilkan satu batch foto AI girlfriend untuk sebuah proyek atau untuk tujuan pengujian.

Langkah 1. Perencanaan sesi (5 menit). Saya memutuskan 5 hingga 8 skenario yang ingin saya potret. Saya menulis brief untuk masing-masing dengan lokasi, pakaian, suasana hati, dan waktu hari. Saya memikirkannya seperti merencanakan sesi foto sungguhan.

Langkah 2. Pemilihan gambar jangkar (2 menit). Saya memilih gambar jangkar yang paling relevan untuk setiap skenario dari set 3 hingga 5 jangkar saya.

Langkah 3. Penyusunan prompt (10 menit). Saya menulis prompt menggunakan sistem template saya, menyesuaikan detail untuk setiap skenario. Setiap prompt mendapat spesifikasi kamera, deskripsi pencahayaan, dan detail lingkungan.

Langkah 4. Generasi batch (20 hingga 30 menit). Saya menghasilkan 8 hingga 12 variasi dari setiap skenario. Jika saya menjalankan secara lokal, ini memakan waktu lebih lama. Jika saya menggunakan Lewdly.ai atau platform cloud lain, saya bisa memparalelkannya dan mendapatkan hasil lebih cepat.

Langkah 5. Kurasi (10 menit). Saya meninjau semua keluaran dan memilih 1 hingga 2 terbaik dari setiap skenario. Saya memeriksa konsistensi wajah terhadap gambar jangkar saya, mencari artefak apa pun, dan memverifikasi bahwa nuansa keseluruhannya fotorealistis.

Langkah 6. Pasca-pemrosesan ringan (5 hingga 10 menit). Penyesuaian cepat di Lightroom. Grain, koreksi warna ringan, penyesuaian crop.

Total waktu untuk satu batch 5 hingga 8 foto final. Sekitar 50 menit hingga satu jam. Itu termasuk pengaturan, generasi, kurasi, dan pasca-pemrosesan. Dengan latihan, Anda akan menjadi lebih cepat.

Teknik Lanjutan yang Layak Diketahui

Setelah Anda menguasai dasar-dasarnya, ada beberapa teknik lanjutan yang dapat mendorong hasil Anda lebih jauh lagi.

Face Detailer / ADetailer untuk Close-Up

Untuk setiap gambar di mana wajah menempati kurang dari sekitar 25% bingkai, saya menjalankannya melalui pass face detailer. Ini menghasilkan ulang hanya area wajah pada resolusi lebih tinggi dan dengan pengaturan spesifik wajah, lalu menggabungkannya kembali ke gambar asli. Peningkatan detail wajah untuk bidikan seluruh tubuh atau sedang sangat dramatis. Saya menganggap langkah ini tidak bisa ditawar untuk gambar apa pun yang akan dilihat pada ukuran penuh.

Penuaan dan Garis Ekspresi yang Konsisten

Satu sentuhan halus yang menambah realisme. Orang sungguhan memiliki fitur wajah konsisten seperti garis tawa, bayangan di bawah mata, atau pola lipatan tertentu saat tersenyum. Jika karakter Anda seharusnya terlihat 28, ia tidak seharusnya memiliki kulit yang mulus sempurna dengan nol garis ekspresi. Saya menambahkan detail halus yang sesuai usia ke prompt saya. "Garis senyum samar, bayangan di bawah mata halus, garis gerakan dahi alami." Detail ini tetap konsisten di seluruh generasi jika ada dalam caption pelatihan dan template prompt Anda.

Menggunakan Referensi Fotografi Nyata

Ini adalah senjata rahasia saya dan saya rasa tidak cukup banyak orang melakukannya. Saya menjelajahi subreddit fotografi dan Pinterest untuk foto nyata yang cocok dengan skenario yang ingin saya hasilkan. Bukan untuk menyalin, tetapi untuk memahami seperti apa sebenarnya foto nyata dalam latar itu. Apa yang dilakukan cahaya? Di mana bayangannya? Apa yang ada di latar belakang? Bagaimana kedalaman bidangnya?

Lalu saya mempelajari foto nyata itu dan menerjemahkan kualitasnya ke dalam prompt saya. Pendekatan rekayasa balik ini telah meningkatkan realisme saya lebih dari perubahan pengaturan teknis apa pun.

Sebaiknya Anda Menggunakan Platform Cloud atau Menjalankan Secara Lokal?

Ini tergantung situasi Anda, dan saya punya pendapat tentangnya.

Pendapat kontroversial. Menjalankan secara lokal terlalu dilebih-lebihkan bagi kebanyakan orang yang melakukan pembuatan foto AI girlfriend. Kecuali Anda memiliki GPU 24GB+ dan menikmati mengutak-atik lingkungan Python dan driver CUDA, Anda akan menghabiskan lebih banyak waktu men-debug pengaturan daripada benar-benar menghasilkan gambar. Platform cloud seperti Lewdly.ai, Replicate, dan RunPod menangani infrastruktur sehingga Anda bisa fokus pada sisi kreatif.

Meski begitu, menjalankan secara lokal punya keuntungan nyata untuk pengguna serius. Tanpa rate limit, tanpa pembatasan kebijakan konten (dengan asumsi Anda tidak melakukan sesuatu yang ilegal), kontrol penuh atas setiap parameter, dan tanpa biaya per gambar setelah investasi perangkat keras awal Anda. Jika Anda menghasilkan 50+ gambar sehari, ekonomi perangkat keras lokal mulai masuk akal.

Inilah rekomendasi saya berdasarkan volume.

• Di bawah 20 gambar per hari: Gunakan platform cloud. Tidak sepadan dengan kerepotan pengaturan lokal
• 20 hingga 50 gambar per hari: Keduanya berfungsi. Tergantung apakah Anda menghargai kenyamanan atau kontrol
• 50+ gambar per hari: Perangkat keras lokal akan kembali modal dalam 2 hingga 3 bulan

Untuk sisi pelatihan LoRA secara khusus, saya selalu merekomendasikan komputasi cloud kecuali Anda memiliki VRAM 24GB. Pelatihan pada kartu 12GB memungkinkan tetapi sangat lambat, dan kecepatan iterasi penting ketika Anda bereksperimen dengan parameter pelatihan.

Pertanyaan yang Sering Diajukan

Apa Model Terbaik untuk Foto AI Girlfriend Realistis di 2026?

FLUX 2 Dev adalah rekomendasi utama saya untuk fotorealisme. Ia menangani tekstur kulit, interaksi pencahayaan, dan ekspresi alami lebih baik daripada model lain yang tersedia secara terbuka. Untuk kualitas yang bahkan lebih tinggi dengan mengorbankan kecepatan, FLUX 2 Pro layak dicoba jika Anda memiliki akses melalui penyedia API.

Berapa Banyak Gambar Pelatihan yang Saya Butuhkan untuk LoRA Wajah Konsisten?

Saya menemukan 15 hingga 25 gambar adalah titik manisnya. Di bawah 15 dan Anda tidak memiliki cukup variasi bagi model untuk belajar apa yang konsisten tentang wajah versus apa yang kebetulan. Di atas 25 dan Anda mulai mendapatkan hasil yang berkurang. Pastikan gambar Anda mencakup berbagai sudut, kondisi pencahayaan, dan ekspresi.

Bisakah Saya Mendapatkan Konsistensi Karakter Tanpa Melatih LoRA?

Bisa, tetapi konsistensinya akan lebih rendah. IPAdapter sendiri dengan gambar referensi yang kuat dapat membawa Anda ke sekitar 75 hingga 85% konsistensi wajah. Menambahkan InstantID di atas IPAdapter mendorongnya ke sekitar 85 hingga 90%. Tetapi untuk keandalan 90%+ di ratusan gambar, pelatihan LoRA tetap menjadi pendekatan yang paling bisa diandalkan.

Mengapa Foto AI Saya Terlihat "Terlalu Sempurna" dan Jelas Palsu?

Anda mungkin menggunakan skala CFG/guidance yang terlalu tinggi, over-prompting demi kecantikan, dan tidak menyertakan isyarat ketidaksempurnaan dalam prompt Anda. Turunkan guidance Anda ke 2.5 hingga 3.5 pada FLUX, tambahkan kata kunci tekstur kulit alami, sertakan ketidaksempurnaan lingkungan, dan gunakan istilah teknis spesifik kamera untuk memicu rendering fotografis alih-alih rendering ilustrasi.

Bagaimana Saya Menangani Tangan dalam Foto AI Girlfriend?

Tangan masih menjadi titik lemah generasi gambar AI, meskipun FLUX 2 menanganinya jauh lebih baik daripada model sebelumnya. Pendekatan saya ada tiga. Pertama, susun bidikan di mana tangan bukan titik fokus. Kedua, ketika tangan harus terlihat, gunakan gambar referensi IPAdapter dengan pose tangan yang jelas dan alami. Ketiga, untuk gambar apa pun di mana tangan terlihat salah, hasilkan ulang atau gunakan inpainting untuk memperbaiki hanya area tangan.

Pada Resolusi Berapa Saya Harus Menghasilkan untuk Detail Wajah Terbaik?

Hasilkan pada 1024x1360 untuk orientasi potret atau 1360x1024 untuk lanskap pada FLUX 2. Ini adalah target resolusi tinggi native yang menghasilkan detail wajah terbaik tanpa artefak. Melampaui ini sering memperkenalkan artefak tiling yang aneh. Jika Anda membutuhkan gambar final yang lebih besar, hasilkan pada ukuran ini lalu perbesar menggunakan upscaler khusus seperti Real-ESRGAN.

Bagaimana Saya Membuat Pakaian Berbeda Terlihat Alami pada Karakter yang Sama?

Gunakan sistem gambar jangkar yang saya jelaskan di atas. Simpan 3 hingga 5 gambar referensi karakter Anda dalam konteks pencahayaan berbeda, dan cocokkan jangkar dengan adegan yang Anda hasilkan. Jika pakaian tertentu menyebabkan penyimpangan wajah, naikkan bobot LoRA Anda sebesar 0.1 hingga 0.15 untuk mengompensasinya.

Mungkinkah Menghasilkan Set Foto Lengkap yang Terlihat Seperti Media Sosial Orang Sungguhan?

Tentu saja, dan di sinilah teknik dalam panduan ini benar-benar bersinar. Kuncinya adalah variasi. Campur bidikan glamor dengan yang biasa. Sertakan waktu hari berbeda, latar dalam dan luar ruangan, bidikan solo dan situasi sosial yang tersirat. Sistem gambar jangkar ditambah template prompt membuat ini bisa dicapai secara sistematis. Saya secara rutin menghasilkan set 30 hingga 50 gambar yang mempertahankan identitas konsisten.

Berapa Lama Seluruh Pengaturan Memakan Waktu dari Nol?

Jika Anda mulai dari nol, perkirakan sekitar 4 hingga 6 jam untuk karakter pertama Anda. Itu terbagi menjadi sekitar 1 jam mempelajari dasar-dasar, 1 hingga 2 jam menghasilkan dan mengurasi set gambar referensi awal Anda, 1 hingga 2 jam melatih LoRA, dan 30 menit hingga satu jam menyiapkan template prompt dan gambar jangkar Anda. Setelah pengaturan awal itu, menghasilkan gambar baru menjadi cepat, biasanya di bawah satu menit per gambar final terpilih.

Bisakah Saya Menggunakan Teknik Ini untuk Konten Video Juga?

Teknik konsistensi wajah (LoRA, gambar jangkar) diterjemahkan langsung ke generasi video AI dengan model seperti Kling dan Runway Gen-3. Perbedaan utamanya adalah video menambahkan konsistensi temporal sebagai dimensi lain yang perlu Anda kelola. Tetapi fondasi yang Anda bangun untuk generasi foto memberi Anda awalan yang besar. Itu artikel terpisah seluruhnya.

Pemikiran Akhir

Pembuatan foto AI girlfriend telah maju luar biasa jauh dalam setahun terakhir. Kombinasi FLUX 2 untuk rendering fotorealistis, pelatihan LoRA untuk identitas wajah, IPAdapter untuk posing fleksibel, dan prompt engineering yang cermat untuk realisme memungkinkan untuk menciptakan foto karakter yang benar-benar sulit dibedakan dari fotografi nyata.

Pelajaran terbesar yang saya pelajari melalui semua ini adalah bahwa realisme bukan tentang kesempurnaan teknis. Itu tentang ketidaksempurnaan. Foto nyata memiliki cacat. Orang sungguhan memiliki fitur asimetris. Kamera asli menghasilkan grain dan bokeh dan aberasi lensa. Semakin Anda bersandar pada ketidaksempurnaan ini, semakin meyakinkan hasil Anda.

Mulailah dengan FLUX 2, latih LoRA yang solid, bangun sistem gambar jangkar Anda, dan kembangkan template prompt yang berpikir seperti fotografer alih-alih prompt engineer. Beri diri Anda izin untuk menghasilkan banyak gambar dan mengurasinya dengan kejam hingga ke yang terbaik. Itulah prosesnya. Itu bukan sihir, dan itu tidak instan, tetapi hasilnya berbicara sendiri.

Jika Anda merasa panduan ini bermanfaat dan ingin menjelajahi sisi kepribadian dan interaksi dari pendamping AI (bukan hanya sisi visual), lihat panduan saya tentang kustomisasi AI girlfriend dan membuat karakter AI girlfriend dengan Stable Diffusion. Teknik konsistensi visual dalam artikel ini berpasangan sempurna dengan pendekatan pengembangan karakter yang dibahas di sana.