Inline Studio выпустила v1.2.71 с функцией Characters для FLUX.2: из одного-двух референсных фотографий собирается портативный .char-файл с identity-отпечатком, который позволяет получать того же персонажа в новых сценах без обучения LoRA, адаптеров и img2img. Консистентность при этом становится измеримой: после каждого кадра система считает continuity score от 0 до 100.
Что произошло
В новой версии Inline Studio появилась панель Characters для работы с FLUX.2. Из одного-двух референсных фото система собирает .char-файл объёмом в несколько МБ; в него попадают оригинальные референсы, зафиксированное текстовое описание и identity-отпечаток персонажа, а сам файл можно копировать между проектами. Технически референсы идут по нативному multi-reference каналу FLUX.2: они VAE-энкодируются в 32-канальные латенты, patchify-руются (1024 токена на 1 Мпикс) и добавляются к noise-токен-последовательности, к которой модель обращается на каждом шаге денойзинга. После каждого кадра на CPU вычисляется continuity score от 0 до 100 по формуле 0.8 * face + 0.2 * subject: YuNet (около 230 КБ, MIT) детектит лицо, SFace (около 37 МБ, Apache-2.0) даёт 128-мерный эмбеддинг лица, DINOv2-base (около 330 МБ) — 768-мерный centroid объекта; сходство лица при этом сравнивается с ближайшим референсом, а не со средним. Демо отрендерено на FLUX.2 Klein 4B Base.
Контекст
Стандартные способы зафиксировать персонажа в генеративных пайплайнах — обучение LoRA на конкретного человека, адаптеры типа PuLID или FaceID либо якорение лица через img2img. Каждый из этих путей требует либо отдельного обучения, либо дополнительных проходов модели. FLUX.2 умеет принимать референсные изображения по нативному multi-reference каналу, и механизм v1.2.71 построен именно на этом: это in-context conditioning, где идентичность переносится напрямую из референсных изображений, а не из обученного адаптера. Новый .char-файл можно считать портативной карточкой персонажа в духе textual inversion — с той разницей, что к зафиксированному описанию прилагаются сами референсные фото, а весь перенос идентичности остаётся на стороне базовой модели.
Почему это важно для индустрии
Смысл релиза для отрасли — в продуктовой упаковке, а не в самой модели: в инженерной практике это первый готовый training-free способ зафиксировать персонажа на FLUX.2. Команда с локальным GPU может уже сейчас рендерить одиночные персонажи по одному-двум референсам и встроить continuity score как штатную QC-метрику в пайплайн. Продавцы обучения персона-LoRA сразу получают ценовое давление: тренинг-фри альтернатива бесплатна и готова мгновенно. Если формат доведут до ума и появятся сравнения с базлайнами, .char-карточка может стать де-факто стандартом обмена identity-ассетами между проектами в AI-кинопайплайнах на FLUX.2.
Почему это важно для пользователей
Для тех, кто работает с FLUX.2 или строит AI-видео, функция доступна уже сейчас: бесплатно, open source, локально на собственном GPU. Рабочий процесс простой: перетащить одно-два фото в Characters-панель, выбрать персонажа в dropdown на FLUX.2-ноде и получить того же человека в новых сценах — без переподключения референсов на каждый кадр и без описания лица в промпте. Два практических лимита: в кадре должен быть один человек, и стоимость рендера заметно растёт с числом референсов — при 1024 px пять референсов увеличивают количество токенов примерно в 6 раз на каждом шаге денойзинга.
Что пока неизвестно / ограничения
Демо отрендерено только на FLUX.2 Klein 4B Base: в заголовке официального гайда упоминается также dev-вариант, но количественных данных по нему нет. Публичного количественного сравнения метода с LoRA, PuLID и img2img-базлайнами нет, как и данных о latency. Мультиперсонажные сцены заявлены как нерешённые: идентичность персонажа перетекает на других людей в кадре. Финальное качество напрямую зависит от того, насколько хорошо базовая модель обучена использовать multi-reference канал. Кроме того, с точки зрения научной новизны релиз — это инженерная упаковка уже имевшейся возможности FLUX.2, а не advancement самой модели.
Источники
Автор
Look at AI, редакция