13e - 品牌一致性指南

需要品牌视觉一致性？
├── 仅需风格统一（色调、氛围）？
│   ├── 使用 Midjourney？ → --sref 风格参考（最简单）
│   └── 使用 SD/FLUX？ → IP-Adapter + 风格参考图
├── 需要角色/IP 一致性？
│   ├── 使用 Midjourney？ → --cref 角色参考
│   └── 使用 SD/FLUX？ → LoRA 训练（20-50 张参考图）
├── 需要产品级精确一致性？
│   └── LoRA 训练 或 DreamBooth 微调
└── 需要企业级品牌系统？
    └── 自定义 LoRA + 品牌风格指南 + 自动化管线

Seed 12345 + "品牌吉祥物，蓝色背景" → 图像 A
Seed 12345 + "品牌吉祥物，蓝色背景" → 图像 A（相同）
Seed 67890 + "品牌吉祥物，蓝色背景" → 图像 B（不同）
Seed 12345 + "品牌吉祥物，红色背景" → 图像 C（构图相似，颜色不同）

/imagine prompt: 品牌吉祥物小熊，坐在办公桌前，扁平插画风格，品牌蓝 #2563EB 背景 --seed 42 --ar 1:1

/imagine prompt: 品牌吉祥物小熊，站在会议室里，扁平插画风格，品牌蓝 #2563EB 背景 --seed 42 --ar 1:1

import requests
 
def generate_with_seed(prompt: str, seed: int, model: str = "flux-2-pro"):
    """使用固定 seed 生成可复现的图像"""
    response = requests.post(
        f"https://api.bfl.ai/v1/{model}",
        headers={"X-Key": "YOUR_API_KEY"},
        json={
            "prompt": prompt,
            "seed": seed,        # 固定 seed
            "width": 1024,
            "height": 1024,
        }
    )
    return response.json()
 
# 品牌基准图像
base_image = generate_with_seed(
    prompt="minimalist brand mascot, blue bear, flat design, #2563EB background",
    seed=42
)
 
# 变体：相同 seed，微调 prompt
variant = generate_with_seed(
    prompt="minimalist brand mascot, blue bear, flat design, #2563EB background, waving hand",
    seed=42  # 相同 seed 保持构图一致
)

你是一个品牌视觉管理专家。请为以下品牌生成一组 [数量] 个图像 prompt，
要求所有图像保持视觉一致性。

品牌信息：
- 品牌名：[品牌名称]
- 品牌色：主色 [#HEX]，辅色 [#HEX]
- 视觉风格：[扁平插画 / 3D渲染 / 照片级 / 水彩]
- 品牌调性：[专业严谨 / 活泼年轻 / 高端奢华 / 温暖亲切]

要求：
1. 所有 prompt 使用统一的风格描述词（在每个 prompt 末尾附加）
2. 指定统一的光照和构图方向
3. 输出 JSON 格式，包含 prompt、negative_prompt、recommended_seed
4. 附加一个"品牌风格后缀"，可复用到所有未来 prompt 中

/imagine prompt: 一只猫坐在窗台上 --sref https://example.com/brand-style-image.png

# 混合两个风格参考，设置权重
/imagine prompt: 产品展示图 --sref https://url-a.png::2 https://url-b.png::3

# 权重说明：url-a 占 40%，url-b 占 60%

# --sw 参数控制风格影响强度（0-1000，默认 100）
/imagine prompt: 品牌海报 --sref https://brand-ref.png --sw 200  # 更强的风格影响
/imagine prompt: 品牌海报 --sref https://brand-ref.png --sw 50   # 更弱的风格影响

# 使用 sref code（10 位数字）
/imagine prompt: 品牌插画 --sref 1234567890

# 组合 sref code 和图像 URL
/imagine prompt: 品牌插画 --sref 1234567890 https://brand-ref.png::2

# 基本角色参考
/imagine prompt: 品牌吉祥物在咖啡店 --cref https://mascot-ref.png

# 角色强度控制（--cw 0-100，默认 100）
/imagine prompt: 品牌吉祥物在海边 --cref https://mascot-ref.png --cw 80

# 组合风格参考 + 角色参考
/imagine prompt: 品牌吉祥物在办公室 --sref https://brand-style.png --cref https://mascot-ref.png

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ 品牌参考图    │───▶│ IP-Adapter   │───▶│ KSampler     │───▶ 输出图像
│ (风格样本)   │    │ (提取风格)    │    │ (生成)       │
└──────────────┘    └──────────────┘    └──────────────┘
                           ▲
                    ┌──────┴──────┐
                    │ Text Prompt  │
                    │ (内容描述)    │
                    └─────────────┘

cd ComfyUI/custom_nodes
git clone https://github.com/cubiq/ComfyUI_IPAdapter_plus.git

请为品牌 [品牌名] 创建一套风格参考系统：

品牌视觉规范：
- 主色调：[颜色]
- 辅助色：[颜色]
- 字体风格：[衬线 / 无衬线 / 手写]
- 插画风格：[扁平 / 3D / 手绘 / 像素]
- 摄影风格：[自然光 / 工作室 / 电影感]

请输出：
1. 一个"品牌风格后缀"（50 字以内），可附加到任何 prompt 末尾
2. 一个 negative prompt 模板，排除不符合品牌的元素
3. 推荐的 Midjourney --sref 使用策略
4. 推荐的 IP-Adapter 权重设置

┌─────────────────────────────────────────┐
│           预训练基础模型                   │
│    (FLUX Dev / SD XL / SD 1.5)          │
│                                          │
│    ┌──────────┐  ┌──────────┐           │
│    │ LoRA A   │  │ LoRA B   │           │
│    │ 品牌风格  │  │ 产品外观  │  ← 可叠加  │
│    │ (~50MB)  │  │ (~30MB)  │           │
│    └──────────┘  └──────────┘           │
│                                          │
│    输出：品牌风格 + 产品外观的图像          │
└─────────────────────────────────────────┘

import replicate
 
# 使用 Replicate API 训练 FLUX LoRA
training = replicate.trainings.create(
    version="ostris/flux-dev-lora-trainer:d995297071a44dcb72244e6c19462111649ec86a9646c32df56daa7f14801944",
    input={
        "input_images": "https://your-bucket.s3.amazonaws.com/brand-images.zip",
        "trigger_word": "mybrandstyle",  # 触发词
        "steps": 3000,
        "learning_rate": 0.0001,
        "batch_size": 1,
        "resolution": "1024",
        "autocaption": True,  # 自动标注
    },
    destination="your-username/brand-style-lora"
)
 
print(f"训练状态: {training.status}")
print(f"训练 ID: {training.id}")
 
# 训练完成后使用
output = replicate.run(
    "your-username/brand-style-lora",
    input={
        "prompt": "mybrandstyle, 产品展示图，简约背景",
        "num_inference_steps": 28,
    }
)

# 克隆 Kohya 训练脚本
git clone https://github.com/kohya-ss/sd-scripts.git
cd sd-scripts
 
# 安装依赖（需要 Python 3.10+）
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121

training_data/
├── 5_mybrandstyle/          # 格式：{重复次数}_{触发词}
│   ├── image_001.png
│   ├── image_001.txt        # 对应的标注文件
│   ├── image_002.png
│   ├── image_002.txt
│   └── ...
└── reg/                     # 正则化图像（可选）
    └── 1_style/
        ├── reg_001.png
        └── ...

# brand_lora_config.toml
[model]
pretrained_model_name_or_path = "/path/to/flux-dev"
output_dir = "./output/brand_lora"
output_name = "brand_style_v1"
 
[dataset]
train_data_dir = "./training_data"
resolution = 1024
batch_size = 1
 
[training]
max_train_steps = 3000
learning_rate = 0.0001
network_dim = 32
network_alpha = 16
optimizer_type = "AdamW8bit"
lr_scheduler = "cosine"
save_every_n_steps = 500

accelerate launch --num_cpu_threads_per_process 1 \
  flux_train_network.py \
  --config_file brand_lora_config.toml

[Load Checkpoint: FLUX Dev]
    → [Load LoRA: brand_style_v1.safetensors, strength: 0.8]
    → [CLIP Text Encode: "mybrandstyle, 产品展示图"]
    → [KSampler]
    → [Save Image]

# 叠加品牌风格 LoRA + 产品 LoRA
[Load Checkpoint]
    → [Load LoRA: brand_style.safetensors, strength: 0.7]
    → [Load LoRA: product_look.safetensors, strength: 0.5]
    → [CLIP Text Encode]
    → [KSampler]

请为以下品牌设计 LoRA 训练方案：

品牌信息：
- 品牌名：[品牌名称]
- 视觉风格：[详细描述品牌视觉特征]
- 训练目标：[风格一致性 / 角色一致性 / 产品外观]
- 预算：[低（免费/Civitai）/ 中（Replicate）/ 高（RunPod/本地）]

请输出：
1. 推荐的训练平台和预估成本
2. 数据集准备清单（需要什么类型的图片、数量、质量要求）
3. 推荐的训练参数配置
4. 触发词（trigger word）命名建议
5. 训练后的验证测试 prompt（5 个不同场景）

dreambooth_data/
├── instance_images/          # 目标对象图片（20-50 张）
│   ├── product_01.png        # 不同角度
│   ├── product_02.png        # 不同光照
│   ├── product_03.png        # 不同背景
│   └── ...
└── class_images/             # 类别正则化图片（200-300 张，可自动生成）
    ├── generic_product_01.png
    └── ...

# DreamBooth 训练配置示例（使用 diffusers 库）
training_config = {
    "pretrained_model": "stabilityai/stable-diffusion-xl-base-1.0",
    "instance_prompt": "a photo of sks brandproduct",  # sks 是唯一标识符
    "class_prompt": "a photo of product",
    "instance_data_dir": "./dreambooth_data/instance_images",
    "class_data_dir": "./dreambooth_data/class_images",
    "output_dir": "./output/brand_dreambooth",
    "resolution": 1024,
    "train_batch_size": 1,
    "gradient_accumulation_steps": 1,
    "learning_rate": 1e-6,
    "lr_scheduler": "constant",
    "max_train_steps": 800,
    "num_class_images": 200,
    "with_prior_preservation": True,  # 启用正则化
    "prior_loss_weight": 1.0,
}

import replicate
 
# 使用 Replicate 进行 DreamBooth 训练
training = replicate.trainings.create(
    version="stability-ai/sdxl:...",
    input={
        "input_images": "https://bucket.s3.amazonaws.com/brand-product.zip",
        "token_string": "sks",
        "caption_prefix": "a photo of sks brandproduct,",
        "max_train_steps": 800,
        "use_face_detection_instead": False,
    },
    destination="your-username/brand-product-model"
)

# 使用微调后的模型生成品牌产品图
output = replicate.run(
    "your-username/brand-product-model",
    input={
        "prompt": "a photo of sks brandproduct on a wooden table, soft natural lighting, minimalist background",
        "negative_prompt": "blurry, low quality, distorted",
        "num_inference_steps": 30,
        "guidance_scale": 7.5,
    }
)

# 品牌风格后缀示例
BRAND_SUFFIX = """
minimalist flat illustration style, brand blue #2563EB primary color, 
soft rounded shapes, clean white background, warm natural lighting, 
professional and friendly tone, high quality, 4K resolution
"""

# 品牌 Negative Prompt
BRAND_NEGATIVE = """
dark, moody, gloomy, cluttered, aggressive, low quality, blurry, 
watermark, text overlay, harsh shadows, oversaturated
"""

class BrandPromptSystem:
    """品牌 Prompt 管理系统"""
    
    def __init__(self, brand_config: dict):
        self.brand_name = brand_config["name"]
        self.style_suffix = brand_config["style_suffix"]
        self.negative_prompt = brand_config["negative_prompt"]
        self.default_seed = brand_config.get("default_seed", None)
        self.lora_trigger = brand_config.get("lora_trigger", "")
    
    def generate_prompt(self, content: str, scene: str = "") -> dict:
        """生成品牌一致的完整 prompt"""
        prompt = f"{self.lora_trigger} {content}"
        if scene:
            prompt += f", {scene}"
        prompt += f", {self.style_suffix}"
        
        return {
            "prompt": prompt.strip(),
            "negative_prompt": self.negative_prompt,
            "seed": self.default_seed,
        }
 
# 使用示例
brand = BrandPromptSystem({
    "name": "TechBrand",
    "style_suffix": "minimalist flat design, #2563EB blue accent, clean white background",
    "negative_prompt": "dark, cluttered, low quality, blurry",
    "lora_trigger": "techbrandstyle",
    "default_seed": 42,
})
 
# 生成产品图 prompt
product_prompt = brand.generate_prompt(
    content="智能手表产品展示",
    scene="白色桌面，45度角俯拍"
)
# 输出: "techbrandstyle 智能手表产品展示, 白色桌面，45度角俯拍, minimalist flat design, #2563EB blue accent, clean white background"

┌──────────────┐    ┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ 品牌风格配置  │    │ Prompt 生成   │    │ AI 图像生成   │    │ 品牌审核     │
│              │    │              │    │              │    │              │
│ · 风格后缀   │───▶│ · 内容 + 后缀 │───▶│ · LoRA 加载  │───▶│ · 色彩检查   │
│ · Negative   │    │ · Negative   │    │ · Seed 固定  │    │ · 风格评分   │
│ · LoRA 配置  │    │ · Seed 分配  │    │ · 批量生成   │    │ · 人工确认   │
│ · Seed 库    │    │              │    │              │    │              │
└──────────────┘    └──────────────┘    └──────────────┘    └──────────────┘

# GlowLab 品牌配置
GLOWLAB_CONFIG = {
    "style_suffix": (
        "glowlabstyle, soft pastel color palette, "
        "mint green #A8E6CF and coral pink #FF8B94 accents, "
        "clean minimalist composition, soft diffused lighting, "
        "gentle gradient backgrounds, premium skincare aesthetic"
    ),
    "negative_prompt": (
        "harsh lighting, dark mood, cluttered background, "
        "low quality, blurry, aggressive colors, "
        "cheap looking, text, watermark"
    ),
    "sref_code": "3847291056",  # Midjourney 备用风格代码
}

# GlowLab Seed 库 — 记录每个满意结果的 seed
SEED_LIBRARY = {
    "product_hero": {"seed": 42, "note": "产品主图标准构图"},
    "lifestyle_warm": {"seed": 1337, "note": "温暖生活场景"},
    "mascot_happy": {"seed": 2048, "note": "吉祥物开心表情基准"},
    "social_square": {"seed": 777, "note": "社交媒体正方形构图"},
    "packaging_flat": {"seed": 512, "note": "包装平铺展示"},
}