Dodatek A — Słownik pojęć

Ten dodatek to roboczy słownik książki, pogrupowany według warstwy pracy, do której należy każde pojęcie, a nie alfabetycznie — dzięki temu czytasz sekcję pasującą do rozdziału, który masz otwarty. Trzymaj go obok maszyny: pojęcie, którego nie umiesz nazwać, to zwykle ta zmienna, która rozbiła batch. Każdy wpis to jedno zdanie i odsyłacz do rozdziału, a kwalifikacje i tryby awarii niosą rozdziały. Sekcja o zgodności zestarzeje się najszybciej. [AS OF 2026-10]

Konwencja: „Gdzie:" wymienia rozdziały, w których pojęcie występuje. Wpisy oznaczone [FIELD] to standardowe słownictwo branżowe, które książka omawia na poziomie kategorii, nie używając dokładnie tej etykiety. Adnotacja nie jest znacznikiem niepewności; znaczniki definiuje rozdział „Jak czytać tę książkę".

Tożsamość, kanon i charakteryzacja

Character bible — Sześcioczęściowa specyfikacja, która czyni personę odtwarzalną jako postać przez miesiące. Gdzie: 2.3, 2.7.

Kanon — Dziesięć faktów, których persona nie może złamać, każdy dość konkretny, by sprawdzić go w dziesięć sekund. Gdzie: 2.3, 5.6.

Rejestr osi czasu — Datowany zapis tego, co persona już zrobiła albo twierdziła, służący do wyłapywania sprzeczności. Gdzie: 2.4, 5.6.

Rekwizytornia — Powracające miejsca i przedmioty wokół persony; to, co zamienia generowanie z wymyślania w wydobywanie. Gdzie: 2.3, 5.3.

Reference sheet — Wersjonowana plansza twarzy i ciała persony, względem której ocenia się każde generowanie. Gdzie: 5.1, 4.6.

Dryf tożsamości — Powolna migracja twarzy od planszy referencyjnej, niewidoczna w jednej klatce, oczywista przez rok. Gdzie: 4.1, 4.6.

Wynik spójności tożsamości — Ocena od 1 do 5 dla każdej klatki; nic, co dostaje 2 albo mniej, nie przechodzi, niezależnie od tego, co mówi średnia. Gdzie: 4.6, 5.6.

Modele, trening i adaptery tożsamości

Base model — Wytrenowane wagi, z których bierze się wygląd persony; jego licencja rządzi każdym adapterem trenowanym na nim. Gdzie: 3.1, 4.5.

Checkpoint — Jeden zapisany stan modelu albo adaptera, identyfikowany hashem i zapisany jako provenance. Gdzie: 4.5, 11.5.

LoRA — Mały adapter niskiego rzędu, od kilkudziesięciu do dwustu megabajtów, który popycha bazę w stronę jednej twarzy. Gdzie: 3.2, 4.5, 4.7.

Ranga i alpha LoRA — Ranga ustawia pojemność adaptera; alpha skaluje, jak mocno napiera. Pojemność, nie jakość. Gdzie: 4.5.

DreamBooth — Dostrajanie większej części modelu na garści obrazów: wyższa wierność, gigabajtowe wyniki, więcej przeucenia. Gdzie: 3.2.

Selekcja datasetu — Projektowanie, a nie zbieranie zbioru treningowego: najpierw oceniasz wygenerowaną pulę pod tożsamość, potem pod pokrycie. Gdzie: 4.4.

Captioning — Nazywanie tekstem tego, co obraz zawiera; to, co nazwiesz, oddziela się od trigger worda. Gdzie: 4.5.

Trigger word — Token aktywujący adapter i zarazem token, który wchłania wszystko, co dataset błędnie kojarzy z twarzą. Gdzie: 4.5.

Obrazy regularyzacyjne — Zwykłe obrazy klasy, której uczy adapter, dołączane, by utrzymać ogólne zachowanie modelu bazowego. [FIELD] Gdzie: 4.4, 4.5.

Przeucenie i niedouczenie — Przeucenie zapamiętuje zbiór referencyjny razem z jego oświetleniem; niedouczenie zostawia twarz zbyt słabo nauczoną, by się trzymała. Gdzie: 3.2, 4.5.

Drabina metod — Techniki tożsamości uporządkowane od najtańszej i najsłabszej do najdroższej i najbardziej przenośnej. Gdzie: 4.2.

IPAdapter — Warunkuje generowanie obrazami referencyjnymi, przenosząc styl i kompozycję równie dobrze jak twarz; zawodny jako samo źródło tożsamości. Gdzie: 3.2, 4.3.

IP-Adapter FaceID — IPAdapter niosący embedding tożsamości wyciągnięty przez model rozpoznawania twarzy, co wyostrza utrzymanie. Gdzie: 3.2, 4.3.

InstantID — Embedding twarzy plus ścieżka landmarków, dzięki czemu jedna referencja trzyma tożsamość, gdy poza i scena się zmieniają. Gdzie: 3.2, 4.3.

PuLID — Wstrzykuje embedding tożsamości z wyrównaniem kontrastowym zaprojektowanym tak, by nie ruszać estetyki bazy; bez treningu. Gdzie: 3.2, 4.3.

ControlNet — Ścieżka warunkowania ograniczająca generowanie mapą strukturalną, taką jak poza, głębia albo krawędzie. [FIELD] Gdzie: 4.3.

Zamiana twarzy w stylu ReActor — Podmiana twarzy po generowaniu: szybka i tania, słaba przy zmianie kątów i ruchu. [FIELD] Gdzie: 4.2, 4.7.

Expression echo — Adapter odtwarzający ten wyraz twarzy albo tę pozę, które dominowały w jego datasecie; porażka koncentracji, nie promptu. Gdzie: 4.3, 4.4, 5.6.

Przestrzeń latent — Skompresowana reprezentacja, w której model odszumia; dlatego img2img jest przybliżeniem, a inpainting ma miękkie krawędzie. Gdzie: 3.2.

VAE — Para koder–dekoder między pikselami a przestrzenią latent; niedopasowana para objawia się przesunięciem kolorów i wypłukanymi cieniami. Gdzie: 3.2.

CLIP — Enkoder tekstu w stylu CLIP, który najlepiej odpowiada na fragmenty rozdzielone przecinkami; używany przez starsze rodziny modeli. Gdzie: 3.2.

CLIP Vision — Obrazowa połowa enkodera z rodziny CLIP, warunkująca na obrazie referencyjnym, a nie na tekście. [FIELD] Gdzie: 3.2, 4.3.

Encoder klasy T5 — Enkoder tekstu z długim kontekstem, który radzi sobie z pełnymi zdaniami i relacjami między słowami; pisz prozą, nie zupą tagów. Gdzie: 3.2.

Próbkowanie i ustawienia wnioskowania

Seed — Losowy punkt startowy; ten sam seed z tymi samymi ustawieniami odtwarza ten sam obraz. Gdzie: 3.2, 3.5.

Liczba kroków — Ile iteracji odszumiania się wykonuje; bazy pełnej jakości zbiegają w okolicach 20–30, modele destylowane w okolicach 4–8. Gdzie: 3.2.

CFG scale — Classifier-free guidance: jak mocno model jest popychany w stronę promptu; wysokie wartości przepalają LoRA tożsamości. Gdzie: 3.2.

Sampler — Algorytm idący od szumu do obrazu, taki jak Euler albo wariant DPM++. Gdzie: 3.2.

Scheduler — Harmonogram szumu, za którym idzie sampler, taki jak normal albo karras. Gdzie: 3.2.

Preset próbkowania — Zamrożony sampler, scheduler, liczba kroków i CFG wpisane do specyfikacji persony. Gdzie: 3.2, 3.5.

Edycja, conditioning i post-processing

txt2img — Generowanie z samego tekstu, bez referencji; miejsce, od którego persona startuje, i złe narzędzie do jej utrzymywania. Gdzie: 3.1, 3.2.

img2img — Odszumianie całego obrazu z twojego wejścia przy zadanej sile, przepisujące styl ujęcia z zachowaniem kadru. Gdzie: 3.2.

Inpainting — Regenerowanie wyłącznie zamaskowanego obszaru; narzędzie chirurgiczne do dłoni, oka albo jednego złego detalu. Gdzie: 3.2, 5.5.

Outpainting — Rozszerzanie obrazu poza jego pierwotny kadr; książka komponuje szerzej już na etapie generowania. [FIELD] Gdzie: 5.5.

Reference conditioning — Modele edycyjne oparte na instrukcji i adaptery, które trzymają temat, gdy scena się zmienia. Gdzie: 3.2, 5.1.

Detail pass — Operacja na detalach twarzy, uruchamiana na końcu, w finalnej rozdzielczości i przy niskim odszumianiu; nadmiar detalu czyta się jako syntetyk. Gdzie: 5.5, 3.2.

ADetailer — Przebieg detali twarzy stosowany po upscalingu; książka nazywa tę operację, a nie ten przycisk. [FIELD] Gdzie: 5.5.

Upscaling — Podnoszenie rozdzielczości na pikselach, a nie na latentach, więc idzie po kompozycji, tożsamości i naprawie. Gdzie: 3.2, 5.5.

Tabela odrzuceń — Diagnostyka dwunastu defektów, kierująca dziewięć z dwunastu napraw z powrotem do pipeline, a nie do ujęcia. Gdzie: 5.6.

Kolejka publikacji — Cztery miejsca docelowe wybierane już na QA, a nie później: publikacja, bank, retusz albo kosz. Gdzie: 5.6.

Wideo, ruch i dźwięk

I2V (image-to-video) — Generowanie ruchu z zatwierdzonego stilla; to workflow still-first czyni keyframe'y przenośnymi. Gdzie: 6.1, 6.2.

T2V (text-to-video) — Generowanie klipu z tekstu, bez klatki referencyjnej; słabsza droga dla persony. Gdzie: 6.1.

Keyframe — Zatwierdzony still, z którego generuje się klip, niosący tożsamość, którą model wideo wziąłby skądinąd. Gdzie: 6.1, 6.2.

Start frame i end frame — Obrazy, między którymi interpoluje klip; podanie obu ogranicza ruch i zmniejsza dryf. Gdzie: 6.2, 6.4.

Motion prompt — Tekst opisujący wyłącznie ruch, trzymany krótko, gdy warunkowanie tożsamości jest ciężkie. Gdzie: 6.2, 6.3.

Motion bucket — Parametr sterujący tym, ile ruchu się od klipu żąda. [FIELD] Gdzie: 6.2.

Spójność czasowa — Czy wygląd trzyma się przez klatki jednego klipu; wideo-wersja dryfu. [FIELD] Gdzie: 6.1, 6.3.

Migotanie — Niestabilność jasności, tekstury albo detalu między klatkami; ograniczenie generatora, nie problem gradingu. [FIELD] Gdzie: 6.1, 6.7.

Lip-sync — Dopasowanie zsyntetyzowanej mowy do twarzy; rozliczane za minutę i najczęściej powtarzana linia w arkuszu kosztów. Gdzie: 6.6.

Fonem — Jednostka dźwięku, którą model lip-sync mapuje na kształty ust; trudne potrafią potroić liczbę powtórzeń. Gdzie: 6.6.

Talking head — Zsynchronizowany klip mówiący; format, który przenosi pipeline z Minimum do Working. Gdzie: 6.6, 7.5.

Klonowanie głosu — Produkowanie nowej mowy z próbki prawdziwego głosu; zakotwiczenie w stałym artefakcie sprawia, że bije ono projektowanie głosu. Gdzie: 6.5.

Projektowanie głosu — Opisanie głosu i zlecenie modelowi stworzenia go bez nagrania źródłowego: brak problemu ze zgodą, mniejsza spójność. Gdzie: 6.5.

TTS (text-to-speech) — Synteza mowy z tekstu; najtańsza warstwa w stacku przy skali jednoosobowej. Gdzie: 6.5.

Klonowanie zero-shot — Klonowanie z krótkiej próbki bez dostrajania, kosztem stabilności emocja do emocji. [FIELD] Gdzie: 6.5.

Dubbing kontra ponowne wygenerowanie — Dubbing podmienia ścieżkę audio pod istniejącym wizualem; ponowne wygenerowanie produkuje klip od nowa, co reguła mismatchu preferuje. Gdzie: 6.4, 6.7.

Pipeline, automatyzacja i produkcja

Path — Numerowana konwencja folderów, taka jak 00-bible/ i 40-output/, która trzyma każdy asset adresowalnym. Gdzie: 3.6, 5.3.

Node graph — Zapisany workflow generowania wyrażony jako połączone node'y, uruchamialny z API albo skryptu. Gdzie: 7.2.

ComfyUI — Silnik grafów węzłowych, którego książka używa jako silnika produkcyjnego, wywoływalny przez orchestratora. Gdzie: 3.4, 7.2.

Workflow JSON — Zserializowany node graph wyeksportowany z edytora, czyli to, co wykonuje orchestrator. [FIELD] Gdzie: 7.2.

Orchestrator — Warstwa automatyzacji, która wywołuje silnik, przekazuje parametry i archiwizuje wyjścia; tutaj n8n. Gdzie: 7.2, 7.3.

Bramka zatwierdzenia — Ludzkie sprawdzenie bezpośrednio przed krokiem nieodwracalnym: publikacją albo renderem, za który płacisz za sekundę. Gdzie: 7.1, 7.3.

Smoke test — Trzy klatki przy ustawieniach produkcyjnych, sprawdzone pod tożsamość, przed każdym dużym batchem. Gdzie: 3.4, 7.2.

Run id — Identyfikator nadany jednemu przebiegowi pipeline'u, czyniący ponowne uruchomienie idempotentnym zamiast duplikującym wyjścia. Gdzie: 7.2, 7.3.

Prompt list — Utrzymywany zestaw czterdziestu wariantów promptu wielokrotnego użytku, uzupełniany w cotygodniowym oknie przeglądu. Gdzie: 5.2, 12.5.

Variant — Jedna kombinacja promptu i ustawień w ramach batchu, śledzona, by dało się zmierzyć jej przetrwanie. Gdzie: 5.2, 5.4.

Batch — Jeden przebieg produkcyjny, rozmiarowany według survival rate, a nie według ambicji. Gdzie: 5.4, 5.6.

QA survival rate — Klatki przechodzące QA podzielone przez klatki wygenerowane; wejście do wyznaczania rozmiaru batchu. Gdzie: 5.6.

QA rejection rate — Jedynka minus survival rate; diagnostyka mówiąca, że regresję zaliczyła warstwa pipeline'u, a nie model. Gdzie: 5.6, 7.5.

Czas człowieka — Największa pozycja sumaryczna w tabeli kosztów pipeline'u i ta, którą operatorzy pomijają. Gdzie: 7.5, 0.4.

Dystrybucja, monetyzacja i metryki

Koszt na użyteczne ujęcie — Wydatki na generowanie podzielone przez klatki przechodzące QA; metryka, która czyni zmiany tieru porównywalnymi. Gdzie: 5.6, 7.5.

Koszt na opublikowany post — Miesięczne wydatki pipeline'u podzielone przez opublikowane posty; poniżej około $6 jest zdrowo, powyżej $15 znaczy zejść niżej. Gdzie: 0.4, 7.5.

ARPU — Średni przychód na użytkownika w okresie; w wypracowanym miesiącu książki $4 230 na 60 subskrybentów, czyli $70,50. Gdzie: 10.4, 12.5.

LTV — Łączone ARPU pomnożone przez przeciętne życie subskrybenta w miesiącach; $70,50 przez pięć miesięcy daje $352. Gdzie: 10.4.

Churn — Odsetek subskrybentów, którzy odchodzą; o jeden miesiąc krótsze przeciętne życie przesunęło LTV z $352 na $585. Gdzie: 10.4, 12.5.

PPV — Pay-per-view: jednorazowa płatna treść sprzedawana w ramach subskrypcji, w cenie około $8 do $40 za sztukę. Gdzie: 9.4, 10.4.

Tier subskrypcji — Poziom dostępu odnawiany cyklicznie, wyceniony pod intencję wejściową, średnią albo wysoką. Gdzie: 9.4.

Hierarchia przychodów — Ścieżki zarobku uporządkowane od najłatwiejszej do najtrudniejszej, z godzinami operatora przypisanymi do każdej. Gdzie: 9.1.

Media kit — Jednostronicowy dokument, który odpowiada na pytania marki o moce przerobowe, zgodność i stawki, zanim marka je zada. Gdzie: 9.5.

Brand deal — Płatny deliverable dla firmy, wyceniany w jednostkach, z wpisanymi prawami użycia i ekskluzywnością. Gdzie: 9.5, 11.3.

AI UGC — Generowany materiał robiony pod brief marki i wyceniany za deliverable, niepotrzebujący twojej własnej publiczności. Gdzie: 0.3, 9.5.

Udział w przychodach — Zapłata jako procent tego, co zarabia druga strona, a nie stała kwota. Gdzie: 12.6.

Afiliacja — Promowanie cudzego produktu za prowizję: najtańszy pierwszy dolar, najsłabsza pozycja. Gdzie: 9.1, 9.7.

Merchant of record — Platforma, która sprzedaje w twoim imieniu, odprowadza VAT i wystawia fakturę pod własną nazwą. Gdzie: 9.4, 11.8.

Kanał własny — Powierzchnia, którą kontrolujesz, taka jak lista mailingowa, dzięki której publiczność przetrwa decyzję platformy. Gdzie: 10.1, 12.4.

Prawo, zgodność i provenance

Dostawca (provider) — W rozumieniu AI Act: ten, kto opracowuje system AI albo wprowadza go na rynek pod własną nazwą. Gdzie: 11.1.

Podmiot wdrażający (deployer) — W rozumieniu AI Act: ten, kto używa systemu AI pod własnym zwierzchnictwem; ty, za każdym razem gdy wysyłasz prompt. Gdzie: 11.1.

AI Act Article 50 — Artykuł o przejrzystości: 50(2) oznacza wynik i wiąże dostawcę, 50(4) wiąże ciebie. Gdzie: 11.1, 11.3.

Deepfake — Treść przypominająca istniejące osoby albo zdarzenia, która fałszywie wyglądałaby na autentyczną; definicja uruchamiająca 50(4). Gdzie: 11.1.

Szablon ujawnienia — Pięć gotowych fragmentów umieszczanych według jednej reguły: nieuniknione, nie do pominięcia. Gdzie: 11.3.

Oznaczenie odczytywalne maszynowo — Oznaczanie po stronie dostawcy jako poświadczenia C2PA albo watermarki pikselowe; nie twój obowiązek i nie niezawodne. Gdzie: 11.1, 11.5.

C2PA — Content Credentials: podpisany manifest opisujący, co utworzyło plik i co zostało z nim zrobione. Gdzie: 11.5.

Metadane provenance — Generator, prompt, seed, referencje, znacznik czasu i suma kontrolna zapisywane dla każdego opublikowanego assetu. Gdzie: 11.4, 11.5.

Prawo do wizerunku — Prawo osoby do kontrolowania komercyjnego użycia jej podobizny, odrębne od praw autorskich. Gdzie: 11.4, 11.7.

Prawo do własnego wizerunku — Ten sam interes ujęty jako prawo jednostki do własnego obrazu; w Polsce prawo do wizerunku. Gdzie: 11.7.

Model release — Pisemna zgoda człowieka występującego w referencji, ograniczona terytorium, okresem i mediami. Gdzie: 11.4.

Prawa osoby, której dane dotyczą — Dostęp, sprostowanie, usunięcie, przenoszenie i sprzeciw na mocy artykułów 15–22. Gdzie: 11.7.

Okres retencji — Zdefiniowany czas życia dla każdej klasy danych: 12–24 miesiące dla logów, pięć lat dla faktur. Gdzie: 11.4, 11.7.

DPIA — Ocena skutków dla ochrony danych, wymagana przy profilowaniu na dużą skalę, takim jak persona w czacie. Gdzie: 11.7.

Skanowanie konsekwencji — Przegląd zaplanowanego posta pod kątem tego, komu mógłby zaszkodzić albo kogo wprowadzić w błąd, przed publikacją. [FIELD] Gdzie: 11.6.

Lista „nigdy nie publikuj" — Zapisany zbiór rzeczy, których persona nie zrobi, wraz z deepfake'ami politycznymi. Gdzie: 11.6, 12.4.

VAT OSS — One Stop Shop: jedna rejestracja i jedna deklaracja kwartalna po przekroczeniu progu €10 000. Gdzie: 11.8.

Prawo odstąpienia — Czternastodniowe prawo konsumenta w UE do rezygnacji, tracone tylko wtedy, gdy zgoda i potwierdzenie są udokumentowane. Gdzie: 11.8.

spółka z ograniczoną odpowiedzialnością — Polska forma spółki kapitałowej; ta, którą zakłada materiał zgodnościowy książki. Gdzie: 11.7, 12.4.

Konwencje książki

Znacznik niepewności — Etykieta twierdzenia w nawiasie kwadratowym: [UNVERIFIED], [VENDOR CLAIM], [UNTESTED], [SNIPPET] albo [AS OF 2026-10]. Gdzie: STYLE.md §6.

[UNVERIFIED] — Znacznik oznaczający, że twierdzenie nie ma źródła, które możesz sprawdzić. Gdzie: STYLE.md §6.

[FIELD] — Własna adnotacja tego dodatku, nie znacznik niepewności: słownictwo branżowe omówione na poziomie kategorii, a nie nazwane w rozdziale.

Jak korzystać z tego z resztą książki

Czytaj sekcję pasującą do twojej obecnej warstwy, a nie całą listę; słownictwo jest pogrupowane według tego, gdzie mieszka decyzja. Gdy batch pada, a nie umiesz powiedzieć, która zmienna się ruszyła, wróć i nazwij ją: nazwanie to diagnoza, a dziewięć z dwunastu defektów z 5.6 naprawia się gdzie indziej niż w klatce, na którą patrzysz.

Dwa zastrzeżenia. Te definicje mają jedno zdanie, a jedno zdanie nie uniesie trybu awarii — prawdziwym wpisem jest odsyłacz do rozdziału. Każde pojęcie oznaczone [FIELD] to słownictwo szerszej branży, a nie manuskryptu, więc zanim się na nim oprzesz, sprawdź je w dokumentacji samego narzędzia.