4.2 Drabina metod: która technika na którym etapie

Twarz w pipeline dyfuzyjnym można utrzymać na pięć sposobów, a porady w tej dziedzinie są mętne, bo ludzie polecają metodę, której sami używają, a nie tę, która pasuje do twojego etapu.

Ten rozdział je porządkuje. Kolejność nie dotyczy jakości — dotyczy tego, ile sygnału tożsamości wnosi każda metoda i ile kosztuje jej wdrożenie. Wspinaj się tak wysoko, jak potrzebuje twój projekt, i nie wyżej.

Drabinka

Szczebel	Metoda	Jak utrzymuje tożsamość	Koszt wdrożenia	Sufit
0	Locked prompt i seed	Utrzymuje identyczne losowanie	Minuty	Rozpada się przy każdej realnej zmianie
1	Reference plate + img2img	Trzyma piksele, bo od nich startuje	Minuty	Poza i wyraz twarzy są dziedziczone z reference plate'a
2	IPAdapter (zwykły)	Wstrzykuje obraz referencyjny jako conditioning	1–2 h na konfigurację	Przenosi styl w takim samym stopniu jak tożsamość
3	IPAdapter FaceID	Dodaje embedding twarzy do wstrzyknięcia	2–3 h na konfigurację	Kapryśny; tożsamość idzie tak, jak idzie przebieg img2img
4	InstantID	Embedding twarzy plus ścieżka landmarków	3–4 h ze stackiem rozpoznawania	Najsilniejsza zgodność; przeucza się na pozie
5	PuLID	Embedding tożsamości zaprojektowany tak, by nie zaburzać bazowej estetyki	2–3 h	Dobry, nie świetny; degraduje się na skrajach
6	LoRA	Uczy model bazowy tej twarzy	Dataset + 2–7 h + $2–14	Wysoka wierność i przenośność
7	LoRA + model edycyjny	Wytrenowana tożsamość, scena po stronie edytora referencyjnego	To samo plus jeden workflow	Miejsce, do którego w końcu trafia każdy operator

Czytaj tę drabinkę jako progresję przepustowości sygnału tożsamości — pojęcie z 4.1. nie niesie żadnej informacji o tożsamości. Obraz referencyjny niesie jej ogromną ilość. Wytrenowany adapter niesie tę informację w formie, którą model przyswoił. Każdy szczebel wstrzykuje więcej i każdy kosztuje więcej pracy.

Szczeble 0 i 1 nie są jednorazowe

Operatorzy przeskakują od razu do adapterów, a potem dziwią się, że pierwszy tydzień był chaosem. Pierwsze dwa szczeble sprawiają, że wszystko po nich da się debugować.

Szczebel 0 — locked configuration. Jeden prompt, jeden seed, jeden zestaw ustawień próbkowania i to samo zdjęcie generowane raz po raz. To nie jest metoda produkcyjna. To twój warunek kontrolny: dowodzi, że środowisko działa poprawnie, i daje ci punkt odniesienia, jak wygląda „to samo" w twoim pipeline.

Szczebel 1 — reference plate z . Jeden kanoniczny obraz twarzy persony, użyty jako obraz startowy przy niskiej wartości denoise strength. Przy niskiej wartości tożsamość przetrwa, bo nigdy nie odszedłeś od pikseli. Koszt jest taki, że poza, wyraz twarzy, kadr i światło też są dziedziczone — dzięki temu to narzędzie naprawcze i narzędzie wariantowania, a nie metoda produkcyjna.

Reference plate to artefakt, który tworzysz świadomie. Rozdział 4.4 włącza go do datasetu; rozdział 4.6 czyni go standardem, z którym mierzy się każdy wynik.

Szczeble 2–5: adaptery bez treningu

Te szczeble wstrzykują embedding twarzy wyciągnięty przez model rozpoznawania. Nie potrzebują datasetu, działają z jednym odniesieniem i dają pierwszy wynik w jedno popołudnie — dlatego są właściwym punktem startu i tematem rozdziału 4.3.

Dwie rekomendacje ścieżki, bo rodzina bazowa z 3.1 wyznacza twoje opcje:

Na SDXL. Dojrzała droga to FaceID albo . Oba są szeroko zainstalowane, oba działają na skromnym sprzęcie, a permisywna licencja bazy SDXL omija pułapkę licencyjną z 11.4.

Na bazach klasy FLUX. Natywna droga to : działa bezpośrednio z tą rodziną, zużywa mniej VRAM niż alternatywy i najmniej ingeruje w estetykę modelu bazowego. To właściwy pierwszy przystanek w pipeline na FLUX.

Jeśli jeszcze nie wiesz: zacznij od IPAdapter FaceID. Ma najwięcej dokumentacji, jest najszerzej zainstalowany i — co najważniejsze — jeszcze dziś da ci użyteczny pierwszy asset. [AS OF 2026-10]

Czego żaden z nich ci nie daje, to przenośność, o której mówił 11.4. Adapter to stack, nie plik: wagi adaptera, model rozpoznawania twarzy, zestaw custom nodes i konkretne sprzężenia wersji między nimi. Zmieniasz narzędzia i stack trzeba zbudować od nowa. Rozdziały 4.3 i 12.4 wracają do tego oba.

Szczebel 6: dlaczego LoRA wciąż jest jedyną przenośną metodą

to jeden plik, zwykle od kilkudziesięciu do dwustu megabajtów, który uczy model bazowy, jak wygląda ta twarz. Trzy właściwości czynią z niej cel, a nie przystanek po drodze:

To plik, który posiadasz. Wytrenowana na permisywnej bazie, jest assetem, który możesz odłożyć w kopię zapasową, przenosić między maszynami, zachować, gdy zniknie dostawca, i licencjonować. Rozdział 11.4 wyjaśnił, dlaczego to ważne komercyjnie; rozdział 12.4 wyjaśnia, dlaczego to ważne operacyjnie.

Niesie najwięcej sygnału tożsamości na jednostkę obliczeń. Tożsamość jest wpieczona w wagi, a nie wstrzykiwana przy każdej generacji, więc nie konkuruje z twoim promptem o wpływ i nie wymaga poprawnie działającego stacku rozpoznawania.

Daje się łączyć. LoRA można połączyć z modelem edycyjnym, z adapterami stylu i z conditioning — to właśnie szczebel 7.

Jej koszty są równie jasne: potrzebujesz wyselekcjonowanego datasetu, przebiegu treningu od dwóch do siedmiu godzin na wynajętej GPU za około $2 do $14 i możliwości GPU z rozdziału 3.3. Wpieka też wszystko, co zawierał twój dataset — udokumentowana pułapka, o której w dużej mierze jest 4.4.

Szczebel 7: hybryda, na której to się kończy

LoRA jest słabym modelem sceny. Model edycyjny jest słabym modelem tożsamości. Ustaw je we właściwej kolejności, a każde pokryje słabość drugiego:

LoRA trzyma twarz. Każda generacja niesie wytrenowaną tożsamość.
Model edycyjny obsługuje scenę. Edycja oparta na instrukcjach zmienia strój, miejsce, światło i pozę, gdy twarz jest już ustalona w pikselach.
Reference plate rozstrzyga spory. Gdy te dwa się nie zgadzają, decyduje reference plate z 4.1.

Tryb awarii, którego to pozwala uniknąć, jest najczęstszy w tej dziedzinie: użycie jednej metody do wszystkiego i wniosek, że spójność jest niemożliwa. Nie jest niemożliwa; to podział pracy.

Bramka: ścieżka referencyjna czy treningowa?

To decyzja, dla której ten rozdział istnieje. Pięć danych wejściowych:

Dane wejściowe	Wskazuje na ścieżkę referencyjną	Wskazuje na ścieżkę treningową
Wolumen	Poniżej ~30 assetów miesięcznie	Powyżej ~100 miesięcznie
Przenośność	Zostaniesz w jednym narzędziu	Chcesz, by tożsamość przetrwała zmianę narzędzia
GPU	Poniżej 24 GB	24 GB albo gotowość do wynajmu
Dataset	Nie umiesz jeszcze wyprodukować spójnego zestawu odniesień	Umiesz wygenerować 100+ kandydatów
Termin	Musisz opublikować w tym tygodniu	Możesz poświęcić weekend przed publikacją

Na wiersz z datasetem zwróć uwagę, bo odwraca standardową poradę. Dla LoRA prawdziwej osoby dataset jest trudną częścią — potrzebujesz dwudziestu pięciu dobrych zdjęć kogoś. Dla persony syntetycznej dataset możesz wygenerować. Masz nieograniczony zapas kandydatów, więc trudną częścią nie jest zdobycie materiału. Trudna jest selekcja: wyprodukowanie zestawu na tyle spójnego ze sobą, by warto było na nim trenować. To cała treść 4.4 i dlatego ścieżka treningowa jest dla persony dostępniejsza, niż brzmi to w tutorialach pisanych dla prawdziwych ludzi.

Uczciwe ustawienie domyślne: zacznij na ścieżce referencyjnej, wypuść coś i przejdź na ścieżkę treningową, gdy skończy się twój wolumen albo twoja cierpliwość. Oba progi nadejdą, zwykle w pierwszych dwóch miesiącach realnej produkcji.

Czego drabinka nie rozwiązuje

Dwa problemy zwala się na metody tożsamości, a nie są to problemy tożsamości.

Ciągłość garderoby i planu. Nic w tej drabince nie utrzyma jednej kurtki spójnej przez miesiąc. Od tego jest system referencyjny z rozdziału 5.4 i to inny mechanizm.

Spójność na poziomie marki. Drabinka utrzymuje jedną twarz rozpoznawalną. Nie sprawia, że feed wygląda jak jedno konto. Robią to kolor, kadr, głos podpisów i rytm publikacji, a rozdziały 5.5 i 5.6 omawiają części, które żyją w produkcji.

Wiedza o tym, który problem masz, ratuje cię przed przebiegiem treningu, który go nie naprawi.

Gdzie to się psuje

Start od LoRA, bo brzmi poważnie. Spędzisz weekend na treningu twarzy, której nie zweryfikowałeś, i odkryjesz jej problemy po przebiegu, a nie przed nim.

Pominięcie szczebla 0 i zwalanie winy na adapter. Bez warunku kontrolnego nie odróżnisz problemu adaptera od problemu środowiska.

Nigdy nie stworzony reference plate. Każdy szczebel powyżej zależy od niego, łącznie ze ścieżką treningową.

Traktowanie adapterów jak stałej infrastruktury. To stack ze sprzężeniami wersji. Zaplanuj wyjście, zanim będzie potrzebne.

Użycie wyniku adaptera jako datasetu treningowego. To zanieczyszcza zestaw własnymi artefaktami i słabościami adaptera. Trenuj na surowych generacjach i na reference plate.

Oczekiwanie, że jedna metoda zrobi oba zadania. Tożsamość i scena to różne problemy. Odpowiedzią jest szczebel 7, czyli podział pracy, a nie jedna technika.

Czytanie drabinki jako hierarchii zaawansowania. To hierarchia kosztu. Zatrzymaj się tam, gdzie każe się zatrzymać twój wolumen.

Pytania bramkowe

Na którym szczeblu jesteś dziś i co cię tam postawiło?
Jaki jest twój miesięczny wolumen publikowanych assetów i po której stronie progu się znajduje?
Czy masz reference plate — jeden plik, wybrany świadomie?
Gdyby twoje obecne narzędzie zniknęło, czy twoja tożsamość by to przetrwała?
Która z pięciu danych wejściowych bramki powyżej musiałaby się zmienić, żebyś wszedł szczebel wyżej?

Co z tego wynosisz

Siedem szczebli uporządkowanych według przepustowości tożsamości i kosztu wdrożenia, dwie rekomendacje ścieżki dla każdej rodziny bazowej, argument, dlaczego LoRA jest celem, a nie przystankiem, podział pracy, który czyni spójność osiągalną, i pięć danych wejściowych, które odpowiadają na jedyne pytanie ważne na twoim obecnym etapie: ścieżka referencyjna czy treningowa?