tabel: 3 · liczby na dzień 2026-10

5.6 Kontrola jakości i selekcja

150 ujęć to nie 150 postów. To populacja, z której wybierasz, a selekcja jest umiejętnością z metodą — nie wrażeniem, które masz przy przewijaniu.

Trzy etapy, po kolei, każdy odrzuca, a nie szereguje. Ujęcie, które nie przejdzie etapu pierwszego, wypada — niezależnie od tego, jak dobrze wygląda twarz.

Etap pierwszy: techniczny

Szybki, zero-jedynkowy i pierwszy, bo tani. Sprawdzaj:

  • Dodatkowe albo zniekształcone palce, dodatkowe kończyny
  • Niemożliwe światło albo cień bez źródła
  • Obiekty, które zlewają się ze sobą albo z ciałem
  • Tekst w ujęciu — szyldy, logo, ekrany — który jest zniekształcony
  • Odbicia, które nie pasują do sceny
  • Postacie w tle tam, gdzie scena powinna być pusta
  • Widoczne artefakty generowania: zniekształcenia, powtarzające się tekstury, obwódki na krawędziach

Test: czy widz, który szuka błędów, znajdzie jeden w mniej niż dwie sekundy? Jeśli tak — wypada. Ten etap zajmuje sekundy na ujęcie, gdy przejdziesz go już kilkaset razy, i właśnie dlatego nie warto wydawać oceniania tożsamości na ujęcia, które nigdy nie pójdą do publikacji.

Dłonie mają osobny wiersz, bo nadal są najbardziej niezawodnym zdrajcą w tym medium (1.4). Sprawdzaj je nawet wtedy, gdy nic innego nie wygląda źle.

Etap drugi: tożsamość

Czterowymiarowa rubryka z 4.6, zastosowana do każdego ujęcia, względem — obok siebie, nie z pamięci.

Przy selekcji batchu nie potrzebujesz pełnej baterii 27 ujęć. Potrzebujesz dwóch wymiarów, które dyskwalifikują: struktura twarzy i czy to ta sama osoba. Oceniaj 1–5 i zastosuj tę samą regułę akceptacji co Reguła 2 z 4.6: nic, co dostaje 2 lub mniej, nie przechodzi — niezależnie od średniej.

Dwie praktyczne uwagi do pracy z batchem:

Oceniaj na contact sheet, potem sprawdzaj ocalałych pojedynczo. Siatka 150 miniatur szybko pokazuje odstających tożsamościowo; to ich szukasz, nie średniej.

Zaślep, gdy wersje konkurują. Jeśli w jednym batchu porównujesz wyniki obu (4.5), zmień nazwy i wymieszaj. Inaczej faworyzujesz ten, który trenowałeś dłużej.

Etap trzeci: narracja (test kanonu)

Ujęcie przeszło sprawdzenie techniczne i tożsamościowe. Teraz: czy przeczy kanonowi?

Z 2.3: dziesięć faktów plus z 2.4. Konkretne rzeczy, które to łapie:

  • Lokalizacja, której nie powinno jeszcze być
  • Rekwizyt albo strój, który został wycofany
  • Pora roku, która nie pasuje do daty posta
  • Złamany fakt ciągłości (siostra pojawiająca się dwa razy w miesiącu)
  • Twierdzenie, którego obraz wymaga, a persona nie może go poprzeć

To dziesięć sekund na ocalałe ujęcie i ten krok, który zapobiega trybowi awarii opisanemu w 2.4 — kiedy widz cytuje marcowy post przeciw sierpniowemu.

Tabela odrzuceń

Dwanaście defektów, ich przyczyna w pipeline i warstwa, do której należy naprawa. Sensem jest prawa kolumna: większości defektów nie naprawia się w ujęciu.

Defekt Przyczyna Naprawa należy do
Dryf twarzy Reference niepodłączony albo zbyt słaby 5.1
Echo ekspresji Koncentracja w dataset 4.4
Garderoba przecieka do nowych scen Brak reference dla stroju 5.3
Ta sama kuchnia, inna geometria Lokalizacja wygenerowana od nowa, nie z reference 5.3
Zniekształcone dłonie Ograniczenie generatora 5.5 inpaint albo re-pose
Plastikowa skóra Brak fraz o teksturze, brak przebiegu detali 5.2, 5.5
Niemożliwe cienie Dwa źródła światła w prompcie 5.2
Zniekształcony tekst w ujęciu Tekst zamówiony u generatora 2.5, składaj w edycji
Złe proporcje ciała Brak reference dla ciała 5.1
Skóra przesycona detalem, chrupiąca Przebieg detali popchnięty za daleko 5.5
Zagracona kompozycja Reguły wielkości planu niezastosowane 2.5
Zbyt wysoki koszt na post Współczynnik odrzutu niezmierzony 5.4

Dziewięć z dwunastu ma naprawę gdzie indziej niż w ujęciu, na które patrzysz. To jest prawdziwa teza rozdziału: kontrola jakości to głównie narzędzie diagnostyczne dla pipeline, a nie bramka na jego końcu.

Eksport i kompresja

Na platformę, według specyfikacji, których platforma obecnie wymaga. [AS OF 2026-10] Wymagania się zmieniają; sprawdź przed kampanią.

Cel Proporcje Praktyczne uwagi
Feed, stopklatka 4:5 albo 1:1 Najwyższa jakość, jaką pozwala twoja ścieżka; to we feed widzi się detal
Story / pion 9:16 Bezpieczne strefy u góry i u dołu na UI platformy
Okładka Reels / TikTok 9:16 Musi przetrwać miniaturę: jedna postać, wysoki kontrast
Asset reklamowy Zależnie od miejsca Często celowo jaśniejszy niż korekcja barwna pod feed (5.2)

O kompresji: eksportuj w wysokiej jakości i pozwól platformie skompresować. Wstępna kompresja dla oszczędności pasma psuje najpierw teksturę skóry — czyli dokładnie ten detal, który chroniłeś całym pipeline. Waga pliku ma znaczenie dla twojego archiwum, nie dla wysyłki.

O kolorze: eksportuj w najszerszym profilu, jaki platforma przyjmuje, i sprawdź jedno ujęcie na ekranie telefonu, zanim opublikujesz zestaw. Korekcja barwna na skalibrowanym monitorze i publikacja na telefon to źródło ciepłych zabarwień i zgniecionych czerni.

Kolejka publikacji

Trzy miejsca docelowe, wybrane na QA, nie później:

Publikuj dziś. Przeszło wszystkie trzy etapy i pasuje do planu na ten tydzień.

Bank. Przeszło QA, brak slotu. Trzymaj je, z datą i tagiem wersji reference. Bank dwudziestu ujęć to to, co pozwala publikować w tygodniu, w którym produkcja zawodzi.

Retusz. Przeszło tożsamość i narrację, oblało technikę na lokalnym defekcie do naprawy. Idzie do kolejki edycji z 5.5 i nie blokuje dzisiejszego posta.

Czwarte miejsce docelowe jest uprawnione i warte nazwania: odrzucenie. Jeśli współczynnik odrzutu batchu jest wysoki, to dane o warstwie reference, a nie powód, żeby opuścić poprzeczkę.

Realistyczne współczynniki odrzutu

Liczba do planowania, żebyś dobrze dobierał wielkość batchu. [UNVERIFIED] Wskaźniki różnią się ogromnie zależnie od modelu, dyscypliny w promptach i tego, jak wymagające jest zastosowanie.

Kontekst Wskaźnik przetrwania Ujęcia na jeden post
Post lifestyle na własnym koncie, ustabilizowany pipeline ~1 na 3 ~3
Post na własnym koncie z nietypową pozą albo rekwizytem ~1 na 6 ~6
Asset markowy z konkretnym briefem ~1 na 10 do 1 na 15 10–15
Ujęcie promocyjne wymagające zgodności produktu gorzej planuj odpowiednio

Co to zmienia w praktyce: dwadzieścia do trzydziestu wariantów tygodniowo przy pracy markowej z rozdziału 2.6 oznacza generowanie 200 do 450 ujęć w tygodniu przy wskaźnikach odrzutu dla jakości markowej. To nie zniechęcająca liczba — to liczba dla pipeline batchowego, i to uczciwy powód, dla którego rozdział 5.4 istnieje przed tym rozdziałem.

Mierz własny wskaźnik. Trzy liczby na batch: wygenerowane ujęcia, ujęcia przechodzące QA, wydane credits albo minuty. Pierwsze dwie dają wskaźnik; wszystkie trzy dają — czego potrzebuje rozdział 7.4 i co zamienia „jakość" z opinii w parametr.

Gdzie to się psuje

Szeregowanie przed dyskwalifikowaniem. Piękne ujęcie z sześcioma palcami nie jest kandydatem.

Pomijanie testu kanonu. Ujęcia poprawne tożsamościowo, które łamią ciągłość, są najdroższymi wpadkami, bo idą do publikacji.

Ocenianie z pamięci. Obok reference sheet albo ocena nic nie znaczy (4.6).

Naprawianie objawów na poziomie ujęcia przy problemach na poziomie pipeline. Tabela odrzuceń istnieje po to, żebyś przestał to robić.

Wstępna kompresja eksportów. Psujesz detal, za którego wytworzenie zapłaciłeś.

Brak wskaźnika odrzutu. Nie dobierzesz wielkości batchu, nie wycenisz pracy markowej i nie zauważysz regresji.

Niższa poprzeczka, gdy batch jest cienki. Poprzeczka jest poprzeczką; cienki batch to problem produkcyjny.

Bramka

  1. Czy twoje trzy etapy QA są w kolejności i czy odrzucają, a nie szeregują?
  2. Czy sprawdzasz dłonie w każdym ujęciu, niezależnie od tego, jak wygląda ono ogólnie?
  3. Czy tożsamość jest oceniana względem reference sheet, obok siebie?
  4. Czy test kanonu jest krokiem z ustalonym miejscem w przepływie?
  5. Czy znasz swój wskaźnik przetrwania i czy wielkość batchu z niego wynika?
  6. Czy każde ujęcie kończy w jednym z czterech miejsc docelowych, wybranym na QA?

Z czym wychodzisz

Trzy uporządkowane etapy QA, w których tożsamość i narracja idą po taniej technicznej przepustce; tabela odrzuceń z dwunastoma defektami, kierująca dziewięć z dwunastu napraw z powrotem do pipeline, a nie do ujęcia; wskazówki eksportu na platformy z nazwanymi pułapkami kompresji i koloru; czteromiejscowa ; realistyczne wskaźniki przetrwania per kontekst wraz z arytmetyką batchu, którą implikują; oraz dwie liczby, które czynią jakość parametrem: wskaźnik przetrwania i koszt na użyteczne ujęcie. Część VI dodaje ruch i głos.