Генератор комиксов для PocketFM
Браузерная студия, которая превращает сценарий или промпт в редактируемые кадры комикса и вебтуна. Это не «сгенерируй картинку»: у продукта есть структура производства — Show → Chapter → Workflow → кадры, собственный редактор на
- 01 Сценарий → редактируемые кадры комикса, а не одна картинка.
- 02 Герой остаётся собой: модель обучается под каждого персонажа.
- 03 Собственный редактор прямо в браузере.
Персонаж должен оставаться собой на каждом кадре.
Комикс — это не одна картинка, а десятки кадров, где один и тот же герой должен быть узнаваем, в композиции, которую автор может править. Сырой diffusion «плывёт»: тот же промпт даёт разное лицо и костюм от генерации к генерации. А автору нужен настоящий редактор, а не кнопка «сгенерировать заново».
- Комикс — это десятки кадров, а не одна картинка.
- Один и тот же персонаж должен быть узнаваем на каждом кадре.
- Сырой diffusion «плывёт» — лицо и одежда меняются от генерации к генерации.
- Автору нужен редактор, а не кнопка «сгенерировать заново».
Пайплайн генерации, собственный редактор и модель на каждого персонажа.
Генерация живёт внутри понятной структуры производства, автор управляет композицией кадра, а под каждого героя обучается отдельная модель, чтобы он оставался собой. Всё считается на своих GPU.
- 01
Структурировать производство
Show → Chapter → Workflow → кадры: генерация идёт внутри понятной структуры, а не в пустом поле для промпта.
- 02
Держать персонажа
Под каждого героя обучается отдельная модель (LoRA) — он остаётся узнаваемым от кадра к кадру. Это ключевая фича.
- 03
Управлять композицией
ControlNet (scribble/pose/canny/depth), img2img и инпейтинг с масками по лицу — автор задаёт кадр, а не полагается на удачу.
- 04
Редактировать в браузере
Собственный редактор на <canvas>: рисование, маски, работа с изображением. Состояние сохраняется как JSON-снимок workflow.
- 05
Считать на своих GPU
Обучение и инференс — на self-hosted GPU EC2, общие файлы моделей лежат на EFS.
Diffusion-пайплайн, обёрнутый в продукт.
Бэкенд на Python/Django с типизированным API на Django-Ninja и Postgres; фронтенд на React/Next.js статикой на S3 + CloudFront. AI-пайплайн — Stable Diffusion XL через воркфлоу ComfyUI: ControlNet, img2img, инпейтинг с масками по лицу, IP-Adapter и IP-Adapter-FaceID для консистентности лица и одежды, апскейл.
Под каждого персонажа обучается LoRA (kohya). Обучение и инференс считаются на self-hosted GPU EC2, общие файлы моделей — на EFS, доступ через IAM STS.
Stable Diffusion XL через воркфлоу ComfyUI.
ControlNet (scribble/pose/canny/depth), img2img, инпейтинг по маске лица.
IP-Adapter / IP-Adapter-FaceID — консистентность лица и одежды.
Обучение LoRA под каждого персонажа (kohya).
Собственный <canvas>-редактор, состояние — как JSON-снимок workflow.
Self-hosted GPU EC2 + EFS, Django-Ninja API, Next.js на S3 / CloudFront.
Что изменилось
Студия дошла до прода
V1 браузерной AI-студии комиксов и вебтунов собрана и запущена в продакшн.
Персонаж держится от кадра к кадру
Обучение модели под каждого героя решило главную проблему — узнаваемость в серии кадров.
Автор редактирует, а не перегенерирует
Собственный <canvas>-редактор дал контроль над кадром вместо ставки на удачную генерацию.
Нужен генеративный продукт, а не просто вызов модели?
Собираем генеративные пайплайны в продукт: контроль композиции, консистентность персонажей, свой редактор и инференс на собственных GPU.