Японский автор на note проверил в ComfyUI на SDXL 36 картинок: нужное выражение дали только 6, четыре улыбки и две злости. Если вы делаете серию с одним героем и хотите грусть или слёзы просто словами в промпте, на этой модели это почти не работает.
Тест был такой: одна и та же женщина с длинными чёрными волосами и в белой рубашке, 1024×576, 24 шага, cfg 7.0, SDXL base 1.0, RTX 4060 с 8 ГБ. Пять выражений: улыбка, злость, слёзы, удивление, грусть. Каждое делали с фиксацией лица через IP-Adapter (сила 0.38) и без неё, по два раза с разным seed. Для злости, удивления, слёз и грусти автор дополнительно поднимал вес ключевых слов до 1.3–1.4 и пробовал силу референса 0.2.
Улыбка вышла стабильно: 4 из 4. Злость появилась только в версии с усиленными словами: 2 из 4. В обычной версии были лишь слегка опущенные брови. Удивление 0 из 4, грусть 0 из 4. Слёзы не получились ни разу: из 8 картинок ни на одной не видно явных слёз, на одной есть неясная точка у щеки. По глазу автора сила референса 0.38 и 0.2 разницы в выражении не дала.
Зато референс делает свою работу: причёска и цвет глаз почти не менялись между кадрами, без него то хвост, то пучок. Цена этого во времени. По записям ComfyUI без референса картинка занимала около 9,7 секунды, с референсом 0.38 около 18,1 секунды, с 0.2 около 17,0. Усиление слов по времени почти ничего не меняло. Вывод: сейчас SDXL держит улыбку, злость можно выбить весом слова, а слёзы и грусть в этом сетапе не вышли.
Оговорка от автора: оценка сделана его глазами, без замеров по лицам. Выборка маленькая, по два кадра на эмоцию, причины автор не проверял. LoRA под выражения, перерисовку лица и ControlNet в этом тесте не участвовали. Слова работают на улыбку, всё остальное пока отдельная история.
Источникnote #画像生成AI

