Почему лицо плывёт
Модель не помнит ваш кадр. Каждая генерация начинается с чистого листа: она видит текст и картинку, которую вы дали, и достраивает остальное по своим представлениям о среднем лице.
Отсюда три типичные поломки. Меняется форма носа и разрез глаз. Меняется возраст: в одном кадре двадцать пять, в другом сорок. Меняется одежда, если её не описать словами.
Второй источник ошибок не связан с моделью. Вы сами даёте разные референсы: сегодня портрет из стока, завтра своё фото. Система честно следует за входом, и персонаж меняется вместе с ним.
Лист персонажа: одна страница, которая держит серию
Лист персонажа это документ, по которому любой человек в команде соберёт того же героя. В нём семь пунктов.
Возраст и типаж. Пол, телосложение, рост относительно окружения.
Лицо. Форма, линия бровей, посадка глаз, нос, губы, родинки и шрамы. Всё, что нельзя придумать заново.
Волосы. Длина, цвет, пробор, как лежат в движении.
Одежда. Два комплекта максимум, с точными цветами. Третий комплект появляется только как сюжетное событие.
Манера. Как стоит, как держит руки, куда смотрит при разговоре.
Голос, если персонаж говорит. Темп, тембр, акцент.
Запреты. Чего в кадре не бывает: бороды, очков, яркого макияжа.
К листу прикладываются три референса: портрет анфас, три четверти и полный рост в одном свете. Это и есть ваш эталон.
Референсы в инструментах
Полноценной памяти у моделей пока нет, поэтому работают костыли, и их стоит знать.
В Midjourney для переноса героя в новую сцену есть Omni Reference: один референсный файл, параметр --oref, версия 7, и такая генерация стоит вдвое больше обычной по GPU-времени. Ограничения тоже честные: с Vary Region, Pan и Zoom Out такие картинки не сработают, быстрый и черновой режимы отключены.
Gemini Omni Flash заявляет постоянство персонажа как свойство модели и принимает до трёх видеореференсов длиной до трёх секунд каждый. Это удобно, когда важна походка и манера двигаться, и одной внешности мало.
Общее правило для обоих: референс задаёт внешность, текст задаёт сцену. Если в промпте нет описания света и ракурса, модель подставит свои, и герой окажется в другом мире.
Серия: как из одного лица сделать десять роликов
Серия строится от листа персонажа, и удачный кадр тут ничего не решает. Порядок такой.
Сначала эталон. Генерируете портрет, добиваетесь попадания в лист, сохраняете его как канон. Дальше этот файл становится единственным входным портретом для всей серии.
Потом раскадровка. Пять-семь сцен на ролик, у каждой ракурс и действие. Ракурсы берутся из списка, который модель держит устойчиво: анфас, три четверти, профиль, со спины.
Потом движение. Один ролик это один персонаж и одно движение камеры. Два движения в одном кадре почти всегда дают брак в лице.
В конце сборка. Кадры склеиваются в монтаже, и там же выравнивается цвет, потому что генерации даже с одним референсом дают разный баланс.
Десять роликов по этой схеме выглядят как один человек. Десять роликов без схемы выглядят как десять похожих людей, и зритель это замечает быстрее, чем вы думаете.
Что ломает консистентность
Смена модели посреди серии. Новая версия читает референс иначе, и лицо уезжает. Зафиксируйте версию до конца проекта.
Смена пропорций кадра. Вертикаль и горизонталь это разные генерации, и персонаж в них может отличаться посадкой головы.
Крупный план после общего. На общем плане лицо мелкое, модель достраивает его по своим средним значениям, и в следующем крупном плане герой уже другой. Крупные планы лучше делать первыми.
Слишком много деталей в одежде. Мелкий принт и логотипы модель перерисовывает, и они мерцают между кадрами.
Текст на экране. Название на футболке почти всегда выходит с ошибками, и это заметно даже в движении.
Где это нужно бизнесу
Ведущий рубрики. Один человек говорит вступление и итог, между ними идёт продукт. Такой герой экономит съёмочные дни, и именно поэтому к нему столько требований по стабильности.
Обучающие ролики. Персонаж объясняет интерфейс и повторяет одни и те же действия из урока в урок. Здесь важнее узнаваемость, чем красота.
Магазин. Один герой примеряет одежду в разных сценах. Лицо модели не должно меняться, иначе карточка товара выглядит собранной из разных съёмок.
Для потока однотипных роликов персонаж это ещё и способ удержать узнаваемость: массовые вертикальные ролики зритель листает быстро и запоминает в основном лицо.
Смежные форматы
ИИ-блогер это персонаж, который ведёт канал от своего имени. Там к внешности добавляется манера речи, и требование к стабильности выше: зритель помнит голос.
ИИ-аватар это цифровой двойник реального человека, и там задача обратная: нужно точное сходство с конкретным лицом и согласие этого человека.
Видео про котиков нейросетью живёт по другим правилам: там нет сериала с одним героем, и консистентность почти не нужна.
Смета и сроки
Один персонаж с листом и тремя референсами это два-три часа работы, если типаж простой. Сложный образ с уникальными деталями занимает день, потому что каждая деталь проверяется на устойчивость.
Серия из десяти роликов по готовому листу идёт заметно быстрее первого ролика. Основное время уходит на отбор, генерация тут второстепенна.
Ручные ролики у нас начинаются от 16 000 ₽ за ролик, и там персонаж либо актёр, либо анимация с раскадровкой. Для сериала с постоянным героем это часто дешевле, чем десять раз объяснять модели, кто он такой.
Если персонаж нужен для одного ролика, не заводите лист: хватит одного референса и трёх попыток. Лист окупается с третьего ролика.
