Bitten Sie einen beliebigen Generator zweimal um dieselbe Person, und Sie bekommen Geschwister. Konsistenz ist das schwierigste Problem im generierten Film, und bessere Prompts lösen es nicht. Modelle haben zwischen zwei Aufrufen kein Gedächtnis; jede Anfrage beginnt bei null. Konsistenz muss also in die Eingaben hineinkonstruiert werden, und jede Technik, die funktioniert, ist eine Variation derselben Idee: Legen Sie einmal fest, wie die Figur aussieht, in einer Form, die das Modell kopieren kann, und geben Sie ihm diese Form jedes Mal mit.
Warum sie driftet
Eine Textbeschreibung ist ein weites Netz. „Frau, dreißig, dunkle Haare“ passt auf Millionen Gesichter, und das Modell wählt jedes Mal ein anderes. Selbst eine lange Beschreibung lässt Spielraum: die Form des Kiefers, der Schnitt der Jacke, der genaue Farbton. Licht, Blickwinkel und Stil ziehen das Ergebnis weiter weg. Videomodelle machen es schlimmer, weil sie das Gesicht zusätzlich über viele Frames stabil halten müssen und dabei Treue zur Referenz gegen Bewegungsqualität eintauschen. Ohne technische Absicherung braucht das Publikum Untertitel, um zu wissen, wer wer ist.
Hebel eins: Referenzen
Geben Sie dem Generator Bilder, keine Adjektive. Die Charakterbibel speichert bis zu vier Referenzgesichter und gibt sie an jede Szene weiter, in der die Figur vorkommt. Bei Geschichte zu Film zeichnet der Regisseur pro Figur ein Besetzungsblatt, bevor überhaupt eine Szene existiert: Ganzkörper, neutrale Pose, schlichter Hintergrund, im Stil des Films. Ein Blatt funktioniert, weil ein Bild alles festnagelt, was eine Beschreibung offenlässt. Das allein beseitigt den Großteil der Drift.
Mit dem Bild reist eine schriftliche Beschreibung des Aussehens: Spezies oder Alter, Gesicht, Haare, Kostüm, Farben, ein besonderes Merkmal. Sie wird in jedem Szenen-Prompt wiederholt, sodass selbst eine Szene, die das Bild nicht liest, trotzdem die richtige Figur beschreibt. Schreiben Sie sie für ein Modell: konkrete Substantive und Farben, nicht „schön“.
Hebel zwei: Varianten
Eine einzelne frontale Referenz hilft bei einer Profilaufnahme nicht. Posenvarianten, einmal aus der Bibel generiert, decken die Blickwinkel ab, die Ihre Szenen brauchen: Ganzkörper, ab der Hüfte, alternative Outfits. Ein Upgrade der Bibel fügt Varianten hinzu, ohne sie neu aufzubauen. Die Bibel ist die teuerste Einzeloperation im Studio, also bauen Sie sie einmal für Figuren, die in mehr als zwei Szenen auftreten, und verwenden Sie sie filmübergreifend wieder; für einen Kurzauftritt genügt ein Referenzbild.
Hebel drei: Anker-Frames
Geben Sie ein Storyboard-Bild frei, auf dem die Figur richtig aussieht, und generieren Sie dann das Video aus diesem Bild. Der Clip erbt das Gesicht, statt es neu zu erfinden. Das ist der Keyframe-zuerst-Weg, und wir nutzen ihn auf jeder Qualitätsstufe: Das Bildmodell komponiert das Standbild aus den Blättern und dem Prompt, und das Videomodell animiert das Standbild. Bildmodelle folgen Referenzen weit besser als Videomodelle, und ein misslungenes Bild kostet einen Bruchteil eines misslungenen Clips.
Kontinuitäts-Frames sind derselbe Hebel, angewandt zwischen Szenen. Setzt eine Szene die vorherige am selben Ort fort, beginnt der Clip mit dem letzten Frame des vorherigen Clips, und Figur, Licht und Set werden übernommen. Nutzen Sie das nur für echte Fortsetzungen; ein neuer Ort braucht ein neues Bild, sonst sickert das alte Set hinein.
Was nicht funktioniert hat
- Referenz-Endpunkte der Anbieter für Video. Akzeptabel für menschliche Gesichter, schwach bei Tieren und Objekten und jederzeit ohne Vorwarnung abschaltbar. Wir haben sie umgangen; der Keyframe-Weg braucht nur Bild-zu-Video, und das bietet jeder Anbieter.
- Namen in Prompts. Das Modell hat „Leyla“ nie gesehen und behandelt den Namen als Rauschen. Das Aussehen muss ausbuchstabiert werden.
- Sehr lange Prompts. Ab ein paar hundert Wörtern gewichten Modelle den Anfang und ignorieren den Rest. Stellen Sie das Aussehen an den Anfang.
- Verschmolzene Besetzungseinträge. Ein Blatt mit „den Tieren“ kann einen Frosch und eine Eule nicht getrennt verankern. Ein Wesen pro Besetzungsmitglied, streng durchgesetzt.
Woran Sie erkennen, ob es funktioniert hat
Wählen Sie drei Szenen mit derselben Figur und vergleichen Sie Gesicht, Kostüm und Farbpalette nebeneinander. Bewerten Sie jede mit 0 bis 2: auf den ersten Blick identisch, mit Mühe wiedererkennbar, könnte jemand anderes sein. Liegen Sie unter vier von sechs, generieren Sie zuerst das Blatt neu, bevor Sie irgendeine Szene neu generieren; der Fehler liegt fast immer im Anker. Ein günstigerer Ersatztest ist der Untertiteltest: Schauen Sie ohne Ton und fragen Sie sich, ob Sie erkennen, wer spricht. Brauchen Sie den Namen im Bild, ist die Konsistenz gescheitert.
Eine Figur nachträglich korrigieren
Öffnen Sie Figuren in der Seitenleiste; die Besetzung des Films ist dort samt Blatt gespeichert. Fügen Sie ein weiteres Referenzbild, ein neu generiertes Blatt oder einen anderen Blickwinkel hinzu, oder ersetzen Sie das Hauptbild. Generieren Sie dann im Film nur die Szenen neu, in denen die Figur vorkommt. Die Figuren gehören Ihnen auch nach dem Film: Hängen Sie sie an Szenen in jedem anderen Film, auch an Drehbücher, die Sie selbst schreiben.
Häufige Fragen
Funktioniert ein Foto einer echten Person als Referenz? Nur für fotorealistische Stile und nur mit Einwilligung der Person. Für gezeichnete Stile generieren Sie das Blatt in diesem Stil; ein Foto zieht Realismus in jede Szene.
Wie viele Referenzbilder brauche ich? Ein gutes Ganzkörperblatt reicht für die meisten Filme. Ein zweites Bild mit einer Nahaufnahme des Gesichts hilft bei Szenen, die hauptsächlich aus Gesichtern bestehen, und die Bibel fasst bis zu vier.
Können zwei Figuren zuverlässig eine Szene teilen? Ja, wenn beide Blätter den Bildschritt erreichen und der Prompt sie nach Position benennt, etwa der Frosch links und die Eule rechts. Ab drei Figuren in einem Bild beginnen aktuelle Modelle, Merkmale zu vermischen.
