Chiedi a un qualsiasi generatore la stessa persona due volte e otterrai due fratelli. La coerenza è il problema più difficile del cinema generato, e non si risolve con prompt migliori. I modelli non hanno memoria tra una chiamata e l'altra; ogni richiesta parte da zero. Quindi la coerenza va costruita negli input, e ogni tecnica che funziona è una variazione di un'unica idea: decidere una volta come appare il personaggio, in una forma che il modello possa copiare, e fornirgli quella forma ogni volta.
Perché cambia
Una descrizione testuale è una rete a maglie larghe. "Donna, trent'anni, capelli scuri" corrisponde a milioni di volti, e il modello ne sceglie uno diverso ogni volta. Anche una descrizione lunga lascia margine: la forma della mascella, il taglio della giacca, la sfumatura esatta. Luce, angolazione e stile allontanano ancora di più il risultato. I modelli video peggiorano le cose, perché devono anche mantenere stabile il volto da un fotogramma all'altro e sacrificano la fedeltà al riferimento a favore della qualità del movimento. Senza ingegneria, lo spettatore ha bisogno dei sottotitoli per capire chi è chi.
Prima leva: i riferimenti
Dai al generatore immagini, non aggettivi. La bibbia del personaggio conserva fino a quattro volti di riferimento e li passa a ogni scena in cui il personaggio compare. In Da storia a film, il regista disegna una scheda del cast per ogni personaggio prima che esista qualsiasi scena: figura intera, posa neutra, sfondo semplice, nello stile del film. Una scheda funziona perché un'immagine fissa tutto ciò che una descrizione lascia aperto. Già questo elimina gran parte delle variazioni.
Un aspetto descritto viaggia con l'immagine: specie o età, volto, capelli, costume, colori, un segno distintivo. Viene ripetuto in ogni prompt di scena, così anche una scena che non riesce a leggere l'immagine descrive comunque il personaggio giusto. Scrivilo per un modello: sostantivi concreti e colori, non "bellissima".
Seconda leva: le varianti
Un solo riferimento frontale non aiuta un'inquadratura di profilo. Le varianti di posa, generate una volta a partire dalla bibbia, coprono le angolazioni di cui le scene hanno bisogno: figura intera, mezza figura, costumi alternativi. Aggiornare la bibbia aggiunge varianti senza ricostruirla. La bibbia è la singola operazione più costosa dello studio, quindi costruiscila una volta per i personaggi che compaiono in più di due scene e riutilizzala tra i film; per una comparsa basta un'immagine di riferimento.
Terza leva: i frame ancora
Approva un frame di storyboard in cui il personaggio ha l'aspetto giusto, poi genera il video a partire da quel frame. La clip eredita il volto invece di reinventarlo. È il percorso che parte dal keyframe, e lo usiamo a ogni livello di qualità: il modello di immagine compone l'immagine fissa a partire dalle schede e dal prompt, e il modello video la anima. I modelli di immagine seguono i riferimenti molto meglio dei modelli video, e un frame fallito costa una frazione di una clip fallita.
I frame di continuità sono la stessa leva applicata tra una scena e l'altra. Quando una scena prosegue la precedente nello stesso luogo, la clip parte dall'ultimo frame della clip precedente, e personaggio, luce e set si trasferiscono. Usala solo per vere continuazioni; un nuovo luogo richiede un nuovo frame, altrimenti il vecchio set filtra dentro.
Cosa non ha funzionato
- Gli endpoint di riferimento dei fornitori per il video. Accettabili per i volti umani, deboli per animali e oggetti, e soggetti a essere rimossi senza preavviso. Li abbiamo aggirati; il percorso dal keyframe richiede solo image-to-video, che ogni fornitore offre.
- I nomi nei prompt. Il modello non ha mai visto "Leyla" e tratta il nome come rumore. L'aspetto va descritto per esteso.
- Prompt molto lunghi. Oltre qualche centinaio di parole, i modelli danno peso all'inizio e ignorano il resto. Metti l'aspetto per primo.
- Voci del cast fuse. Una scheda che mostra "gli animali" non può ancorare separatamente una rana e un gufo. Un essere per membro del cast, come regola imposta.
Come capire se ha funzionato
Scegli tre scene con lo stesso personaggio e confronta volto, costume e palette una accanto all'altra. Dai a ciascuna un punteggio da 0 a 2: identico a colpo d'occhio, riconoscibile con sforzo, potrebbe essere qualcun altro. Sotto quattro su sei, rigenera la scheda prima di rigenerare qualsiasi scena; il difetto è quasi sempre nell'ancora. Un'alternativa più economica è il test dei sottotitoli: guarda il film senza audio e chiediti se riesci a capire chi sta parlando. Se hai bisogno del nome sullo schermo, la coerenza ha fallito.
Correggere un personaggio a posteriori
Apri Personaggi nella barra laterale; il cast del film è salvato lì con la sua scheda. Aggiungi un'altra immagine di riferimento, una scheda rigenerata o un'angolazione diversa, oppure sostituisci l'immagine principale. Tornato nel film, rigenera solo le scene che usano il personaggio. Dopo il film i personaggi restano tuoi: associali a scene di qualsiasi altro film, comprese le sceneggiature che scrivi da te.
Domande frequenti
La foto di una persona reale funziona come riferimento? Solo per gli stili fotorealistici, e solo con il consenso della persona. Per gli stili disegnati, genera la scheda in quello stile; una foto trascina realismo in ogni scena.
Di quante immagini di riferimento ho bisogno? Per la maggior parte dei film basta una buona scheda a figura intera. Una seconda immagine con un primo piano del volto aiuta nelle scene fatte soprattutto di volti, e la bibbia ne contiene fino a quattro.
Due personaggi possono condividere una scena in modo affidabile? Sì, se entrambe le schede arrivano al passo del frame e il prompt li nomina per posizione, per esempio la rana a sinistra e il gufo a destra. Con tre o più in un solo frame, i modelli attuali cominciano a mescolare i tratti.
