Mantendo um rosto consistente em 24 episódios de vídeo de IA
Por que o vídeo de IA oscila entre as cenas, as três alavancas que realmente bloqueiam um personagem (prompt de visualização, imagem de referência, semente), o que ainda quebra e como refilmar uma única cena em vez de um episódio.
A primeira pergunta que todo estúdio faz sobre o drama de IA não é “parece real”. É “será a mesma pessoa no episódio 19”. Um espectador perdoa uma mão ligeiramente plástica. Eles não perdoam um protagonista cuja mandíbula, linha do cabelo e cor dos olhos mudam entre as cenas - isso parece um erro, e os erros quebram o feitiço.
Aqui está o que realmente controla a consistência, em ordem de impacto.
Alavanca um: o prompt de aparência, escrito uma vez e nunca editado
Um prompt de visualização é um parágrafo curto, enfadonho e específico que descreve apenas o que uma câmera pode ver:
Mulher, quase trinta anos, leste asiático, rosto oval, cabelo preto liso até a omoplata, sobrancelhas finas, pequena pinta sob o olho esquerdo, blazer cinza sob medida sobre camisa branca, sem joias, expressão neutra.
Três regras fazem com que os prompts de aparência funcionem:
- Apenas atributos visíveis. Sem personalidade, sem história de fundo, sem “confiança”. O modelo não pode ser confiável; pode renderizar o ângulo do queixo.
- Apenas recursos permanentes. Qualquer coisa que mude por cena (cabelo molhado, um curativo, um casaco) pertence ao prompt de cena, não ao prompt de aparência.
- Um detalhe de identificação. Uma verruga, uma cicatriz, um brinco específico. É isso que o visualizador usa para confirmar a identidade entre os cortes, e é nisso que o modelo se fixa.
Cada prompt de cena faz referência ao personagem pelo nome e herda o prompt de aparência literalmente. Se você editar o prompt de aparência no episódio 12, os episódios 1–11 agora serão uma pessoa diferente.
Alavanca dois: uma imagem de referência bloqueada
Somente o texto flutua. Uma imagem de referência ancora o rosto. Armazenamos um quadro canônico por personagem – luz neutra, expressão neutra, frontal – e o passamos a cada cena.
Notas práticas:
- Gere a referência na resolução mais alta que você precisará. Uma referência mais suave que a sua saída torna-se o teto.
- Mantenha a expressão de referência neutra. Uma referência sorridente leva todas as cenas subsequentes a um sorriso, incluindo a cena do funeral.
- Uma referência por caractere, não por pasta. Múltiplas referências dão ao modelo uma escolha, e ele escolherá de forma diferente em dias diferentes.
Alavanca três: uma semente fixa por personagem
As sementes não são mágicas, mas removem uma fonte de variação gratuitamente. Fixe a semente por personagem e altere-a apenas quando desejar deliberadamente uma variação (uma sequência de sonho, um flashback com iluminação diferente).
| Contexto | Fixo | Varia |
|---|---|---|
| Olhe rápido | ✅ por personagem | - |
| Imagem de referência | ✅ por personagem | - |
| Semente | ✅ por personagem | nível de tiro apenas quando intencional |
| Alerta de tiro | - | ✅ por tiro |
| Iluminação / lente | - | ✅ por cena |
| Guarda-roupa | - | ✅ por cena, descrita explicitamente |
O que ainda quebra
A honestidade é mais importante do que o marketing aqui. Estas são as falhas que ainda vemos:
- Ângulos extremos. Fotos de perfil e ângulo baixo desviam mais do que de frente. Planeje uma nova renderização para fotos de perfil de heróis.
- Mãos em close. No quadro 1/8, as mãos ainda se deformam. Escreva em torno dele: corte em um rosto ou segure o objeto fora do enquadramento.
- Multidões. Qualquer cena com mais de três pessoas perde a atribuição de identidade - o modelo trocará alegremente duas pistas. Mantenha as fotos de grupo amplas e curtas.
- Longas tomadas. Além de cerca de 12 segundos em uma única cena, os recursos começam a deslizar. Nossa unidade de disparo é de 5 segundos exatamente por esse motivo; tomadas longas são montadas na edição, não geradas em uma passagem.
- Voz entre idiomas. Uma voz clonada não fala automaticamente um segundo idioma com o mesmo timbre. Se você localizar, espere retransmitir a voz por idioma e diga isso ao seu cliente antecipadamente.
Refaça uma cena, não um episódio
Como as cenas são renderizadas individualmente, é fácil corrigir uma falha: identificar a cena, ajustar uma variável (ângulo, iluminação ou um único adjetivo no prompt) e renderizar novamente. O custo é único - 22 créditos por 5 segundos em 1080p - não os ~430 créditos que um episódio de 75 segundos custa.
A regra do fluxo de trabalho a seguir: nunca aceite uma cena que você não colocaria na frente de um cliente, só porque o resto do episódio terminou. Um rosto flutuante na cena 9 será a única coisa que alguém mencionará.