Mantenere un volto coerente in 24 episodi di video AI
Perché il video AI va alla deriva tra le inquadrature, le tre leve che bloccano effettivamente un personaggio (prompt dell'aspetto, immagine di riferimento, seme), cosa si rompe ancora e come riprendere una singola inquadratura invece di un episodio.
La prima domanda che ogni studio pone riguardo al dramma basato sull’intelligenza artificiale non è “sembra reale”. È “sarà la stessa persona nell’episodio 19”. Uno spettatore perdona una mano leggermente plastica. Non perdonano un protagonista la cui mascella, attaccatura dei capelli e colore degli occhi cambiano tra una scena e l’altra: questo viene letto come un errore e gli errori rompono l’incantesimo.
Ecco cosa controlla effettivamente la coerenza, in ordine di impatto.
Leva uno: il prompt del look, scritto una volta e mai modificato
Un suggerimento di visualizzazione è un paragrafo breve, noioso e specifico che descrive solo ciò che una fotocamera può vedere:
Donna, sui trent’anni, asiatica orientale, viso ovale, capelli neri e lisci fino alla scapola, sopracciglia sottili, piccolo neo sotto l’occhio sinistro, blazer grigio su misura su camicia bianca, niente gioielli, espressione neutra.
Tre regole fanno funzionare le richieste di visualizzazione:
- Solo attributi visibili. Nessuna personalità, nessun retroscena, nessun “sicuro di sé”. Il modello non può rendere sicuro; può rendere l’angolo del mento.
- Solo funzionalità permanenti. Tutto ciò che cambia in una scena (capelli bagnati, una benda, un cappotto) appartiene al prompt dello scatto, non al prompt del look.
- Un dettaglio identificativo. Un neo, una cicatrice, un orecchino specifico. Questo è ciò che lo spettatore utilizza per confermare l’identità attraverso i tagli, ed è ciò a cui si aggancia il modello.
Ogni prompt di ripresa fa quindi riferimento al personaggio per nome ed eredita alla lettera il prompt di aspetto. Se modifichi la richiesta di aspetto nell’episodio 12, gli episodi 1–11 ora saranno una persona diversa.
Leva due: un’immagine di riferimento bloccata
Solo il testo va alla deriva. Un’immagine di riferimento fissa il viso. Memorizziamo un fotogramma canonico per personaggio (luce neutra, espressione neutra, frontale) e lo passiamo ad ogni scatto.
Note pratiche:
- Genera il riferimento alla massima risoluzione di cui avrai mai bisogno. Un riferimento più morbido rispetto al risultato diventa il tetto.
- Mantieni l’espressione di riferimento neutra. Un riferimento sorridente spinge ogni inquadratura successiva verso un sorriso, compresa la scena del funerale.
- Un riferimento per carattere, non per cartella. Riferimenti multipli danno al modello una scelta e sceglierà in modo diverso in giorni diversi.
Leva tre: un seme fisso per personaggio
I semi non sono magici, ma rimuovono gratuitamente una fonte di varianza. Correggi il seme per personaggio e cambialo solo quando desideri deliberatamente una variazione (una sequenza di sogno, un flashback con illuminazione diversa).
| Collocamento | Fisso | Varia |
|---|---|---|
| Sii pronto | ✅ per carattere | — |
| Immagine di riferimento | ✅ per carattere | — |
| Seme | ✅ per carattere | a livello del tiro solo quando intenzionale |
| Pronta per il tiro | — | ✅ per scatto |
| Illuminazione/lente | — | ✅ per scena |
| Armadio | — | ✅ per scena, descritta esplicitamente |
Ciò che ancora si rompe
L’onestà conta più del marketing qui. Questi sono i fallimenti che vediamo ancora:
- Angoli estremi. Le riprese di profilo e dal basso si spostano più che frontalmente. Budget un re-render per le riprese del profilo dell’eroe.
- Mani in primo piano. Nell’inquadratura 1/8, le mani si deformano ancora. Scrivi attorno ad esso: taglia su una faccia o tieni l’oggetto fuori dall’inquadratura.
- Folla. Qualsiasi ripresa con più di tre persone perde l’assegnazione dell’identità: il modello scambierà volentieri due piste. Mantieni le foto di gruppo ampie e corte.
- Lunghe riprese. Oltre circa 12 secondi in un singolo scatto, i dettagli iniziano a scivolare. La nostra unità di tiro è 5 secondi esattamente per questo motivo; le riprese lunghe vengono assemblate nel montaggio, non generate in un unico passaggio.
- Voce attraverso le lingue. Una voce clonata non parla automaticamente una seconda lingua con lo stesso timbro. Se localizzi, aspettati di riformulare la voce per lingua e dillo in anticipo al tuo cliente.
Rigirare una ripresa, non un episodio
Poiché le inquadrature vengono renderizzate individualmente, è facile risolvere un errore: identificare l’inquadratura, regolare una variabile (angolo, illuminazione o un singolo aggettivo nel prompt), eseguire nuovamente il rendering. Il costo è uno scatto - 22 crediti per 5 secondi a 1080p - non i ~430 crediti che costa un episodio di 75 secondo.
La regola del flusso di lavoro che segue: non accettare mai un’inquadratura che non metteresti davanti a un cliente, solo perché il resto dell’episodio è finito. Una faccia alla deriva nell’inquadratura 9 sarà l’unica cosa che qualcuno menzionerà.