AI ビデオの 24 エピソード全体で顔の一貫性を保つ
AI ビデオがショット間で変動する理由、キャラクターを実際にロックする 3 つのレバー (ルック プロンプト、参照画像、シード)、まだ壊れているもの、エピソードの代わりにシングル ショットを再撮影する方法。
AI ドラマについてどのスタジオも最初に尋ねる質問は、「本物に見えるかどうか」ではありません。それは「19話と同一人物か?」です。視聴者は多少のプラスチックの手を許します。彼らは、顎、髪の生え際、目の色がシーン間で変わる主演を許しません。それは間違いとみなされ、間違いは魔法を打ち破ります。
実際に一貫性を制御するものを影響の順に示します。
レバー 1: ルック プロンプト。一度書いただけで編集されることはありません
ルックプロンプトは、カメラに映るものだけを説明する短く退屈な具体的な段落です。
女性、20代後半、東アジア人、楕円形の顔、肩甲骨までの真っ直ぐな黒髪、薄い眉、左目の下の小さなホクロ、白いシャツの上にグレーのテーラードブレザー、ジュエリーは付けず、中性的な表情。
Look プロンプトが機能するためには、次の 3 つのルールがあります。
- 目に見える属性のみ。 個性も裏話も「自信」もない。モデルは自信を持ってレンダリングできません。あごの角度を表現できます。
- 永続的な機能のみ。 シーンごとに変更されるもの (濡れた髪、包帯、コート) は、ルック プロンプトではなくショット プロンプトに属します。
- 1 つの識別詳細。 ほくろ、傷跡、特定のイヤリング。これは、視聴者がカット全体で同一性を確認するために使用するものであり、モデルが把握するものです。
すべてのショット プロンプトは名前でキャラクターを参照し、ルック プロンプトをそのまま継承します。エピソード 12 のルック プロンプトを編集すると、エピソード 1–11 は別人になります。
レバー 2: ロックされた参照画像
文字だけが漂います。参照画像が顔を固定します。キャラクターごとに 1 つの標準フレーム (ニュートラルな光、ニュートラルな表情、正面向き) を保存し、ショットごとにそれを渡します。
実践的なメモ:
- 必要となる最高の解像度でリファレンスを生成します。出力よりも柔らかいリファレンスが上限となります。
- 参照表現を中立的な状態に保ちます。笑顔のリファレンスは、葬儀のシーンを含め、その後のすべてのショットを笑顔に近づけます。
- フォルダーではなく、キャラクターごとに 1 つの参照。複数の参照によりモデルに選択肢が与えられ、日によって異なる選択が行われます。
レバー 3: キャラクターごとに固定シード
シードは魔法ではありませんが、分散の原因を 1 つ無料で取り除くことができます。キャラクターごとにシードを修正し、意図的にバリエーションが必要な場合にのみ変更します (夢のシーケンス、異なる照明によるフラッシュバック)。
| 設定 | 修理済み | さまざま |
|---|---|---|
| プロンプトを見てください | ✅ キャラクターごと | — |
| 参考画像 | ✅ キャラクターごと | — |
| シード | ✅ キャラクターごと | 意図的な場合のみショットレベル |
| ショットプロンプト | — | ✅ ショットあたり |
| 照明・レンズ | — | ✅ シーンごと |
| ワードローブ | — | ✅ シーンごとに明示的に説明 |
まだ壊れるもの
ここではマーケティングよりも正直さが重要です。以下は、現在でも確認されている失敗例です。
- 極端なアングル。 横顔やローアングルのショットは正面からのショットよりもドリフトします。ヒーローのプロフィールショットの再レンダリングを予算に入れてください。
- 手のクローズアップ。 1/8 フレームでは、手はまだ変形しています。周囲に書き込みます: 顔に合わせてカットするか、オブジェクトをフレームの外に保持します。
- 群衆。 3 人以上のショットではアイデンティティの割り当てが失われます。モデルは喜んで 2 人のリードを交換します。グループ写真は広くて短くしてください。
- 時間がかかります。 1 回のショットで約 12 秒を超えると、対象物がスライドし始めます。私たちのショット単位は 5 秒です。これはまさにこの理由からです。ロングテイクは 1 回のパスで生成されるのではなく、編集時に組み立てられます。
- さまざまな言語の音声。 クローン化された音声は、同じ音色で自動的に第 2 言語を話すわけではありません。ローカライズする場合は、言語ごとに音声を再キャストすることを想定し、事前にクライアントにその旨を伝えてください。
1 つのエピソードではなく、1 つのショットを撮り直す
ショットは個別にレンダリングされるため、失敗の修正は簡単です。ショットを特定し、1 つの変数 (角度、照明、またはプロンプト内の 1 つの形容詞) を調整し、再レンダリングします。料金は 1 ショット (1080p で 5 秒間 22 クレジット) であり、75 秒のエピソードの ~430 クレジットではありません。
次のワークフロー ルールは次のとおりです。エピソードの残りの部分が終了したからといって、クライアントの前に見せたくないショットは決して受け入れないでください。 ショット内の顔の動き 9 だけが言及されます。