Consistencia de personajes en dramas cortos con IA (2026): por qué los rostros cambian entre tomas y las tres capas que los fijan
Actualizado el 12 de septiembre de 2026
Respuesta rápida: La consistencia de personajes en dramas cortos con IA significa que un personaje mantiene el mismo rostro, el mismo vestuario y accesorios, y la misma dirección artística a lo largo de las decenas o cientos de tomas de una serie. En 2026 es el primer motivo por el que las plataformas y los espectadores rechazan las series creadas con IA. No se resuelve redactando mejor los prompts. Se fija en tres capas independientes: la ficha de personaje (fondo blanco, luz direccional, rasgos de identidad primero), la placa de escena (decorado vacío, tres planos de profundidad, fuente de luz descrita en lugar de dónde cae la luz) y la continuidad entre tomas dentro del storyboard (acciones y posiciones que se mantienen, sin nombrar nunca a personas que no están en cuadro). El desvío del rostro tiene tres causas raíz y cada una corresponde a una capa: las descripciones de texto se diluyen, las referencias llevan luz incorporada y las tomas no tienen un anclaje entre ellas. A continuación: qué hacer en cada capa, una tabla de entradas de referencia y una lista de comprobación de aceptación de 5 tomas.
Ejemplo: “El juramento del águila” — HD realista, 1 episodio, producido de principio a fin por SceneMixer a partir del guion · ver los episodios
Qué significa «ser consistente»: tres capas
Rasgos de identidad: forma del rostro, cejas y ojos, nariz y labios, tono de piel, cabello, complexión, edad aparente, además de un anclaje reconocible al instante (una cicatriz, un lunar, una joya, un corte de pelo). Lo transmite la ficha de personaje.
Vestuario, maquillaje y accesorios: lo que este personaje lleva puesto y sostiene en esta escena, y lo que contiene el decorado. Lo transmiten la descripción de vestuario por personaje obtenida del análisis de guion y la placa de escena. El vestuario es por personaje y por clase social, no una etiqueta de estilo para toda la serie.
Luz y dirección artística: disciplina de color, materiales, densidad de la decoración, dónde está la fuente de luz. Lo transmiten la placa de escena y las líneas de iluminación de cada toma. Las propias imágenes de referencia deben mantenerse neutras.
Por qué los rostros se desvían: tres causas raíz
Síntoma
Causa raíz
Capa
El mismo personaje recibe un rostro nuevo cada pocos segmentos y se vuelve genérico poco a poco
Descripción diluida: la descripción del rostro queda en medio de instrucciones técnicas y de acción largas, y el modelo recurre a su sesgo de «rostro atractivo»
Capa 1: la identidad no es lo primero en el prompt de la ficha, o la ficha no se adjunta como referencia en cada generación
El rostro es correcto, pero la luz y la temperatura de color saltan entre tomas de la misma escena
Luz incorporada: la ficha o la placa llevan una iluminación dramática que cada toma hereda y que luego choca con la iluminación propia del storyboard
Capa 2: las referencias no son neutras
Las posiciones, acciones y accesorios no conectan dentro de un mismo segmento; personas que no están en la escena entran en cuadro
Sin anclaje entre tomas: la continuidad no está escrita, o el storyboard nombra a personas ausentes en frases negativas («X sale de cuadro»)
Capa 3: continuidad
Capa 1: la ficha de personaje
La ficha existe para que el personaje sea reconocible, no para transmitir ambiente. Cuatro reglas estrictas:
Fondo blanco puro, como una cláusula propia. Indícalo como una restricción independiente y repítelo en la lista de negativos. Si queda enterrado en otro párrafo, se ignora.
Nada de luz plana. «Iluminación uniforme, sin sombras» es la receta para un rostro de plástico: la luz plana borra la textura de la piel y la estructura ósea. Escribe una luz principal direccional a unos 75 grados con luz de relleno y contraluz, y pide sombra bajo la nariz y el pómulo, un punto de luz en los ojos y una caída gradual.
Identidad primero. Orden fijo del prompt: rasgos de identidad del sujeto → bloqueo de identidad (sin rostro de influencer, sin suavizado de rasgos distintivos) → bloque técnico → restricciones de encuadre. El análisis de guion produce un texto de apariencia muy detallado (estructura ósea, lunares, cicatrices); tiene que ir al principio, no en medio.
Rostro > postura > vestuario, y la expresión debe actuar. Declara que se trata de una prueba de imagen de actor, no de una foto de ropa de comercio electrónico; prohíbe alejar la cámara para mostrar el vestuario a costa de la cabeza. No escribas «expresión neutra»: eso borra la cualidad misma (una mirada afilada, por ejemplo) que hace reconocible al personaje.
Fallo conocido: los personajes con abrigos largos o túnicas quedan engullidos por la prenda en un encuadre de cuerpo entero 9:16, el abrigo ocupa el setenta por ciento de la imagen y el rostro se encoge. Es un límite físico del encuadre. La solución es una ficha separada de medio cuerpo que conserve el rostro, a costa de una imagen más por personaje.
En SceneMixer, el campo de apariencia generado por el análisis de guion se convierte directamente en el sujeto del prompt de la ficha. Cada personaje recibe una ficha de cuerpo entero 9:16 sobre fondo blanco, con recortes automáticos de rostro y medio cuerpo, y cada generación de vídeo posterior adjunta las referencias de ese personaje. Antes de juzgar la calidad de la ficha, confirma qué modelo de imagen la produjo: el tamaño de salida y el sesgo previo varían mucho entre modelos, y la prueba está en las dimensiones de la imagen y el registro de tareas, no en una suposición.
Capa 2: la placa de escena
Una imagen de escena es una «placa» vacía a la que el modelo de vídeo hace referencia. El estándar vuelve a ser la neutralidad:
Sin personas. Expresa la escala con las propias partes del edificio (una puerta de la altura de dos personas, una mesa del ancho de un brazo).
Tres planos de profundidad. Primer plano, plano medio y fondo, cada uno con materiales y decoración explícitos, para que el modelo tenga espacio para colocar la cámara.
Describe de dónde viene la luz, no dónde cae. Escribe «una lámpara colgante de blanco cálido lanza luz suave desde arriba a la derecha», no «la luz ilumina la mesa». No escribas una línea de terminación de sombra y evita palabras de color saturado: 3200 K sobre la piel es blanco cálido, y «amarillo» te da pintura amarilla.
Sin corrección de atmósfera. Sin corrección de ambiente, siluetas, niebla ni haces de luz, y nada de las viejas palabras gatillo (cinematográfico, dramático, 8K). La niebla en la placa aparece en todas las tomas de esa escena.
La dirección artística es una configuración a nivel de proyecto que alimenta las imágenes de escena, las imágenes de accesorios y los prompts de vídeo, y nunca la ficha de personaje; de lo contrario, la ficha de fondo blanco se ilumina como el decorado.
Capa 3: continuidad en el storyboard
Segmentos largos, planos cortos. Un segmento corresponde a una llamada de generación y debe durar cerca del límite de 15 segundos; aumenta el ritmo acortando cada plano individual, no cortando el segmento. Cada segmento adicional reinicia las posiciones desde un primer fotograma nuevo y rompe la continuidad.
Mantén la continuidad dentro del segmento. Donde esté sentado el personaje, lo que sostenga y lo que estuviera haciendo al final del plano anterior es donde empieza el siguiente plano.
Escribe solo quién aparece en cuadro. Nunca nombres a personas ausentes. Frases como «Mark sale» o «Anna no está presente» aumentan la probabilidad de que aparezcan, porque los sustantivos dentro de una negación actúan como atractores.
Iluminación por causa. Misma regla que para la placa de escena. La posición de la luz, el medio y la gradación se indican una sola vez, sin repeticiones ni conflictos.
Entradas de referencia por modelo
Modelo
Entradas de referencia
Duración del clip
Notas
Verificado
Seedance 2.0 (Volcano Engine Ark)
Referencias de texto más imagen, vídeo y audio; las imágenes pueden ser primer fotograma, último fotograma o referencia de personaje
4–15 s
Audio nativo; imágenes de hasta 30 MB y 300–6000 px por lado; una de las rutas de vídeo en SceneMixer
2026-09-05, según la documentación de la API de Ark
Wan 3.0 (Alibaba Cloud Model Studio)
Hasta 10 imágenes de referencia, 5 vídeos de referencia y 5 audios de referencia por solicitud; prompt de hasta 20 000 caracteres
2–30 s
480P / 720P / 1080P; las generaciones fallidas no se facturan; la otra ruta de vídeo en SceneMixer
2026-09-05, según la documentación de la API de Model Studio
Otros modelos de vídeo
La mayoría aceptan referencias de imagen o primer/último fotograma
Varía
Los límites cambian a menudo; sea cual sea el modelo, el método de hoja blanca más placa neutra es el mismo
2026-09-05
Solo se rellenan las celdas verificadas; los espacios en blanco son espacios en blanco, no suposiciones. Lo que decide la consistencia no es si el límite es 9 referencias o 50, sino si las pocas que adjuntas son neutras.
Lista de comprobación de aceptación: cinco planos del mismo personaje uno al lado del otro
☐ La forma de la cara, las cejas, los ojos, la nariz y los labios se perciben como la misma persona en los cinco planos.
☐ El ancla visual (cicatriz, lunar, joyas, corte de pelo) está presente y en el mismo lugar en cada plano.
☐ Dentro de una misma escena, la dirección de la luz y la temperatura de color coinciden; no hay un plano cálido junto a uno frío.
☐ El vestuario y los atrezo de mano son continuos dentro del segmento; nada aparece ni desaparece.
☐ Ningún personaje ausente entra en escena; no aparece un segundo «protagonista».
☐ La piel tiene textura y sombreado gradual, no una superficie plana de plástico.
Cuando un plano falla, vuelve a la capa a la que corresponde y corrige esa capa. «Reforzar el prompt» no es una solución.
¿Por qué las imágenes de referencia de personaje necesitan fondo blanco?
Porque cualquier luz y fondo que estén integrados en la referencia se heredan en todos los planos en los que aparece ese personaje. Una ficha tomada bajo una luz nocturna fría hace que las escenas diurnas se vuelvan frías; un objeto en el fondo se vuelve a pintar como parte del personaje. Un fondo blanco con una luz principal direccional a unos 75 grados solo registra la estructura de la cara y no aporta información de escena, por lo que la iluminación de cualquier plano puede anularla.
¿Cómo corrijo personajes inconsistentes en vídeo con IA?
Diagnostica por capas antes de tocar los prompts. Caras diferentes entre planos es un problema de la ficha de personaje: comprueba si hay iluminación plana o una cara demasiado pequeña en cuadro. La cara es correcta pero el vestuario o la luz saltan: es que la placa de escena y la iluminación del plano se contradicen. Posiciones y acciones que no conectan dentro de un segmento indican falta de continuidad en el storyboard. Cada capa tiene su propia solución; reescribir un prompt grande empeora las tres.
¿Puedo mantener la consistencia de un personaje solo describiendo la cara en cada prompt?
No. A lo largo de decenas de generaciones, la descripción se diluye con las instrucciones de acción, escenario e iluminación de cada segmento, y el modelo recurre a una cara atractiva genérica. El método estable es adjuntar la misma ficha de personaje como imagen de referencia en cada generación y dejar que el texto transmita solo la acción y la emoción de ese segmento.
¿Cuántas imágenes de referencia necesita cada personaje?
Como mínimo, una ficha de cuerpo entero en formato 9:16 sobre fondo blanco. Los personajes protagonistas se benefician de un recorte adicional de la cara para los primeros planos. Los personajes con abrigos largos o túnicas tienden a quedar «engullidos» por el vestuario en el encuadre de cuerpo entero, así que vale la pena añadir una ficha de medio cuerpo separada que muestre bien la cara.
Las tres capas están integradas en el flujo de trabajo
El texto de apariencia obtenido del análisis se convierte en el sujeto de la ficha; las fichas blancas y las placas neutras se acompañan con cada segmento que generas.
