Coerenza dei personaggi nei cortometraggi AI (2026): perché i volti cambiano tra le inquadrature e i tre livelli che li bloccano
Aggiornato il 12 settembre 2026
Risposta rapida: La coerenza dei personaggi nei cortometraggi AI significa che un personaggio mantiene lo stesso volto, gli stessi abiti e oggetti di scena, e la stessa direzione artistica attraverso le decine o centinaia di inquadrature di una serie. Nel 2026 è il primo motivo per cui piattaforme e spettatori rifiutano le serie realizzate con l'AI. Non si risolve con la formulazione dei prompt. Viene bloccata a tre livelli separati: la scheda personaggio (sfondo bianco, luce direzionale, prima le caratteristiche identitarie), la piastra di scena (set vuoto, tre piani di profondità, sorgente luminosa descritta invece di dove arriva la luce) e la continuità tra inquadrature all'interno dello storyboard (azioni e posizioni riportate, mai nominare persone che non sono nell'inquadratura). La deriva del volto ha tre cause profonde e ognuna corrisponde a un livello: le descrizioni testuali si diluiscono, i riferimenti portano con sé luci incorporate e le inquadrature non hanno ancoraggi tra loro. Di seguito: cosa fare a ogni livello, una tabella per l'input dei riferimenti e una checklist di accettazione per 5 inquadrature.
Esempio: “Il voto dell'aquila” — Realistico HD, 1 episodio, prodotto end-to-end da SceneMixer a partire dalla sceneggiatura · guarda gli episodi
Cosa significa "coerente": tre livelli
Caratteristiche identitarie: forma del viso, sopracciglia e occhi, naso e labbra, tono della pelle, capelli, corporatura, età apparente, più un ancoraggio immediatamente riconoscibile (una cicatrice, un neo, un gioiello, un taglio di capelli). Sono veicolati dalla scheda personaggio.
Abiti, trucco e oggetti di scena: cosa indossa e cosa tiene in mano il personaggio in questa scena, e cosa contiene il set. Sono veicolati dalla descrizione del costume per personaggio derivata dall'analisi della sceneggiatura e dalla piastra di scena. Il costume è per personaggio e per classe sociale, non un unico tag di stile per tutta la serie.
Luce e direzione artistica: disciplina del colore, materiali, densità dell'arredamento del set, posizione della sorgente luminosa. Sono veicolati dalla piastra di scena e dalle righe sull'illuminazione in ogni inquadratura. Le immagini di riferimento stesse devono rimanere neutre.
Perché i volti si spostano: tre cause profonde
Sintomo
Causa profonda
Livello
Lo stesso personaggio ottiene un nuovo volto ogni pochi segmenti e diventa lentamente generico
Descrizione diluita: la descrizione del volto si trova nel mezzo di lunghe istruzioni tecniche e d'azione, e il modello ricorre al suo prior di "volto attraente"
Livello 1: l'identità non è per prima cosa nel prompt della scheda, oppure la scheda non è allegata come riferimento a ogni generazione
Volto giusto, ma luce e temperatura del colore saltano tra inquadrature della stessa scena
Luce incorporata: la scheda o la piastra portano con sé un'illuminazione drammatica che ogni inquadratura eredita e che poi si scontra con l'illuminazione propria dello storyboard
Livello 2: i riferimenti non sono neutri
Posizioni, azioni e oggetti di scena non si collegano all'interno di un segmento; persone che non sono nella scena entrano in campo
Nessun ancoraggio tra le inquadrature: la continuità non è scritta, oppure lo storyboard nomina persone assenti con formulazioni negative ("X esce dall'inquadratura")
Livello 3: continuità
Livello 1: la scheda personaggio
La scheda esiste per la riconoscibilità, non per l'atmosfera. Quattro regole ferree:
Sfondo bianco puro, come clausola a sé stante. Indicalo come vincolo autonomo e ripetilo nell'elenco negativo. Se è sepolto in un altro paragrafo, viene sovrascritto.
Niente luce piatta. "Illuminazione uniforme, senza ombre" è la ricetta per un volto di plastica: la luce piatta cancella la texture della pelle e la struttura ossea. Scrivi una luce chiave direzionale a circa 75 gradi con fill e controluce, e chiedi ombra sotto il naso e lo zigomo, un catchlight e una caduta graduale.
Prima l'identità. Ordine fisso del prompt: caratteristiche identitarie del soggetto → blocco dell'identità (nessun volto da influencer, nessun livellamento dei tratti distintivi) → blocco tecnico → vincoli di inquadratura. L'analisi della sceneggiatura produce un testo sull'aspetto molto dettagliato (struttura ossea, nei, cicatrici); deve stare in testa, non nel mezzo.
Volto > postura > costume, e l'espressione deve recitare. Dichiara che si tratta di un look test di un attore, non di uno scatto di abbigliamento e-commerce; vieta di allargare l'inquadratura per mostrare il costume a discapito della testa. Non scrivere "espressione neutra": cancella proprio la qualità (uno sguardo tagliente, per esempio) che rende il personaggio riconoscibile.
Fallimento noto: i personaggi con cappotti lunghi o tuniche vengono inghiottiti dall'indumento in un'inquadratura full-body 9:16, il cappotto riempie il settanta percento dell'immagine e il volto si rimpicciolisce. È un limite fisico dell'inquadratura. La soluzione è una scheda separata a mezzo busto che riporti il volto, al costo di un'immagine in più per personaggio.
In SceneMixer il campo aspetto prodotto dall'analisi della sceneggiatura diventa direttamente il soggetto del prompt della scheda. Ogni personaggio ottiene una scheda full-body 9:16 su sfondo bianco, con ritagli automatici di volto e mezzo busto, e ogni generazione video successiva allega i riferimenti di quel personaggio. Prima di giudicare la qualità della scheda, verifica quale modello immagine l'ha prodotta: dimensioni di output e prior differiscono molto tra modelli, e la prova sono le dimensioni dell'immagine e il record del task, non un'ipotesi.
Livello 2: la piastra di scena
Un'immagine di scena è una "piastra" vuota a cui il modello video fa riferimento. Lo standard è ancora la neutralità:
Nessuna persona. Esprimi la scala con le parti stesse dell'edificio (una porta alta due persone, un tavolo largo un braccio).
Tre piani di profondità. Primo piano, piano medio e sfondo, ognuno con materiali e arredamento espliciti, così il modello ha spazio per posizionare la telecamera.
Descrivi da dove viene la luce, non dove arriva. Scrivi "una lampada a sospensione bianco caldo proietta luce morbida in basso dall'alto a destra", non "la luce illumina il piano del tavolo". Non scrivere una linea di terminazione dell'ombra, ed evita parole di colore saturo: 3200 K sulla pelle sono bianco caldo, e "giallo" ti produce vernice gialla.
Nessun grading atmosferico. Niente grading d'atmosfera, sagome, nebbia o fasci di luce, e nessuna delle vecchie parole trigger (cinematic, dramatic, 8K). La nebbia nella piastra appare in ogni inquadratura di quella scena.
La direzione artistica è un'impostazione a livello di progetto che alimenta le immagini di scena, le immagini degli oggetti di scena e i prompt video, e mai la scheda personaggio, altrimenti la scheda su sfondo bianco viene illuminata come il set.
Livello 3: continuità nello storyboard
Segmenti lunghi, inquadrature corte. Un segmento corrisponde a una singola chiamata di generazione e dovrebbe durare vicino al limite di 15 secondi; aumenta il ritmo accorciando le singole inquadrature, non tagliando il segmento. Ogni segmento aggiuntivo fa ripartire le posizioni da un nuovo primo fotogramma e rompe la continuità.
Mantieni la continuità all'interno del segmento. Dove si siede il personaggio, cosa tiene in mano e cosa stava facendo alla fine dell'inquadratura precedente è il punto da cui parte l'inquadratura successiva.
Scrivi solo chi è presente nell'inquadratura. Non nominare mai persone assenti. Frasi come "Mark esce" o "Anna non è presente" aumentano le probabilità che compaiano, perché i nomi anche all'interno di una negazione attirano l'attenzione del modello.
Illuminazione per causa. Stessa regola della piastra neutra. Posizione della luce, mezzo e tono vanno dichiarati una sola volta, senza ripetizioni e senza conflitti.
Input di riferimento per modello
Modello
Input di riferimento
Durata clip
Note
Verificato
Seedance 2.0 (Volcano Engine Ark)
Testo più riferimenti immagine, video e audio; le immagini possono essere primo fotogramma, ultimo fotogramma o riferimento personaggio
4–15 s
Audio nativo; immagini fino a 30 MB e 300–6000 px per lato; uno dei percorsi video in SceneMixer
2026-09-05, secondo la documentazione API di Ark
Wan 3.0 (Alibaba Cloud Model Studio)
Fino a 10 immagini di riferimento, 5 video di riferimento e 5 audio di riferimento per richiesta; prompt fino a 20.000 caratteri
2–30 s
480P / 720P / 1080P; le generazioni fallite non vengono addebitate; l'altro percorso video in SceneMixer
2026-09-05, secondo la documentazione API di Model Studio
Altri modelli video
La maggior parte accetta riferimenti immagine o primo/ultimo fotogramma
Variabile
I limiti cambiano spesso; a prescindere dal modello, il metodo del foglio bianco più piastra neutra rimane lo stesso
2026-09-05
Solo le celle verificate sono compilate; i campi vuoti sono vuoti, non supposizioni. A decidere la coerenza non è se il limite è 9 riferimenti o 50, ma se i pochi che alleghi sono neutri.
Checklist di accettazione: cinque inquadrature dello stesso personaggio affiancate
☐ Forma del viso, sopracciglia, occhi, naso e labbra risultano della stessa persona in tutte e cinque le inquadrature.
☐ L'ancora visiva (cicatrice, neo, gioiello, taglio di capelli) è presente e nello stesso punto in ogni inquadratura.
☐ All'interno di una stessa scena, direzione della luce e temperatura colore corrispondono; nessuna inquadratura calda accanto a una fredda.
☐ Costumi e oggetti in mano sono continui all'interno del segmento, niente compare o scompare all'improvviso.
☐ Nessun personaggio assente entra in scena; non compare un secondo "protagonista".
☐ La pelle ha texture e ombreggiature graduali, non una superficie piatta di plastica.
Quando un'inquadratura fallisce, torna al livello a cui corrisponde e correggi quel livello. "Rafforzare il prompt" non è una soluzione.
Perché le immagini di riferimento dei personaggi hanno bisogno di sfondo bianco?
Perché qualsiasi luce e sfondo siano impressi nel riferimento vengono ereditati da ogni inquadratura in cui compare quel personaggio. Una scheda scattata con luce notturna fredda fa virare le scene diurne sul freddo; un oggetto sullo sfondo viene ridisegnato come parte del personaggio. Uno sfondo bianco con una sola luce chiave direzionale a circa 75 gradi registra solo la struttura del viso e non porta informazioni sulla scena, quindi l'illuminazione di qualsiasi inquadratura può sovrascriverla.
Come correggo i personaggi incoerenti nei video AI?
Fai diagnosi per livello prima di toccare i prompt. Volti diversi tra le inquadrature sono un problema della scheda personaggio: controlla che l'illuminazione non sia piatta o che il viso non sia troppo piccolo nell'inquadratura. Viso giusto ma costume e luce che saltano sono il segno che la piastra di scena e l'illuminazione dell'inquadratura sono in conflitto. Posizioni e azioni che non si collegano all'interno di un segmento dipendono da continuità mancante nello storyboard. Ogni livello ha la sua correzione; riscrivere un unico prompt lungo peggiora tutti e tre i problemi.
Posso mantenere un personaggio coerente semplicemente descrivendone il viso in ogni prompt?
No. Nel corso di decine di generazioni la descrizione viene diluita dalle istruzioni su azione, ambientazione e illuminazione di ogni segmento, e il modello ricade su un volto generico e attraente. Il metodo stabile è allegare la stessa scheda personaggio come immagine di riferimento a ogni generazione e lasciare che il testo riporti solo azione ed emozione del segmento.
Quante immagini di riferimento servono per ogni personaggio?
Come minimo una scheda full-body 9:16 su sfondo bianco. I personaggi protagonisti beneficiano di un ritaglio aggiuntivo del viso per i primi piani. I personaggi con cappotti lunghi o tende tendono a essere coperti dal costume nell'inquadratura full-body, quindi vale la pena aggiungere una scheda separata a mezzo busto che mostri il viso.
I tre livelli sono integrati nella pipeline
Il testo sull'aspetto ottenuto dall'analisi diventa il soggetto della scheda; le schede bianche e le piastre neutre vengono allegate automaticamente a ogni segmento che generi.
