Consistência de personagens em curtas de IA (2026): por que os rostos mudam entre tomadas e as três camadas que os fixam
Atualizado em 12 de setembro de 2026
Resposta rápida: Consistência de personagem em curtas de IA significa que um personagem mantém o mesmo rosto, o mesmo figurino e adereços, e a mesma direção de arte ao longo das dezenas a centenas de tomadas de uma série. Em 2026, esse é o principal motivo pelo qual plataformas e espectadores rejeitam séries feitas por IA. O problema não se resolve com a formulação de prompts. Ele é travado em três camadas separadas: a ficha de personagem (fundo branco, luz direcional, traços de identidade em primeiro lugar), a placa de cena (cenário vazio, três planos de profundidade, fonte de luz descrita em vez de onde a luz incide) e a continuidade entre tomadas dentro do storyboard (ações e posições mantidas, nunca nomear pessoas que não estão no quadro). A deriva do rosto tem três causas raiz e cada uma corresponde a uma camada: descrições de texto se diluem, referências carregam iluminação embutida e tomadas não têm âncora entre si. A seguir: o que fazer em cada camada, uma tabela de entrada de referências e uma lista de verificação de aprovação de 5 tomadas.
Exemplo: “O Juramento da Águia” — HD Realista, 1 episódio, produzido de ponta a ponta pelo SceneMixer a partir do roteiro · assistir aos episódios
O que "consistente" significa: três camadas
Traços de identidade: formato do rosto, sobrancelhas e olhos, nariz e lábios, tom de pele, cabelo, constituição física, idade aparente, além de uma âncora instantaneamente reconhecível (uma cicatriz, uma pinta, uma joia, um corte de cabelo). Transportados pela ficha de personagem.
Figurino, maquiagem e adereços: o que esse personagem veste e segura nesta cena, e o que o cenário contém. Transportados pela descrição de figurino por personagem vinda da análise de roteiro e pela placa de cena. O figurino é por personagem e por classe social, não uma etiqueta de estilo única para a série inteira.
Luz e direção de arte: disciplina de cor, materiais, densidade da decoração do cenário, localização da fonte de luz. Transportados pela placa de cena e pelas linhas de iluminação de cada tomada. As próprias imagens de referência devem permanecer neutras.
Por que os rostos derivam: três causas raiz
Sintoma
Causa raiz
Camada
O mesmo personagem ganha um rosto novo a cada poucos segmentos e aos poucos fica genérico
Descrição diluída: a descrição do rosto fica no meio de instruções longas de ação e técnicas, e o modelo recorre ao seu padrão de "rosto atraente"
Camada 1: a identidade não vem primeiro no prompt da ficha, ou a ficha não é anexada como referência em cada geração
Rosto certo, mas a luz e a temperatura de cor mudam entre tomadas da mesma cena
Luz embutida: a ficha ou a placa carrega iluminação dramática que cada tomada herda e depois entra em conflito com a iluminação própria do storyboard
Camada 2: as referências não são neutras
Posições, ações e adereços não se conectam dentro de um segmento; pessoas que não estão na cena aparecem andando por ali
Sem âncora entre tomadas: a continuidade não foi escrita, ou o storyboard nomeia pessoas ausentes em frases negativas ("X sai do quadro")
Camada 3: continuidade
Camada 1: a ficha de personagem
A ficha existe para reconhecibilidade, não para clima. Quatro regras rígidas:
Fundo branco puro, como uma cláusula própria. Declare isso como uma restrição isolada e repita na lista de negativas. Se ficar enterrado em outro parágrafo, é ignorado.
Nada de luz chapada. "Iluminação uniforme, sem sombras" é a receita para um rosto de plástico: a luz chapada apaga a textura da pele e a estrutura óssea. Escreva uma luz principal direcional a aproximadamente 75 graus, com preenchimento e contraluz, e peça sombra sob o nariz e a maçã do rosto, um ponto de luz nos olhos e queda gradual.
Identidade primeiro. Ordem fixa do prompt: traços de identidade do sujeito → trava de identidade (sem rosto de influenciador, sem suavização de traços distintivos) → bloco técnico → restrições de enquadramento. A análise de roteiro produz um texto de aparência muito detalhado (estrutura óssea, pintas, cicatrizes); ele tem que liderar, não ficar no meio.
Rosto > postura > figurino, e a expressão deve atuar. Declare que este é um teste de look de ator, não uma foto de roupa de e-commerce; proíba afastar a câmera para mostrar a roupa à custa da cabeça. Não escreva "expressão neutra": isso apaga exatamente a qualidade (um olhar cortante, por exemplo) que torna o personagem reconhecível.
Falha conhecida: personagens com casacos longos ou túnicas são engolidos pela peça em um quadro de corpo inteiro 9:16, com o casaco preenchendo setenta por cento da imagem e o rosto encolhendo. Esse é um limite físico do enquadramento. A solução é uma ficha separada de meio corpo que carregue o rosto, ao custo de mais uma imagem por personagem.
No SceneMixer, o campo de aparência produzido pela análise de roteiro se torna diretamente o sujeito do prompt da ficha. Cada personagem recebe uma ficha de corpo inteiro 9:16 sobre fundo branco, com cortes automáticos de rosto e meio corpo, e toda geração de vídeo posterior anexa as referências daquele personagem. Antes de julgar a qualidade da ficha, confirme qual modelo de imagem a produziu: o tamanho de saída e os padrões variam muito entre modelos, e a prova está nas dimensões da imagem e no registro da tarefa, não em um palpite.
Camada 2: a placa de cena
Uma imagem de cena é uma "placa" vazia que o modelo de vídeo usa como referência. O padrão novamente é neutralidade:
Sem pessoas. Expresse a escala com as próprias partes da construção (uma porta com altura de duas pessoas, uma mesa com largura de um braço).
Três planos de profundidade. Primeiro plano, plano médio e fundo, cada um com materiais e decoração explícitos, para que o modelo tenha espaço para posicionar a câmera.
Descreva de onde a luz vem, não onde ela incide. Escreva "um pendente de branco quente lança luz suave para baixo do canto superior direito", não "a luz ilumina o tampo da mesa". Não escreva uma linha de término de sombra e evite palavras de cor saturada: 3200 K na pele é branco quente, e "amarelo" vai te dar tinta amarela.
Sem gradação de atmosfera. Sem gradação de clima, silhuetas, névoa ou feixes de luz, e nenhuma das velhas palavras-gatilho (cinematográfico, dramático, 8K). A névoa na placa aparece em todas as tomadas daquela cena.
A direção de arte é uma configuração de nível de projeto que alimenta imagens de cena, imagens de adereços e prompts de vídeo, e nunca a ficha de personagem; caso contrário, a ficha de fundo branco fica iluminada como o cenário.
Camada 3: continuidade no storyboard
Segmentos longos, planos curtos. Cada segmento corresponde a uma chamada de geração e deve ficar próximo do limite de 15 segundos; acelere o ritmo encurtando cada plano individual, não fatiando o segmento. Cada segmento extra reinicia as posições a partir de um novo primeiro quadro e quebra a continuidade.
Transmita a continuidade dentro do segmento. Onde o personagem está sentado, o que ele segura e o que estava fazendo no fim do plano anterior é exatamente onde o próximo plano começa.
Escreva só quem está no quadro. Nunca cite pessoas ausentes. "Mark sai" ou "Anna não está presente" aumentam a chance de eles aparecerem, porque substantivos dentro de uma negação funcionam como atratores.
Iluminação por causa. Mesma regra da placa. Posição da luz, meio e gradação são declarados uma vez cada, sem repetições nem conflitos.
Entradas de referência por modelo
Modelo
Entradas de referência
Duração do clipe
Observações
Verificado
Seedance 2.0 (Volcano Engine Ark)
Texto mais referências de imagem, vídeo e áudio; imagens podem ser primeiro quadro, último quadro ou referência de personagem
4–15 s
Áudio nativo; imagens de até 30 MB e 300–6000 px por lado; um dos caminhos de vídeo no SceneMixer
2026-09-05, conforme a documentação da API do Ark
Wan 3.0 (Alibaba Cloud Model Studio)
Até 10 imagens de referência, 5 vídeos de referência e 5 áudios de referência por requisição; prompt de até 20.000 caracteres
2–30 s
480P / 720P / 1080P; gerações que falham não são cobradas; o outro caminho de vídeo no SceneMixer
2026-09-05, conforme a documentação da API do Model Studio
Outros modelos de vídeo
A maioria aceita referências de imagem ou primeiro/último quadro
Varia
Os limites mudam com frequência; independentemente do modelo, o método da folha branca mais placa neutra é o mesmo
2026-09-05
Apenas células verificadas estão preenchidas; espaços em branco são espaços em branco, não suposições. O que decide a consistência não é se o limite é 9 referências ou 50, mas se as poucas que você anexa são neutras.
Checklist de aceitação: cinco planos do mesmo personagem lado a lado
☐ Formato do rosto, sobrancelhas, olhos, nariz e lábios parecem a mesma pessoa nos cinco planos.
☐ A âncora visual (cicatriz, sinal, joia, corte de cabelo) está presente e no mesmo lugar em todos os planos.
☐ Dentro de uma mesma cena, direção da luz e temperatura de cor combinam; não há plano quente ao lado de um plano frio.
☐ Figurino e adereços de mão são contínuos dentro do segmento; nada aparece nem desaparece.
☐ Nenhum personagem ausente entra em cena; não aparece um segundo "protagonista".
☐ A pele tem textura e sombreamento gradual, não uma superfície plástica chapada.
Quando um plano falhar, volte para a camada à qual ele corresponde e conserte essa camada. "Reforçar o prompt" não é uma solução.
Por que as imagens de referência de personagem precisam de fundo branco?
Porque qualquer luz e fundo gravados na referência são herdados por todos os planos em que o personagem aparece. Uma ficha feita sob luz fria noturna faz cenas diurnas ficarem frias; um adereço no fundo é reinterpretado como parte do personagem. Um fundo branco com uma única luz principal direcional a cerca de 75 graus registra só a estrutura do rosto e não carrega informação de cena, então a iluminação de qualquer plano pode sobrescrevê-la.
Como corrijo personagens inconsistentes em vídeo de IA?
Faça o diagnóstico por camada antes de mexer nos prompts. Rostos diferentes entre planos é problema na ficha de personagem: verifique iluminação chapada ou rosto muito pequeno no quadro. Rosto certo, mas figurino ou luz que mudam sem sentido é a placa de cena e a iluminação do plano conflitando entre si. Posições e ações que não se conectam dentro de um segmento são falta de continuidade no storyboard. Cada camada tem sua própria correção; reescrever um prompt gigante piora os três problemas.
Consigo manter um personagem consistente só descrevendo o rosto em cada prompt?
Não. Ao longo de dezenas de gerações, a descrição é diluída pelas instruções de ação, cenário e iluminação de cada segmento, e o modelo recai em um rosto genérico e atraente. O método estável é anexar a mesma ficha de personagem como imagem de referência em cada geração e deixar o texto carregar só a ação e a emoção daquele segmento.
Quantas imagens de referência cada personagem precisa?
No mínimo uma ficha de corpo inteiro em 9:16 sobre fundo branco. Personagens principais se beneficiam de um corte adicional do rosto para closes. Personagens com casacos longos ou vestes tendem a ser engolidos pelo figurino no quadro de corpo inteiro, então vale a pena adicionar uma ficha separada de meio corpo que mostre o rosto.
As três camadas fazem parte do fluxo
O texto de aparência vindo da análise vira o tema da ficha; fichas brancas e placas neutras acompanham cada segmento que você gera.
