Консистентность персонажей в AI-короткометражках (2026): почему лица меняются между кадрами и три уровня, которые их фиксируют
Обновлено 12 сентября 2026 г.
Короткий ответ: Консистентность персонажей в AI-короткометражках означает, что один персонаж сохраняет одинаковое лицо, одинаковую одежду и реквизит, а также одинаковое художественное оформление на десятках и сотнях кадров в сериале. В 2026 году это первая причина, по которой платформы и зрители отклоняют AI-сериалы. Это не решается формулировками промптов. Консистентность фиксируется на трёх отдельных уровнях: лист персонажа (белый фон, направленный свет, сначала идентифицирующие черты), сцена-плейт (пустая декорация, три плана глубины, описывается источник света, а не то, куда он падает) и межкадровая преемственность внутри сториборда (действия и позиции переносятся, никогда не упоминаются люди, которых нет в кадре). У «плывущего» лица три основные причины, и каждая соответствует одному уровню: текстовые описания размываются, референсы несут встроенный свет, а между кадрами нет якоря. Ниже — что делать на каждом уровне, таблица ввода референсов и чек-лист приёмки на 5 кадров.
Пример: «Клятва орла» — Реалистичное HD, 1 эпизод, полностью создано SceneMixer по сценарию · смотреть серии
Что значит «консистентно»: три уровня
Идентифицирующие черты: форма лица, брови и глаза, нос и губы, тон кожи, волосы, телосложение, видимый возраст, плюс один мгновенно узнаваемый якорь (шрам, родинка, украшение, стрижка). Передаётся листом персонажа.
Одежда, грим и реквизит: что персонаж носит и держит в этой сцене, что находится в декорации. Передаётся описанием костюма для каждого персонажа из анализа сценария и сценой-плейтом. Костюм подбирается для каждого персонажа и его социального статуса, а не одним тегом стиля для всего сериала.
Свет и художественное оформление: цветовая дисциплина, материалы, плотность декораций, где находится источник света. Передаётся сценой-плейтом и строками про освещение в каждом кадре. Сами референс-изображения должны оставаться нейтральными.
Почему лица плывут: три основные причины
Симптом
Основная причина
Уровень
У одного и того же персонажа новое лицо каждые несколько сегментов, и постепенно оно становится типовым
Размытое описание: описание лица находится посреди длинных инструкций про действия и технику, и модель откатывается к своему приоритету «привлекательное лицо»
Уровень 1: идентичность не на первом месте в промпте для листа, или лист не прикреплён как референс при каждой генерации
Лицо правильное, но свет и цветовая температура скачут между кадрами одной сцены
Встроенный свет: лист или плейт несут драматическое освещение, которое наследуется каждым кадром и потом конфликтует с собственным освещением сториборда
Уровень 2: референсы не нейтральны
Позиции, действия и реквизит не связаны внутри одного сегмента; в сцену заходят люди, которых там не должно быть
Нет якоря между кадрами: преемственность не прописана, или в сториборде упоминаются отсутствующие люди в отрицательных формулировках («Х выходит из кадра»)
Уровень 3: преемственность
Уровень 1: лист персонажа
Лист нужен для узнаваемости, а не для настроения. Четыре жёстких правила:
Чисто белый фон, отдельным пунктом. Укажите это как самостоятельное ограничение и повторите в списке запретов. Если затерять это в другом абзаце, правило перезапишется.
Нет плоскому свету. «Равномерное освещение, без теней» — рецепт пластикового лица: плоский свет стирает текстуру кожи и структуру костей. Пропишите один направленный ключевой свет примерно под 75 градусов с заполняющим и контровым, и попросите тень под носом и скулой, блик в глазах и плавное затухание света.
Сначала идентичность. Фиксированный порядок промпта: идентифицирующие черты субъекта → блокировка идентичности (без лица инфлюенсера, без сглаживания отличительных черт) → технический блок → ограничения по кадрированию. Анализ сценария даёт очень подробный текст о внешности (структура костей, родинки, шрамы); он должен идти первым, а не стоять посередине.
Лицо > поза > костюм, а выражение должно работать. Заявите, что это лукап-тест актёра, а не кадр с одеждой для маркетплейса; запретите отъезжать камерой назад, чтобы показать костюм за счёт лица. Не пишите «нейтральное выражение»: это стирает ту самую черту (например, острый, как лезвие, взгляд), которая делает персонажа узнаваемым.
Известная проблема: персонажи в длинных пальто или робах «тонут» в одежде на полноростовом кадре 9:16: пальто занимает семьдесят процентов изображения, а лицо уменьшается. Это физическое ограничение кадрирования. Исправление — отдельный поясной лист, на котором сохранено лицо, ценой ещё одного изображения на персонажа.
В SceneMixer поле внешности, полученное из анализа сценария, напрямую становится субъектом промпта для листа. Каждому персонажу достаётся один полноростовой лист 9:16 на белом фоне, с автоматически вырезанными кропами лица и по пояс, и каждая последующая генерация видео прикрепляет референсы этого персонажа. Прежде чем оценивать качество листа, уточните, какая модель изображений его создала: размер вывода и приоритеты сильно различаются между моделями, и доказательство — это размеры изображения и запись задачи, а не догадка.
Уровень 2: сцена-плейт
Изображение сцены — это пустой «плейт», на который ссылается видеомодель. Стандарт снова — нейтральность:
Без людей. Передавайте масштаб собственными частями здания (дверь высотой в два человека, стол шириной в одну руку).
Три плана глубины. Передний, средний и задний план с явно прописанными материалами и наполнением, чтобы у модели было место разместить камеру.
Описывайте, откуда идёт свет, а не куда он падает. Пишите «тепло-белый подвесной светильник бросает мягкий свет сверху справа», а не «свет освещает столешницу». Не прописывайте линию раздела теней и избегайте насыщенных цветовых слов: 3200 К на коже — это тепло-белый, а «жёлтый» даст вам жёлтую краску.
Без атмосферной цветокоррекции. Без настроенческой коррекции, силуэтов, тумана или лучей света, и без старых триггерных слов (cinematic, dramatic, 8K). Туман на плейте появится в каждом кадре этой сцены.
Художественное оформление — это проектная настройка, которая поступает в изображения сцен, изображения реквизита и видеопромпты, и никогда не в лист персонажа, иначе лист на белом фоне будет освещён как декорация.
Уровень 3: преемственность в сториборде
Длинные сегменты, короткие кадры. Один сегмент — это один вызов генерации, его длительность должна быть близка к потолку в 15 секунд; ускоряйте темп за счет сокращения отдельных кадров, а не разрезания сегмента. Каждый лишний сегмент заставляет модель заново выстраивать позиции с первого кадра и ломает непрерывность.
Сохраняйте состояние внутри сегмента. Где персонаж сидит, что держит и что делал в конце предыдущего кадра — там он должен быть и в начале следующего.
Пишите только тех, кто в кадре. Никогда не упоминайте отсутствующих. Фразы вроде «Марк уходит» или «Анны нет в кадре» повышают шанс, что они появятся: существительные в отрицаниях работают как аттракторы для модели.
Освещение по источнику. То же правило, что и для плейта. Положение света, тип и цветовая температура указываются один раз, без повторов и противоречий.
Референсные входы по моделям
Модель
Референсные входы
Длительность клипа
Примечания
Проверено
Seedance 2.0 (Volcano Engine Ark)
Текст плюс референсы изображений, видео и аудио; изображения могут быть первым кадром, последним кадром или референсом персонажа
4–15 с
Нативный звук; изображения до 30 МБ, размер стороны 300–6000 px; один из путей генерации видео в SceneMixer
2026-09-05, по документации Ark API
Wan 3.0 (Alibaba Cloud Model Studio)
До 10 референсных изображений, 5 референсных видео и 5 референсных аудио на запрос; промпт до 20 000 символов
2–30 с
480P / 720P / 1080P; неудавшиеся генерации не тарифицируются; второй путь генерации видео в SceneMixer
2026-09-05, по документации Model Studio API
Другие видеомодели
Большинство принимают референсные изображения или первый/последний кадр
Различается
Лимиты часто меняются; независимо от модели метод белого листа и нейтрального плейта работает одинаково
2026-09-05
Заполнены только проверенные ячейки; пустые ячейки — это пустые ячейки, а не догадки. Стабильность определяется не тем, 9 у вас референсов или 50, а тем, насколько нейтральны те немногие, что вы прикладываете.
Чек-лист приемки: пять кадров одного персонажа подряд
☐ Форма лица, брови, глаза, нос и губы воспринимаются как один и тот же человек во всех пяти кадрах.
☐ Визуальный якорь (шрам, родинка, украшение, стрижка) присутствует и находится на одном и том же месте в каждом кадре.
☐ В пределах одной сцены направление света и цветовая температура совпадают; нет теплых кадров рядом с холодными.
☐ Костюм и ручной реквизит не меняются внутри сегмента, ничего не появляется и не исчезает.
☐ Отсутствующие персонажи не входят в кадр; не появляется второй «главный герой».
☐ Кожа имеет текстуру и плавные тени, а не выглядит как плоская пластиковая поверхность.
Если кадр не получился, вернитесь к слою, за который он отвечает, и исправьте именно этот слой. «Усилить промпт» — это не исправление.
Почему референсные изображения персонажей нужны на белом фоне?
Потому что свет и фон, запеченные в референс, наследуются каждым кадром, где появляется этот персонаж. Снимок листа в холодном ночном свете заставит дневные сцены уходить в холодные тона; реквизит на фоне будет перерисовываться как часть персонажа. Белый фон с одним направленным ключевым светом под углом около 75 градусов фиксирует только структуру лица и не несет информации о сцене, поэтому освещение любого кадра может его переопределить.
Как исправить нестабильных персонажей в AI-видео?
Прежде чем трогать промпты, проведите диагностику по слоям. Разные лица в разных кадрах — это проблема листа персонажа: проверьте, нет ли плоского освещения или слишком маленького лица в кадре. Лицо то же самое, но костюм и свет скачут — это конфликт между плейтом сцены и освещением кадра. Позиции и действия, которые не стыкуются внутри одного сегмента — это отсутствие непрерывности в сториборде. У каждого слоя свое исправление; переписывание одного большого промпта испортит все три сразу.
Можно ли сохранить стабильность персонажа, просто описывая его лицо в каждом промпте?
Нет. Через десятки генераций описание размывается инструкциями для действий, обстановки и освещения каждого сегмента, и модель откатывается к обобщенному привлекательному лицу. Стабильный метод — прикладывать один и тот же лист персонажа как референсное изображение к каждой генерации, а в тексте оставлять только действия и эмоции для конкретного сегмента.
Сколько референсных изображений нужно каждому персонажу?
Как минимум один полноростовый лист 9:16 на белом фоне. Главным персонажам полезен дополнительный кроп лица для крупных планов. Персонажи в длинных пальто или робах часто теряются за костюмом в полноростовом кадре, поэтому отдельный полу ростовый лист с лицом стоит дополнительного изображения.
Три слоя встроены в пайплайн
Текстовое описание внешности из анализа становится содержанием листа; белые листы и нейтральные плейты автоматически прикладываются к каждому генерируемому сегменту.
