Узгодженість персонажів у AI-короткометражних драмах (2026): чому обличчя змінюються між кадрами та три рівні, які їх фіксують
Оновлено 12 вересня 2026 р.
Коротка відповідь: Узгодженість персонажів у AI-короткометражних драмах означає, що один персонаж зберігає те саме обличчя, той самий гардероб і реквізит, а також той самий художній напрямок у десятках і сотнях кадрів серіалу. У 2026 році це є першою причиною, через яку платформи та глядачі відкидають серіали, створені штучним інтелектом. Це не вирішується підбором слів у промпті. Це фіксується на трьох окремих рівнях: картка персонажа (білий фон, спрямоване світло, спочатку ідентифікаційні ознаки), сценічна плита (порожня декорація, три плани глибини, опис джерела світла, а не місця, куди воно падає) та наскрізна неперервність між кадрами всередині сторіборду (дії та позиції переносяться, ніколи не називайте людей, яких немає в кадрі). Зміщення обличчя має три основні причини, і кожна відповідає одному рівню: текстові описи розмиваються, референси містять вбудоване світло, а між кадрами немає опори. Нижче: що робити на кожному рівні, таблиця введення референсів і чек-лист приймання з 5 кадрів.
Зразок: «Клятва орла» — Реалістична HD-якість, 1 епізод, створено повністю в SceneMixer зі сценарію · дивитися серії
Що означає «узгоджений»: три рівні
Ідентифікаційні ознаки: форма обличчя, брови та очі, ніс і губи, тон шкіри, волосся, статура, видимий вік, а також один миттєво впізнаваний маркер (шрам, родимка, прикраса, стрижка). Передаються карткою персонажа.
Гардероб, макіяж і реквізит: що цей персонаж носить і тримає в цій сцені, а також що містить декорація. Передаються описом костюма для кожного персонажа, отриманим під час аналізу сценарію, та сценічною плитою. Костюм підбирається для кожного персонажа та його соціального класу, а не одним тегом стилю для всього серіалу.
Світло та художній напрямок: колірна дисципліна, матеріали, щільність декорацій, де знаходиться джерело світла. Передаються сценічною плитою та рядками про освітлення в кожному кадрі. Самі референсні зображення мають залишатися нейтральними.
Чому обличчя зміщуються: три основні причини
Симптом
Основна причина
Рівень
Той самий персонаж отримує нове обличчя кожні кілька сегментів і поступово стає узагальненим
Розмитий опис: опис обличчя знаходиться посеред довгих інструкцій про дії та технічні деталі, і модель повертається до свого попереднього налаштування «привабливе обличчя»
Рівень 1: ідентифікація не стоїть першою в промпті для картки, або картка не додається як референс під час кожної генерації
Правильне обличчя, але світло та колірна температура стрибають між кадрами однієї сцени
Вбудоване світло: картка або плита містять драматичне освітлення, яке успадковує кожен кадр, а потім воно конфліктує з власним освітленням сторіборду
Рівень 2: референси не є нейтральними
Позиції, дії та реквізит не пов'язані всередині одного сегмента; люди, яких немає в сцені, заходять у кадр
Немає опори між кадрами: неперервність не прописана, або сторіборд називає відсутніх людей у негативних формулюваннях («Х виходить з кадру»)
Рівень 3: неперервність
Рівень 1: картка персонажа
Картка потрібна для впізнаваності, а не для настрою. Чотири жорсткі правила:
Чисто білий фон, окремим пунктом. Вкажіть це як самостійне обмеження та повторіть у списку заборон. Якщо заховати це в іншому абзаці, правило буде проігноровано.
Без плоского світла. «Рівномірне освітлення, без тіней» — це рецепт пластикового обличчя: плоске світло стирає текстуру шкіри та структуру кісток. Напишіть про одне спрямоване ключове світло під кутом приблизно 75 градусів із заповнювальним і контровим світлом, попросіть тінь під носом і вилицею, відблиск в очах і поступове згасання світла.
Спочатку ідентифікація. Фіксований порядок промпту: ідентифікаційні ознаки об'єкта → фіксація ідентичності (без обличчя інфлюенсера, без згладжування характерних ознак) → технічний блок → обмеження кадрування. Аналіз сценарію дає дуже детальний текст зовнішності (структура кісток, родимки, шрами); він має йти першим, а не стояти посередині.
Обличчя > постава > костюм, а вираз має бути акторським. Зазначте, що це проба зовнішності актора, а не знімок одягу для інтернет-магазину; забороніть віддаляти камеру, щоб показати костюм за рахунок голови. Не пишіть «нейтральний вираз»: це видаляє ту саму якість (наприклад, гострий, як лезо, погляд), яка робить персонажа впізнаваним.
Відома проблема: персонажі в довгих пальтах або мантіях «поглинаються» одягом у повноростовому кадрі 9:16: пальто заповнює сімдесят відсотків зображення, а обличчя зменшується. Це фізичне обмеження кадрування. Виправлення — окрема напівзростова картка, яка фіксує обличчя, ціною ще одного зображення на персонажа.
У SceneMixer поле зовнішності, створене під час аналізу сценарію, стає темою промпту для картки безпосередньо. Кожен персонаж отримує одну повноростову картку 9:16 на білому тлі з автоматично вирізаними кадрами обличчя та напівзростовими кадрами, і кожна наступна генерація відео додає референси цього персонажа. Перш ніж оцінювати якість картки, перевірте, яка модель зображень її створила: розмір виводу та попередні налаштування сильно відрізняються між моделями, а доказом є розміри зображення та запис завдання, а не припущення.
Рівень 2: сценічна плита
Зображення сцени — це порожня «плита», на яку посилається відеомодель. Стандарт знову полягає в нейтральності:
Без людей. Передавайте масштаб власними частинами будівлі (двері заввишки у дві людини, стіл завширшки в одну руку).
Три плани глибини. Передній, середній і задній плани з явно вказаними матеріалами та наповненням, щоб модель мала місце для розміщення камери.
Описуйте, звідки світло приходить, а не куди воно падає. Пишіть «тепло-білий підвісний світильник кидає м'яке світло вниз з верхнього правого кута», а не «світло освітлює стільницю». Не пишіть про лінію різкого переходу тіні та уникайте насичених кольорових слів: 3200 К на шкірі — це тепло-білий, а «жовтий» дасть вам жовту фарбу.
Без атмосферної корекції. Без корекції під настрій, силуетів, туману чи променів світла, а також без старих тригерних слів (кінематографічний, драматичний, 8K). Туман на плиті з'явиться в кожному кадрі цієї сцени.
Художній напрямок — це налаштування на рівні проєкту, яке живить зображення сцен, зображення реквізиту та відеопромпти, і ніколи не застосовується до картки персонажа, інакше картка на білому тлі буде освітлена так само, як декорація.
Рівень 3: неперервність у сторіборді
Довгі сегменти, короткі кадри. Один сегмент — це один запит на генерацію, його тривалість має бути близькою до межі в 15 секунд; прискорюйте темп, скорочуючи окремі кадри, а не розрізаючи сегмент. Кожен додатковий сегмент перезапускає позиції з нового першого кадру і руйнує безперервність.
Зберігайте стан всередині сегмента. Те, де сидить персонаж, що він тримає і що робив наприкінці попереднього кадру, має бути там само на початку наступного.
Пишіть лише про тих, хто в кадрі. Ніколи не згадуйте відсутніх персонажів. Фрази на кшталт «Марк виходить» або «Анни немає» підвищують імовірність їхньої появи, адже іменники в запереченні працюють як принади.
Освітлення за причиною. Те саме правило, що й для плану. Положення світла, його тип і тональність вказуйте один раз, без повторів і суперечностей.
Референсні вхідні дані за моделями
Модель
Референсні вхідні дані
Тривалість кліпу
Примітки
Перевірено
Seedance 2.0 (Volcano Engine Ark)
Текст плюс референси зображень, відео та аудіо; зображення можуть бути першим кадром, останнім кадром або референсом персонажа
4–15 с
Вбудоване аудіо; зображення до 30 МБ, розмір сторони 300–6000 пікселів; один із відеошляхів у SceneMixer
2026-09-05, згідно з документацією Ark API
Wan 3.0 (Alibaba Cloud Model Studio)
До 10 референсних зображень, 5 референсних відео та 5 референсних аудіо на запит; промпт до 20 000 символів
2–30 с
480P / 720P / 1080P; невдалі генерації не тарифікуються; інший відеошлях у SceneMixer
2026-09-05, згідно з документацією Model Studio API
Інші відеомоделі
Більшість приймає референсні зображення або перший/останній кадр
Різна
Обмеження часто змінюються; незалежно від моделі метод білого аркуша та нейтрального плану працює однаково
2026-09-05
Заповнено лише перевірені комірки; порожні місця — це не припущення. Послідовність визначається не тим, чи ліміт 9 референсів чи 50, а тим, чи є ті кілька, які ви додаєте, нейтральними.
Чек-лист приймання: п'ять кадрів одного персонажа поруч
☐ Форма обличчя, брови, очі, ніс і губи сприймаються як одна особа на всіх п'яти кадрах.
☐ Візуальний орієнтир (шрам, родимка, прикраси, стрижка) присутній і на тому самому місці в кожному кадрі.
☐ У межах однієї сцени напрямок світла та колірна температура збігаються; немає теплого кадру поруч із холодним.
☐ Костюм і ручні реквізити безперервні всередині сегмента, нічого не з'являється і не зникає.
☐ Відсутній персонаж не заходить у кадр; не з'являється другий «головний герой».
☐ Шкіра має текстуру та плавні тіні, а не пласку пластмасову поверхню.
Якщо кадр не вийшов, поверніться до шару, якому він відповідає, і виправте цей шар. «Посилити промпт» — це не виправлення.
Чому референсні зображення персонажів мають бути на білому тлі?
Тому що будь-яке світло і тло, вбудовані в референс, успадковуються кожним кадром, де з'являється цей персонаж. Аркуш, знятий під холодним нічним світлом, робить денні сцени холоднішими; реквізит на тлі перемальовується як частина персонажа. Біле тло з одним спрямованим ключовим світлом під кутом приблизно 75 градусів фіксує лише структуру обличчя і не несе інформації про сцену, тому освітлення будь-якого кадру може його перекрити.
Як виправити непослідовних персонажів в AI-відео?
Перш ніж торкатися промптів, діагностуйте проблему за шарами. Різні обличчя в кадрах — це проблема аркуша персонажа: перевірте, чи не пласке освітлення, чи не надто маленьке обличчя в кадрі. Правильне обличчя, але стрибки світла на костюмі — це конфлікт між сценічним планом і освітленням кадру. Позиції та дії, які не стикуються всередині одного сегмента, — це відсутність безперервності в storyboard. Кожен шар має своє виправлення; переписування одного великого промпту погіршує всі три проблеми.
Чи можна зберегти послідовність персонажа, просто описуючи обличчя в кожному промпті?
Ні. Через десятки генерацій опис розмивається інструкціями до дій, оточення та освітлення кожного сегмента, і модель повертається до узагальненого привабливого обличчя. Стабільний метод — прикріплювати той самий аркуш персонажа як референсне зображення до кожної генерації, а в тексті залишати лише дію та емоції для цього сегмента.
Скільки референсних зображень потрібно кожному персонажу?
Як мінімум один повноростовий аркуш 9:16 на білому тлі. Головним персонажам варто додати кроп обличчя для великих планів. Персонажі в довгих пальтах або мантіях часто «тонуть» у костюмі на повноростовому кадрі, тому окремий напівзростовий аркуш з обличчям виправдовує додаткове зображення.
Три шари вбудовані в пайплайн
Текст опису зовнішності після аналізу стає основою аркуша; білі аркуші та нейтральні плани додаються до кожного сегмента, який ви генеруєте.
