在 24 集 AI 视频中保持面部一致
为什么AI 视频会在镜头之间漂移、实际锁定角色的三个杠杆(外观提示、参考图像、种子)、仍然会损坏的内容以及如何重新拍摄单个镜头而不是剧集。
每个工作室问AI剧的第一个问题不是“它看起来真实吗”。是“19集中的同一个人吗”。观众会原谅稍微有点塑料的手。他们不会原谅一个下巴、发际线和眼睛颜色在场景之间发生变化的主角——这会被认为是一个错误,而错误就会打破魔咒。
以下是实际控制一致性的因素(按影响顺序)。
第一级:外观提示,编写一次,从未编辑过
查看提示是一个简短、无聊、具体的段落,仅描述相机可以看到的内容:
女人,二十多岁,东亚人,瓜子脸,黑直发及肩胛骨,细眉毛,左眼下有小痣,灰色西装外套搭配白衬衫,不戴珠宝,表情中性。
使外观提示发挥作用的三个规则:
- **只有可见的属性。**没有个性,没有背景故事,没有“自信”。模型无法渲染自信;它可以渲染下巴角度。
- ** 仅永久功能。** 每个场景发生变化的任何内容(湿头发、绷带、外套)都属于镜头提示,而不是外观提示。
- **一个识别细节。**一颗痣、一道疤痕、一个特定的耳环。这是观看者用来在剪辑中确认身份的东西,也是模型所抓住的东西。
然后,每个镜头提示都会按名称引用角色,并逐字继承外观提示。如果您编辑剧集 12 中的外观提示,则剧集 1–11 现在是不同的人。
第二杆:锁定的参考图像
文字独自漂移。参考图像锚定脸部。我们为每个角色存储一个规范帧——中性光、中性表情、正面——并在每个镜头中传递它。
实用注意事项:
- 以您需要的最高分辨率生成参考。比输出更柔和的参考将成为上限。
- 保持参考表达中立。微笑的参考将随后的每一个镜头都推向微笑,包括葬礼场景。
- 每个字符一个参考,而不是一个文件夹。多个参考给了模型一个选择,它在不同的日子会有不同的选择。
第三级:每个角色一个固定种子
种子并不神奇,但它们可以免费消除一个差异来源。修复每个角色的种子,并且仅当您故意想要变化时才更改它(梦境序列,具有不同照明的闪回)。
| 环境 | 固定的 | 各不相同 |
|---|---|---|
| 看提示 | ✅ 每个角色 | — |
| 参考图片 | ✅ 每个角色 | — |
| 种子 | ✅ 每个角色 | 仅在有意时才达到射击水平 |
| 射击提示 | — | ✅ 每次拍摄 |
| 灯光/镜头 | — | ✅ 每个场景 |
| 衣柜 | — | ✅ 每个场景,明确描述 |
什么仍然打破
在这里,诚实比营销更重要。这些是我们仍然看到的失败:
- 极端角度。 侧面和低角度拍摄比正面拍摄漂移更多。预算英雄侧面镜头的重新渲染。
- 手特写。 在 1/8 帧,手仍然变形。围绕它书写:剪切到脸部,或将物体移出画面。
- 人群. 任何超过三个人的镜头都会失去身份分配——模型会很乐意交换两个线索。保持集体照宽而短。
- 长镜头. 单次拍摄超过 12 秒后,功能开始下滑。正是出于这个原因,我们的拍摄单位是 5 秒;长镜头是在剪辑中组合而成的,而不是一次性生成的。
- 跨语言语音。 克隆语音不会自动说出具有相同音色的第二语言。如果您进行本地化,则需要重新调整每种语言的声音,并提前告知您的客户。
重新拍摄一个镜头,而不是一集
由于镜头是单独渲染的,因此修复失败的成本很低:识别镜头,调整一个变量(角度、光照或提示中的单个形容词),重新渲染。成本是一个镜头 - 1080p 5 秒的 22 学分 - 而不是 75 秒剧集的 ~430 学分成本。
工作流程规则如下: ** 永远不要仅仅因为剧集的其余部分已经完成就接受你不会放在客户面前的镜头。 ** 镜头 9 中一张飘动的脸将是人们唯一提到的事情。