So bleiben Charaktere und Orte in KI-Aufnahmen konsistent

Jedes narrative KI-Video stößt an dieselbe Wand: Aufnahme eins liefert einen perfekten Charakter, und bei Aufnahme vier hat sie ein anderes Gesicht, eine andere Jacke und einen anderen Haaransatz. Videomodelle haben kein Gedächtnis zwischen den Generationen. Konsistenz ist nichts, wonach man fragt – es ist ein System, das man um das Modell herum aufbaut: ein Referenzbild, ein eingefrorener Beschreibungsblock und ein Bearbeitungsdurchlauf, der die letzten zwanzig Prozent absorbiert.

Dieser Leitfaden baut dieses System auf. Das durchgehende Beispiel ist eine Feldbotanikerin, die an zwei Orten auftaucht – einer biolumineszenten Mooshöhle und einem Dschungelpfad – generiert aus demselben Charakterblatt. Sie benötigen ein Bildmodell für das Referenzblatt und ein Videotool, das Bildreferenzen akzeptiert, wie z.B. /studio.

Das Referenzblatt ist Ihr Gedächtnis

Bevor Sie Filmmaterial generieren, entwerfen Sie den Charakter einmal als Ganzkörper-Standbild. Dieses einzelne Bild wird als Referenz für jede nachfolgende Aufnahme übergeben, was die Identität weitaus besser verankert als jedes Prompt-Adjektiv. Schreiben Sie den Blatt-Prompt wie ein Casting-Aufruf: Garderobe, Haare, Accessoires, Pose, Hintergrund.

Full-body character design of a woman in her thirties,
a field botanist: olive field jacket with rolled sleeves,
round glasses, dark hair in a single braid, canvas satchel,
standing relaxed pose facing camera, neutral light-grey
studio background, soft even lighting, consistent character
reference sheet look.

Drei Regeln für das Blatt selbst. Neutraler grauer Studiohintergrund, damit keine Umgebung in die Referenz einfließt. Flache, gleichmäßige Beleuchtung, damit das Videomodell die Form und nicht die Stimmung liest. Entspannte stehende Pose zur Kamera, da extreme Posen jede nachfolgende Generierung kontaminieren. Generieren Sie zwei oder drei Kandidaten und wählen Sie einen aus, bevor Sie fortfahren; wechseln Sie niemals Blätter mitten im Projekt.

Eine Referenz, zwei Orte

ONE REFERENCE, TWO LOCATIONS

INPUT

PROMPT

The botanist kneels in a bioluminescent moss cave at night, lifting a glowing fern leaf toward her lantern, awe on her face, medium shot, cool teal glow against warm lantern light, gentle handheld drift.

OUTPUT — GENERATED WITH MANIFOLDGEN

Aufnahme 1 – Mooshöhle · 4s

Aufnahme 2 – Dschungelpfad · 4s

Beide Aufnahmen verwenden dasselbe Charakterblatt als Bildreferenz, während die Prompts nur Ort, Aktion und Licht ändern. Prompt für Aufnahme 2: „Die Botanikerin bahnt sich ihren Weg durch einen sonnenbeschienenen Dschungelpfad, teilt Blätter mit einer Hand, Verfolgungsaufnahme von vorne im Gehtempo, gesprenkeltes grünes Licht, dokumentarischer Realismus, derselbe Charakter wie in der Referenz.“ Die Identität bleibt erhalten, weil sie vom Bild und nicht vom Text stammt.

Beachten Sie, was sich zwischen den Aufnahmen geändert hat und was nicht. Ort, Aktion, Kamerabewegung und Beleuchtung sind pro Aufnahme neu. Garderobe, Brille, Zopf und Umhängetasche erscheinen nirgendwo in den Prompt-Beschreibungen der Aufnahmen – sie werden durch das Referenzbild eingebracht. Diese Arbeitsteilung ist die gesamte Technik: Das Bild besitzt die Identität, der Prompt die Inszenierung.

Beschreibungen wortwörtlich wiederholen

Die Referenz leistet den größten Teil der Arbeit, aber Text sickert immer noch ein. Wenn ein Charakter in Prosa beschrieben werden muss – Nahaufnahmen, bei denen das Blatt schlecht zugeschnitten ist, oder Modelle ohne Referenzunterstützung – kopieren Sie den genauen Satzblock jedes Mal:

• Erstelle einen kanonischen Beschreibungsstring pro Charakter („Frau in ihren Dreißigern, olivfarbene Feldjacke mit hochgekrempelten Ärmeln, runde Brille, dunkles Haar im einzelnen Zopf, Canvas-Umhängetasche“) und füge ihn unverändert in jeden Prompt ein, der sie benennt.
• Niemals paraphrasieren. „Dunkles geflochtenes Haar“ und „einzelner Zopf“ erzeugen in großem Maßstab unterschiedliche Personen.
• Setzen Sie den Deskriptor unmittelbar nach dem Charakternamen oder Pronomen, vor den Aktionsverben – eine frühe Position im Prompt hat mehr Gewicht.
• Machen Sie dasselbe für wiederkehrende Requisiten: die Laterne, die Satteltasche, der Farn. Benannte Requisiten erhalten ebenfalls feste Formulierungen.
• Speichern Sie alle festen Zeichenfolgen in einer Notizdatei pro Projekt. Wenn Sie einen Charakter überarbeiten, überarbeiten Sie die Datei einmal und generieren Sie neu.

Führen Sie eine Orts-Bibel

Charaktere erhalten Referenzbilder; Orte erhalten benannte Details. Eine Orts-Bibel ist eine kurze Liste konkreter, wiederholbarer Merkmale pro Set: Die Mooshöhle hat einen engen Eingangsschacht, einen flachen Pool, der das Leuchten reflektiert, und Farnbüschel auf gestuften Felsvorsprüngen. Jede dort aufgenommene Szene verwendet diese Substantive wortwörtlich wieder, genau wie Charakterbeschreibungen.

Benannte Details sind atmosphärischen Wörtern überlegen, da sie die Prompt-Kompression überleben. „Biolumineszierende Höhle“ wird jedes Mal anders generiert; „flacher Pool, der blaugrünes Leuchten unter gestuften Felsvorsprüngen reflektiert“ rekonstruiert den Raum erkennbar gleich. Für Hauptschauplätze generieren Sie ein einleitendes Standbild pro Winkel und verwenden es als Bildreferenz, so wie Sie das Charakterblatt verwenden – derselbe Mechanismus, angewendet auf Sets.

[Character name], [frozen descriptor block verbatim],
[action], [location with bible details],
[shot size], [camera move], [lighting],
[reference image attached].

Wenn die Identität dennoch abweicht

• Gesicht ändert sich, aber Garderobe bleibt – Referenzbild war zu eng beschnitten. Generieren Sie das Blatt ganzkörperlich mit klarem Kopfraum und sichtbaren Händen neu.
• Garderobe ändert sich mitten in der Szene – der Beschreibungsblock wurde paraphrasiert oder weggelassen. Stellen Sie die wortwörtliche Zeichenfolge neben dem Charakternamen wieder her.
• Charakter sieht richtig aus, aber das Alter verschiebt sich von Aufnahme zu Aufnahme – fügen Sie die Altersangabe zum festen Block hinzu („in ihren Dreißigern“), anstatt sich nur auf die Referenz zu verlassen.
• Beleuchtungsstil überlagert die Identität – extremer Farbkontrast (Türkis gegen Warm) kann Gesichtsdetails verwischen. Mildern Sie das Hauptlicht oder verkürzen Sie die Haltezeiten bei diesen Aufnahmen.
• Ort sieht nach einem Schnitt anders aus – die Details der Bibel wurden weggelassen. Fügen Sie die Liste der benannten Details wieder in den Prompt der zurückkehrenden Aufnahme ein.
• Alles funktioniert fast – hören Sie auf zu regenerieren. Schneiden Sie früher, schneiden Sie dazwischen und gradieren Sie; das Publikum liest Sequenzen, nicht Einzelbilder.

Erstellen Sie das Blatt einmal, fixieren Sie die Beschreibungszeichenfolgen, protokollieren Sie Ihre Orte und generieren Sie dann beide Testaufnahmen nebeneinander im Studio, um die Übereinstimmung zu überprüfen, bevor Sie eine vollständige Szene produzieren. Die filmischen Kamera-Presets in /tools/cinematic-cameras halten die Bewegungssprache so diszipliniert wie das Identitätssystem.