Waarom verandert het gezicht van je AI-personage steeds?

Je schreef twee keer dezelfde prompt en kreeg twee verschillende mensen. Dat is niet omdat het model koppig is — het is omdat het model precies doet waarvoor het gebouwd is. Niets in een tekst-naar-afbeelding-pipeline draagt je personage over van de ene run naar de volgende, behalve de dingen die je bewust meeneemt. Zodra je ziet welke invoer de identiteit beïnvloedt, worden de oplossingen duidelijk.

Een model weet niet wie je personage is

Generatie is voorwaardelijke sampling: prompt + seed + gewichten gaan erin, één sample komt uit een enorme distributie van mogelijke mensen. "Maya, 28, donker haar, groene ogen" beschrijft duizenden plausibele gezichten. Elke generatie kiest één punt in die ruimte. Verander een invoer zelfs maar een beetje en je komt op een ander punt terecht — meestal een andere persoon.

Wat een gezicht daadwerkelijk verandert tussen runs

• Seed — different initial noise produces a structurally different person before your prompt has any say.
• Prompt wording — synonyms, adjective order, and added details all shift conditioning. "short bob" vs "bob haircut" is enough.
• Model or route — different checkpoints and samplers carve the latent space differently; the same words describe different people on each.
• Resolution and aspect ratio — coarse features like skull shape get re-decided when the canvas changes size.
• Refiner and upscale passes — second-stage models happily redraw jawlines and eyes while "improving" detail.
• Batch mode — generating many variants means many identities by design. A batch is an audition, not a library.

Scheid de drie faalmodi

• Identity drift — a genuinely different person. Fix with references, not prompts.
• Render drift — same person drawn differently: softer skin, wider spacing, changed age. Fix by editing the output (inpaint) instead of rerolling.
• Framing drift — right face, wrong crop or lens feel. Fix with composition language and camera presets, leave identity alone.

Wat een gezicht daadwerkelijk vastlegt

1. 01Produce one canonical portrait everyone copies from. Stop auditioning new versions of the face once you have it.
2. 02Freeze an identity descriptor block — a paragraph describing the face structurally — and paste it verbatim into every brief.
3. 03Create new scenes by reference-based editing from approved frames, so the pixels of the face travel with the request.
4. 04Repair drift with masked inpainting: only the broken region resamples, everything outside the mask stays pixel-identical.

Weet wanneer drift verwacht wordt

Extreme camerastandpunten, zware bewegingsonscherpte en bewuste stijlwisselingen zullen altijd een benadering zijn in plaats van een exacte kloon. Stel een tolerantie in per medium — filmstills verdienen een nauwkeurigere gelijkenis dan 200px thumbnails — en herstel uitschieters met gerichte bewerkingen. Het najagen van pixel-perfecte identiteit over elk frame verbruikt sneller credits dan het geloofwaardigheid opbouwt.

Volgende: de volledige vierlaagse workflow die een personage herkenbaar houdt over tientallen afbeeldingen — zie Hoe u uw AI-personage consistent houdt in deze sectie.