Personajes IA coherentes: flujo de referencias y revisión

Tienes un retrato de un personaje que te gusta. La segunda imagen ya tiene la mandíbula un poco distinta, la tercera una línea del cabello nueva, y cuando lo animas la cara cambia al girarse. La solución no es una descripción más larga. Es un proceso corto y estricto: conserva una imagen de identidad aprobada, da a cada otra referencia una única tarea, construye cada plano nuevo a partir de ese ancla en lugar de partir del último resultado, y comprueba cada salida con el ancla antes de que se convierta en fuente.

Empieza con la edición de Qwen Image 2.1 con 3:4, PNG y la expansión del prompt desactivada. Usa 1k para una referencia ($0.036); desde dos imágenes de referencia, 2k cuesta lo mismo o menos, $0.048 de tarifa plana, así que elige 2k para el taller y las escenas con dos personajes. Para el primer vídeo, anima una imagen fija aceptada con Seedance 2.5 imagen a vídeo a cinco segundos y 720p: $1.3865. Con dos imágenes de referencia, la primera escena en 2k cuesta $0.048; dos ediciones más de escena con esa configuración y un clip de cinco segundos en 720p suman $1.5305, antes de reintentos y de crear el ancla.

El ejemplo que seguimos es Mara, una mecánica de bicicletas adulta ficticia de 34 años con rizos cobrizos cortos, una chaqueta verde bosque y una camisa crema. El objetivo son tres imágenes fijas reconocibles, un segundo personaje a su lado y un giro breve hacia la puerta del taller.

Construye un ancla, no diez caras que compiten

Elige un retrato del pecho hacia arriba con los dos ojos visibles, el pelo legible y luz neutra, con hombro y chaqueta suficientes para fijar el vestuario inicial. Guárdalo como ancla de identidad. Si aún no tienes retrato, genera cuatro o cinco candidatos con un modelo de texto a imagen como Qwen Image 2.1 texto a imagen ($0.024 en 1k), elige uno y deja de generar caras. No sustituyas nunca el ancla por la escena posterior que mejor se vea: cada pequeño cambio se acumula, de modo que la cuarta imagen puede coincidir perfectamente con la tercera y ya no parecerse a la primera.

Añade un segundo ángulo solo cuando un plano necesite información que el retrato no tiene. Para un giro de cabeza, una vista de tres cuartos aprobada fija la línea de la nariz y los rizos de la nuca. Una vista trasera fija la espalda de la chaqueta, pero no demuestra nada sobre la cara. Si un ángulo generado le da a Mara otra mandíbula o otra línea del cabello, descártalo en lugar de añadirlo al conjunto. Un retrato frontal no establece los rasgos ocultos de perfil, así que aprueba los ángulos y las expresiones que tu historia usa de verdad.

Para crear un ángulo extra, edita el retrato aprobado con un solo propósito: "Show the same adult mechanic in side profile on the same plain grey background; keep her face, hair and green jacket." Una edición en 1k con una referencia cuesta $0.036. Aprueba el resultado frente al ancla antes de añadirlo al kit.

Ilustración, no un resultado del modelo de destino: una hoja multiángulo explica qué información de referencia es útil; sus paneles no son resultados de identidad medidos de Qwen.

Sube imágenes limpias y separadas en lugar de una hoja de contactos con leyendas y varias caras, porque a los archivos separados es más fácil asignarles roles. El repositorio oficial de Qwen Image 2.1 describe la edición con varias referencias de hasta diez imágenes; más imágenes de referencia no son automáticamente mejores, y cada una necesita una tarea.

Crea la primera escena con roles de referencia explícitos

En el Playground:

1. Abre la edición de Qwen Image 2.1 y sube primero el retrato de Mara, y en segundo lugar el taller vacío.
2. Pega el prompt de abajo. Elige formato vertical 3:4, 2k y PNG; deja la expansión del prompt desactivada para este encargo preciso.
3. Revisa la estimación y genera una escena. Aprueba la cara y la chaqueta antes de crear el siguiente plano.

Use the adult mechanic in the first reference for Mara's facial identity, short copper curls and forest-green work jacket over a cream shirt. Use the second reference only for the empty workshop and workbench layout. Show Mara aged 34 standing beside one dark commuter bicycle, with one hand resting on the handlebar and the other at her side. Medium portrait, face in a clear three-quarter view, bicycle stationary, yellow tool bag on the workbench. Soft side daylight, no additional people, no lettering. Do not borrow a person from the room reference.

Mantén los prompts así de directos: un modelo de edición no necesita instrucciones largas al estilo de un agente, solo cada imagen y su tarea. Sin referencia del taller, envía solo el ancla, describe la sala con palabras y borra la frase sobre una segunda imagen. "Mara" es una etiqueta en tu prompt, no una identidad almacenada.

Un seed no sustituye a una imagen de identidad aprobada: en este modelo el mismo seed puede devolver una imagen distinta, así que conserva el archivo que te gusta y usa el seed solo para quedarte en el mismo entorno.

Cuánto cuesta cada referencia

Dentro de la edición de Qwen Image 2.1, 1k es lo más barato para un arreglo con una referencia. Desde dos imágenes de referencia, su nivel 2k es mayor al mismo precio o menos que 1k, y 1.5k nunca es la mejor oferta. Seedream 5.0 Flash acepta de 1 a 10 imágenes de referencia a un precio fijo en 1k, 1.5k y 2k; usa explícitamente 3:4, 2k, PNG y un fondo opaco. No tiene campo de seed ni de máscara. Flash es la opción más barata, a $0.029, incluso cuando se aplica la tarifa plana de 2k de Qwen. Seedream 5.0 Pro añade $0.003 por cada referencia extra y tiene una pasada de razonamiento que puedes desactivar.

Crea dos imágenes fijas más sin cambiarlo todo

Usa el ancla más la escena del taller aceptada, con roles distintos, y haz que cada prompt sea un único momento nuevo de la historia:

No pidas en una sola imagen coger la bolsa, caminar hasta la puerta y cambiar de vestuario. La bolsa te da una comprobación visible de continuidad: primero sobre el banco, luego en su mano junto a la puerta y después otra vez sobre el banco.

Revisa cada salida antes de que se convierta en fuente

Compara una imagen fija nueva con el ancla original, no con la salida anterior. Primero juzga el encuadre completo al tamaño de entrega: ¿reconocería un espectador a Mara sin la chaqueta verde? Después revisa ojos, nariz, mandíbula, orejas y línea del cabello cuando se vean, luego el cuello de la chaqueta, la bolsa y la sala. Trata la expresión por separado: una mirada concentrada no es deriva, pero una nariz distinta sí.

Da a cada candidato uno de tres veredictos:

• Aceptar: la identidad y los detalles que importan para ese plano son correctos.
• Revisar: hay una sola cosa mal y puedes nombrarla.
• En espera: la cara es demasiado pequeña o está demasiado en sombra para juzgarla; pide un plano medio más cercano antes de usarla como fuente.

Escribe el motivo junto al archivo ("cara y rizos coinciden, mano derecha oculta, no hace falta aquí"), porque una aprobación cubre una imagen para un uso.

Deja de ampliar la serie mientras el ancla o la primera escena sigan sin resolverse: diez imágenes más de una cara dudosa solo te dan más que rechazar.

Aplica el mismo método de referencias a un feed de personajes adultos

La historia del taller muestra las asignaciones de referencias, pero un creador adulto suele necesitar otro conjunto: un retrato para el perfil, una publicación de outfit, una escena de habitación y un saludo breve. Haz esas cuatro tareas por separado. Una cara atractiva generada una vez no basta para mantener la complexión de la persona a lo largo de una serie de cuerpo entero.

Conserva un ancla de cara aprobada y, si la forma del cuerpo importa para la colección, una vista de pie aprobada con hombros, cintura y piernas legibles. Evita una referencia de sala que contenga a otra persona. La referencia del outfit de otra persona también puede importar su cara o su complexión; recorta esa fuente a la prenda cuando sea posible y asígnala explícitamente solo a la ropa.

Para la publicación de outfit de Mara, la instrucción propuesta sería:

First reference supplies Mara's adult identity, age, short copper curls and body proportions. Second reference supplies only the navy coat design. Show Mara standing in a plain dressing room, three-quarter view, coat fully visible, both hands relaxed at her sides. Keep her face and build; change the clothing and setting only. Do not borrow the person or pose from the garment reference.

Para una publicación de sala, vuelve al mismo ancla de identidad, quita la referencia de prenda y adjunta una sala vacía si hace falta. Para un clip de saludo, anima la imagen fija aceptada de la sala con una pequeña sonrisa y un cambio de mirada. No partas de una foto de perfil ajustada para pedirle al modelo de vídeo que invente a su alrededor una escena de sala de cuerpo entero.

Inspecciona las proporciones con una vista y un recorte similares. Una cámara más cercana hace que la cabeza parezca mayor; otra pose cambia el contorno de la cintura. Esas diferencias no suponen automáticamente una identidad nueva. Una mandíbula más ancha, una línea del cabello desplazada o una relación hombro-cintura distinta con el mismo ángulo son un motivo más útil para rechazar un candidato. Son decisiones de producción propuestas, no una prueba nueva de coherencia para series de adultos. Las observaciones sobre el tratamiento del contenido al final de este artículo siguen siendo específicas de los modelos y las tareas probados.

Añade un segundo adulto solo cuando la escena lo necesite

Para un acompañante en el taller, usa el retrato aparte de Eli como segunda fuente de identidad y pasa el taller vacío al tercer lugar. Indica el orden:

First reference supplies Mara; second supplies Eli, a fictional adult man aged 36 with wavy dark hair, short stubble and a rust overshirt; third supplies only the workshop. Mara kneels at the bicycle's front wheel on viewer-left, checking the mudguard. Eli, standing on viewer-right, holds the handlebars. The yellow bag sits on the bench behind them. Both faces are visible, their bodies separated, and neither touches the other's arms.

Ilustración, no un resultado del modelo de destino: la disposición ilustrada asigna un papel distinto a cada adulto y a la bicicleta; no demuestra una reparación terminada ni una generación que conserve la identidad.

Un cambio de cara, un cambio de chaqueta y un cambio de dueño de la bolsa son fallos distintos, así que vuelve a la asignación de referencias que corresponda al síntoma en lugar de añadir una línea genérica "same character". Para la propiedad de la ropa y los puntos de contacto, consulta la guía sobre imágenes IA con dos personajes (two-character-ai-images).

Anima la imagen fija aceptada

Aporta la imagen fija del taller aprobada como image_url a Seedance 2.5 imagen a vídeo, con:

Locked camera. Mara slowly turns her head from the bicycle toward the doorway, then holds her gaze. Keep her short copper curls, facial identity, green jacket and cream shirt. Her body stays in place. The bicycle and yellow bag remain stationary. No walking, camera orbit or new person.

A $0.2773 por segundo, cinco segundos cuestan $1.3865; 480p cuesta $0.1234 por segundo y 1080p $0.6823. Con audio y sin audio el precio es el mismo, así que desactivarlo es una decisión editorial, no un ahorro. Las duraciones van de 4 a 30 segundos en segundos enteros, pero una primera acción pequeña no necesita más de cinco.

Mira el clip entero, sobre todo el giro y la recuperación desde el perfil: que el primer y el último fotograma coincidan no descarta que la cara cambie en medio. Comprueba también la bolsa y la bicicleta, que no deben moverse ni ganar piezas. Si la identidad deriva en el giro, reduce el ángulo o usa una imagen fija de perfil aprobada mediante la tarea de referencias de más abajo, en lugar de amontonar palabras de movimiento.

Pasa al siguiente plano

Con return_last_frame activado, el último fotograma del clip vuelve como imagen. Compáralo primero con el ancla. Si se mantiene, úsalo como image_url del siguiente clip; si ha derivado, vuelve a una imagen fija aprobada. Encadenar últimos fotogramas sin revisar arrastra un pequeño error a todos los planos posteriores. Ordena los clips aceptados y revisa cada corte en cuanto a chaqueta, lado de la bolsa y línea de la mirada antes de pulir cualquier plano suelto.

Cuándo usar referencia a vídeo

Seedance 2.5 referencia a vídeo es para fuentes asignadas por separado. Úsalo cuando el plano deba combinar identidades aportadas por separado y un escenario; usa imagen a vídeo cuando una imagen fija aprobada ya contenga la apertura deseada. Acepta hasta treinta imágenes de referencia y usa marcadores como @Image1. Un prompt de partida:

Use @Image1 for Mara's identity and green work jacket. Use @Image2 for the empty workshop. One fictional adult mechanic stands beside a stationary bicycle and turns slightly toward the doorway. Locked camera, quiet five-second shot, no dialogue.

Pasa reference_image_urls en ese orden, con 3:4, cinco segundos y 720p. No combines el modo de imágenes de referencia con una imagen de primer fotograma. Solo con referencias de imagen, 720p también cuesta $0.2773 por segundo. Adjuntar vídeo de referencia cambia la tarifa y suma metraje a la duración facturada; pide un presupuesto aparte.

Repara una imagen fija sin reiniciar la serie

Qwen Image 2.1 acepta una máscara en blanco y negro solo con una imagen de referencia: el blanco marca la reparación pedida y el negro las zonas que se conservan. La máscara guía la edición; no garantiza píxeles sin cambios. Para una correa de bolsa defectuosa, sube la escena aceptada como única fuente y enmascara la correa y su unión, no el torso de Mara. Pide "one continuous yellow bag strap attached to the existing bag; retain the face, jacket and room." Si la cara cambia, vuelve al máster anterior a la edición.

Personajes orientados a adultos

El mismo proceso sirve para personajes orientados a adultos. La edición de Qwen Image 2.1 y Seedance 2.5 imagen a vídeo y referencia a vídeo entregaron los prompts para adultos en sus pruebas de contenido. Esos resultados respaldan usar estas rutas para escenas maduras; el ancla, los roles de referencia y las comprobaciones de identidad siguen siendo los mismos. Usa adultos ficticios o imágenes que tengas derecho a transformar. El informe de edición de Qwen enumera lo que hace el editor según los niveles de contenido; conserva las referencias y revisiones al estilo de Mara y juzga la identidad del mismo modo.

Cuando las referencias no bastan

Si un personaje debe mantenerse a lo largo de decenas de imágenes y ángulos extremos, considera un LoRA de personaje entrenado para el modelo exacto que vas a usar. Depura la identidad antes de entrenar: una cara de aspecto más realista pero con otra mandíbula sigue siendo el personaje equivocado y debe quedar fuera del conjunto de entrenamiento. La edición LoRA de Qwen Image 2.1 admite hasta tres pesos LoRA por URL y cuesta $0.042 en 1k y $0.15 en 2k con una referencia. La guía de la API de LoRA muestra la solicitud; la edición LoRA de Qwen Image 2512 explica qué pesos encajan con qué tarea.

Usa la configuración aprobada con la API

Define SPICY_API_KEY en tu entorno. Define CHARACTER_IMAGE_URL, WORKSHOP_IMAGE_URL con las URL HTTPS directas de tus imágenes aprobadas. Ejecútalo con Python 3; confirma el presupuesto mostrado solo cuando quieras un nuevo intento de pago.

import json
import os
import uuid
from pathlib import Path
from urllib.request import Request, urlopen

payload = {"model": 'alibaba/qwen-image-2.1/edit', "input": {
    'prompt': 'Use image one for the adult mechanic Mara, her short copper curls and green jacket. Image two supplies only the empty workshop. Show her standing beside one dark commuter bicycle, one hand on the handlebar. Keep her face recognizable. Soft side daylight, no other people or lettering.',
    'image_urls': [os.environ['CHARACTER_IMAGE_URL'], os.environ['WORKSHOP_IMAGE_URL']],
    'resolution': '2k',
    'aspect_ratio': '3:4',
    'output_format': 'png',
    'background': 'opaque',
    'enable_prompt_expansion': False,
}}

def api(action, body, key=None):
    headers = {"Authorization": "Bearer " + os.environ["SPICY_API_KEY"],
               "Content-Type": "application/json"}
    if key:
        headers["Idempotency-Key"] = key
    request = Request("https://api.spicyapi.ai/api/v1/jobs/" + action,
                      data=json.dumps(body).encode(), headers=headers)
    with urlopen(request, timeout=60) as response:
        result = json.load(response)
    if result.get("code") != 200:
        raise RuntimeError(result)
    return result["data"]

quote = api("quote", payload)
print("Maximum charge (USD):", quote["maxCharge"])
if input("Create this new attempt? Type yes: ").strip() != "yes":
    raise SystemExit("No task created")
key = str(uuid.uuid4())
body = {**payload, "quoteId": quote["quoteId"],
        "expectedCost": quote["estimatedCost"]}
Path(key + ".json").write_text(json.dumps({"key": key, "request": body}))
task = api("createTask", body, key)
Path(key + ".task.json").write_text(json.dumps(task))
print("Task ID:", task["taskId"])

Guarda la clave almacenada para reintentar esa misma solicitud. La recuperación de resultados y el manejo de archivos están en la guía de la API de tareas.

Para ediciones repetidas, un Agent puede encargarse del brief aprobado:

• CLI: npx @spicyapi/cli tasks create --model alibaba/qwen-image-2.1/edit --input-file input.json --wait usa los mismos campos de entrada.
• MCP: pídele que use spicyapi_task_create y luego spicyapi_task_wait.
• Skill: instálalo con npx skills add spicyapi-ai/spicy-skill y luego pide al Skill spicyapi que ejecute esta configuración después de mostrar su presupuesto.

FAQ

¿Más imágenes de referencia ayudan siempre?

No. Un retrato aprobado más una imagen de escena es el inicio habitual. Añade una vista solo para un ángulo que falte y quita cualquier imagen que contenga otra cara. Llenar los diez huecos suele hacer que la solicitud sea más difícil de interpretar.

¿Una imagen fija coherente demuestra que el vídeo será coherente?

No. Un giro, una oclusión o una mano que cruza la cara pueden dejar ver rasgos que la imagen fija nunca mostró. Mira el clip completo y compara el giro y el último fotograma con el ancla.

¿Dónde consigo una hoja de personaje?

Genérala a partir del ancla con ediciones de un solo propósito, un ángulo por llamada, y aprueba cada vista frente al ancla. Ejemplo: "Edit the approved portrait to a side profile on the same plain grey background; keep the face, hair and green jacket unchanged." Cada edición cuesta $0.036 en 1k. Conserva como referencias solo las vistas aprobadas.

Qué camino elegir

Usa Qwen Image 2.1 para ediciones con referencias de roles asignados o para una reparación enmascarada con una imagen fuente. Seedream 5.0 Flash ofrece un precio de referencia fijo; Seedance 2.5 imagen a vídeo ancla el primer clip, mientras que referencia a vídeo permite asignar fuentes separadas. Si el mismo rasgo sigue derivando, sustituye la referencia que entra en conflicto o reduce el ángulo antes de otro render.