Personnages IA cohérents : un workflow de références et de contrôle

Vous avez un portrait d’un personnage qui vous plaît. La deuxième image a déjà une mâchoire légèrement différente, la troisième une nouvelle racine de cheveux, et quand vous l’animez, le visage change dès qu’elle se tourne. La solution n’est pas une description plus longue. C’est un processus court et strict : gardez une seule image d’identité approuvée, donnez à chaque autre référence une seule tâche, construisez chaque nouveau plan à partir de cet ancrage plutôt que du dernier résultat, et vérifiez chaque sortie par rapport à l’ancrage avant qu’elle ne devienne une source.

Commencez par l’édition avec Qwen Image 2.1 avec 3:4, PNG et l’expansion du prompt désactivée. Utilisez 1k pour une référence ($0.036) ; à partir de deux images de référence, le 2k coûte le même prix ou moins, soit $0.048 forfaitaire : choisissez donc 2k pour l’atelier et les scènes à deux personnages. Pour la première vidéo, animez une image fixe acceptée avec Seedance 2.5 image vers vidéo en cinq secondes et 720p : $1.3865. Avec deux images de référence, la première scène en 2k coûte $0.048 ; deux autres éditions de scène avec ce réglage, plus un clip de cinq secondes en 720p, totalisent $1.5305, hors nouvelles tentatives et création de l’ancrage.

L’exemple suivi est Mara, une mécanicienne de vélo adulte fictive de 34 ans, aux boucles cuivrées courtes, avec une veste vert forêt et une chemise crème. L’objectif : trois images fixes reconnaissables, un second personnage à ses côtés et un court mouvement de tête vers la porte de l’atelier.

Construire un seul ancrage, pas dix visages concurrents

Choisissez un portrait en buste, avec les deux yeux visibles, des cheveux lisibles et une lumière neutre, avec assez d’épaule et de veste pour fixer le costume de départ. Enregistrez-le comme ancrage d’identité. Si vous n’avez pas encore de portrait, générez quatre ou cinq candidats avec un modèle texte vers image comme Qwen Image 2.1 texte vers image ($0.024 en 1k), choisissez-en un et arrêtez de générer des visages. Ne remplacez jamais l’ancrage par la scène ultérieure qui vous semble la meilleure : chaque petit changement se cumule, si bien que la quatrième image peut correspondre parfaitement à la troisième sans plus ressembler à la première.

N’ajoutez un second angle que si un plan a besoin d’une information que le portrait n’apporte pas. Pour un mouvement de tête, une vue de trois quarts approuvée fixe la ligne du nez et les boucles sur la nuque. Une vue de dos fixe le dos de la veste mais ne prouve rien sur le visage. Si un angle généré donne à Mara une autre mâchoire ou une autre racine de cheveux, écartez-le au lieu de l’ajouter à l’ensemble. Un portrait de face n’établit pas les traits cachés de profil : approuvez donc les angles et les expressions que votre histoire utilise réellement.

Pour obtenir un angle supplémentaire, éditez le portrait approuvé avec un seul objectif : "Show the same adult mechanic in side profile on the same plain grey background; keep her face, hair and green jacket." Une édition en 1k avec une référence coûte $0.036. Approuvez le résultat par rapport à l’ancrage avant de l’ajouter au kit.

Illustration, pas un résultat du modèle cible : une planche multi-angles explique quelles informations de référence sont utiles ; ses vignettes ne sont pas des résultats d’identité Qwen mesurés.

Importez des images propres et séparées plutôt qu’une planche-contact avec légendes et plusieurs visages, car il est plus facile d’attribuer un rôle à des fichiers distincts. Le dépôt officiel Qwen Image 2.1 décrit l’édition multi-références jusqu’à dix images ; plus d’images de référence n’est pas automatiquement mieux, et chacune doit avoir une tâche.

Créer la première scène avec des rôles de référence explicites

Dans le Playground :

1. Ouvrez l’édition Qwen Image 2.1 et importez d’abord le portrait de Mara, puis l’atelier vide en second.
2. Collez le prompt ci-dessous. Choisissez portrait 3:4, 2k et PNG ; laissez l’expansion du prompt désactivée pour ce brief précis.
3. Vérifiez l’estimation et générez une scène. Approuvez le visage et la veste avant de créer le plan suivant.

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.

Gardez des prompts aussi directs : un modèle d’édition n’a pas besoin de longues consignes façon agent, seulement de chaque image et de sa tâche. Sans référence d’atelier, n’envoyez que l’ancrage, décrivez la pièce avec des mots et supprimez la phrase sur la deuxième image. "Mara" est une étiquette dans votre prompt, pas une identité enregistrée.

Un seed ne remplace pas une image d’identité approuvée : sur ce modèle, le même seed peut renvoyer une image différente. Gardez donc le fichier qui vous plaît et n’utilisez le seed que pour rester dans le même voisinage.

Ce que coûte chaque référence

Dans l’édition Qwen Image 2.1, le 1k est le moins cher pour une correction avec une référence. À partir de deux images de référence, son niveau 2k est plus grand pour le même prix ou moins que le 1k, et le 1.5k n’est jamais la meilleure affaire. Seedream 5.0 Flash accepte de 1 à 10 images de référence à un prix forfaitaire unique en 1k, 1.5k et 2k ; utilisez explicitement 3:4, 2k, PNG et un fond opaque. Il n’a ni champ seed ni champ masque. Flash reste l’option la moins chère à $0.029, même quand le forfait 2k de Qwen s’applique. Seedream 5.0 Pro ajoute $0.003 par référence supplémentaire et comporte une passe de réflexion que vous pouvez désactiver.

Créer deux autres images fixes sans tout changer

Utilisez l’ancrage plus la scène d’atelier acceptée, avec des rôles distincts, et faites de chaque prompt un seul nouveau temps de l’histoire :

Ne demandez pas dans une seule image de ramasser le sac, de marcher jusqu’à la porte et de changer de costume. Le sac vous offre un contrôle de continuité visible : d’abord sur l’établi, puis dans sa main à la porte, puis de nouveau sur l’établi.

Contrôler chaque sortie avant qu’elle ne devienne une source

Comparez une nouvelle image fixe avec l’ancrage d’origine, pas avec la sortie précédente. Jugez d’abord l’image entière à la taille de livraison : un spectateur reconnaîtrait-il Mara sans la veste verte ? Vérifiez ensuite les yeux, le nez, la mâchoire, les oreilles et la racine des cheveux quand ils sont visibles, puis le col de la veste, le sac et la pièce. Traitez l’expression séparément : un regard concentré n’est pas une dérive, mais un nez modifié en est une.

Donnez à chaque candidat l’un des trois verdicts :

• Accepter : l’identité et les détails qui comptent pour ce plan sont corrects.
• Réviser : une seule chose est fausse et vous pouvez la nommer.
• En attente : le visage est trop petit ou trop dans l’ombre pour être jugé ; demandez un plan moyen plus proche avant de l’utiliser comme source.

Notez la raison à côté du fichier ("visage et boucles conformes, main droite cachée, inutile ici"), car une approbation vaut pour une image et un usage.

Arrêtez d’étendre la série tant que l’ancrage ou la première scène n’est pas résolu : dix images de plus à partir d’un visage douteux ne vous donnent que davantage à rejeter.

Appliquer la même méthode de référence à un flux de personnages adultes

L’histoire de l’atelier montre les attributions de références, mais un créateur adulte a souvent besoin d’un autre ensemble : un portrait pour le profil, un post de tenue, une scène de pièce et un court message d’accueil. Réalisez ces quatre tâches séparément. Un beau visage généré une fois ne suffit pas à conserver la silhouette de la personne sur toute une série en pied.

Gardez un ancrage de visage approuvé et, si la morphologie compte pour la collection, une vue debout approuvée où les épaules, la taille et les jambes sont lisibles. Évitez une référence de pièce qui contient quelqu’un d’autre. La référence de la tenue d’une autre personne peut aussi importer son visage ou sa morphologie ; recadrez cette source sur le vêtement quand c’est possible et affectez-la explicitement aux seuls vêtements.

Pour le post de tenue de Mara, l’instruction proposée serait :

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.

Pour un post de pièce, revenez au même ancrage d’identité, retirez la référence de vêtement et joignez une pièce vide si besoin. Pour un clip d’accueil, animez l’image fixe de la pièce acceptée avec un petit sourire et un changement de regard. Ne partez pas d’une photo de profil serrée en demandant au modèle vidéo d’inventer autour d’elle une scène de pièce en pied.

Inspectez les proportions avec une vue et un cadrage similaires. Une caméra plus proche fait paraître la tête plus grande ; une autre pose change le contour de la taille. Ces différences ne signifient pas automatiquement une nouvelle identité. Une mâchoire plus large, une racine de cheveux déplacée ou un autre rapport épaules-taille au même angle sont une meilleure raison de rejeter un candidat. Ce sont des choix de production proposés, pas un nouveau test de cohérence pour série adulte. Les observations sur le traitement du contenu à la fin de cet article restent propres aux modèles et aux tâches testés.

Ajouter un second adulte seulement si la scène en a besoin

Pour un compagnon dans l’atelier, utilisez le portrait séparé d’Eli comme seconde source d’identité et passez l’atelier vide en troisième. Indiquez l’ordre :

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.

Illustration, pas un résultat du modèle cible : la mise en place illustrée attribue un rôle distinct à chaque adulte et au vélo ; elle ne prouve ni une réparation terminée ni une génération qui préserve l’identité.

Un échange de visage, un échange de veste et un échange de propriétaire du sac sont des défaillances différentes : revenez donc à l’attribution de références qui correspond au symptôme plutôt que d’ajouter une ligne générique "same character". Pour la propriété des vêtements et les points de contact, consultez le guide sur les images IA à deux personnages (two-character-ai-images).

Animer l’image fixe acceptée

Fournissez l’image fixe d’atelier approuvée comme image_url à Seedance 2.5 image vers vidéo, avec :

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.

À $0.2773 la seconde, cinq secondes coûtent $1.3865 ; le 480p coûte $0.1234 la seconde et le 1080p $0.6823. L’audio activé ou désactivé est facturé pareil : le désactiver est donc un choix éditorial, pas une économie. Les durées vont de 4 à 30 secondes, en secondes entières, mais une première petite action n’a pas besoin de plus de cinq.

Regardez le clip en entier, surtout la rotation et le retour du profil : des première et dernière images identiques n’excluent pas un visage qui change au milieu. Vérifiez aussi le sac et le vélo, qui ne doivent ni bouger ni gagner des pièces. Si l’identité dérive pendant la rotation, réduisez l’angle ou utilisez une image fixe de profil approuvée via la tâche de référence ci-dessous, plutôt que d’empiler des mots de mouvement.

Passer au plan suivant

Avec return_last_frame activé, la dernière image du clip revient sous forme d’image. Comparez-la d’abord à l’ancrage. Si elle tient, utilisez-la comme image_url du clip suivant ; si elle a dérivé, revenez à une image fixe approuvée. Enchaîner des dernières images non vérifiées propage une petite erreur à tous les plans suivants. Mettez les clips acceptés dans l’ordre et vérifiez chaque coupe pour la veste, le côté du sac et l’axe du regard avant de peaufiner un plan isolé.

Savoir quand utiliser référence vers vidéo

Seedance 2.5 référence vers vidéo est prévu pour des sources attribuées séparément. Utilisez-le quand le plan doit combiner des identités fournies séparément et un décor ; utilisez image vers vidéo quand une image fixe approuvée contient déjà l’ouverture voulue. Il accepte jusqu’à trente images de référence et utilise des jetons comme @Image1. Un prompt de départ :

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.

Passez reference_image_urls dans cet ordre, avec 3:4, cinq secondes et 720p. Ne combinez pas le mode image de référence avec une image de début. Avec des références image seulement, le 720p coûte aussi $0.2773 la seconde. Joindre une vidéo de référence change le tarif et ajoute des séquences à la durée facturée ; demandez un devis séparé.

Réparer une image fixe sans réinitialiser la série

Qwen Image 2.1 n’accepte un masque noir et blanc qu’avec une seule image de référence : le blanc marque la réparation demandée, le noir les zones à conserver. Le masque guide l’édition ; il ne garantit pas des pixels inchangés. Pour une sangle de sac défectueuse, importez la scène acceptée comme seule source et masquez la sangle et son attache, pas le torse de Mara. Demandez "one continuous yellow bag strap attached to the existing bag; retain the face, jacket and room." Si le visage change, revenez au master d’avant l’édition.

Personnages orientés adultes

Le même processus fonctionne pour des personnages orientés adultes. L’édition Qwen Image 2.1 et Seedance 2.5 image vers vidéo et référence vers vidéo ont traité les prompts pour adultes dans leurs tests de contenu. Ces résultats justifient d’utiliser ces routes pour des scènes matures ; l’ancrage, les rôles de référence et les contrôles d’identité restent les mêmes. Utilisez des adultes fictifs ou des images que vous avez le droit de transformer. Le rapport sur l’édition Qwen liste ce que fait l’éditeur selon les niveaux de contenu ; gardez les références et les contrôles à la manière de Mara, et jugez l’identité de la même façon.

Quand les références ne suffisent pas

Si un personnage doit tenir sur des dizaines d’images et des angles extrêmes, envisagez un LoRA de personnage entraîné pour le modèle exact que vous utiliserez. Triez l’identité avant l’entraînement : un visage plus réaliste avec une autre mâchoire reste le mauvais personnage et doit rester hors du jeu d’entraînement. L’édition LoRA Qwen Image 2.1 accepte jusqu’à trois poids LoRA par URL et coûte $0.042 en 1k et $0.15 en 2k avec une référence. Le guide de l’API LoRA montre la requête ; l’édition LoRA Qwen Image 2512 explique quels poids conviennent à quelle tâche.

Utiliser la configuration approuvée via l’API

Définissez SPICY_API_KEY dans votre environnement. Définissez CHARACTER_IMAGE_URL, WORKSHOP_IMAGE_URL avec les URL HTTPS directes de vos images approuvées. Exécutez avec Python 3 ; ne confirmez le devis affiché que si vous voulez une nouvelle tentative payante.

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"])

Conservez la clé enregistrée pour les nouvelles tentatives de cette même requête. La récupération des résultats et la gestion des fichiers sont décrites dans le guide de l’API des tâches.

Pour des éditions répétées, un Agent peut prendre en charge le brief approuvé :

• CLI : npx @spicyapi/cli tasks create --model alibaba/qwen-image-2.1/edit --input-file input.json --wait utilise les mêmes champs d’entrée.
• MCP : demandez-lui d’utiliser spicyapi_task_create, puis spicyapi_task_wait.
• Skill : installez-le avec npx skills add spicyapi-ai/spicy-skill, puis demandez au Skill spicyapi d’exécuter cette configuration après avoir montré son devis.

FAQ

Plus d’images de référence aident-elles toujours ?

Non. Un portrait approuvé plus une image de scène est le point de départ habituel. N’ajoutez une vue que pour un angle manquant et retirez toute image contenant un autre visage. Remplir les dix emplacements rend généralement la requête plus difficile à interpréter.

Une image fixe cohérente prouve-t-elle que la vidéo sera cohérente ?

Non. Une rotation, une occlusion ou une main qui traverse le visage peut révéler des traits que l’image fixe n’a jamais montrés. Regardez le clip en entier et comparez la rotation et la dernière image avec l’ancrage.

Où obtenir une fiche personnage ?

Générez-la à partir de l’ancrage avec des éditions à objectif unique, un angle par appel, et approuvez chaque vue par rapport à l’ancrage. Exemple : "Edit the approved portrait to a side profile on the same plain grey background; keep the face, hair and green jacket unchanged." Chaque édition coûte $0.036 en 1k. Ne gardez comme références que les vues approuvées.

Quelle voie choisir

Utilisez Qwen Image 2.1 pour des éditions de référence à rôles attribués ou pour une réparation par masque avec une seule image source. Seedream 5.0 Flash propose un prix de référence forfaitaire ; Seedance 2.5 image vers vidéo ancre le premier clip, tandis que référence vers vidéo permet d’attribuer des sources séparées. Si le même trait continue de dériver, remplacez la référence en conflit ou réduisez l’angle avant un nouveau rendu.