Personagens IA consistentes: fluxo de referências e revisão

Você tem um retrato de um personagem de que gosta. A segunda imagem já tem a mandíbula um pouco diferente, a terceira tem uma linha do cabelo nova e, quando você anima, o rosto muda enquanto ela se vira. A solução não é uma descrição mais longa. É um processo curto e rigoroso: mantenha uma imagem de identidade aprovada, dê a cada outra referência uma única tarefa, construa cada cena nova a partir dessa âncora em vez do último resultado e confira cada saída com a âncora antes que ela vire fonte.

Comece com a edição do Qwen Image 2.1 com 3:4, PNG e a expansão do prompt desligada. Use 1k para uma referência ($0,036); a partir de duas imagens de referência, o 2k custa o mesmo ou menos, $0,048 fixos, então escolha 2k para a oficina e as cenas com dois personagens. Para o primeiro vídeo, anime uma imagem aceita com Seedance 2.5 imagem para vídeo em cinco segundos e 720p: $1,3865. Com duas imagens de referência, a primeira cena em 2k custa $0,048; mais duas edições de cena nessa configuração e um clipe de cinco segundos em 720p somam $1,5305, antes de novas tentativas e da criação da âncora.

O exemplo que acompanhamos é Mara, uma mecânica de bicicletas adulta fictícia de 34 anos, com cachos curtos acobreados, jaqueta verde-floresta e camisa creme. O objetivo são três imagens reconhecíveis, um segundo personagem ao lado dela e uma curta virada em direção à porta da oficina.

Construa uma âncora, não dez rostos concorrentes

Escolha um retrato do peito para cima, com os dois olhos visíveis, cabelo legível e luz simples, com ombro e jaqueta suficientes para fixar o figurino inicial. Salve-o como âncora de identidade. Se ainda não tem um retrato, gere quatro ou cinco candidatos com um modelo de texto para imagem como Qwen Image 2.1 texto para imagem ($0,024 em 1k), escolha um e pare de gerar rostos. Nunca troque a âncora pela cena posterior que parecer melhor: cada pequena mudança se acumula, e a quarta imagem pode combinar perfeitamente com a terceira sem mais se parecer com a primeira.

Adicione um segundo ângulo só quando uma cena precisar de informação que o retrato não tem. Para uma virada de cabeça, uma vista de três quartos aprovada fixa a linha do nariz e os cachos na nuca. Uma vista traseira fixa as costas da jaqueta, mas não prova nada sobre o rosto. Se um ângulo gerado der à Mara outra mandíbula ou outra linha do cabelo, descarte-o em vez de acrescentá-lo ao conjunto. Um retrato frontal não estabelece os traços escondidos no perfil, então aprove os ângulos e as expressões que sua história realmente usa.

Para criar um ângulo extra, edite o retrato aprovado com um único objetivo: "Show the same adult mechanic in side profile on the same plain grey background; keep her face, hair and green jacket." Uma edição em 1k com uma referência custa $0,036. Aprove o resultado em relação à âncora antes de acrescentá-lo ao kit.

Ilustração, não um resultado do modelo de destino: uma folha de vários ângulos explica quais informações de referência são úteis; seus painéis não são resultados de identidade medidos do Qwen.

Envie imagens limpas e separadas em vez de uma folha de contatos com legendas e vários rostos, porque é mais fácil atribuir papéis a arquivos separados. O repositório oficial do Qwen Image 2.1 descreve edição com várias referências de até dez imagens; mais imagens de referência não são automaticamente melhores, e cada uma precisa de uma tarefa.

Crie a primeira cena com papéis de referência explícitos

No Playground:

1. Abra a edição do Qwen Image 2.1 e envie primeiro o retrato da Mara e, em segundo, a oficina vazia.
2. Cole o prompt abaixo. Escolha retrato 3:4, 2k e PNG; deixe a expansão do prompt desligada para este briefing preciso.
3. Confira a estimativa e gere uma cena. Aprove o rosto e a jaqueta antes de criar a próxima cena.

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.

Mantenha os prompts assim diretos: um modelo de edição não precisa de instruções longas no estilo de agente, só de cada imagem e da sua tarefa. Sem referência da oficina, envie só a âncora, descreva o ambiente em palavras e apague a frase sobre uma segunda imagem. "Mara" é um rótulo no seu prompt, não uma identidade armazenada.

Um seed não substitui uma imagem de identidade aprovada: neste modelo o mesmo seed pode devolver uma imagem diferente, então guarde o arquivo de que gostou e use o seed apenas para ficar na mesma vizinhança.

Quanto custa cada referência

Dentro da edição do Qwen Image 2.1, 1k é o mais barato para um ajuste com uma referência. A partir de duas imagens de referência, o nível 2k é maior pelo mesmo preço ou menos que o 1k, e 1.5k nunca é o melhor negócio. O Seedream 5.0 Flash aceita de 1 a 10 imagens de referência por um preço fixo em 1k, 1.5k e 2k; use explicitamente 3:4, 2k, PNG e fundo opaco. Ele não tem campo de seed nem de máscara. O Flash é a opção mais barata, a $0,029, mesmo quando vale a tarifa fixa 2k do Qwen. O Seedream 5.0 Pro acrescenta $0,003 por referência extra e tem uma etapa de raciocínio que você pode desligar.

Crie mais duas imagens sem mudar tudo

Use a âncora mais a cena da oficina aceita, com papéis distintos, e faça de cada prompt um único novo momento da história:

Não peça numa única imagem pegar a bolsa, caminhar até a porta e trocar de figurino. A bolsa dá uma checagem de continuidade visível: primeiro na bancada, depois na mão dela na porta, depois de volta na bancada.

Revise cada saída antes que ela vire fonte

Compare uma imagem nova com a âncora original, não com a saída anterior. Primeiro julgue o quadro inteiro no tamanho de entrega: um espectador reconheceria a Mara sem a jaqueta verde? Depois confira olhos, nariz, mandíbula, orelhas e linha do cabelo quando visíveis, e então a gola da jaqueta, a bolsa e o ambiente. Trate a expressão separadamente: um olhar concentrado não é deriva, mas um nariz diferente é.

Dê a cada candidato um de três veredictos:

• Aceitar: a identidade e os detalhes que importam para aquela cena estão certos.
• Revisar: uma coisa está errada e você consegue nomeá-la.
• Em espera: o rosto está pequeno ou escuro demais para julgar; peça um plano médio mais próximo antes de usá-lo como fonte.

Escreva o motivo ao lado do arquivo ("rosto e cachos combinam, mão direita escondida, não é necessária aqui"), porque uma aprovação vale para uma imagem e um uso.

Pare de ampliar a série enquanto a âncora ou a primeira cena estiver sem solução: dez imagens a mais de um rosto duvidoso só lhe dão mais coisas para rejeitar.

Aplique o mesmo método de referências a um feed de personagens adultos

A história da oficina mostra as atribuições de referência, mas um criador adulto muitas vezes precisa de outro conjunto: um retrato para o perfil, uma publicação de look, uma cena de ambiente e um cumprimento curto. Faça essas quatro tarefas separadamente. Um rosto atraente gerado uma vez não basta para manter o corpo da pessoa ao longo de uma série de corpo inteiro.

Mantenha uma âncora de rosto aprovada e, se a forma do corpo importa para a coleção, uma vista em pé aprovada com ombros, cintura e pernas legíveis. Evite uma referência de ambiente que contenha outra pessoa. A referência do look de outra pessoa também pode importar o rosto ou o corpo dela; recorte essa fonte na peça quando possível e atribua-a explicitamente apenas à roupa.

Para a publicação de look da Mara, a instrução proposta seria:

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 uma publicação de ambiente, volte à mesma âncora de identidade, remova a referência da peça e anexe um ambiente vazio se precisar. Para um clipe de cumprimento, anime a imagem aceita do ambiente com um pequeno sorriso e uma mudança de olhar. Não comece de uma foto de perfil fechada e peça ao modelo de vídeo que invente em volta dela uma cena de ambiente de corpo inteiro.

Inspecione as proporções com vista e recorte semelhantes. Uma câmera mais próxima faz a cabeça parecer maior; outra pose muda o contorno da cintura. Essas diferenças não são automaticamente uma nova identidade. Uma mandíbula mais larga, uma linha do cabelo deslocada ou uma relação ombro-cintura diferente no mesmo ângulo é um motivo mais útil para rejeitar um candidato. Estas são escolhas de produção propostas, não um novo teste de consistência para séries com adultos. As observações sobre tratamento de conteúdo no fim deste artigo continuam específicas dos modelos e das tarefas testados.

Adicione um segundo adulto só quando a cena precisar

Para um companheiro na oficina, use o retrato separado do Eli como segunda fonte de identidade e passe a oficina vazia para terceiro. Declare a ordem:

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.

Ilustração, não um resultado do modelo de destino: a disposição ilustrada atribui um papel distinto a cada adulto e à bicicleta; ela não prova um reparo concluído nem uma geração que preserve a identidade.

Uma troca de rosto, uma troca de jaqueta e uma troca de dono da bolsa são falhas diferentes, então volte à atribuição de referências que corresponde ao sintoma em vez de acrescentar uma linha genérica "same character". Para a posse das roupas e os pontos de contato, consulte o guia de imagens IA com dois personagens (two-character-ai-images).

Anime a imagem aceita

Forneça a imagem aprovada da oficina como image_url ao Seedance 2.5 imagem para vídeo, com:

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 custam $1,3865; 480p custa $0,1234 por segundo e 1080p $0,6823. Com áudio ligado ou desligado o preço é o mesmo, então desligá-lo é uma escolha editorial, não uma economia. As durações vão de 4 a 30 segundos em segundos inteiros, mas uma primeira ação pequena não precisa de mais que cinco.

Assista ao clipe inteiro, principalmente à virada e à volta do perfil: primeiro e último quadros iguais não descartam um rosto que muda no meio. Confira também a bolsa e a bicicleta, que não devem se mover nem ganhar peças. Se a identidade desviar na virada, reduza o ângulo ou use uma imagem de perfil aprovada pela tarefa de referência mais abaixo, em vez de empilhar palavras de movimento.

Continue para a próxima cena

Com return_last_frame ligado, o último quadro do clipe volta como imagem. Compare-o primeiro com a âncora. Se ele se sustentar, use-o como image_url do próximo clipe; se tiver derivado, volte a uma imagem aprovada. Encadear últimos quadros sem revisar leva um pequeno erro a todas as cenas seguintes. Coloque os clipes aceitos em ordem e confira cada corte quanto a jaqueta, lado da bolsa e direção do olhar antes de polir qualquer cena isolada.

Saiba quando usar referência para vídeo

O Seedance 2.5 referência para vídeo serve para fontes atribuídas separadamente. Use-o quando a cena precisar combinar identidades fornecidas separadamente e um cenário; use imagem para vídeo quando uma imagem aprovada já contiver a abertura desejada. Ele aceita até trinta imagens de referência e usa marcadores como @Image1. Um prompt inicial:

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.

Passe reference_image_urls nessa ordem, com 3:4, cinco segundos e 720p. Não combine o modo de imagens de referência com uma imagem de primeiro quadro. Só com referências de imagem, 720p também custa $0,2773 por segundo. Anexar vídeo de referência muda a tarifa e soma filmagem à duração cobrada; peça uma cotação separada.

Repare uma imagem sem reiniciar a série

O Qwen Image 2.1 aceita uma máscara em preto e branco apenas com uma imagem de referência: o branco marca o reparo pedido e o preto as áreas a manter. A máscara orienta a edição; ela não garante pixels inalterados. Para uma alça de bolsa defeituosa, envie a cena aceita como única fonte e mascare a alça e sua fixação, não o tronco da Mara. Peça "one continuous yellow bag strap attached to the existing bag; retain the face, jacket and room." Se o rosto mudar, volte ao master anterior à edição.

Personagens voltados a adultos

O mesmo processo funciona para personagens voltados a adultos. A edição do Qwen Image 2.1 e o Seedance 2.5 imagem para vídeo e referência para vídeo entregaram os prompts adultos em seus testes de conteúdo. Esses resultados sustentam o uso dessas rotas em cenas maduras; a âncora, os papéis de referência e as checagens de identidade continuam os mesmos. Use adultos fictícios ou imagens que você tenha o direito de transformar. O relatório da edição do Qwen lista o que o editor faz nos vários níveis de conteúdo; mantenha as referências e revisões no estilo da Mara e julgue a identidade do mesmo modo.

Quando as referências não bastam

Se um personagem precisa se manter em dezenas de imagens e ângulos extremos, considere um LoRA de personagem treinado para o modelo exato que você vai usar. Cure a identidade antes de treinar: um rosto de aparência mais realista com outra mandíbula continua sendo o personagem errado e deve ficar fora do conjunto de treino. A edição LoRA do Qwen Image 2.1 aceita até três pesos LoRA por URL e custa $0,042 em 1k e $0,15 em 2k com uma referência. O guia da API de LoRA mostra a requisição; a edição LoRA do Qwen Image 2512 explica quais pesos servem a qual tarefa.

Use a configuração aprovada pela API

Defina SPICY_API_KEY no seu ambiente. Defina CHARACTER_IMAGE_URL, WORKSHOP_IMAGE_URL com as URLs HTTPS diretas das suas imagens aprovadas. Execute com Python 3; confirme a cotação exibida só quando quiser uma nova tentativa paga.

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"])

Guarde a chave salva para novas tentativas dessa mesma requisição. A recuperação de resultados e o manuseio de arquivos estão no guia da API de tarefas.

Para edições repetidas, um Agent pode cuidar do briefing aprovado:

• CLI: npx @spicyapi/cli tasks create --model alibaba/qwen-image-2.1/edit --input-file input.json --wait usa os mesmos campos de entrada.
• MCP: peça que use spicyapi_task_create e depois spicyapi_task_wait.
• Skill: instale com npx skills add spicyapi-ai/spicy-skill e peça ao Skill spicyapi que execute esta configuração depois de mostrar a cotação.

FAQ

Mais imagens de referência sempre ajudam?

Não. Um retrato aprovado mais uma imagem de cena é o começo habitual. Acrescente uma vista só para um ângulo que falte e remova qualquer imagem que contenha outro rosto. Preencher os dez espaços costuma tornar a requisição mais difícil de interpretar.

Uma imagem consistente prova que o vídeo será consistente?

Não. Uma virada, uma oclusão ou uma mão passando pelo rosto podem expor traços que a imagem nunca mostrou. Assista ao clipe inteiro e compare a virada e o último quadro com a âncora.

Onde consigo uma folha de personagem?

Gere-a a partir da âncora com edições de objetivo único, um ângulo por chamada, e aprove cada vista em relação à âncora. Exemplo: "Edit the approved portrait to a side profile on the same plain grey background; keep the face, hair and green jacket unchanged." Cada edição custa $0,036 em 1k. Guarde como referências só as vistas aprovadas.

Qual caminho escolher

Use o Qwen Image 2.1 para edições com referências de papéis atribuídos ou para um reparo com máscara numa única imagem de origem. O Seedream 5.0 Flash oferece um preço fixo de referência; o Seedance 2.5 imagem para vídeo ancora o primeiro clipe, enquanto referência para vídeo permite atribuir fontes separadas. Se o mesmo traço continuar derivando, troque a referência conflitante ou reduza o ângulo antes de outro render.