Стабильные персонажи ИИ: процесс референсов и проверки

У вас есть один портрет понравившегося персонажа. На втором изображении челюсть уже немного другая, на третьем новая линия роста волос, а когда вы анимируете картинку, лицо меняется при повороте. Решение не в более длинном описании. Это короткий строгий процесс: держите одно утверждённое изображение личности, давайте каждому другому референсу одну задачу, стройте каждый новый шот от этого якоря, а не от последнего результата, и сверяйте каждый результат с якорем, прежде чем он станет источником.

Начните с редактирования в Qwen Image 2.1 с 3:4, PNG и выключенным расширением промпта. Используйте 1k для одного референса ($0.036); начиная с двух референсных изображений 2k стоит столько же или дешевле, по фиксированной цене $0.048, поэтому выбирайте 2k для мастерской и сцен с двумя персонажами. Для первого видео анимируйте принятый кадр с помощью Seedance 2.5 изображение в видео на пять секунд в 720p: $1.3865. С двумя референсными изображениями первая сцена в 2k стоит $0.048; ещё две правки сцен с этой настройкой плюс один пятисекундный клип в 720p дают в сумме $1.5305, не считая повторных попыток и создания якоря.

Сквозной пример — Мара, вымышленная взрослая женщина — велосипедный механик 34 лет с короткими медными кудрями, тёмно-зелёной курткой и кремовой рубашкой. Цель — три узнаваемых кадра, второй персонаж рядом с ней и короткий поворот к двери мастерской.

Постройте один якорь, а не десять конкурирующих лиц

Выберите портрет по грудь, где видны оба глаза, хорошо читаются волосы и ровный свет, с достаточным плечом и курткой, чтобы зафиксировать исходный костюм. Сохраните его как якорь личности. Если портрета ещё нет, сгенерируйте четыре-пять вариантов моделью «текст в изображение», например Qwen Image 2.1 текст в изображение ($0.024 при 1k), выберите один и перестаньте генерировать лица. Никогда не заменяйте якорь той более поздней сценой, которая выглядит лучше всего: каждое небольшое изменение накапливается, и четвёртое изображение может идеально совпадать с третьим, но уже не походить на первое.

Добавляйте второй ракурс только тогда, когда шоту нужна информация, которой нет в портрете. Для поворота головы утверждённый вид в три четверти фиксирует линию носа и кудри на шее. Вид сзади фиксирует спину куртки, но ничего не доказывает о лице. Если сгенерированный ракурс даёт Маре другую челюсть или линию волос, отбросьте его, а не добавляйте в набор. Портрет анфас не устанавливает черты, скрытые в профиль, поэтому утверждайте те ракурсы и выражения, которые действительно нужны вашей истории.

Чтобы получить дополнительный ракурс, отредактируйте утверждённый портрет с одной целью: "Show the same adult mechanic in side profile on the same plain grey background; keep her face, hair and green jacket." Правка с одним референсом в 1k стоит $0.036. Утвердите результат относительно якоря, прежде чем добавлять его в набор.

Иллюстрация, а не результат целевой модели: лист с несколькими ракурсами объясняет, какая референсная информация полезна; его панели не являются измеренными результатами сохранения личности в Qwen.

Загружайте отдельные чистые изображения, а не один контактный лист с подписями и несколькими лицами, потому что отдельным файлам проще назначать роли. Официальный репозиторий Qwen Image 2.1 описывает редактирование с несколькими референсами до десяти изображений; больше референсных изображений не значит лучше, и у каждого должна быть задача.

Создайте первую сцену с явными ролями референсов

В Playground:

1. Откройте редактирование Qwen Image 2.1 и загрузите сначала портрет Мары, вторым пустую мастерскую.
2. Вставьте промпт ниже. Выберите портретную ориентацию 3:4, 2k и PNG; оставьте расширение промпта выключенным для этого точного задания.
3. Проверьте оценку стоимости и сгенерируйте одну сцену. Утвердите лицо и куртку, прежде чем создавать следующий шот.

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.

Пишите промпты так же прямо: модели редактирования не нужны длинные инструкции в стиле агента, только каждое изображение и его задача. Без референса мастерской отправьте один якорь, опишите комнату словами и удалите предложение о втором изображении. «Mara» — это метка в вашем промпте, а не сохранённая личность.

Seed не заменяет утверждённое изображение личности: в этой модели тот же seed может вернуть другую картинку, поэтому сохраняйте понравившийся файл, а seed используйте только чтобы остаться в той же окрестности.

Сколько стоит каждый референс

В редактировании Qwen Image 2.1 уровень 1k самый дешёвый для правки с одним референсом. Начиная с двух референсных изображений, уровень 2k крупнее при той же цене или дешевле 1k, а 1.5k никогда не бывает лучшей сделкой. Seedream 5.0 Flash принимает от 1 до 10 референсных изображений по единой фиксированной цене на 1k, 1.5k и 2k; задавайте явно 3:4, 2k, PNG и непрозрачный фон. В нём нет поля seed и маски. Flash остаётся самым дешёвым вариантом, $0.029, даже когда действует фиксированная цена Qwen за 2k. Seedream 5.0 Pro добавляет $0.003 за каждый дополнительный референс и содержит этап рассуждения, который можно отключить.

Создайте ещё два кадра, не меняя всё подряд

Используйте якорь плюс принятую сцену мастерской, с разными ролями, и пусть каждый промпт описывает один новый момент истории:

Не просите в одном кадре и поднять сумку, и дойти до двери, и сменить костюм. Сумка даёт видимую проверку непрерывности: сначала на верстаке, потом в её руке у двери, потом снова на верстаке.

Проверяйте каждый результат, прежде чем он станет источником

Сравнивайте новый кадр с исходным якорем, а не с предыдущим результатом. Сначала оцените весь кадр в размере выдачи: узнает ли зритель Мару без зелёной куртки? Затем проверьте глаза, нос, челюсть, уши и линию волос, когда они видны, потом воротник куртки, сумку и комнату. Выражение лица оценивайте отдельно: сосредоточенный взгляд — не дрейф, а изменившийся нос — дрейф.

Дайте каждому кандидату один из трёх вердиктов:

• Принять: личность и детали, важные для этого шота, правильные.
• Доработать: одна вещь неверна, и вы можете её назвать.
• Отложить: лицо слишком мелкое или в тени, чтобы судить; запросите более близкий средний план, прежде чем использовать кадр как источник.

Запишите причину рядом с файлом («лицо и кудри совпадают, правая рука скрыта, здесь не нужна»), потому что утверждение относится к одному изображению для одного применения.

Прекратите расширять серию, пока якорь или первая сцена не решены: ещё десять изображений от сомнительного лица дадут вам только больше брака.

Примените тот же метод референсов к ленте взрослых персонажей

История с мастерской показывает назначение референсов, но взрослому автору часто нужен другой набор: портрет для профиля, пост с образом, сцена в комнате и короткое приветствие. Выполняйте эти четыре задачи отдельно. Один раз сгенерированного привлекательного лица недостаточно, чтобы сохранить телосложение человека на протяжении серии в полный рост.

Держите один утверждённый якорь лица и, если форма тела важна для коллекции, один утверждённый вид стоя, где читаются плечи, талия и ноги. Избегайте референса комнаты, в которой есть кто-то ещё. Референс образа другого человека тоже может перенести его лицо или телосложение; по возможности обрежьте такой источник до одежды и явно назначьте его только одежде.

Для поста с образом Мары предлагаемая инструкция была бы такой:

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.

Для поста с комнатой вернитесь к тому же якорю личности, уберите референс одежды и при необходимости добавьте пустую комнату. Для клипа-приветствия анимируйте принятый кадр комнаты с лёгкой улыбкой и сменой взгляда. Не начинайте с тесного портрета в профиль, прося видеомодель выдумать вокруг него сцену комнаты в полный рост.

Проверяйте пропорции при похожем виде и кадрировании. Более близкая камера делает голову крупнее; другая поза меняет контур талии. Эти различия не означают автоматически новую личность. Более широкая челюсть, сместившаяся линия волос или иное соотношение плеч и талии при том же ракурсе — более весомая причина отклонить кандидата. Это предлагаемые производственные решения, а не новый тест согласованности для серий со взрослыми. Наблюдения об обработке контента в конце статьи по-прежнему относятся только к протестированным моделям и задачам.

Добавляйте второго взрослого только когда это нужно сцене

Для спутника в мастерской используйте отдельный портрет Эли как второй источник личности, а пустую мастерскую сдвиньте на третье место. Укажите порядок:

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.

Иллюстрация, а не результат целевой модели: показанная расстановка назначает каждому взрослому и велосипеду отдельную роль; она не доказывает завершённый ремонт или генерацию с сохранением личности.

Подмена лица, подмена куртки и подмена владельца сумки — разные сбои, поэтому вернитесь к назначению референсов, которое соответствует симптому, а не добавляйте общую строку "same character". О принадлежности одежды и точках контакта см. руководство по изображениям ИИ с двумя персонажами (two-character-ai-images).

Анимируйте принятый кадр

Передайте утверждённый кадр мастерской как image_url в Seedance 2.5 изображение в видео со следующими параметрами:

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.

При $0.2773 в секунду пять секунд стоят $1.3865; 480p — $0.1234 в секунду, а 1080p — $0.6823. Со звуком и без звука цена одинакова, поэтому отключение звука — редакторское решение, а не экономия. Длительность составляет от 4 до 30 секунд в целых секундах, но для первого небольшого действия больше пяти не нужно.

Посмотрите клип целиком, особенно поворот и возвращение из профиля: совпадающие первый и последний кадры не исключают, что лицо меняется посередине. Проверьте также сумку и велосипед: они не должны двигаться или обрастать деталями. Если личность уходит в дрейф на повороте, уменьшите угол или используйте утверждённый кадр в профиль через задачу с референсами ниже, вместо того чтобы нагромождать слова о движении.

Переход к следующему шоту

При включённом return_last_frame последний кадр клипа возвращается как изображение. Сначала сравните его с якорем. Если он держится, используйте его как image_url следующего клипа; если ушёл в дрейф, вернитесь к утверждённому кадру. Цепочка непроверенных последних кадров переносит небольшую ошибку на каждый следующий шот. Расставьте принятые клипы по порядку и проверьте каждую склейку по куртке, стороне сумки и направлению взгляда, прежде чем шлифовать отдельный шот.

Когда использовать референс в видео

Seedance 2.5 референс в видео предназначен для отдельно назначаемых источников. Используйте его, когда шот должен объединить отдельно поданные личности и место действия; используйте «изображение в видео», когда один утверждённый кадр уже содержит нужное начало. Он принимает до тридцати референсных изображений и использует метки вроде @Image1. Стартовый промпт:

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.

Передайте reference_image_urls в этом порядке, с 3:4, пятью секундами и 720p. Не комбинируйте режим референсных изображений с изображением первого кадра. Только с референсными изображениями 720p тоже стоит $0.2773 в секунду. Прикрепление референсного видео меняет тариф и добавляет материал к оплачиваемой длительности; запросите отдельный расчёт стоимости.

Исправьте один кадр, не сбрасывая серию

Qwen Image 2.1 принимает чёрно-белую маску только с одним референсным изображением: белое отмечает нужное исправление, чёрное — области, которые нужно сохранить. Маска направляет правку, но не гарантирует неизменные пиксели. Для дефектного ремешка сумки загрузите принятую сцену как единственный источник и замаскируйте ремешок и его крепление, а не торс Мары. Попросите "one continuous yellow bag strap attached to the existing bag; retain the face, jacket and room." Если лицо изменится, вернитесь к мастеру до правки.

Персонажи для взрослой аудитории

Тот же процесс работает для персонажей, ориентированных на взрослых. Редактирование Qwen Image 2.1 и Seedance 2.5 изображение в видео и референс в видео выполнили промпты для взрослых в своих тестах контента. Эти результаты оправдывают использование этих маршрутов для зрелых сцен; якорь, роли референсов и проверки личности остаются теми же. Используйте вымышленных взрослых или изображения, которые вы вправе преобразовывать. Отчёт о редактировании в Qwen перечисляет, что делает редактор на разных уровнях контента; сохраняйте референсы и проверки в стиле Мары и оценивайте личность так же.

Когда референсов недостаточно

Если персонаж должен держаться на десятках изображений и в крайних ракурсах, рассмотрите LoRA персонажа, обученную именно для той модели, которую вы будете использовать. Отберите личность до обучения: более реалистичное лицо с другой челюстью всё равно не тот персонаж и должно остаться вне обучающего набора. Редактирование LoRA в Qwen Image 2.1 принимает до трёх весов LoRA по URL и стоит $0.042 при 1k и $0.15 при 2k с одним референсом. Руководство по API LoRA показывает запрос; редактирование LoRA в Qwen Image 2512 объясняет, какие веса подходят для какой задачи.

Используйте утверждённую настройку через API

Задайте SPICY_API_KEY в своём окружении. Задайте CHARACTER_IMAGE_URL, WORKSHOP_IMAGE_URL как прямые HTTPS-адреса ваших утверждённых изображений. Запускайте на Python 3; подтверждайте показанную оценку стоимости только тогда, когда хотите новую платную попытку.

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"])

Сохраните ключ для повторов именно этого запроса. Получение результатов и работа с файлами описаны в руководстве по API задач.

Для повторяющихся правок утверждённое задание может выполнять Agent:

• CLI: npx @spicyapi/cli tasks create --model alibaba/qwen-image-2.1/edit --input-file input.json --wait использует те же поля ввода.
• MCP: попросите его использовать spicyapi_task_create, затем spicyapi_task_wait.
• Skill: установите командой npx skills add spicyapi-ai/spicy-skill, затем попросите Skill spicyapi выполнить эту настройку, показав оценку стоимости.

FAQ

Всегда ли помогает больше референсных изображений?

Нет. Обычный старт — один утверждённый портрет плюс одно изображение сцены. Добавляйте вид только для недостающего ракурса и убирайте любое изображение с другим лицом. Заполнение всех десяти слотов обычно усложняет понимание запроса.

Доказывает ли стабильный кадр, что видео будет стабильным?

Нет. Поворот, перекрытие или рука поверх лица могут выявить черты, которых кадр никогда не показывал. Посмотрите клип целиком и сравните поворот и последний кадр с якорем.

Где взять лист персонажа?

Сгенерируйте его от якоря правками с одной целью, один ракурс на вызов, и утверждайте каждый вид относительно якоря. Пример: "Edit the approved portrait to a side profile on the same plain grey background; keep the face, hair and green jacket unchanged." Каждая правка стоит $0.036 при 1k. Оставляйте в качестве референсов только утверждённые виды.

Какой путь выбрать

Используйте Qwen Image 2.1 для правок с назначенными ролями референсов или для исправления по маске с одним исходным изображением. Seedream 5.0 Flash предлагает фиксированную цену референсов; Seedance 2.5 изображение в видео закрепляет первый клип, а референс в видео позволяет назначать отдельные источники. Если одна и та же черта продолжает уходить в дрейф, замените конфликтующий референс или уменьшите угол перед следующим рендером.