ثبات کاراکتر در ویدیوی هوش مصنوعی: حفظ یک شخصیت در تمام صحنهها
بیشتر ابزارهای ویدیوی هوش مصنوعی در هر بار تولید، کاراکتر شما را از صفر طراحی میکنند — چهرهای تازه، لباسی متفاوت و حس و حالی دیگر. ثبات کاراکتر یعنی هوش مصنوعی همان فرد (یا مسکات/محصول) را در سراسر نماها به یاد داشته باشد. Sesshu این کار را با تصاویر مرجع انجام میدهد: کاراکتر را یکبار آپلود کنید و تمام صحنهها را بر اساس همان مرجع بسازید.
تصاویر مرجع این خلأ را پر میکنند. به جای توصیف متنی مبهم، چهره، مو و استایل دقیق را به مدل نشان میدهید. Seedance 1.5 Pro، Kling 4.0 و Vidu Q4 در Sesshu مستقیماً از تصاویر مرجع پشتیبانی میکنند.
امتحان کنید: ابزار تولید ویدیو از تصویر مرجع
در ۱ ثانیه با Google وارد شوید — چک-این روزانه، اعتبار رایگان (تا ۶۰ در هفته)چه کارهایی رایگان است؟ →
دموها و پرامپتهای برگزیده
روی «ساخت با این پرامپت» کلیک کنید تا فرم بالا به صورت خودکار پر شود
دیدار مجدد در قطار
“یک فیلم کوتاه سینمایی واقعگرایانه ژاپنی 30 ثانیهای با نسبت تصویر 16:9 تولید کنید. داستان در یک قطار مسافربری ژاپنی در حال حرکت در غروب اتفاق میافتد، جایی که یک زن و مرد که در دوران دانشجویی با هم آشنا شده بودند، به طور غیرمنتظرهای دوباره یکدیگر را ملاقات میکنند؛ نگاه کوتاه در واقعیت با خاطرات پردیس بهاری در هم میآمیزد، با احساساتی مهارشده، ملایم و کمی پشیمانی ناگفته. 【شخصیتها و مراجع】 شکل 1 به زن در زمان حال اشاره دارد: موهای مشکی متوسط، آرایش طبیعی، کت بژ و شال گردن بافتنی رنگ روشن، با یک کیف روزمره. شکل 2 به مرد در زمان حال اشاره دارد: موهای کوتاه مشکی، کت تیره، پیراهن و لباس بافتنی زیر آن، در دستش کتابی باز دارد و یک کیف دوشی تیره به همراه دارد. اشکال 3 و 4 به عنوان مرجع برای دوران دانشجویی این دو نفر عمل میکنند. در خاطرات، آنها لباس فرم تیره ژاپنی میپوشند، با ویژگیهای صورت، چشمها و مدل موی مطابق با شخصیتهای واقعی؛ چهار تصویر فقط برای تثبیت ظاهر شخصیتها استفاده میشوند و نباید تصاویر مرجع مستقیماً به کلاژهای ثابت تبدیل شوند. 【صحنه و فیلمبرداری】 واگن قطار مسافربری قدیمی، دستگیرههای فلزی، حلقههای آویز دایرهای سفید، نیمکتهای بلند در دو طرف، ساختارهای واقعی پنجره و در. مسافران به طور طبیعی نشسته، کتاب میخوانند یا سرشان را پایین انداخته و استراحت میکنند. بیرون پنجره، خانههای کمارتفاع ژاپنی، راهآهن، خطوط برق و خطوط افق شهر دوردست به آرامی از کنار میگذرند. غروب آفتاب از پنجره کناری میتابد و نور حاشیهای طلایی گرمی روی شخصیتها ایجاد میکند، با سایههای آبی-خاکستری ملایم در قسمتهای تاریک واگن. عمق میدان کم، دانه فیلم کمی، کیفیت سینمایی 35 میلیمتری، بافت طبیعی پوست و حالات ظریف، بدون صاف کردن بیش از حد پوست. 【نماها و زمان】 0-4 ثانیه: نمای میانی-دور در طول راهروی قطار، دوربین به آرامی به جلو حرکت میکند. قطار با حرکت به آرامی تکان میخورد و حلقههای آویز کمی نوسان میکنند. مسافران نشسته و منظره خیابان در حال حرکت بیرون پنجره، فضایی آرام از رفتوآمد را ایجاد میکنند. 4-8 ثانیه: کات به نمای نیمهنزدیک از کنار زن. او کنار پنجره ایستاده، دستش را به آرامی روی حلقه آویز یا دستگیره گذاشته، پس از شنیدن حرکتی پشت سرش، به آرامی سرش را برمیگرداند. ابتدا به راهرو نگاه میکند، سپس برای لحظهای کوتاه نگاهش را متوقف میکند؛ حالت چهرهاش از آرامش به حسی آشنا تغییر میکند، لبهایش کمی از هم باز میشوند، بدون تعجب اغراقآمیز. 8-12 ثانیه: نمای از پشت شانه زن، مرد را در سمت دیگر راهرو میبیند. او که در ابتدا سرش را پایین انداخته و کتاب میخواند، سرش را بالا میآورد و با او چشم در چشم میشود، حرکت کتاب در دستش متوقف میشود. دوربین به آرامی به جلو حرکت میکند، سایر مسافران در واگن به کارهای خود ادامه میدهند و به دوربین نگاه نمیکنند. 12-17 ثانیه: از طریق تماس چشمی یا ترکیب مشابه به خاطرات بهاری منتقل شوید. یک جاده پردیس با شکوفههای کامل گیلاس، آن دو لباس فرم دانشجویی پوشیده، کیفهای مدرسه به همراه دارند و زیر درختان به سمت یکدیگر راه میروند. گلبرگها به آرامی میریزند، دختر به پسر نگاه میکند و پسر نیز میایستد. نور روشنتر و ملایمتر از واقعیت است، اما هویت شخصیتها ثابت میماند. 17-22 ثانیه: به طور طبیعی به همان واگن قطار برگردید. زن به آرامی برمیگردد و از کنار مرد در طول راهرو عبور میکند. مرد با یک دست حلقه آویز را گرفته، با دست دیگر هنوز کتاب را در دست دارد، نگاهش او را دنبال میکند؛ بدنش فقط کمی میچرخد، بدون در آغوش گرفتن یا تعقیب. 22-27 ثانیه: نمای نزدیک از مرد. نور گرم و سرد از پنجره روی صورتش میتابد در حالی که او به آرامی سرش را برمیگرداند تا به عقب نگاه کند، چشمانش پر از تردید و خاطرات است. احساسات را با تنفس خفیف، پلک زدن طبیعی و تغییرات در نگاه بیان کنید، با حفظ ثبات در کیف دوشی، لباس و مدل مویش. 27-30 ثانیه: بازگشت به نمای میانی واگن قطار، شخصیتها به طور طبیعی توسط راهرو و حلقههای آویز از هم جدا شدهاند. قطار به حرکت خود ادامه میدهد، غروب آفتاب بیرون پنجره به تدریج دور میشود. اجازه دهید آخرین نما برای لحظهای باقی بماند، تا طعم آرام پس از دیدار مجدد حفظ شود، بدون تحمیل پایانی. 【صدا】 صدای فرکانس پایین چرخهای قطار روی ریل، صدای تکان خوردن خفیف واگن و صدای مبهم انسانها از دور را حفظ کنید. برای موسیقی از پیانوی ملایم و مقدار کمی سازهای زهی استفاده کنید، با حجمی کمتر از صدای محیط. مقدار کمی روایت آرام ژاپنی میتواند اضافه شود، که احساسات خاطرات بهاری و دیدار مجدد پس از مدتها را بیان کند؛ لحن باید طبیعی و مهارشده باشد، با مکثهایی مطابق با ریتم نماها، بدون دیالوگ بلند یا گریه دراماتیک. 【ثبات و موارد استثنا】 ویژگیهای صورت، مدل مو، لباس، کیف و کتاب در دست یک شخصیت باید در تمام نماها ثابت بماند؛ فقط بخش خاطرات به لباس فرم دانشجویی تغییر میکند. پنجرهها، صندلیها، حلقههای آویز و موقعیت شخصیتها باید از روابط فضایی واقعی پیروی کنند. انتقال نماها باید واضح و طبیعی باشد، از پرش ناگهانی محور، حرکت صورت، انگشتان متعدد، تکرار شخصیت، تغییر شکل ساختار واگن، سوسو زدن، نوردهی بیش از حد، زیرنویس، عنوان، لوگو یا واترمارک خودداری شود.”
سفری فانتزی از ابرها به دریا
دختری جوان با دو گره مو، هواپیمایی صورتی و سفید را از میان ابرهای طلایی هدایت میکند، در حالی که اژدهاها و نهنگها در کنار او پرواز میکنند. سپس او با یک تخته موجسواری از روی دریا عبور میکند، با یک اژدهای کوچک قرمز ملاقات میکند و در نهایت به دنیایی درخشان زیر آب شیرجه میزند. دختر، لباسهایش و همراهان فانتزیاش را در طول انتقالهای روان ثابت نگه دارید.
چرا کاراکترها تغییر میکنند (و تصاویر مرجع چگونه این مشکل را حل میکنند)
هر بار تبدیل متن به ویدیو کاملاً مستقل عمل میکند. پرامپتی مانند 'زنی با پالتوی قرمز' هر بار چهرهای جدید تولید میکند، زیرا مدل حافظهای از نمای قبلی ندارد و شخصیت را از ابتدا خلق میکند.
تصاویر مرجع این خلأ را پر میکنند. به جای توصیف متنی مبهم، چهره، مو و استایل دقیق را به مدل نشان میدهید. Seedance 1.5 Pro، Kling 4.0 و Vidu Q4 در Sesshu مستقیماً از تصاویر مرجع پشتیبانی میکنند.
برای داستانهای چند نمایی: ابتدا یک پرتره روبهرو و شفاف بسازید (از طریق تبدیل متن به تصویر یا عکس واقعی)، سپس آن را به عنوان تصویر مرجع در پرامپت هر صحنه ضمیمه کنید. این روش استاندارد صنعت فیلمسازی و تبلیغات است.
نحوه ساخت ویدیو با کاراکتر ثابت در Sesshu
- STEP 011 / 4
آمادهسازی یا آپلود کاراکتر
یک تصویر شفاف روبهرو: عکس واقعی، پرتره هوش مصنوعی یا طرح مسکات شما. یک تصویر برای هر کاراکتر.
- STEP 022 / 4
باز کردن ابزار تصویر مرجع به ویدیو
در بخش زیر (یا در /reference-to-video)، تصویر کاراکتر را به عنوان ماده مرجع پیوست کنید.
- STEP 033 / 4
توصیف صحنه و حرکت، نه چهره
پرامپت را بر کنش و محیط متمرکز کنید — مثلاً 'قدم زدن در خیابان بارانی توکیو، انعکاس نئون، نورپردازی سینمایی' — تصویر مرجع هویت را تضمین میکند.
- STEP 044 / 4
تولید همه صحنهها با همان تصویر مرجع
از همان تصویر مرجع در تمام شاتهای داستان خود استفاده کنید تا کاراکتر در سراسر نماها بدون تغییر باقی بماند.
پرسشهای متداول درباره ثبات کاراکتر
آیا هوش مصنوعی میتواند یک کاراکتر را در چندین ویدیو ثابت نگه دارد؟
+
بله — از طریق تولید مبتنی بر مرجع. وقتی همان پرتره را به عنوان مرجع برای هر صحنه مجدداً استفاده کنید، مدل همان چهره و استایل را بازآفرینی میکند. Sesshu از جریانهای کاری Seedance، Kling و Vidu پشتیبانی میکند.
از چند تصویر مرجع میتوانم استفاده کنم؟
+
مدل Kling 4.0 در پلنهای سازگار تا 15 تصویر مرجع را میپذیرد؛ Seedance 1.5 Pro با یک تصویر شفاف روبهرو همراه با بافت صحنه کار میکند. هر چه تصویر واضحتر باشد، خروجی پایدارتر خواهد بود.
چرا گاهی تفاوتهای اندکی در کاراکتر دیده میشود؟
+
نورپردازی، زوایای تند دوربین و تاری حرکت تغییرات طبیعی ایجاد میکنند. استفاده از یک پرتره خنثی روبهرو و تمرکز پرامپت بر محیط مانع از تغییر هویت میشود.
آیا امتحان کردن آن رایگان است؟
+
بله. اعتبارهای رایگان چک-این روزانه (6 تا 12 عدد در روز، تا 60 عدد در هفته) برای تولید 2 تا 3 صحنه آزمایشی کافی است. بدون نیاز به کارت اعتباری.

