Consistencia de personajes en vídeo

Por qué es más difícil que en imagen fija

En una imagen fija tienes que acertar una cara, una vez. En vídeo tienes que acertar la misma cara a lo largo de cientos de fotogramas, mientras la cabeza gira, la luz cambia y el personaje habla. Cada fotograma es otra ocasión de desviarse.

Y ese es el caso fácil. El difícil es la identidad entre cortes: cuando el personaje sale en plano general en una toma, en primer plano en la siguiente y vuelve en la tercera. Para el modelo son generaciones independientes — no las une nada salvo lo que tú aportes.

Las cuatro entradas con las que puedes trabajar

• Imagen de referencia. La más extendida: una foto o varias del personaje. Cuantos más ángulos, mejor — pero el cupo es corto, y de eso va el apartado siguiente.
• Vídeo de referencia. Una opción más reciente, y más potente: el modelo se lleva no solo la cara, sino también el movimiento. En un proveedor también pasa la voz desde el vídeo de referencia, así que el timbre del personaje se mantiene estable.
• Un fotograma inicial para cada plano. El método más infravalorado. Si haces el fotograma de arranque de cada plano con un generador de imagen y resuelves ahí la identidad, al modelo de vídeo solo le queda moverla.
• Referencia de estilo y de entorno. No fija el personaje, sino el mundo — luz, paleta, localización. Sin eso el personaje encaja y la escena no.

Cuánto acepta el modelo

Los cupos varían muchísimo de un proveedor a otro, y eso por sí solo ya es un criterio para elegir herramienta.

• El modelo más generoso acepta treinta imágenes, diez vídeos y diez muestras de audio en una sola generación: cincuenta referencias en total.
• La zona media anda por nueve imágenes, tres vídeos y tres audios.
• En varios proveedores grandes, en cambio, el techo son tres imágenes y nada más.
• Y hay alguno donde son cuatro — y tampoco mezcladas, solo imágenes.

Si vas en serio a producir una serie con un personaje recurrente, ese número pesa más que un puesto en la clasificación.

Donde la medición te baja a la tierra

En 2026 apareció una medición hecha justo para esto, que examina la identidad entre cortes. Su hallazgo principal es que la conservación de la identidad se degrada bruscamente con la distancia de retorno: cuantos más planos pasan hasta que el personaje reaparece, menos el mismo es.

Traducido a la práctica: un personaje que está en pantalla todo el rato aún va bien; un personaje que sale en el primer plano y en el octavo, ya no. Si la historia lo pide, el regreso hay que forzarlo no desde el modelo, sino desde los fotogramas iniciales.

El truco que conviene llevarse de la medición

Esa misma medición tiene un hallazgo aún más importante, de método. Las métricas anteriores solo miraban cuánto se parece el personaje a sí mismo de un fotograma al siguiente. El problema es que el modelo saca buena nota aunque dibuje la misma cara sistemáticamente equivocada.

Por eso introdujeron una comprobación aparte de si el personaje es siquiera el personaje correcto. Para ti la lección es la misma: no mires si los ocho planos se parecen entre sí, mira si se parecen a la referencia original. No son lo mismo, y la deriva se cuela justo por esa rendija.

El método de trabajo

1. UN solo juego de referencias, y no te salgas nunca de él.
   3-5 imágenes: de frente, de tres cuartos, de perfil, una de cuerpo entero.
   Fondo limpio, luz uniforme, expresión neutra.

2. UN FOTOGRAMA INICIAL POR PLANO, del mismo juego,
   hecho con un generador de imagen. La identidad se decide aquí, no en el vídeo.

3. EL PROMPT DEL VÍDEO no debe describir otra vez al personaje.
   Ya está en el fotograma inicial. El prompt va del movimiento.

4. COMPARA CADA PLANO TERMINADO con la referencia ORIGINAL,
   no con el anterior. Al final de la cadena acabarías en otro sitio.

5. EN RETORNOS LARGOS (5+ planos) tapa al personaje o sácalo
   del encuadre, y tráelo de vuelta en primer plano.

Malentendidos habituales

• «Si la referencia es buena, el modelo lo resuelve.» Dentro de un clip, en buena medida sí. Entre planos no — ahí la solución es el fotograma inicial.
• «Más referencias siempre es mejor.» Cerca del límite empeora si las imágenes se contradicen. Pocas referencias coherentes valen más que muchas dispares.
• «Si los planos se parecen entre sí, la serie está bien.» También fue una trampa en las mediciones: una cara sistemáticamente mal también es «consistente».
• «Con una foto basta.» Con una sola el modelo adivina las demás vistas. De tres a cinco ángulos hay una diferencia de otro orden.

Lo que conviene llevarse

La identidad del personaje en vídeo no es tarea del modelo de vídeo, es tarea de los fotogramas iniciales. Un juego fijo de referencias, un fotograma inicial hecho con generador de imagen para cada plano y todas las comprobaciones contra el original — esos tres pasos dan un personaje estable. Qué traslada cada tipo de referencia es lo que desarrolla Reference images: estilo y personaje , y cómo se suman los planos hasta formar el vídeo lo cuenta Montar un vídeo de un minuto, el artículo siguiente.