Miért nehezebb, mint az állóképnél
Az állóképnél egy arcot kell eltalálni, egyszer. A videónál ugyanazt az arcot több száz képkockán keresztül, miközben a fej elfordul, a fény változik, és a szereplő beszél. Minden képkocka egy újabb esély a csúszásra.
És ez még a könnyebb eset. A nehezebb a vágások közti azonosság: amikor a szereplő az egyik snittben totálban van, a másikban közelben, a harmadikban visszatér. A modell számára ezek külön generálások — semmi nem köti össze őket azon kívül, amit te adsz meg.
A négy bemenet, amivel dolgozhatsz
- Referenciakép. A legelterjedtebb: egy vagy több fotó a szereplőről. Ahány szög, annál jobb — de a keret szűk, erről mindjárt.
- Referenciavideó. Újabb lehetőség, és erősebb: a modell nemcsak az arcot, hanem a mozgást is átveszi. Az egyik szolgáltatónál a referenciavideóból a hang is átjön, tehát a szereplő hangszíne is stabil marad.
- Kezdőkép minden snitthez. A leginkább alulértékelt módszer. Ha minden beállítás kezdőképét képgenerátorral csinálod meg, és ott oldod meg az azonosságot, akkor a videómodellnek már csak mozgatnia kell.
- Stílus- és környezeti referencia. Nem a szereplőt, hanem a világot rögzíti — fény, színvilág, helyszín. Enélkül a szereplő stimmel, de a jelenet nem.
Mennyit fogad a modell
A keretek szolgáltatónként nagyon eltérnek, és ez önmagában eszközválasztási szempont.
- A legbőkezűbb modell harminc képet, tíz videót és tíz hangmintát fogad egy generáláshoz — összesen ötven referenciát.
- A középmezőny kilenc kép, három videó, három hang környékén van.
- Több nagy szolgáltatónál viszont mindössze három kép a felső határ.
- Van, ahol négy — és ott sem vegyesen, csak képből.
Ha komolyan sorozatot gyártasz visszatérő szereplővel, ez a szám többet nyom a latban, mint a ranglista-helyezés.
Ahol a mérés kijózanít
2026-ban megjelent egy célzottan erre épült mérés, ami a vágások közti azonosságot vizsgálja. A fő megállapítása az, hogy az azonosságmegőrzés meredeken romlik a visszatérési távolsággal: minél több snitt telik el, mire a szereplő újra feltűnik, annál kevésbé lesz ugyanaz.
A gyakorlati fordítás: egy szereplő, aki végig a képen van, még rendben; egy szereplő, aki az első és a nyolcadik snittben szerepel, már nem. Ha a történet ezt kívánja, a visszatérést nem a modelltől, hanem a kezdőképektől kell kikényszeríteni.
A trükk, amit a mérésből érdemes elvinni
Ugyanennek a mérésnek van egy még fontosabb, módszertani megállapítása. A korábbi mérőszámok pusztán azt nézték, mennyire hasonlít a szereplő önmagára képkockáról képkockára. Ezzel az a baj, hogy a modell akkor is magas pontszámot kap, ha következetesen rosszul rajzolja ugyanazt az arcot.
Ezért vezettek be egy külön ellenőrzést arra, hogy a szereplő egyáltalán a helyes szereplő-e. Neked ugyanez a tanulság: ne azt nézd, hogy a nyolc snitt egymáshoz hasonlít-e, hanem hogy az eredeti referenciához hasonlít-e. Ez a kettő nem ugyanaz, és a sodródás pont ezen a résen csúszik be.
A munkamenet
1. EGY referenciakészlet, és abból soha ne térj el.
3-5 kép: szemből, háromnegyedből, profilból, egy egészalakos.
Tiszta háttér, egyenletes fény, semleges arckifejezés.
2. MINDEN SNITTHEZ kezdőkép, ugyanabból a készletből,
képgenerátorral. Itt dőljön el az azonosság, ne a videónál.
3. A VIDEÓ PROMPTJA ne írja le a szereplőt újra.
A kezdőképen már ott van. A prompt a mozgásról szóljon.
4. MINDEN KÉSZ SNITTET vess össze az EREDETI referenciával,
ne az előzővel. A lánc végén máshol lennél.
5. HOSSZÚ VISSZATÉRÉSNÉL (5+ snitt) a szereplőt takard el
vagy vágd ki a képből, és úgy hozd vissza közelben.
Tipikus félreértések
- „Ha jó a referencia, a modell megoldja." Egy klipen belül nagyrészt igen. Snittek között nem — ott a kezdőkép a megoldás.
- „Több referencia mindig jobb." A felső határ közelében romlik, ha a képek ellentmondanak egymásnak. Kevés, de egységes referencia jobb.
- „Ha a snittek egymáshoz hasonlítanak, jó a sorozat." Ez a mérésekben is csapda volt: a következetesen rossz arc is „konzisztens".
- „Elég egy fotó." Egyből a modell találgatja a többi nézetet. Három-öt szög nagyságrendi különbség.
Amit érdemes elvinni
A videós karakterazonosság nem a videómodell feladata, hanem a kezdőképeké. Egy fix referenciakészlet, minden snitthez képgenerátorral készült kezdőkép, és minden ellenőrzés az eredetihez képest — ez a három lépés adja a stabil szereplőt. Hogy melyik referenciatípus mit visz át, arról a referenciaképek fajtái poszt szól, a snittekből összeálló videóról pedig az egyperces videó összerakásaposzt.