Wie du 2026 konsistente KI-Charaktere erstellst: Der komplette Leitfaden

Image-to-Image-Charakterkonsistenz bedeutet, neue Bilder desselben Charakters in neuen Szenen und aus neuen Blickwinkeln zu generieren, während seine exakte visuelle Identität erhalten bleibt. Anstatt den Charakter jedes Mal erneut in Worten zu beschreiben, gibst du dem Modell ein Referenzbild, und es gleicht Gesicht, Haare und Kleidung in jeder Einstellung ab.

Wenn du schon einmal einen Charakter erstellt hast und dabei zusehen musstest, wie er in neuen Shots mit unterschiedlichen Einstellungen, Kamerawinkeln und feinen Details auseinanderfällt, hast du Character Drift erlebt. Dies ist eine der hartnäckigsten Herausforderungen im KI-Filmemachen. Dieser Leitfaden erklärt genau, warum Character Drift auftritt, und zeigt die exakten Methoden, mit denen du ihn beheben kannst, damit du Charaktere in Flick, Midjourney, Veo 3, Sora und ComfyUI konsistent halten kannst.

Wie man konsistente KI-Charaktere in 2026 erstellt auf einen Blick

Für alle, die einen schnellen Überblick möchten, hier die Kurzfassung:

Der zuverlässigste Weg, mit KI einen konsistenten Charakter zu erstellen, besteht darin, die Identität des Charakters zunächst in einem einzigen Referenzbild festzulegen und diese Referenz für jeden neuen Shot wiederzuverwenden. Diese Methode ist konsistenter, präziser und zuverlässiger als das erneute Prompten von Grund auf, weshalb sie 2026 zum Standard-Workflow geworden ist.

In Flick ist dies das Character Reference-Tool, und es erfordert nur drei Schritte:

1. Generiere oder lade ein Bild deines Charakters hoch — ein sauberes, gut ausgeleuchtetes Frontalporträt liefert die besten Ergebnisse
2. Wähle dieses Bild aus und klicke auf Character Reference
3. Beschreibe deine neue Szene frei per Prompt („geht nachts durch den neonbeleuchteten Markt, filmisch“), während deine Referenz deinen Charakter stabil hält.

Dies ist für nahezu alle Creator die Technik mit dem größten Hebel, da sie kein Training, keinen Code und keine GPU erfordert — nur ein gutes Referenzbild. Schau dir unser Tutorial an: Nano Banana Pro Tutorial for Character Consistency

Warum Charakter-Drift entsteht

Um Charakter-Drift zu beheben, hilft es zu verstehen, was ihn verursacht. Wenn du ein Bild generierst, beginnt das Modell mit zufälligem Rauschen. Es entfernt dieses Rauschen Schritt für Schritt, geleitet von deinem Prompt, bis ein klares Bild entsteht. Dies nennt man Diffusion.

Wenn du einen Charakter in einem Prompt beschreibst, verweist du das Modell nicht tatsächlich auf eine bestimmte Person. „Ein bärtiger Mann in seinen Dreißigern“ passt auf Millionen von Bildern, die das Modell beim Training gesehen hat. Dein Prompt landet irgendwo im Raum all dieser Möglichkeiten. Das Ergebnis ist ein verallgemeinertes Resultat aus dem gesamten Raum dieser Bilder — ein Durchschnitt vieler verschiedener Gesichter, die zu deiner Beschreibung passen.

Selbst wenn du also genau denselben Prompt zur Beschreibung eines Charakters wiederverwendest, beginnt das Modell mit einem neuen zufälligen Rauschmuster und landet letztlich an einem leicht anderen Punkt in diesem Raum. Dadurch fällt das Ergebnis jedes Mal etwas anders aus, obwohl der Prompt gleich bleibt. Kleine Variationen in deinem Prompt, etwa neue Blickwinkel, ein neuer Charakter oder ein anderer Hintergrund, verstärken diesen Effekt. Shot für Shot summieren sich diese Variationen, und am Ende driftet dein ursprünglicher Charakter zu einer völlig anderen Person.

Genau das behebt Flicks Character-Reference-Funktion. Anstatt deinen Charakter in einem Prompt zu speichern, speichert das Character-Reference-Tool deinen Protagonisten als Referenzbild. So gibt jede neue Generierung deinen ursprünglichen Charakter originalgetreu wieder, selbst wenn du verschiedene Aspekte der Szene änderst.

Der Charakter, den du definierst, repräsentiert eine verallgemeinerte Version vieler Bilder, denen das Modell beim Training begegnet ist. Jede Bildgenerierung ist neu und beginnt mit zufälligem Rauschen. Das Modell entfernt dieses Rauschen Schritt für Schritt (Diffusion), bis ein Bild entsteht, das zu dem von dir beschriebenen Prompt passt. Der Charakter, den du definierst, repräsentiert eine verallgemeinerte Version vieler Bilder, denen das Modell beim Training begegnet ist. Jede Generierung beginnt mit zufälligem Rauschen und erzeugt ein leicht anderes Gesicht innerhalb dieses Bereichs. Dadurch driftet dein anfängliches Rendering deines Charakters über mehrere Generierungen hinweg, besonders wenn du deinem Prompt weiteren Inhalt hinzufügst, zu etwas völlig Neuem.

Konsistente Charaktere mit Flick erstellen

The Herder, als einzelne Character-Reference festgelegt. Sieh dir den vollständigen Film an.

Erstelle zunächst einen Charakter — The Herder: kein Held, kein Zauberer—nur ein Arbeiter, dessen Handwerk in dem Moment unsichtbar wird, in dem es funktioniert. Er ist ein Handwerker aus dem "modernen Europa" (etwa 1800er bis frühe 1900er Jahre). Um ihn von vorne bis hinten (und von Shot zu Shot) konsistent zu halten, nutze das Flick Character Reference-Tool.

Beginne mit einem einzigen Referenzbild. Erstelle aus diesem ersten Bild mehrere Turnaround-Sheets—vorne/seitlich/hinten—in verschiedenen Zuständen: mit Hut, ohne Hut, mit Regenschirm, freie Hände, nasser Mantel, wechselnde Ausrüstung.

Kombiniere anschließend die Turnaround-Sheets mit dem Flick Character Reference-Tool, damit die Silhouette des Charakters von vorne/seitlich/hinten über alle Shots hinweg stabil bleibt.

5 Methoden für konsistente KI-Charaktere im Vergleich

Es gibt nicht das eine „richtige" Tool oder Modell, aber es gibt die richtige Methode für dein Erfahrungslevel und den gewünschten Grad an Kontrolle. Hier ist eine Übersicht der 5 besten Ansätze für img2img-Charakterkonsistenz und für wen sie sich am besten eignen:

Methode	Funktionsweise	Am besten für	Aufwand	Konsistenz
Character Reference (img2img)	Ein Referenzbild hochladen; das Modell überträgt diese Identität auf neue Szenen	Fast alle — der schnellste Weg zu einem konsistenten Charakter	Gering	Hoch
Charakter-/Turnaround-Sheet	Vorder-, Seiten-, Rück- und 3/4-Ansichten generieren, um sie als Multi-Winkel-Referenzen zu nutzen	Bild-Video-Tools genug Kontext für Winkel und Bewegung geben	Gering–mittel	Hoch
Prompting	Denselben Seed und eine wortgetreue Charakterbeschreibung über mehrere Generierungen hinweg wiederverwenden	Schnelle Variationen eines einzelnen Looks	Gering	Mittel
LoRA-Training	Ein kleines, individuelles Modell mit 15–50 Bildern deines Charakters trainieren	Hunderte Shots mit nahezu keiner Drift	Hoch	Sehr hoch
Face Swap (finale Nachbearbeitung)	Frei generieren und anschließend das Gesicht deines Charakters auf jeden Frame übertragen	Drift nachträglich korrigieren	Mittel	Hoch (nur Gesicht)

So bleibt ein Charakter in jedem wichtigen Tool konsistent

Midjourney löst Konsistenz über Omni Reference (den Parameter —oref, mit einem Omni-Gewicht —ow, um zu steuern, wie stark sich die Referenz durchsetzt). Verwenden Sie ein moderates Gewicht für ein ausgewogenes Ergebnis (100 ist Standard) und verringern Sie es, wenn Sie Aspekte Ihres Charakters verändern möchten. Es liefert wunderschöne Ergebnisse mit beeindruckenden Stilen, kann feine Details wie Sommersprossen oder Tattoos jedoch abschwächen.

Googles Veo 3 (und Veo 3.1) hält Charaktere mit seinem „Ingredients to Video“-Referenzsystem konsistent. Speisen Sie Ihre Referenzbilder ein, um die Identität Ihres Charakters festzulegen, und achten Sie darauf, in jedem Prompt exakt dieselbe Charakterbeschreibung zu verwenden. Veo erzeugt außerdem nativ synchronisierten Ton und Lippensynchronisation, sodass Ihr Charakter sprechen kann.

Sora baute Charakterkonsistenz auf aufgezeichneten Referenzclips auf (ursprünglich „Cameos“, später „Characters“ genannt), die über mehrere Generierungen hinweg ein wiederverwendbares Erscheinungsbild mit nativem Ton erzeugten. OpenAI hat Sora 2026 eingestellt, aber Sie können OpenAIs img2img-Bildmodell GPT Image 2 verwenden, um in Flick Szenen mit Ihrem Charakter zu generieren.

Für absolute Kontrolle ermöglicht Ihnen ComfyUI, Tools wie PuLID, InstantID und IP-Adaptor mit einer eigens trainierten Charakter-LoRA sowie Posenkontrolle und Face-Detailing-Knoten zu kombinieren. Es ist der anspruchsvollste und technischste Weg, aber ideal, wenn Sie unbegrenzte lokale Generierung ohne jegliche Abweichung suchen.

Der End-to-End-Workflow: vom Character Design bis zum Final Cut

Um über einzelne Bilder hinauszugehen und Ihre Charaktere in Ihre abendfüllenden Filme zu integrieren, hier der Workflow, den die besten Creator im Jahr 2026 nutzen:

1. Gestalte deinen Protagonisten. Generiere ein einzelnes, überzeugendes Porträt, das dir gefällt.
2. Erstelle ein Referenzblatt. Erstelle ein Turnaround (Vorderseite, Seite, Rückseite, 3/4). Erstelle Referenzen mit unterschiedlichen Outfits, Requisiten und Ausdrücken.
3. Lege die Character Reference in Flick fest und generiere jede Einstellung in deiner Szene, wobei du dich darauf konzentrierst, das Umfeld und die Handlung deiner Figur in jedem Prompt zu definieren.
4. Animiere aus dem Standbild. Nimm jedes fixierte Bild und verwende ein Image-to-Video-Modell, um Szenen mit deiner Figur zu erstellen.
5. Bearbeiten und Grading. Setze deine Szenen im Videoeditor zusammen, um dein finales Ergebnis zu erzielen.

Die praktische Regel: Verankere die Identität zuerst in einem Standbild und animiere sie erst danach.

So erreichst du noch mehr Präzision bei der Charakterkonsistenz in Flick

Unser hauseigenes Filmteam hat unzählige Stunden damit verbracht, mit verschiedenen Workarounds zu experimentieren, um die besten Ergebnisse für img2img-Charakterkonsistenz in Flick zu erzielen. Dabei haben wir mehrere fortgeschrittene Tipps und Tricks entdeckt, mit denen du präzisere Einstellungen generieren kannst, während deine Figuren konsistent bleiben.

Einer der wichtigsten Aspekte eines starken Workflows für Charakterkonsistenz ist das Prompting. Wir stellen eine umfassende Liste von Prompts bereit, die du für img2img-Charakterkonsistenz verwenden kannst. Im Folgenden zeige ich dir die besten Prompts für Charakterkonsistenz, die du in verschiedenen Workflows einsetzen kannst.

Für die erste Methode beginnen wir ohne unsere einzelne Charakterreferenz, die wir wie folgt in ein Turnaround-Sheet verwandeln:

Ab diesem Punkt ist unser Ziel, unsere erste Einstellung mit unserer Figur zu generieren. In diesem Fall erstellen wir eine Einstellung, in der unsere Figur in einer luxuriösen Kutsche fährt und aus dem Fenster auf eine verschneite nordische Ebene blickt.

Der Trick besteht darin, unser Bild und unseren Charakter nicht in einem Schritt zu generieren, da dies weniger Präzision bietet. Stattdessen erzeugen wir zunächst eine leichte Schablonen-Skizze unseres gewünschten Bildes, wobei die Charakterbeschreibung in den Text eingebettet ist. Es ist wichtig, hier nicht zu viele Details zu verwenden, da dies nur ein grobes Schema unseres finalen Frames darstellen soll. Wir können einen Prompt erstellen, um dieses Bild zu generieren, wie folgt:

Erstelle eine leichte, grobe Bleistiftskizze mit Umrissen. Ziele auf ein grobes Schema ab, ohne zu viele Details. Der Schauplatz ist im Inneren einer luxuriösen Kutsche. Das Innere der Kutsche ist insgesamt sehr dunkel, mit nur schwachem Umgebungslicht im Inneren. Die einzige klare Lichtquelle kommt von außerhalb des Fensters. Das Kutschenfenster ist eine vollständig geöffnete Fensteröffnung ohne Glas. Schwere Vorhänge rahmen das Fenster ein. Das Innere der Kutsche umfasst geschnitzte hölzerne Zierstrukturen und eine gepolsterte Rückenlehne. Eine dünne Schneeschicht liegt auf der Fensterbank, und eine kleine Menge Schnee weht sanft in die Kutsche. Draußen vor dem Fenster liegt eine nordische Schneeebene. Das Äußere ist von dichtem Morgennebel erfüllt. Der weiße Nebel ist sehr dicht, und nur schwache Formen einer schneebedeckten offenen Ebene, niedriger schneebedeckter Hügel und sehr ferner Bergsilhouetten sind zu erkennen. Der Charakter ist eine junge europäische Frau Anfang zwanzig. Ihr Gesicht ist ein leicht schmales, weiches Oval mit einer glatten Stirn, ausgeprägten Wangenknochen, einer klaren Kieferlinie und einem subtil spitz zulaufenden Kinn. Ihre Augenbrauen sind dunkel, klar geformt und größtenteils gerade. Ihre Augen sind längliche Mandelaugen mit klar definierten Oberlidern und einem ruhigen, direkten Blick. Die Iris und die Pupillen sind hell bernsteingolden, und die Augen weisen realistische feuchte Reflexionen auf. Ihr Nasenrücken ist gerade und schmal, mit einer kleinen, fein geformten Nasenspitze. Ihre Lippen sind klar geformt, mit einer relativ dünnen Oberlippe und einer etwas volleren Unterlippe. Ihr Ausdruck ist ruhig und ernst. Ihre Haut ist blass mit einem leicht kühlen Unterton, mit erhaltenen leichten Sommersprossen, realistischer Hauttextur, sichtbaren Poren, leichten Details unter den Augen, winziger Asymmetrie, realistischer Lippentextur und subtiler natürlicher Hautvariation. Sie stützt ihr Kinn nachdenklich in ihre Hand und blickt über eine weite, leere Landschaft der schneebedeckten nordischen Ebene.

Mit GPT Image 2 generiert, hier ist unser Ergebnis:

Da wir mit unserer Skizze zufrieden sind, können wir mit der Generierung unserer finalen Einstellung fortfahren. Wir können ein Bildmodell wie Nano Banana Pro verwenden, um unseren finalen Frame zu generieren, indem wir unsere Charakter-Referenzbilder und unsere Kompositionsskizze übergeben, damit das Modell genau weiß, wie unser Kompositionscharakter aussehen soll.

Unser Prompt weist das Modell zunächst an, die bereitgestellte Skizze als Kompositionsreferenz zu verwenden, unsere Charakter-Referenzbilder mit 100 % Genauigkeit abzugleichen und die Skizze in ein Realfilm-Foto zu verwandeln. Hier ist der vollständige Prompt:

Verwende die bereitgestellte Skizze als einzige Kompositionsreferenz. Verwende die bereitgestellte Seitenprofil-Referenz als einzige Referenz für Gesicht und Haare. Verwende die bereitgestellte Ganzkörper-Referenz als einzige Outfit-Referenz.

Erstelle eine Live-Action-Nahaufnahme von Serana. Die Handlung der Figur, die Gesamtkomposition und die Struktur des Kutscheninneren entsprechen zu 100 % exakt der bereitgestellten Skizze. Die Identität der Figur, die seitliche Gesichtskontur, die Gesichtszüge, der Hautton, die bernsteingoldenen Augen und die Frisur entsprechen zu 100 % der bereitgestellten Seitenprofil-Referenz. Das Outfit-Design, die Farben und das gesamte Charakterstyling entsprechen zu 100 % der bereitgestellten Ganzkörper-Referenz.

Verwandle das Bild in eine Live-Action-Fotografie. Der Schauplatz ist im Inneren einer luxuriösen Kutsche. Das Kutscheninnere ist insgesamt sehr dunkel, mit nur schwachem Umgebungslicht im Inneren. Die einzige klare Lichtquelle kommt von außerhalb des Fensters. Das Kutschenfenster ist eine vollständig offene Fensteröffnung ohne Glas. Schwere Vorhänge rahmen das Fenster. Das Kutscheninnere umfasst geschnitzte hölzerne Dekorstrukturen und eine gepolsterte Rückenlehne. Eine dünne Schneeschicht liegt auf dem Fensterbrett, und eine kleine Menge Schnee weht sanft in die Kutsche.

Außerhalb des Fensters liegt eine nordische Schneeebene. Das Äußere ist von dichtem Morgennebel erfüllt. Der weiße Nebel ist sehr dicht, und nur schwache Umrisse einer schneebedeckten offenen Ebene, niedriger schneebedeckter Hügel und sehr entfernter Bergsilhouetten sind zu erkennen. Eine kleine Menge weiches Morgenlicht dringt durch den Nebel und fällt auf Seranas Gesicht und Haarränder. Helle Bereiche tragen ein sanftes Bloom, besonders in den nebligen Lichtern draußen, entlang des Fensterlichts und im Morgenlicht auf ihrem Gesicht.

Der Fokus liegt auf Seranas Gesicht. Ihre Augen, Wimpern, Hautstruktur und Gesichtskontur sind die schärfsten Teile des Bildes, tragen aber dennoch eine leichte natürliche, kamera-typische Weichheit und eine leichte Unschärfe-Unvollkommenheit, statt einer klinisch perfekten Schärfe. Die Außenansicht ist extrem unscharf und wirkt nur wie sehr weiche, verschwommene Ebenen. Der Rest des Kutscheninneren ist ebenfalls sanft unscharf, wobei die grundlegende Struktur erkennbar bleibt.

Bewahre realistische Hautstruktur, sichtbare Poren, feine Sommersprossen, realistische Haarstruktur, realistische Stoffstruktur, realistische Holzstruktur, feines Filmkorn, leichtes Sensorrauschen, milde Objektivweichheit, sehr subtile chromatische Aberration und ein natürliches, unvollkommenes, kamera-typisches Rendering.

Bei der Generierung mit Nano Banana Pro ist dies unser Ergebnis:

Mit einer Kompositionsskizze zu beginnen, bevor man das finale Bild generiert, erfordert nur eine zusätzliche Bildgenerierung, bietet aber eine überlegene kreative Kontrolle über die Komposition unserer finalen Aufnahme. Eine zweite Generierung mit unserer Kompositionsskizze und unseren Charakterbildern als Referenzen sorgt dann dafür, dass unsere finale Aufnahme unserer gewünschten Komposition folgt und dabei die Charakterkonsistenz makellos beibehält.

Vom Charakter-Standbild zum Video

Bis hierher hat dir dieser Leitfaden das nötige Verständnis vermittelt, um außergewöhnlich präzise Shot-Stills mit Charakterkonsistenz zu erstellen. Der nächste Schritt besteht darin, mit diesen Shots Videos zu generieren und dabei Charakter-Drift zu vermeiden. Dies ist eine besondere Herausforderung beim KI-Filmemachen, denn deine Figur muss nicht nur innerhalb einer einzelnen Bildgenerierung konsistent bleiben, sondern auch von Frame zu Frame innerhalb deines generierten Videos. Darüber hinaus ist jede neue Einstellung eine Gelegenheit, bei der deine Figur abweichen kann. Unsere Filmemacher haben festgestellt, dass beim Übergang von Bild zu Video am häufigsten folgende Aspekte nicht konsistent bleiben:

• Frame-zu-Frame-Drift. Besonders wenn du deinen Charakter in neue Posen animierst, tritt Charakter-Drift auf. Das Gesicht deines Charakters kann sich beispielsweise mitten in der Einstellung verändern, wenn sich der Kopf von der Kamera weg- und wieder zu ihr hindreht.
• Profil- und Rückenansichten. Die meisten Referenzsysteme sind auf frontal ausgerichtete Gesichter trainiert. Wenn sich dein Charakter im Dreiviertel- oder Vollprofil dreht, kann diese Referenz versagen. Deshalb ist es unerlässlich, ein Turnaround-Sheet zu verwenden, das mehrere Blickwinkel deines Charakters zeigt (vorne, seitlich, hinten, 3/4).
• Output- und Requisiten-Drift. Image-to-Video-Modelle konzentrieren sich meist am stärksten darauf, das Gesicht deines Charakters während des gesamten generierten Videos beizubehalten. Kleidung und Accessoires erhalten dadurch während der Generierung weniger Aufmerksamkeit. Deshalb ist es entscheidend, deine Garderobe in deinem Referenzbild festzulegen und sie im Prompt, den du dem Image-to-Video-Modell gibst, zu verstärken.
• Längenbegrenzungen und das Verketten von Einstellungen. Die meisten Image-to-Video-Modelle begrenzen einen einzelnen Clip auf 5–15 Sekunden. Das bedeutet, dass für die Erstellung längerer Einstellungen ein Clip generiert, dessen letztes Frame mit Flicks Extract-Frame-Tool extrahiert und dieses Frame als Startbild des nächsten Clips verwendet werden muss. Jeder Sprung in eine neue Image-to-Video-Generierung ist eine erneute Chance, dass dein Charakter driftet.

Die Referenzmodi, die du für die Videogenerierung wirklich brauchst

• Reference-to-Video — stelle ein oder mehrere Bilder deines Charakters bereit und nutze Flicks hochmoderne Integration mit leistungsstarken Modellen wie Kling Omni Reference und Seedance Reference to Video.
• Start-/End-Frame — stelle das erste Bild (und optional das letzte) für deine Image-to-Video-Generierung bereit. Die Verwendung von Start- und Endbildern mit präzisen Darstellungen deines Charakters und der gewünschten Komposition, aufbauend auf der oben beschriebenen Methode der Kompositionsskizze, liefert die besten Ergebnisse.
• Character-LoRA — um Drift über einen ganzen Film hinweg zu minimieren, trainiere eine LoRA anhand einer großen Anzahl (50+) deiner Charakterreferenzen. Modelle wie Wan 2.2 haben sich dafür als am besten erwiesen. Durch die Anwendung dieser LoRA bei der Generierung kannst du hervorragende Videoergebnisse erzielen und gleichzeitig die Konsistenz der Charaktere wahren.

Der Flick-Video-Workflow mit Charakterkonsistenz

Hier zahlt sich der Character-Reference-Workflow aus, der auf Flicks nativer Character-Reference-Funktion basiert. Da du deinen Charakter bereits in einem Einstellungsbild festgelegt und ein Turnaround-Sheet erstellt hast, gibst du dem Videomodell den bestmöglichen Kontext dafür, wie dein Charakter in der finalen Generierung aussehen soll. Hier sind die beiden besten Methoden, die unsere hauseigenen Filmemacher gefunden haben:

Charakterkonsistenz mit Omni Reference erzielen

Bei dieser Methode beginnst du mit einem Bild deiner gewünschten Umgebung. Lass uns beispielsweise eine verschneite Berglandschaft in dem gewünschten klaren Blauton generieren, wobei wir Komposition, Farbpalette und Kamerawinkel für höchste Präzision festlegen. Hier ist unser Prompt:

Kinematografische Weitwinkelaufnahme eines riesigen, schneebedeckten Alpenhangs, mit einem glatten, makellosen Schneehang, der sich diagonal durch das Bild zieht, gewaltiger Leerraum, unberührter Pulverschnee, subtile windgeformte Texturen im Schnee, ein ferner Felsgrat, der aus dem Gletscher hervortritt, minimalistische Landschaftskomposition, sanftes Winterlicht, blasse blaue atmosphärische Farbabstimmung, kalte Bergluft, stille Wildnis, keine Menschen, keine Bäume, keine Bauwerke.

Fotografiert von einem hochalpinen Aussichtspunkt aus, wobei Größe und Leere betont werden. Klare geometrische Formen, geschaffen durch Schnee und Schatten, sanfte Tonübergänge, weitläufiges gefrorenes Gelände, das sich über den Bildrand hinaus erstreckt.

Ultra-realistische Fotografie, mittlere Telekompression, National-Geographic-Expeditionsfotografie, hoher Dynamikumfang, gestochen scharfe Details in der Schneetextur, feiner atmosphärischer Dunst, natürliches Licht, erstklassige Outdoor-Kinematografie, isländische Gletscherästhetik, skandinavischer Minimalismus, atemberaubendes Gefühl von Isolation und Ruhe.

Komposition: starke diagonale Führungslinie, asymmetrischer Bildaufbau, 80 % Schnee- und Himmelstöne, extremer Leerraum, minimalistische Fine-Art-Landschaftsfotografie.

Farbpalette: Eisblau, Gletscherweiß, sanftes Grau des Gesteins, gedämpfte Wintertöne.

Kamera: Sony A1, 135-mm-Objektiv, f/8, ISO 100, Polarisationsfilter, kinematografische Farbabstimmung.

Bei der Generierung mit Nano Banana Pro erhalten wir folgendes Ergebnis:

Ab diesem Punkt können wir eines von Flicks führenden Omni-Reference-Modellen verwenden, um unsere Figur in die Szene zu animieren. Sowohl Kling als auch Seedance liefern hervorragende Ergebnisse und eine präzise Charaktersteuerung. Um auf Omni Reference zuzugreifen, fahren wir mit der Maus über unser generiertes Bild der Umgebung, wählen Video aus und entscheiden uns für Seedance 2.0.

Charakterkonsistenz mit Seedance 2.0

Ab hier können wir unser Umgebungsbild und unsere Charakterreferenzbilder als Eingabe bereitstellen. Da wir vorhaben, unsere Figur in voller Körpergröße durch die Szene laufen zu lassen, ist es am besten, Ganzkörper-Referenzbilder unserer Figur bereitzustellen. Um Dialog hinzuzufügen, können wir optional Audio als Referenz anhängen und das Modell anweisen, unsere Figur diesen Dialog sprechen zu lassen.

In diesem Beispiel erstellen wir ein Video, in dem unsere Figur durch die Szene läuft und unseren Dialog „Ah! Es ist so schön, hier draußen durchzuatmen.“ spricht. Wir können außerdem einen Handkamera-Stil festlegen, um genau die Videoergebnisse zu erzielen, die wir uns wünschen.

Flicks hochmodernes Erwähnungssystem ermöglicht es dir, bestimmte Eingaben in deinem Prompt zu referenzieren, sodass du dem Modell genau vorgeben kannst, wie jede Eingabe in der finalen Generierung verwendet werden soll. Wir können dem Modell zum Beispiel sagen, dass es das erste Bild als Startframe verwenden soll, und dann unsere drei Charakterreferenzbilder nutzen, um das Aussehen unserer Figur zu erstellen. Wir legen die Bewegung unserer Figur fest und weisen das Modell anschließend an, unsere Figur den angehängten Dialog sprechen zu lassen. Hier ist unser finaler Prompt:

Nimm @Image1 als Startframe. Beziehe dich beim Aussehen von Serana auf @Image2, @Image3 und @Image4. Handkamera-Stil, Serana betritt das Bild von der unteren linken Ecke, streckt sich beim Gehen und spricht @Audio1.

Dieser Prompt ist kurz und einfach — und genau das ist der Punkt. Der Großteil der Informationen, auf die sich unser Modell stützen soll, stammt aus unseren Referenzbildern. Wir können die Fähigkeiten von Seedance 2.0 und Flicks Erwähnungssystem nutzen, um genau festzulegen, wie das geschehen soll, und so eine präzise finale Videogenerierung erzeugen, während die Charakterkonsistenz makellos erhalten bleibt. Hier ist unser Endergebnis:

Charakterkonsistenz mit Kling O3 Pro Omni Reference

Charakterkonsistente Videos mit Kling O3 Pro zu erstellen, besteht aus vielen der gleichen Schritte wie mit Seedance 2.0. Beginne mit einem Bild deiner Umgebung und deinen Charakter-Referenzbildern. Von hier aus können wir mit der Maus über unser Umgebungs-Referenzbild fahren und auf Omni Reference zugreifen. Flicks Erwähnungssystem erstreckt sich auch auf Kling Omni Reference, mit dem du bis zu 12 Bildreferenzen bereitstellen kannst, auf die das Modell bei der finalen Generierung zurückgreifen kann.

Um Kling O3 Pro Omni Reference mit Charakter-Referenz zu nutzen, wähle den Modellauswähler und übergib dein gewünschtes Startbild. Für dieses Beispiel verwenden wir unser Umgebungs-Referenzbild. Anschließend kannst du Flicks Erwähnungssystem nutzen, um ein Element zu erstellen. Elements ermöglichen es dir, mehrere Referenzbilder in einer einzigen Erwähnung zu speichern. Nachdem wir unser Umgebungsbild als Startbild übergeben haben, können wir ein Element erstellen, das unseren Charakter repräsentiert. Standardmäßig wird dieses Element „Element1“ genannt. Wir können unsere drei Ganzkörper-Charakter-Referenzbilder an dieses einzelne Element anhängen und es im Prompt referenzieren.

Im Prompt weisen wir das Modell an, das Erscheinungsbild unseres Charakters aus „Element1“ zu referenzieren, und legen einen Handkamera-Stil fest. Wir definieren ihre Bewegung: Sie „läuft mit ausgebreiteten Armen in die Szene, als würde sie den Wind spüren“, und weisen das Modell schließlich an, keine Hintergrundmusik zu generieren. Hier ist unser finaler Prompt:

Reference Serana's appearance from @Element1 . Handheld camera style. Serana walks into the scene with her arms open, like she's feeling the wind. No background music.

Auch hier können wir unseren Prompt einfach halten, da wir die meisten Informationen dem Modell über unser Startbild (das die Umgebung der Aufnahme repräsentiert) und ein Element (das unseren Charakter durch unsere drei bereitgestellten Referenzbilder repräsentiert) mitteilen. Nachdem wir unser Umgebungsbild als Startbild eingegeben, Element1 zur Repräsentation unseres Charakters definiert und unseren Prompt geschrieben haben, sind wir bereit für die Generierung:

Hier ist das Ergebnis. Es trifft die Charakterkonsistenz genau, behält unsere Umgebung exakt so bei, wie wir sie im Startbild vorgeben, und folgt unserer Anweisung zum Handkamera-Stil präzise:

Erreiche charakterkonsistente Videos mit noch mehr Präzision in Flick: Die Face-Swap-Methode

Anstatt dein Video, einschließlich Szene, Charakterdesign und Prompt, in einer einzigen Aufnahme zu generieren, empfehlen unsere hauseigenen Filmemacher für diese Methode zwei separate Videogenerierungen.

Im ersten Video, das wir generieren, schließen wir jeglichen Verweis auf unseren Charakter aus. Stattdessen stellen wir ein Bild der Umgebung bereit, in der die Aufnahme stattfinden soll, und nutzen dann unseren Prompt, um die gewünschte Handlung zu beschreiben. Sobald wir dieses Video generiert haben, extrahieren wir das letzte Bild mit Flicks Frame-Extraktions-Tool. Wir übergeben dieses Bild an Nano Banana Pro und generieren es mit unserem Charakter-Referenzbild als Referenz neu. Dies erzeugt ein finales Bild mit unserem exakten Charakter.

Im zweiten Video, das wir generieren, übergeben wir das neu generierte Endbild mit unserem Charakter zusammen mit dem ursprünglich generierten Video an Kling O3. Dies erzeugt ein finales Video, das die ursprüngliche Generierung präzise repliziert, jedoch mit unserem exakten Charakter. Die erste Generierung ermöglicht uns präzise Kontrolle über die Szene und die darin stattfindende Handlung, während die zweite Generierung es uns ermöglicht, unseren Charakter einzusetzen und so die Charakterkonsistenz zu wahren.

So geht's:

Für diese Methode beginnen wir mit einem einzigen Charakter-Referenzbild, das wir in ein Turnaround-Sheet umwandeln, welches drei Ganzkörperansichten des Charakters nebeneinander zeigt. Hier ist der Prompt, den wir verwenden:

Verwende das bereitgestellte Bild als exakte Charakterreferenz. Erstelle ein Charakterdesign-Turnaround-Sheet derselben historischen chinesischen männlichen Figur im handgefertigten Stop-Motion-Puppenstil, mit einer dezenten Ton- und Kostümpuppen-Textur. Zeige drei nebeneinander angeordnete Ganzkörperansichten: Vorderansicht, reine Seitenansicht und 3/4-Seitenansicht. Erhalte das Kostümdesign exakt wie im Referenzbild, einschließlich des hohen schwarzen Huts, des blassgrauen Außengewands, des weißen Innengewands, der Gewandlänge, der Ärmelform, der Kragenstruktur, des Taillengürtels, der herabhängenden Ornamente, der schwarzen Stiefel, der langen Stangenwaffe und des zylindrischen Behälters. Behalte die Silhouette der Kleidung, die Schichtung, die Proportionen, den Schnitt der Kleidungsstücke, die Platzierung der Accessoires und den gesamten Aufbau des Outfits unverändert bei. Gestalte das Kostüm nicht neu und vereinfache es nicht. Die einzige Veränderung betrifft das visuelle Medium: eine handgefertigte Puppenfigur, Stop-Motion-Filmästhetik, leicht strukturierter Stoff, ein leicht skulptiertes Gesicht, eine dezente tonartige Oberflächenbehandlung, handgefertigte Kostümdetails, realistischer Miniatur-Kostümaufbau, Studio-Turnaround-Präsentation. Neutraler, schlichter Hintergrund, weiches, gleichmäßiges Licht, vollständig sichtbarer Körper, klarer Abstand, gut lesbares Kostümdesign-Sheet, poliertes Produktions-Charakterboard, chinesische Volksfantasie-Stop-Motion-Ästhetik, detailliert, aber kontrolliert, weniger glänzend, weniger digital, greifbares, handgefertigtes Gefühl.

Hier ist das Ergebnis:

Wir generieren außerdem ein Bild der gewünschten Umgebung für unsere Szene. Das können wir auf zwei Arten tun. Zunächst können wir einen präzise formulierten Prompt in ein Text-zu-Bild-Modell wie Nano Banana Pro oder GPT Image 2 eingeben, um das Schema dafür zu generieren, wie unsere Szene aussehen soll.

Für noch mehr Präzision können wir unsere zweite Methode nutzen. Anstatt mit einem Text-zu-Bild-Modell zu generieren, können wir die gewünschte Umgebung von Hand in einem Tool wie Microsoft Paint als Storyboard skizzieren. Anschließend können wir Nano Banana Pro unsere Skizze bei der finalen Generierung referenzieren lassen. Für dieses Beispiel skizzieren wir einen verschneiten Steg an einem zugefrorenen See, mit einem verblassten roten Tuch, das im Vordergrund weht. Hier ist unsere Skizze:

Anschließend übergeben wir unsere Skizze an Nano Banana Pro zusammen mit einem beschreibenden Prompt, der genau die realistischen Details festlegt, die wir uns wünschen, und verwenden dabei unsere Skizze als Referenz. Hier ist unser Prompt:

Verwende diese handgezeichnete Storyboard-Skizze als strikte Referenz für Layout und Komposition. Erhalte die aktuelle Komposition, den Kamerawinkel, den Bildausschnitt, die Platzierung der Motive und das grobe Formdesign zu 100 %. Chinesisches Volks-Stop-Motion-Puppen-Miniaturset, ein kahler Ast am Seeufer, der schräg im Schnee steckt, mit einem verblassten dunkelroten Tuch, das darum gebunden ist, dahinter ein kleiner schneebedeckter Holzsteg, Büschel schneegebeugten Winterschilfs und Rohrkolben entlang des rechten Ufers, greifbarer handgefertigter Schnee, handgebauter Steg, natürliche Asttextur, Stoff mit feiner Webstruktur, kalte blaugraue Winterpalette, mattes handgefertigtes Finish, poetische, zurückhaltende Atmosphäre. Die Seeoberfläche wird zu einer Studio-Miniatur-Eisoberfläche mit weichem, undurchsichtigem blaugrauem Eis, dezenten, gipsartigen Unebenheiten, mattem, harzartigem Finish, flachen Frostschichten, schwachen milchigen Flecken, feiner gefrorener Maserung, sanften handgefertigten Oberflächenvariationen und minimaler Reflexion.

Hier ist unser Ergebnis:

Anstelle von Text-zu-Video, das darauf basiert, deinen Charakter in einem Prompt zu kodieren, bietet Flick einen besseren Ansatz. Verwende deine generierten Einzelbilder, die jeweils genau die gewünschte Komposition und das gewünschte Charakterdesign aufweisen, als Referenzen für das Bild-zu-Video-Modell. Dadurch wird das erste Frame verankert, und das Modell kann deinen Charakter über den restlichen Verlauf hinweg konsistent halten.

Von hier aus können wir unser erstes Video mit Kling O3 Pro oder einem anderen Bild-zu-Video-Modell generieren. Wir können unser Umgebungsbild als Startframe übergeben und die Aktion unseres Charakters festlegen. Da wir hier kein Charakterbild als Referenz bereitstellen, können wir die Beschreibung unseres Charakters kurz halten. Für dieses Beispiel fordere ich einfach einen „Stop-Motion-Puppenfischer“ an. Wir legen seine Aktion fest: Er geht durch den Schnee auf den Steg und bleibt an dessen Ende stehen. Wir definieren die gewünschte Bewegung des Charakters und weisen das Modell an, den Schneefall immer stärker werden zu lassen, während er über das Bild weht. Hier ist unser finaler Prompt:

Ein Stop-Motion-Puppenfischer in einem Regenumhang aus Stroh und mit Bambushut geht durch den Schnee auf den Steg, leicht gebeugt gegen die Kälte, mit einer Hand stützt er sich ab, mit der anderen hält er seinen Mantel eng an sich. Die handgefertigte Miniaturkamera bewegt sich langsam vorwärts und neigt sich leicht nach oben. Der Schneefall wird immer stärker und geht in einen dichten Wintersturm über, Schnee weht über das Bild und verdeckt allmählich den zugefrorenen See. Am Ende erreicht der Fischer das gegenüberliegende Ende des Stegs, bleibt stehen und verharrt für einen kurzen Moment reglos mit Blick auf das Eis.

Mit unserem Umgebungsbild als Referenz entsteht so ein präzises, wunderschönes Ergebnis:

Hier zeigt sich der Vorteil der Face-Swap-Methode. Wenn wir mit unserer ersten Videogenerierung zufrieden sind, können wir das letzte Frame dieses Videos mit Flicks Extract-Frame-Tool extrahieren. Mit dem Turnaround-Sheet unseres zuvor generierten Charakters können wir beide Bilder in Nano Banana Pro einspeisen und das Modell anweisen, den Charakter im letzten Frame durch unsere Charakter-Referenz zu ersetzen, während Beleuchtung, Bildkomposition, Kamerawinkel und Setting unserer ursprünglichen Generierung erhalten bleiben. Hier ist unser Prompt:

Verwende die verschneite Anlegestellen-Szene als Haupt-Kompositionsreferenz und das bereitgestellte Stop-Motion-Puppen-Charakterdesign-Sheet als Charakter-Referenz. Ersetze den Fischer am Ende des Stegs durch genau diesen Charakter. Gleiche die Rückansicht-Silhouette, Hutform, Robenlänge, blassgraue Außenrobe, weiße Innenrobe, schwarze Stiefel, Taillengürtel, herabhängende Accessoires, langes Stangenobjekt, zylindrischen Behälter und die gesamten Körperproportionen aus dem Charakter-Sheet ab. Halte den Charakter mit dem Rücken zur Kamera am äußersten Ende des Stegs, in derselben rückwärtigen Anordnung wie im aktuellen Bild. Bewahre den bestehenden Kamerawinkel, die Komposition, den Steg, den zugefrorenen See, den Zweig mit verblasstem rotem Tuch im Vordergrund, die schneebedeckte Uferlinie und die schneegebeugten Schilfhalme. Behalte den chinesischen Volks-Stop-Motion-Puppen-Miniaturstil, die handgefertigten Materialien, den greifbaren Schnee, das matte Eis, die subtilen Puppenproportionen und die ruhige Winteratmosphäre bei. Der neue Charakter sollte sich natürlich in dasselbe Miniaturset einfügen, mit derselben Skalierung, derselben rückwärtsgerichteten Posenlogik und derselben zurückhaltenden filmischen Stimmung.

Zusammen mit unseren beiden Eingaben, dem Turnaround-Sheet und dem extrahierten letzten Frame, nutzen wir Nano Banana Pro, um unser neues letztes Frame zu generieren:

Hier ist unser Ergebnis:

Was diese Methode so leistungsstark macht, ist, dass wir exakt bestimmen können, wie die Komposition unserer Szene aussehen soll. Anstatt das Modell anzuweisen, unser finales Video mit Setting-Bild, Charakter-Referenzen und Prompt in einem einzigen Durchgang zu generieren, teilen wir dies in zwei Durchläufe auf. Im ersten erstellen wir unsere Szene und achten dabei vorerst kaum auf den Charakter. Dann generieren wir ein neues letztes Frame mit unserem gewünschten Charakter und führen einen zweiten Durchgang durch, um unser finales Video zu erzeugen.

Mit unserem zuvor erstellten Setting-Bild als Startframe und unserem neuen, verfeinerten Endframe, das unsere Charakter-Referenz enthält, generieren wir unser finales Ergebnis. Zusätzlich zu unserer im Endframe eingebetteten Charakter-Referenz nutzen wir einen Prompt, um das Modell an die Beschreibung unseres Charakters, seine Bewegung, das Setting sowie die gewünschte Kamerabewegung und Hintergrundmusik zu erinnern. Hier ist unser Prompt:

Ein chinesischer Stop-Motion-Puppen-Gelehrtenbeamter mit hohem schwarzem Hut, blassgrauer Außenrobe über weißer Innenrobe, schwarzen Stiefeln, mit einem Köcher und einem Hengdao-Schwert an seiner Seite, geht langsam durch den Schnee auf den Steg zu, mit zurückhaltenden, bedächtigen Schritten. Die handgefertigte Miniaturkamera bewegt sich langsam vorwärts und neigt sich leicht nach oben. Leichter Schnee treibt sanft durch das Bild. Der zugefrorene See bleibt ruhig und still. Am Ende erreicht der Gelehrtenbeamte das äußerste Ende des Stegs, hält an und steht still, dem Eis zugewandt. Sehr ruhige Atmosphäre, nur leise Schritte im Schnee und auf dem Holz.

Und hier ist unser finales Ergebnis:

Diese Methode ist fortgeschrittener, bietet jedoch eine äußerst präzise Kontrolle über die Komposition unserer Szene bei gleichzeitig exakter Charakter-Konsistenz. Zwar müssen dabei zwei separate Videogenerierungen mit Kling oder einem anderen Modell durchgeführt werden, was teurer ist, doch spart es Credits, die man sonst für ein einzelnes ungenaues Video verschwenden würde, das nicht den eigenen Vorstellungen entspricht.

Häufig gestellte Fragen

Was ist das beste KI-Tool für konsistente Charaktere?

Es gibt nicht das eine beste Tool — es gibt die beste Methode. Für die meisten Menschen ist ein img2img-Character-Reference-Workflow (wie der von Flick) der schnellste und zuverlässigste Weg, einen Charakter ohne jegliches Training konsistent zu halten. Für die Produktion in großem Umfang mit nahezu keiner Abweichung ist ein individuell trainiertes LoRA in ComfyUI der Goldstandard.

Was bedeutet img2img-Charakterkonsistenz?

Image-to-Image-(img2img)-Charakterkonsistenz bedeutet, neue Bilder deines Protagonisten zu generieren — in einem neuen Setting, mit zusätzlichen Details, aus einem neuen Blickwinkel — während die exakte visuelle Identität deines festgelegten Charakters erhalten bleibt.

Wie erreiche ich Charakterkonsistenz in Flick?

Du lieferst ein Referenzbild deines Charakters. Mit dem Character Reference-Tool generiert die KI neue Bilder, die die visuelle Identität deines Protagonisten bewahren. Anstatt deinen Charakter mit Worten zu beschreiben und zu hoffen, dass das Modell zweimal dasselbe Ergebnis liefert, gibst du ihm die Referenz und sagst: „dieser Charakter, jetzt in einer neuen Szene.“

Wie erstelle ich einen konsistenten Charakter in Midjourney?

Verwende Omni Reference (--oref) mit dem Referenzbild deines Charakters und passe das Omni-Gewicht (--ow) an, damit das Modell die Identität beibehält und trotzdem deinem Szenen-Prompt folgt.

Kann ich einen Charakter in AI-Videos konsistent halten?

Ja. Lege den Charakter zuerst in einem Standbild fest und animiere dieses Bild dann mit der Referenzfunktion eines Video-Tools — Veo 3s "Ingredients", Runways References oder Klings "Elements". Die Animation ausgehend von einem festgelegten Standbild liefert eine weitaus bessere Konsistenz als Text-zu-Video.

Muss ich ein Modell trainieren, um einen konsistenten Charakter zu erhalten?

Nein. Das Training eines LoRA bietet die bestmögliche Festlegung, aber für die meisten Projekte reicht ein einziges gutes Referenzbild mit einer Character Reference-Funktion aus. Trainiere ein Modell nur dann, wenn du Hunderte von Einstellungen generierst und Abweichungen manuell zu teuer werden, um sie zu beheben.

Warum ändert sich mein KI-Charakter ständig?

Weil jede Generierung von Grund auf neu erstellt wird, ohne Erinnerung an die vorherige, wodurch sich kleine Abweichungen zu Drift summieren. Die Lösung besteht darin, dem Modell eine feste Referenz zum Abgleich zu geben, anstatt den Charakter jedes Mal erneut mit Worten zu beschreiben.

Wie fange ich mit Flick an?

Sieh dir unser Tutorial an: Flick 101: Erste Schritte. Erstelle dein erstes Projekt, schließe das Onboarding ab und beginne deine KI-Filmemacher-Reise!

Entdecke verwandte Tutorials:

https://flick.art/docs/visual-styles

https://flick.art/docs/voice-consistency

Erfahre mehr über The Herder:

https://flick.art/blog/behind-the-herder

Warum das Erschaffen großartiger Charaktere wichtig ist:

https://flick.art/blog/in-the-ai-era-story-is-everything

Verwandte Anleitungen

• Bilder generieren
• Bilder bearbeiten
• Visuelle Stile
• Stimmkonsistenz
• Erstelle dein erstes Projekt
• Behind The Herder
• Im KI-Zeitalter ist die Geschichte alles
• Warum es uns im Zeitalter unendlicher Modelle gibt