Come creare personaggi AI coerenti nel 2026: la guida completa

La coerenza del personaggio da immagine a immagine significa generare nuove immagini dello stesso personaggio, in nuove scene e con nuove angolazioni, preservando esattamente la sua identità visiva. Invece di ridescrivere il personaggio a parole ogni volta, fornisci al modello un'immagine di riferimento e questo replica il volto, i capelli e l'abbigliamento in ogni scatto.

Se hai mai creato un personaggio e l'hai visto sfaldarsi in nuove inquadrature con ambientazioni, angolazioni di camera e dettagli diversi, hai vissuto il cosiddetto character drift. È una delle sfide più diffuse nel filmmaking con l'IA. Questa guida spiega esattamente perché si verifica il character drift e i metodi precisi che puoi usare per risolverlo, permettendoti di mantenere i personaggi coerenti in Flick, Midjourney, Veo 3, Sora e ComfyUI.

Come creare personaggi IA coerenti nel 2026 in breve

Per chi vuole una panoramica veloce, ecco la risposta breve:

Il modo più affidabile per creare un personaggio coerente con l'IA è fissare prima l'identità del personaggio in un'unica immagine di riferimento e riutilizzarla per ogni nuova inquadratura. Questo metodo è più coerente, preciso e affidabile rispetto a riscrivere il prompt da zero, motivo per cui è diventato il flusso di lavoro predefinito nel 2026.

In Flick, questo è lo strumento Character Reference e richiede solo tre passaggi:

1. Genera o carica un'immagine del tuo personaggio — un ritratto frontale, nitido e ben illuminato produce i risultati migliori
2. Seleziona quell'immagine e clicca su Character Reference
3. Scrivi liberamente il prompt per la tua nuova scena ("mentre cammina nel mercato illuminato al neon di notte, cinematografico"), mentre il tuo riferimento mantiene stabile il personaggio.

Questa è la tecnica con il maggior impatto per quasi tutti i creator perché non richiede addestramento, codice o GPU — solo una buona immagine di riferimento. Guarda il nostro tutorial: Tutorial Nano Banana Pro per la coerenza dei personaggi

Perché si verifica lo "sgretolamento" del personaggio

Per risolvere la deriva del personaggio, è utile capire cosa la causa. Quando generi un'immagine, il modello parte da un rumore casuale. Rimuove questo rumore passo dopo passo, guidato dal tuo prompt, finché non emerge un'immagine chiara. Questo processo si chiama diffusione.

Quando descrivi un personaggio in un prompt, in realtà non stai indicando al modello una persona specifica. "Un uomo barbuto sulla trentina" corrisponde a milioni di immagini che i modelli hanno visto durante l'addestramento. Il tuo prompt si posiziona da qualche parte nello spazio di tutte quelle possibilità. Il risultato è un output generalizzato tratto dall'intero spazio di quelle immagini — una media di molti volti diversi che corrispondono alla tua descrizione.

Di conseguenza, anche quando riutilizzi esattamente lo stesso prompt per descrivere un personaggio, il modello parte da un nuovo blocco casuale di rumore e alla fine si stabilizza su un punto leggermente diverso in quello spazio. Questo fa sì che l'output sia leggermente diverso ogni volta, anche se il prompt rimane invariato. Piccole variazioni al tuo prompt, come l'aggiunta di nuove angolazioni, un nuovo personaggio o uno sfondo diverso, amplificano questo effetto. Scatto dopo scatto, queste variazioni si accumulano e alla fine il tuo personaggio originale sfuma in qualcun altro.

Questo è esattamente ciò che la funzione Character Reference di Flick risolve. Invece di memorizzare il tuo personaggio in un prompt, lo strumento Character Reference salva il tuo protagonista come immagine di riferimento. In questo modo, ogni nuova generazione riproduce il tuo personaggio originale, anche quando modifichi diversi aspetti della scena.

Il personaggio che definisci rappresenta una versione generalizzata di molte immagini che il modello ha incontrato durante l'addestramento. Ogni generazione di immagini è nuova e parte da un rumore casuale. Il modello rimuove quel rumore passo dopo passo (diffusione) finché non appare un'immagine che corrisponde al prompt che hai descritto. Il personaggio che definisci rappresenta una versione generalizzata di molte immagini che il modello ha incontrato durante l'addestramento. Ogni generazione parte da un rumore casuale e produce un volto leggermente diverso all'interno di questo intervallo. Di conseguenza, dopo diverse generazioni, soprattutto man mano che aggiungi altri contenuti al tuo prompt, la tua rappresentazione iniziale del personaggio sfuma in qualcosa di completamente nuovo.

Crea personaggi coerenti con Flick

The Herder, bloccato come singolo riferimento del personaggio. Guarda il film completo.

Per prima cosa, crea un personaggio — The Herder: non un eroe, non un mago—semplicemente un lavoratore la cui abilità diventa invisibile nel momento in cui funziona. È un artigiano dell'"Europa moderna" (all'incirca 1800–inizio 1900). Per mantenerlo coerente da davanti a dietro (e da uno scatto all'altro), usa lo strumento Character Reference di Flick.

Inizia con una singola immagine di riferimento. Da questa immagine iniziale, ricava più fogli di turnaround—frontale/laterale/posteriore—in diversi stati: con cappello, senza cappello, con ombrello, mani libere, cappotto bagnato, cambio di equipaggiamento.

Poi combina i fogli di turnaround con lo strumento Character Reference di Flick, in modo che la silhouette frontale/laterale/posteriore del personaggio rimanga stabile tra uno scatto e l'altro.

5 metodi per personaggi AI coerenti, a confronto

Non esiste un unico strumento o modello "giusto", ma esiste un metodo giusto per il tuo livello di abilità e per quanto controllo ti serve. Ecco un riepilogo dei 5 migliori approcci di coerenza del personaggio img2img e per chi sono più adatti:

Metodo	Come funziona	Ideale per	Sforzo	Coerenza
Character Reference (img2img)	Carica un'immagine di riferimento; il modello riproduce quell'identità in nuove scene	Quasi tutti — il percorso più rapido verso un personaggio coerente	Basso	Alta
Foglio personaggio / turnaround	Genera viste frontali, laterali, posteriori e a 3/4 da usare come riferimenti multi-angolazione	Fornire agli strumenti video-immagine contesto sufficiente per angolazioni e movimento	Basso-medio	Alta
Prompting	Riutilizza lo stesso seed e una descrizione del personaggio identica tra le generazioni	Variazioni rapide su un unico look	Basso	Media
Addestramento LoRA	Allena un piccolo modello personalizzato su 15–50 immagini del tuo personaggio	Centinaia di scatti con deriva quasi nulla	Alto	Molto alta
Face swap (rifinitura finale)	Genera liberamente, poi sostituisci il volto del tuo personaggio in ogni fotogramma	Correggere la deriva a posteriori	Medio	Alta (solo volto)

Come mantenere un personaggio coerente in ogni strumento principale

Midjourney gestisce la coerenza tramite Omni Reference (il parametro —oref, con un omni-weight —ow per controllare quanto rigidamente si attiene al tuo riferimento). Usa un peso moderato per l'equilibrio (100 è il valore predefinito), e abbassalo quando modifichi aspetti del tuo personaggio. Produce risultati bellissimi, con stili incredibili, ma può ammorbidire dettagli fini come lentiggini o tatuaggi.

Veo 3 di Google (e Veo 3.1) mantiene i personaggi coerenti grazie al suo sistema di riferimento "Ingredients to Video". Fornisci le tue immagini di riferimento per bloccare l'identità del tuo personaggio, e assicurati di usare la stessa identica descrizione del personaggio in ogni prompt. Veo produce anche audio sincronizzato nativo e lip-sync, così il tuo personaggio può parlare.

Sora ha costruito la coerenza dei personaggi attorno a clip di riferimento registrate (originariamente chiamate "Cameos", poi "Characters") che creavano una somiglianza riutilizzabile tra le generazioni, con audio nativo. OpenAI ha dismesso Sora nel 2026, ma puoi usare il modello immagine img2img di OpenAI, GPT Image 2, per generare scene con il tuo personaggio in Flick.

Per un controllo assoluto, ComfyUI ti permette di combinare strumenti come PuLID, InstantID e IP-Adaptor con un LoRA del personaggio addestrato su misura, oltre a nodi per il controllo della posa e la rifinitura del volto. È la strada più impegnativa e tecnica, ma ideale se cerchi una generazione locale illimitata senza alcun drift.

Il workflow end-to-end: dal design del personaggio al montaggio finale

Per andare oltre le immagini e integrare i tuoi personaggi nei tuoi film completi, ecco il workflow utilizzato dai migliori creator nel 2026:

1. Progetta il tuo protagonista. Genera un singolo ritratto forte che ti piace.
2. Costruisci una scheda di riferimento. Crea un turnaround (fronte, lato, retro, 3/4). Crea riferimenti con abiti, oggetti di scena ed espressioni diverse.
3. Imposta il Character Reference in Flick e genera ogni inquadratura della tua scena, concentrandoti sulla definizione dell'ambientazione e dell'azione del tuo personaggio in ogni prompt.
4. Anima a partire dal fermo immagine. Prendi ogni immagine bloccata e usa un modello image-to-video per creare scene con il tuo personaggio.
5. Modifica e Correggi. Assembla le tue scene nell'editor video per produrre il tuo risultato finale.

La regola pratica: ancora l'identità prima in un'immagine statica, poi animala.

Come Ottenere Ancora Più Precisione nella Coerenza dei Personaggi in Flick

Il nostro team interno di filmmaking ha trascorso innumerevoli ore sperimentando diverse soluzioni per ottenere i migliori risultati nella coerenza dei personaggi img2img in Flick. Lungo il percorso, abbiamo scoperto diversi trucchi e tecniche avanzate che puoi usare per generare inquadrature più precise, mantenendo al contempo i tuoi personaggi coerenti.

Uno degli aspetti più cruciali di un solido workflow di coerenza dei personaggi è il prompting. Forniamo un elenco completo di prompt che puoi usare per la coerenza dei personaggi img2img. Di seguito, ti presento i migliori prompt per la coerenza dei personaggi che puoi usare in diversi workflow.

Per il primo metodo, iniziamo con il nostro singolo riferimento del personaggio, che trasformiamo in una scheda turnaround, come segue:

Da questo punto, il nostro obiettivo è generare la prima inquadratura con il nostro personaggio. In questo caso, creiamo un'inquadratura del nostro personaggio a bordo di una lussuosa carrozza, mentre guarda dal finestrino verso una pianura nordica innevata all'esterno.

Il trucco qui è che, invece di generare la nostra immagine e il nostro personaggio in un solo passaggio, cosa che offre meno precisione, generiamo prima uno schizzo leggero, tipo stencil, dell'immagine desiderata con la descrizione del personaggio incorporata nel testo. È importante non usare troppi dettagli in questa fase, poiché si tratta solo di uno schema leggero del nostro fotogramma finale. Possiamo creare un prompt per generare questa immagine, come segue:

Crea uno schizzo a matita leggero e approssimativo, dai contorni essenziali. Punta a uno schema grezzo, senza troppi dettagli. L'ambientazione è all'interno di una lussuosa carrozza. L'interno della carrozza è nel complesso molto scuro, con solo una debole luce ambientale all'interno. L'unica fonte di luce chiara proviene dall'esterno, dal finestrino. Il finestrino della carrozza è completamente aperto, senza vetro. Pesanti tende incorniciano il finestrino. L'interno della carrozza include una struttura decorativa in legno intagliato e uno schienale imbottito. Un sottile strato di neve poggia sul davanzale del finestrino, e una piccola quantità di neve si posa delicatamente all'interno della carrozza. Fuori dal finestrino si trova una pianura nordica innevata. L'esterno è avvolto da una densa nebbia mattutina. La nebbia bianca è molto fitta, e si intravedono solo le vaghe sagome di una pianura aperta coperta di neve, basse colline innevate e profili di montagne molto lontane. Il personaggio è una giovane donna europea poco più che ventenne. Il suo viso è leggermente stretto, ovale e morbido, con una fronte liscia, zigomi definiti, una mascella pulita e un mento leggermente affusolato. Le sue sopracciglia sono scure, ben definite e per lo più dritte. I suoi occhi sono allungati, a mandorla, con palpebre superiori ben definite e uno sguardo diretto e fermo. Le iridi e le pupille sono di un ambra-oro brillante, e gli occhi hanno riflessi realistici e umidi. Il ponte del naso è dritto e sottile, con una piccola punta del naso raffinata. Le sue labbra sono ben definite, con un labbro superiore relativamente sottile e un labbro inferiore leggermente più pieno. La sua espressione è calma e seria. La sua pelle è pallida con un sottotono leggermente freddo, con lievi lentiggini, texture della pelle realistica, pori visibili, lievi dettagli sotto gli occhi, piccole asimmetrie, texture labiale realistica e sottili variazioni naturali della pelle. Appoggia il mento sulla mano in silenziosa contemplazione, guardando un vasto paesaggio vuoto di pianura nordica innevata.

Generando con GPT Image 2, ecco il nostro risultato:

Dato che siamo soddisfatti del nostro schizzo, possiamo procedere a generare il nostro scatto finale. Possiamo usare un modello di immagini come Nano Banana Pro per generare il nostro fotogramma finale, passando le immagini di riferimento del nostro personaggio e lo schizzo della composizione, in modo che il modello sappia esattamente come deve apparire il personaggio nella composizione.

Il nostro prompt inizialmente indica al modello di usare lo schizzo fornito come riferimento per la composizione, di far corrispondere le immagini di riferimento del nostro personaggio con un'accuratezza del 100%, e di trasformare lo schizzo in una fotografia live-action. Ecco il prompt completo:

Usa lo schizzo fornito come unico riferimento di composizione. Usa il riferimento di profilo laterale fornito come unico riferimento per viso e capelli. Usa il riferimento a figura intera fornito come unico riferimento per l'outfit.

Crea una fotografia live-action in primo piano di Serana. L'azione del personaggio, la composizione generale e la struttura interna della carrozza corrispondono al 100% esattamente allo schizzo fornito. L'identità del personaggio, il contorno facciale di profilo, i tratti del viso, il tono della pelle, gli occhi ambrati e l'acconciatura corrispondono al 100% al riferimento di profilo laterale fornito. Il design dell'outfit, i colori e lo styling generale del personaggio corrispondono al 100% al riferimento a figura intera fornito.

Trasforma l'immagine in una fotografia live-action. L'ambientazione è l'interno di una lussuosa carrozza. L'interno della carrozza è nel complesso molto tenue, con solo una debole luce ambientale all'interno. L'unica fonte di luce chiara proviene dall'esterno del finestrino. Il finestrino della carrozza è un'apertura completamente aperta senza vetro. Pesanti tende incorniciano il finestrino. L'interno della carrozza include una struttura decorativa in legno intagliato e uno schienale imbottito. Un sottile strato di neve si trova sul davanzale del finestrino, e una piccola quantità di neve entra delicatamente alla deriva nella carrozza.

Fuori dal finestrino c'è una pianura innevata nordica. L'esterno è pervaso da una fitta nebbia mattutina. La nebbia bianca è molto densa, e si intravedono solo le forme sfocate di una pianura aperta innevata, basse colline innevate e sagome di montagne molto lontane. Una piccola quantità di soffusa luce mattutina attraversa la nebbia e cade sul viso di Serana e sui bordi dei suoi capelli. Le aree luminose presentano un delicato bloom, specialmente negli alti chiari nebbiosi all'esterno, lungo la luce del finestrino e sulla luce mattutina che attraversa il suo viso.

Il fuoco è sul viso di Serana. I suoi occhi, ciglia, texture della pelle e contorno facciale sono le parti più nitide dell'inquadratura, ma presentano comunque una leggera morbidezza naturale tipica di una fotocamera reale e una lieve imperfezione di messa a fuoco, anziché una nitidezza perfettamente clinica. La vista esterna è estremamente sfocata e si legge solo come strati molto morbidi e sfumati. Anche il resto dell'interno della carrozza è dolcemente fuori fuoco, pur mantenendo leggibile la struttura di base.

Preserva una texture della pelle realistica, pori visibili, sottili lentiggini, texture dei capelli realistica, texture del tessuto realistica, texture del legno realistica, sottile grana della pellicola, leggero rumore del sensore, lieve morbidezza dell'obiettivo, sottilissima aberrazione cromatica e una resa naturale e imperfetta tipica di una fotocamera reale.

Generando con Nano Banana Pro, ecco il nostro risultato:

Partire da uno schizzo di composizione prima di generare l'inquadratura finale richiede solo una generazione di immagine in più, ma offre un controllo creativo superiore sulla composizione della nostra inquadratura finale. Poi, eseguire una seconda generazione utilizzando il nostro schizzo di composizione e le immagini del personaggio come riferimenti fa sì che l'inquadratura finale segua la composizione desiderata mantenendo alla perfezione la coerenza del personaggio.

Dalle immagini fisse del personaggio al video

Finora, questa guida ti ha fornito le conoscenze necessarie per creare inquadrature fisse estremamente precise con coerenza del personaggio. Il passo successivo è generare video a partire da queste inquadrature, evitando al contempo la deriva del personaggio. Questa è una sfida unica nel filmmaking con l'IA, perché il tuo personaggio deve rimanere coerente non solo in una singola generazione di immagine, ma da un fotogramma all'altro all'interno del video generato. Inoltre, ogni nuova inquadratura è un'occasione per il personaggio di andare alla deriva. I nostri filmmaker hanno scoperto che, il più delle volte, i seguenti aspetti si deteriorano passando dall'immagine al video:

• Deriva da un fotogramma all'altro. Soprattutto quando animi il tuo personaggio in nuove pose, si verifica una deriva del personaggio. Il volto del personaggio, ad esempio, può deformarsi a metà inquadratura mentre la testa si allontana e si riavvicina alla camera.
• Viste di profilo e di spalle. La maggior parte dei sistemi di riferimento è addestrata su volti frontali. Quando il personaggio si gira di tre quarti o di profilo completo, questo riferimento può non funzionare più correttamente. Ecco perché è fondamentale utilizzare una scheda di rotazione che mostri diverse angolazioni del personaggio (frontale, laterale, posteriore, 3/4).
• Deriva dell'output e degli oggetti di scena. I modelli image-to-video tendono a concentrarsi soprattutto sul mantenere coerente il volto del personaggio durante tutto il video generato. Di conseguenza, abiti e accessori ricevono meno attenzione durante la generazione. Ecco perché è fondamentale fissare il guardaroba nella tua immagine di riferimento e rinforzarlo nel prompt che fornisci al modello image-to-video.
• Limiti di durata e concatenazione delle inquadrature. La maggior parte dei modelli image-to-video limita ogni singola clip a 5-15 secondi. Questo significa che per generare inquadrature più lunghe è necessario generare una clip, estrarne l'ultimo fotogramma con lo strumento Extract Frame di Flick e utilizzare quel fotogramma come fotogramma iniziale della clip successiva. Ogni passaggio verso una nuova generazione image-to-video rappresenta una nuova occasione per la deriva del personaggio.

Le modalità di riferimento che userai davvero per la generazione video

• Reference-to-video — fornisci una o più immagini del tuo personaggio grazie all'integrazione all'avanguardia di Flick con modelli potenti come Kling Omni Reference e Seedance Reference to Video.
• Start/end frame — fornisci il primo fotogramma (e facoltativamente l'ultimo) nella tua generazione image-to-video. Utilizzare fotogrammi iniziali e finali con rendering precisi del tuo personaggio e della composizione desiderata, basandosi sul metodo dello schizzo di composizione descritto sopra, offre i risultati migliori.
• Character LoRA — per ridurre al minimo la deriva in un film completo, addestra una LoRA sulle immagini di riferimento del tuo personaggio utilizzandone in abbondanza (50+ immagini). Abbiamo scoperto che modelli come Wan 2.2 sono i migliori per questo scopo. Applicare questa LoRA durante la generazione ti consente di ottenere ottimi risultati video mantenendo la coerenza dei personaggi.

Il workflow video di Flick per la coerenza dei personaggi

È qui che il workflow Character Reference, costruito attorno alla funzione nativa Character Reference di Flick, dà i suoi frutti. Poiché hai già fissato il tuo personaggio in un'immagine still e creato una scheda di rotazione, stai fornendo al modello video il miglior contesto possibile su come vuoi che appaia il personaggio nella generazione finale. Ecco i due migliori metodi individuati dai nostri filmmaker interni:

Usare Omni Reference per ottenere la coerenza dei personaggi

Per questo metodo, inizi con un'immagine dell'ambientazione desiderata. Ad esempio, generiamo un ambiente di montagna innevata nella tonalità blu pulita che desideriamo, specificando composizione, palette di colori e angolazione della camera per una precisione superiore. Ecco il nostro prompt:

Fotografia cinematografica grandangolare di un vasto versante montano alpino innevato, con un pendio di neve immacolata e liscia che taglia diagonalmente l'inquadratura, ampio spazio negativo, neve fresca intatta, sottili texture scolpite dal vento sulla neve, una cresta rocciosa lontana che emerge dal ghiacciaio, composizione paesaggistica minimalista, luce invernale soffusa, gradazione cromatica azzurra e atmosferica, aria fredda di montagna, natura selvaggia e serena, senza persone, senza alberi, senza strutture.

Fotografato da un punto di osservazione alpino elevato, per enfatizzare la scala e il vuoto. Forme geometriche pulite create da neve e ombra, delicate transizioni tonali, terreno ghiacciato che si estende oltre i confini dell'inquadratura.

Fotografia iperrealistica, compressione medio-teleobiettivo, fotografia da spedizione in stile National Geographic, alta gamma dinamica, dettaglio nitido nella texture della neve, sottile foschia atmosferica, illuminazione naturale, cinematografia outdoor di alta gamma, estetica dei ghiacciai islandesi, minimalismo scandinavo, straordinario senso di isolamento e calma.

Composizione: forte linea diagonale guida, inquadratura asimmetrica, 80% di toni di neve e cielo, spazio negativo estremo, fotografia paesaggistica minimalista fine-art.

Palette cromatica: azzurro ghiaccio, bianco glaciale, grigio roccia tenue, toni invernali smorzati.

Fotocamera: Sony A1, obiettivo 135mm, f/8, ISO 100, filtro polarizzatore, color grading cinematografico.

Generando con Nano Banana Pro, ecco il nostro risultato:

A questo punto, possiamo utilizzare uno dei modelli Omni Reference di punta di Flick per animare il nostro personaggio nella scena. Sia Kling che Seedance offrono risultati eccellenti e un controllo preciso del personaggio. Per accedere a Omni Reference, possiamo passare il mouse sull'immagine generata della nostra ambientazione, selezionare video e scegliere Seedance 2.0.

Coerenza del personaggio con Seedance 2.0

Da qui, possiamo fornire come input la nostra immagine di ambientazione e le immagini di riferimento del personaggio. Poiché intendiamo animare il nostro personaggio a figura intera mentre cammina nella scena, è meglio fornire immagini di riferimento a figura intera del personaggio. Per aggiungere il dialogo, possiamo opzionalmente allegare un audio come riferimento e indicare al modello di far pronunciare al personaggio quel dialogo.

Per questo esempio, generiamo un video del nostro personaggio che cammina nella scena e pronuncia il dialogo "Ah! È così bello respirare qui fuori." Possiamo anche specificare uno stile di camera a mano libera per ottenere esattamente i risultati video che stiamo cercando.

L'avanzatissimo sistema di menzioni di Flick ti permette di fare riferimento a input specifici nel tuo prompt, così puoi indicare al modello esattamente come utilizzare ciascun input nella generazione finale. Ad esempio, possiamo dire al modello di usare la prima immagine come frame iniziale, e poi utilizzare le tre immagini di riferimento del personaggio per creare il suo aspetto. Specifichiamo il movimento del personaggio, quindi indichiamo al modello di far pronunciare al personaggio il dialogo allegato. Ecco il nostro prompt finale:

Prendi @Image1 come frame iniziale. Fai riferimento all'aspetto di Serana da @Image2, @Image3 e @Image4. Stile camera a mano libera, Serana entra nell'inquadratura dall'angolo inferiore sinistro, si stiracchia mentre cammina, e pronuncia @Audio1.

Questo prompt è breve e semplice — ed è proprio questo il punto. La maggior parte delle informazioni su cui vogliamo che il nostro modello faccia affidamento sono le nostre immagini di riferimento. Possiamo sfruttare le capacità di Seedance 2.0 e il sistema di menzioni di Flick per specificare esattamente come, producendo una generazione video finale precisa, mantenendo al contempo una coerenza del personaggio impeccabile. Ecco il nostro risultato finale:

Coerenza del personaggio con Kling O3 Pro Omni Reference

Ottenere video con coerenza dei personaggi con Kling O3 Pro prevede molti degli stessi passaggi che si seguono con Seedance 2.0. Inizia con un'immagine della tua ambientazione e le tue immagini di riferimento del personaggio. Da qui, possiamo passare il mouse sopra la nostra immagine di riferimento dell'ambientazione e accedere a Omni Reference. Il sistema di menzioni di Flick si estende anche a Kling Omni Reference, che ti permette di fornire fino a 12 immagini di riferimento che il modello può utilizzare nella generazione finale.

Per usare Kling O3 Pro Omni Reference con il riferimento del personaggio, seleziona il selettore del modello e inserisci il fotogramma iniziale desiderato. Per questo esempio, useremo la nostra immagine di riferimento dell'ambientazione. Poi, puoi usare il sistema di menzioni di Flick per creare un Element. Gli Element ti permettono di memorizzare più immagini di riferimento in un'unica menzione. Una volta inserita la nostra immagine di ambientazione come fotogramma iniziale, possiamo creare un Element per rappresentare il nostro personaggio. Per impostazione predefinita, questo elemento si chiamerà “Element1”. Possiamo allegare le nostre tre immagini di riferimento a figura intera del personaggio a questo singolo elemento e richiamarlo nel prompt.

Nel prompt, indichiamo al modello di fare riferimento all'aspetto del nostro personaggio da “Element1” e specifichiamo uno stile di ripresa a mano libera. Definiamo il suo movimento: entra nella scena con le braccia aperte, come se sentisse il vento, e infine diciamo al modello di evitare di generare musica di sottofondo. Ecco il nostro prompt finale:

Fai riferimento all'aspetto di Serana da @Element1. Stile di ripresa a mano libera. Serana entra nella scena con le braccia aperte, come se sentisse il vento. Nessuna musica di sottofondo.

Anche in questo caso, possiamo mantenere il prompt semplice, perché la maggior parte delle informazioni le forniamo al modello tramite il fotogramma iniziale, che rappresenta l'ambientazione dell'inquadratura, e un Element, che rappresenta il nostro personaggio attraverso le tre immagini di riferimento fornite. Dopo aver inserito la nostra immagine di ambientazione come fotogramma iniziale, definito Element1 per rappresentare il nostro personaggio e scritto il prompt, siamo pronti a generare:

Ecco il risultato. Ottiene una coerenza perfetta del personaggio, mantiene l'ambientazione esattamente come specificato nel fotogramma iniziale e segue con precisione l'istruzione sullo stile di ripresa a mano libera:

Ottieni video con coerenza dei personaggi ancora più precisi in Flick: il metodo Face Swap

Invece di generare il tuo video, includendo scena, design del personaggio e prompt in un'unica ripresa, per questo metodo i nostri filmmaker interni consigliano due generazioni video separate.

Nel primo video che generiamo, escludiamo qualsiasi riferimento al nostro personaggio. Forniamo invece un'immagine dell'ambientazione in cui vogliamo che si svolga l'inquadratura, e poi usiamo il prompt per dettagliare l'azione che vogliamo vedere. Una volta generato questo video, estraiamo il fotogramma finale usando lo strumento di estrazione fotogrammi di Flick. Passiamo questa immagine a Nano Banana Pro e la rigeneriamo usando la nostra immagine di riferimento del personaggio come riferimento. Questo produce un fotogramma finale con il nostro personaggio esatto.

Nel secondo video che generiamo, passiamo il nuovo fotogramma finale generato con il nostro personaggio e il video iniziale generato in Kling O3. Questo produce un video finale che replica esattamente il video della generazione iniziale, ma con il nostro personaggio esatto. La prima generazione ci consente di avere un controllo preciso sulla scena e sull'azione che vi si svolge, mentre la seconda generazione ci consente di sostituire il nostro personaggio, mantenendo così la coerenza del personaggio.

Ecco come fare:

Per questo metodo, iniziamo con una singola immagine di riferimento del personaggio che trasformiamo in un turnaround sheet, che mostra tre viste a figura intera del personaggio affiancate. Ecco il prompt che usiamo:

Utilizza l'immagine fornita come riferimento esatto del personaggio. Crea una tavola di design del personaggio (turnaround) dello stesso personaggio maschile storico cinese in stile pupazzo stop-motion realizzato a mano, con una texture sottile simile all'argilla e ai costumi da bambola. Mostra tre viste a figura intera disposte affiancate: vista frontale, vista laterale pura e vista di 3/4. Mantieni il design del costume esattamente come nell'immagine di riferimento, inclusi il cappello nero alto, la veste esterna grigio chiaro, la veste interna bianca, la lunghezza della veste, la forma delle maniche, la struttura del colletto, la cintura in vita, gli ornamenti pendenti, gli stivali neri, l'arma ad asta lunga e il contenitore cilindrico. Mantieni invariati la silhouette dell'abbigliamento, la sovrapposizione degli strati, le proporzioni, il taglio degli indumenti, il posizionamento degli accessori e la costruzione generale dell'outfit. Non ridisegnare né semplificare il costume. L'unica trasformazione riguarda il medium visivo: personaggio pupazzo fatto a mano, estetica da film stop-motion, tessuto leggermente strutturato, viso leggermente scolpito, trattamento della superficie sottilmente simile all'argilla, dettagli del costume fatti a mano, costruzione realistica di un guardaroba in miniatura, presentazione da tavola di studio (turnaround). Sfondo neutro e semplice, illuminazione morbida e uniforme, corpo intero visibile, spaziatura pulita, tavola di design del costume altamente leggibile, tavola personaggio da produzione rifinita, estetica stop-motion fantasy popolare cinese, dettagliata ma controllata, meno lucida, meno digitale, sensazione tattile fatta a mano.

Ecco il risultato:

Generiamo anche un'immagine dell'ambientazione desiderata per la nostra scena. Possiamo farlo in due modi. Innanzitutto, possiamo inserire un prompt ben definito in un modello text-to-image come Nano Banana Pro o GPT Image 2 per generare lo schema di come vogliamo che appaia la nostra scena.

Per una precisione ancora maggiore, possiamo sfruttare il nostro secondo metodo. Invece di generare con un modello text-to-image, possiamo creare lo storyboard dell'ambientazione desiderata a mano in uno strumento come Microsoft Paint. Successivamente, possiamo far sì che Nano Banana Pro utilizzi il nostro schizzo come riferimento nella generazione finale. Per questo esempio, disegniamo un molo innevato su un lago ghiacciato, con un rosso appassito che sventola in primo piano. Ecco il nostro schizzo:

Successivamente, possiamo passare il nostro schizzo a Nano Banana Pro con un prompt descrittivo, specificando esattamente i dettagli realistici che stiamo cercando, e utilizzando il nostro schizzo come riferimento. Ecco il nostro prompt:

Utilizza questo schizzo di storyboard disegnato a mano come rigoroso riferimento di layout e composizione. Mantieni al 100% la composizione attuale, l'angolazione della camera, l'inquadratura, il posizionamento dei soggetti e il design delle forme principali. Set in miniatura stop-motion con pupazzi in stile folk cinese, un ramo spoglio sulla riva del lago conficcato diagonalmente nella neve con un tessuto rosso scuro sbiadito legato attorno, un piccolo molo di legno innevato sullo sfondo, ciuffi di canne e tife invernali piegate dalla neve lungo la riva destra, neve tattile fatta a mano, molo costruito a mano, texture naturale del ramo, tessuto con trama sottile, palette invernale fredda blu-grigia, finitura opaca artigianale, atmosfera poetica e contenuta. La superficie del lago diventa una superficie di ghiaccio in miniatura da studio, con ghiaccio blu-grigio opaco morbido, sottili irregolarità simili al gesso, finitura opaca simile alla resina, sottili strati di brina, tenui chiazze lattiginose, delicata grana ghiacciata, lieve variazione superficiale fatta a mano, riflessi minimi.

Ecco il nostro risultato:

Invece del text-to-video, che si basa sulla codifica del personaggio in un prompt, Flick offre un approccio migliore. Utilizza i fermo immagine generati per ogni inquadratura, ciascuno con la composizione esatta e il design del personaggio desiderati, come riferimenti per il modello image-to-video. Questo ancora il primo fotogramma e consente al modello di mantenere il personaggio coerente per il resto della scena.

Da qui, possiamo generare il nostro primo video con Kling O3 Pro, o un altro modello image-to-video. Possiamo passare la nostra immagine dell'ambientazione come fotogramma iniziale e specificare l'azione del nostro personaggio. Poiché qui non forniamo l'immagine del personaggio come riferimento, possiamo mantenere breve la descrizione del personaggio. Per questo esempio, richiederò semplicemente un “pescatore pupazzo stop-motion”. Specifichiamo la sua azione: cammina nella neve fino al molo e si ferma alla fine di esso. Definiamo il movimento desiderato del personaggio e indirizziamo il modello affinché la nevicata diventi sempre più intensa, soffiando attraverso l'inquadratura. Ecco il nostro prompt finale:

Un pescatore pupazzo stop-motion con un mantello di paglia da pioggia e un cappello di bambù cammina nella neve fino al molo, leggermente curvo per il freddo, con una mano che si tiene in equilibrio e l'altra che stringe il cappotto. La telecamera in miniatura artigianale si muove lentamente in avanti e si inclina leggermente verso l'alto. La nevicata diventa sempre più intensa fino a trasformarsi in una densa tempesta invernale, con la neve che soffia attraverso l'inquadratura e oscura gradualmente il lago ghiacciato. Alla fine, il pescatore raggiunge l'estremità del molo, si ferma e rimane immobile per un breve istante rivolto verso il ghiaccio.

Con la nostra immagine dell'ambientazione come riferimento, questo produce un risultato preciso e splendido:

Ed è qui che entra in gioco il vantaggio del metodo di scambio del volto. Quando siamo soddisfatti della nostra prima generazione video, possiamo estrarre il fotogramma finale di questo video utilizzando lo strumento di estrazione fotogrammi di Flick. Usando la scheda di rotazione del nostro personaggio generata in precedenza, possiamo passare entrambe le immagini a Nano Banana Pro e indicare al modello di sostituire il personaggio nel fotogramma finale con il nostro riferimento del personaggio, mantenendo l'illuminazione, la composizione, l'angolazione della camera e l'ambientazione della nostra generazione iniziale. Ecco il nostro prompt:

Usa la scena del molo innevato come riferimento principale per la composizione e usa la scheda di design del personaggio in stop-motion fornita come riferimento del personaggio. Sostituisci il pescatore in piedi all'estremità del molo con questo esatto personaggio. Abbina la sagoma vista di spalle, la forma del cappello, la lunghezza della veste, la veste esterna grigio chiaro, la veste interna bianca, gli stivali neri, la cintura in vita, gli accessori pendenti, l'oggetto a forma di lunga asta, il contenitore cilindrico e le proporzioni corporee complessive dalla scheda del personaggio. Mantieni il personaggio rivolto lontano dalla camera all'estremità opposta del molo, con la stessa messa in scena vista di spalle dell'immagine attuale. Preserva l'angolazione della camera esistente, la composizione, il molo, il lago ghiacciato, il ramo con il panno rosso sbiadito in primo piano, la riva innevata e le canne piegate dalla neve. Mantieni lo stile in miniatura da burattini in stop-motion del folklore cinese, i materiali artigianali, la neve tattile, il ghiaccio opaco, le sottili proporzioni da burattino e l'atmosfera invernale silenziosa. Il nuovo personaggio dovrebbe integrarsi in modo naturale nello stesso set in miniatura, con la stessa scala, la stessa logica di posa vista di spalle e la stessa atmosfera cinematografica contenuta.

Insieme ai nostri due input, la scheda di rotazione e il fotogramma finale estratto, usiamo Nano Banana Pro per generare il nostro nuovo fotogramma finale:

Ecco il nostro risultato:

Ciò che rende questo metodo così potente è che possiamo essere precisi su come vogliamo che appaia la composizione della nostra scena. Invece di istruire il modello a generare il nostro video finale con l'immagine dell'ambientazione, i riferimenti del personaggio e il prompt tutto in una volta, dividiamo questo processo in due passaggi. Nel primo, creiamo la nostra scena, prestando per ora poca attenzione al personaggio. Poi, generiamo un nuovo fotogramma finale con il personaggio desiderato e facciamo un secondo passaggio per generare il nostro video finale.

Usando l'immagine dell'ambientazione che abbiamo creato in precedenza come nostro fotogramma iniziale, e il nostro nuovo fotogramma finale perfezionato che include il riferimento del personaggio, generiamo il nostro output finale. Oltre al riferimento del personaggio incorporato nel fotogramma finale, usiamo un prompt per ricordare al modello la descrizione del nostro personaggio, il suo movimento, l'ambientazione e il movimento di camera e l'audio di sottofondo desiderati. Ecco il nostro prompt:

Un funzionario-studioso burattino cinese in stop-motion con un alto cappello nero, una veste esterna grigio chiaro su una veste interna bianca, stivali neri, con una faretra e una spada hengdao appese al fianco, cammina lentamente nella neve verso il molo con passi contenuti e deliberati. La camera artigianale in miniatura si muove lentamente in avanti e si inclina leggermente verso l'alto. Una leggera neve fluttua dolcemente nell'inquadratura. Il lago ghiacciato rimane silenzioso e immobile. Alla fine, il funzionario-studioso raggiunge l'estremità opposta del molo, si ferma e rimane immobile rivolto verso il ghiaccio. Atmosfera molto silenziosa, con solo lievi passi nella neve e sul legno.

Ed ecco il nostro risultato finale:

Questo metodo è più avanzato, ma offre un controllo estremamente preciso sulla composizione della nostra scena, mantenendo al contempo un'esatta coerenza del personaggio. Sebbene richieda di eseguire due generazioni video separate con Kling o un altro modello, il che è più costoso, ti fa risparmiare crediti che altrimenti sprecheresti per un singolo video impreciso che non ti soddisfa.

Domande frequenti

Qual è il miglior strumento AI per personaggi coerenti?

Non esiste un unico strumento migliore in assoluto — esiste un metodo migliore. Per la maggior parte delle persone, un flusso di lavoro img2img con Character Reference (come quello di Flick) è il modo più rapido e affidabile per mantenere un personaggio coerente senza alcun addestramento. Per una produzione ad alto volume con una deriva quasi nulla, un LoRA addestrato su misura in ComfyUI rappresenta lo standard di riferimento.

Cosa significa coerenza del personaggio img2img?

La coerenza del personaggio image-to-image (img2img) significa generare nuove immagini del proprio protagonista — in una nuova ambientazione, con dettagli aggiunti, da un'angolazione inedita — mantenendo l'esatta identità visiva del personaggio definito.

Come posso ottenere la coerenza del personaggio in Flick?

Fornisci un'immagine di riferimento del tuo personaggio. Utilizzando lo strumento Character Reference, l'AI genera nuove immagini che preservano l'identità visiva del tuo protagonista. Invece di descrivere il tuo personaggio a parole sperando che il modello produca lo stesso risultato due volte, gli fornisci il riferimento e dici: "questo personaggio, ora in una nuova scena".

Come creo un personaggio coerente in Midjourney?

Usa Omni Reference (--oref) con l'immagine di riferimento del tuo personaggio, e regola l'omni-weight (--ow) in modo che il modello mantenga l'identità pur seguendo il tuo prompt di scena.

Posso mantenere un personaggio coerente in un video AI?

Sì. Fissa prima il personaggio in un'immagine statica, poi anima quell'immagine con la funzione di riferimento di uno strumento video — "Ingredients" di Veo 3, References di Runway, oppure "Elements" di Kling. Animare a partire da un'immagine statica fissata offre una coerenza molto migliore rispetto al text-to-video.

Devo addestrare un modello per ottenere un personaggio coerente?

No. Addestrare una LoRA offre il blocco più stretto possibile, ma per la maggior parte dei progetti una singola buona immagine di riferimento con una funzione Character Reference è sufficiente. Addestra un modello solo quando stai generando centinaia di inquadrature e la deriva diventa costosa da correggere manualmente.

Perché il mio personaggio AI continua a cambiare?

Perché ogni generazione viene creata da zero senza memoria della precedente, quindi piccole variazioni si accumulano in una deriva. La soluzione è fornire al modello un riferimento fisso da rispettare invece di ridescrivere il personaggio a parole ogni volta.

Come inizio a usare Flick?

Guarda il nostro tutorial: Flick 101: Getting Started. Crea il tuo primo progetto, completa l'onboarding e inizia il tuo percorso di AI filmmaking!

Esplora i tutorial correlati:

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

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

Scopri di più su The Herder:

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

Perché creare grandi personaggi è importante:

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

Guide correlate

• Genera immagini
• Modifica immagini
• Stili visivi
• Coerenza vocale
• Crea il tuo primo progetto
• Behind The Herder
• Nell'era dell'AI, la storia è tutto
• Perché esistiamo nell'era dei modelli infiniti