چگونه شخصیت ثابت در ویدیوهای هوش مصنوعی بسازیم؟

مسئله اصلی: چرا شخصیت در ویدیوی AI تغییر می‌کند؟

ثبات شخصیت در ویدیو هوش مصنوعی فقط به این معنی نیست که صورت یک نفر در دو نما شبیه بماند. در تولید چندشاتی، شخصیت باید در چهره، سن، فرم بدن، رنگ پوست، مدل مو، لباس، نسبت قد و اندام، زبان بدن، جنس نور روی صورت، حتی عادت‌های حرکتی قابل تشخیص باشد. مشکل از جایی شروع می‌شود که مدل تصویر یا ویدیو هر prompt را تا حدی مثل یک صحنه تازه تفسیر می‌کند. اگر اطلاعات هویت پراکنده، مبهم یا متناقض باشد، مدل برای پر کردن خلأها از الگوهای عمومی خودش استفاده می‌کند و نتیجه drift است: چشم‌ها عوض می‌شوند، صورت جوان‌تر یا مسن‌تر می‌شود، لباس رنگ دیگری پیدا می‌کند، یا همان شخصیت در نمای بعدی شبیه یک بازیگر دیگر دیده می‌شود.

برای کنترل این مسئله باید با شخصیت مثل یک asset تولید رفتار کرد، نه مثل یک جمله در prompt. همان‌طور که در فیلمسازی سنتی wardrobe، makeup، continuity و storyboard برای حفظ تداوم وجود دارد، در تولید AI هم به یک سیستم نگهداری تصمیم‌های بصری نیاز داریم. این سیستم باید قبل از تولید شات‌ها ساخته شود، در طول تولید به‌روز شود و بعد از هر خروجی با QC بررسی شود.

تفاوت ثبات چهره با ثبات کامل شخصیت

بسیاری از تیم‌ها ابتدا فقط به حفظ چهره فکر می‌کنند. این شروع خوبی است، اما کافی نیست. ثبات چهره یعنی اجزای اصلی صورت در نماهای مختلف نزدیک بماند: فرم چشم، بینی، لب، استخوان گونه و حالت کلی. ثبات کامل شخصیت یعنی بیننده احساس کند این همان فرد با همان هویت داستانی است؛ حتی اگر نور، زاویه دوربین یا موقعیت احساسی تغییر کند.

برای مثال، شخصیت «یک کارآگاه خسته در تهران آینده» فقط با چهره تعریف نمی‌شود. کت بارانی خاکستری، زخم کوچک کنار ابرو، ایستادن کمی خمیده، نگاه محتاط، پالت سرد، و عادت نگاه کردن به دست چپ بخشی از هویت اوست. اگر در یک نما کت چرمی مشکی بپوشد، در نمای بعدی لباس نظامی داشته باشد و در نمای سوم با بدن ورزشکاری ظاهر شود، حتی اگر چهره نزدیک باشد، continuity شکسته می‌شود.

پس هدف اصلی این است: یک مرجع قابل‌استفاده بسازید که هم مدل و هم تیم انسانی بدانند چه چیزهایی باید ثابت بماند و چه چیزهایی اجازه تغییر دارد.

Character Bible چیست؟

Character Bible سندی است که هویت داستانی و بصری یک شخصیت را به شکل قابل تولید تعریف می‌کند. این سند نباید فقط توصیف ادبی باشد. باید شامل جزئیات قابل مشاهده، محدودیت‌ها و خطاهای ممنوع باشد. هرچه پروژه چندشاتی‌تر و طولانی‌تر باشد، Character Bible اهمیت بیشتری پیدا می‌کند.

یک قالب کاربردی:

بخش	سؤال کلیدی	مثال
هویت	این شخصیت کیست؟	زن ۳۲ ساله، مهندس صدا، آرام اما وسواسی
چهره	چه عناصر صورت ثابت‌اند؟	صورت بیضی، ابروی ضخیم، بینی صاف، خال کوچک زیر چشم راست
بدن	نسبت و قامت چیست؟	قد متوسط، شانه‌های باریک، حرکت آهسته
مو	مدل و رنگ چیست؟	موی مشکی کوتاه تا چانه، فرق از چپ
لباس	لباس اصلی چیست؟	بارانی سبز تیره، تی‌شرت سفید، کفش مشکی ساده
پالت	رنگ‌های مجاز چیست؟	سبز تیره، خاکستری، سفید چرک، مشکی
رفتار	زبان بدن چیست؟	قبل از جواب دادن مکث می‌کند، اغلب به زمین نگاه می‌کند
ممنوع	چه چیزهایی نباید رخ دهد؟	موی بلند، لباس قرمز، آرایش سنگین، لبخند اغراق‌آمیز

این جدول باید کنار prompt اصلی و خروجی‌های تأییدشده نگه‌داری شود. اگر فقط یک paragraph طولانی در prompt بنویسید، احتمال دارد مدل بخشی از اطلاعات را نادیده بگیرد. اما اگر Character Bible کوتاه، دقیق و تکرارپذیر باشد، تیم می‌تواند در هر شات همان اطلاعات را بازاستفاده کند.

Visual Bible و تصاویر مرجع

Visual Bible نسخه تصویری Character Bible است. در آن فقط متن ندارید؛ چند تصویر مرجع از زوایا و حالت‌های مختلف شخصیت هم ذخیره می‌شود. بهتر است Visual Bible شامل این موارد باشد:

• یک تصویر اصلی چهره در نور خنثی
• نمای نیم‌تنه با لباس اصلی
• نمای تمام‌قد برای نسبت بدن
• دو یا سه حالت احساسی کنترل‌شده
• یک صفحه رنگ لباس و پالت نور
• چند مثال از موارد ممنوع یا «استفاده نشود»

در بسیاری از ابزارهای image-to-video یا video-to-video، کیفیت تصاویر مرجع از prompt مهم‌تر می‌شود. تصویر مرجع باید واضح، بدون افکت سنگین، بدون cropping شدید و بدون چند شخصیت در کادر باشد. اگر مرجع اصلی تار یا بیش از حد سینمایی باشد، مدل در نماهای بعدی ممکن است نور و زاویه را با هویت اشتباه بگیرد.

یک روش عملی این است که ابتدا یک «hero reference» بسازید؛ یعنی بهترین تصویر هویتی شخصیت. سپس از همان تصویر، نماهای مکمل بسازید و فقط خروجی‌هایی را نگه دارید که واقعاً به شخصیت اصلی نزدیک‌اند. هر خروجی ضعیف نباید وارد Visual Bible شود، چون بعداً به منبع drift تبدیل می‌شود.

Prompt ثابت، نه prompt هر بار تازه

یکی از خطاهای رایج این است که برای هر شات prompt کاملاً تازه نوشته شود. در تولید AI، بخش هویتی prompt باید تا حد ممکن ثابت بماند و فقط بخش صحنه، اکشن و دوربین تغییر کند. برای همین بهتر است prompt را به سه بخش تقسیم کنید:

بلوک هویت ثابت: اطلاعات Character Bible که در همه نماها تکرار می‌شود.

بلوک صحنه: مکان، زمان، نور، حال‌وهوا و اتفاق شات.

بلوک دوربین و حرکت: لنز، زاویه، حرکت دوربین، اندازه نما و ریتم.

نمونه:

هویت ثابت:
شخصیت اصلی: زن ۳۲ ساله ایرانی، صورت بیضی، چشم قهوه‌ای تیره، ابروی ضخیم، موی مشکی کوتاه تا چانه، خال کوچک زیر چشم راست، بارانی سبز تیره، تی‌شرت سفید، کفش مشکی ساده، رفتار آرام و محتاط.

صحنه:
در راهروی باریک یک ایستگاه مترو متروک، نور فلورسنت سرد، دیوارهای خیس، صدای دور قطار.

دوربین:
medium close-up، لنز ۵۰mm، حرکت آرام dolly-in، نگاه شخصیت به خارج از کادر.

اگر در نمای بعدی فقط صحنه و دوربین را تغییر دهید، مدل احتمال بیشتری دارد شخصیت را ثابت نگه دارد. اما اگر هر بار با کلمات مترادف متفاوت، لباس متفاوت یا جزئیات اضافی prompt را بازنویسی کنید، خروجی‌ها به هم نزدیک نمی‌مانند.

Seed چه کمکی می‌کند و چه محدودیتی دارد؟

Seed در بعضی ابزارها به تکرارپذیری کمک می‌کند، اما نباید آن را جادو تصور کرد. Seed معمولاً در همان مدل، همان تنظیمات، همان prompt و همان نسخه سیستم بیشترین اثر را دارد. اگر مدل، resolution، aspect ratio، reference strength یا حتی ترتیب کلمات prompt تغییر کند، نتیجه می‌تواند متفاوت شود. همچنین Seed در ابزارهای مختلف معنی یکسان ندارد.

بهترین استفاده از Seed این است که هنگام پیدا کردن یک هویت خوب، مقدار آن را همراه با prompt، تصویر مرجع، ابزار، نسخه مدل، نسبت تصویر و تنظیمات ذخیره کنید. این اطلاعات باید وارد continuity log شود. اما در برنامه‌ریزی حرفه‌ای، Seed فقط یک لایه کمک‌کننده است؛ پایه اصلی ثبات همچنان Character Bible، Visual Bible، تصاویر مرجع و QC انسانی است.

LoRA یا مدل سفارشی چه زمانی لازم است؟

اگر پروژه فقط چند شات کوتاه دارد، احتمالاً با مرجع تصویری، prompt ثابت و انتخاب دقیق خروجی‌ها می‌توان به نتیجه قابل قبول رسید. اما اگر شخصیت قرار است در ده‌ها نما، چند محیط، چند لباس یا یک داستان طولانی حضور داشته باشد، LoRA یا مدل سفارشی می‌تواند کمک کند. LoRA به مدل یاد می‌دهد یک هویت یا سبک خاص را بهتر بازتولید کند. با این حال، آموزش LoRA نیازمند dataset تمیز، رضایت استفاده از چهره، کیفیت یکدست و ارزیابی جدی است.

برای شخصیت خیالی، می‌توانید مجموعه‌ای از تصاویر تأییدشده بسازید و سپس از آن برای آموزش استفاده کنید. برای افراد واقعی، حتماً باید رضایت صریح، محدوده استفاده، مدت نگهداری داده و حق حذف مشخص باشد. ساختن شخصیت شبیه یک انسان واقعی بدون اجازه، حتی اگر از نظر فنی ممکن باشد، از نظر اخلاقی و حقوقی خطرناک است.

LoRA هم همه چیز را حل نمی‌کند. اگر prompt صحنه با هویت تضاد داشته باشد، یا لباس و نور در هر نما بی‌قاعده عوض شود، خروجی همچنان drift خواهد داشت. آن را به‌عنوان تقویت‌کننده هویت ببینید، نه جایگزین کارگردانی و کنترل کیفیت.

لباس، نور و لوکیشن را قفل کنید

در تولید چندشاتی، تغییرات لباس و نور گاهی بیش از چهره باعث ناپایداری می‌شوند. وقتی شخصیت در یک نما ژاکت آبی دارد و در نمای بعدی کت قهوه‌ای، مدل ممکن است کل هویت را بازتفسیر کند. برای همین در فاز اول تولید، لباس اصلی را قفل کنید. اگر داستان به تغییر لباس نیاز دارد، برای هر لباس یک زیرنسخه Visual Bible بسازید.

نور هم همین‌طور است. اگر تصویر مرجع در نور نرم روز ساخته شده، اما شات بعدی نور نئون قرمز دارد، ممکن است رنگ پوست، فرم صورت و حتی سن شخصیت تغییر کند. بهتر است برای هر وضعیت نوری حساس، یک reference تأییدشده داشته باشید: روز، شب، فضای داخلی، نور گرم، نور سرد. این کار به مدل و تیم انسانی کمک می‌کند تفاوت نور را از تفاوت هویت جدا کنند.

لوکیشن نیز باید با prompt شخصیت تداخل نداشته باشد. اگر در توصیف صحنه از عبارت‌هایی مثل «crowded fashion runway» استفاده کنید، مدل ممکن است لباس شخصیت را به فضای مد نزدیک کند. پس باید لباس ثابت را دوباره در بلوک هویت تکرار کنید و در بخش ممنوع بنویسید: no outfit change, no new accessories, no different hairstyle.

از Storyboard برای کنترل continuity استفاده کنید

Storyboard فقط برنامه‌ریزی نما نیست؛ ابزار کنترل شخصیت هم هست. وقتی شات‌ها را قبل از تولید کنار هم می‌گذارید، می‌توانید بفهمید شخصیت در کدام زاویه‌ها، احساس‌ها و محیط‌ها ظاهر می‌شود و برای کدام نماها reference اضافی لازم دارید. اگر شات اول close-up، شات دوم over-the-shoulder و شات سوم wide shot است، باید مطمئن شوید Visual Bible برای هر سه مقیاس جواب می‌دهد.

در راهنمای Storyboard می‌توانید مسیر شات‌ها را از نظر داستانی و تصویری تنظیم کنید: https://www.tex2film.com/blog/ai-storyboard-complete-guide

برای هر شات در storyboard این ستون‌ها را اضافه کنید:

شات	اندازه نما	وضعیت شخصیت	مرجع لازم	خطر drift	تصمیم QC
۱	close-up	مضطرب، نگاه به چپ	چهره اصلی	تغییر چشم و سن	فقط خروجی با خال زیر چشم تأیید شود
۲	medium	راه رفتن در راهرو	نیم‌تنه لباس	تغییر رنگ بارانی	پالت سبز تیره اجباری
۳	wide	ایستاده زیر نور سرد	تمام‌قد	تغییر اندام	نسبت بدن با مرجع مقایسه شود

این جدول باعث می‌شود تولید از حالت آزمون‌وخطای بی‌پایان خارج شود و هر خروجی با معیار مشخص بررسی شود.

Prompt سینمایی و کنترل دوربین

ثبات شخصیت نباید باعث شود همه نماها تخت و تکراری شوند. می‌توانید دوربین، لنز، ترکیب‌بندی و نور را سینمایی نگه دارید، به شرطی که بلوک هویت ثابت باقی بماند. در prompt سینمایی، کلمات مربوط به mood و camera باید به شخصیت کمک کنند، نه اینکه آن را بازتعریف کنند.

برای مثال، «dramatic fashion portrait» ممکن است مدل را به سمت پوست بی‌نقص، لباس جدید و pose تبلیغاتی ببرد. اما «cinematic medium close-up, restrained performance, same green trench coat, soft cold overhead light» دقیق‌تر است. راهنمای کامل‌تر prompt دوربین و نور اینجاست: https://www.tex2film.com/blog/cinematic-ai-prompts-camera-lighting-composition

در هر prompt، ابتدا هویت ثابت، سپس صحنه، سپس دوربین را بیاورید. اگر ابزار شما weight یا reference strength دارد، با مقدار متوسط شروع کنید؛ reference خیلی ضعیف drift می‌دهد و reference خیلی قوی ممکن است حرکت و تنوع را محدود کند.

Continuity log بسازید

هر خروجی تأییدشده باید ثبت شود. continuity log دفترچه‌ای است که نشان می‌دهد برای هر شات چه prompt، چه Seed، چه reference، چه ابزار و چه تصمیم QC استفاده شده است. این log برای پروژه‌های تیمی ضروری است، چون اگر فرد دیگری ادامه تولید را انجام دهد، لازم نیست همه چیز را از نو حدس بزند.

قالب پیشنهادی:

فیلد	مقدار
Shot ID	S03
Prompt version	character-v4 + subway-scene-v2
Reference images	hero-front.png, outfit-wide.png
Seed	184227
Tool/model	نام ابزار و نسخه در تاریخ تولید
Approved output	s03_take_04.mp4
QC notes	چهره OK، لباس OK، دست راست کمی غیرطبیعی
Retake rule	اگر مو بلند شد یا کت روشن شد reject

این log به‌خصوص وقتی مهم می‌شود که بعداً بخواهید شات جدیدی بین دو شات قدیمی اضافه کنید. بدون log، حفظ هویت در میان خروجی‌های قبلی بسیار سخت‌تر است.

چک‌لیست QC برای ثبات شخصیت

QC باید قبل از انتشار یا تدوین نهایی انجام شود. نگاه کلی کافی نیست؛ باید شاخص‌های ثابت را یکی‌یکی بررسی کنید.

چک‌لیست پیشنهادی:

• آیا فرم صورت با مرجع اصلی می‌خواند؟
• آیا چشم، ابرو، بینی و لب تغییر غیرعادی ندارند؟
• آیا سن ظاهری ثابت مانده است؟
• آیا مدل مو و رنگ مو همان است؟
• آیا لباس، رنگ و accessory طبق Character Bible است؟
• آیا نسبت بدن در wide shot تغییر نکرده؟
• آیا زبان بدن با شخصیت سازگار است؟
• آیا نور یا زاویه باعث شده شخصیت شبیه فرد دیگری شود؟
• آیا در حرکت، صورت melt یا swap نشده؟
• آیا خروجی با شات قبل و بعد continuity دارد؟

بهتر است برای هر شات سه سطح داشته باشید: accept، fixable و reject. خروجی fixable شاید با crop، color correction یا prompt اصلاحی قابل استفاده باشد. خروجی reject نباید وارد Visual Bible یا تدوین شود، چون در ادامه پروژه خطا را تکثیر می‌کند.

خطاهای رایج

اولین خطا، اضافه کردن جزئیات زیاد و متناقض است. اگر در prompt بنویسید شخصیت هم «مینیمال»، هم «باروک»، هم «سایبرپانک»، هم «لباس سنتی»، هم «fashion editorial» است، مدل یک هویت پایدار نمی‌سازد.

دومین خطا، تغییر دادن توصیف هویت در هر نماست. حتی مترادف‌های ظاهراً ساده می‌توانند اثر بگذارند. اگر یک بار بنویسید «young woman» و دفعه بعد «mature woman»، مدل سن را تغییر می‌دهد.

سومین خطا، نگه داشتن خروجی‌های متوسط به‌عنوان reference است. فقط بهترین و پایدارترین خروجی‌ها باید به Visual Bible اضافه شوند.

چهارمین خطا، بی‌توجهی به حقوق چهره و privacy است. اگر شخصیت بر اساس فرد واقعی ساخته شده، رضایت و محدوده استفاده باید روشن باشد. داده‌های چهره جزو حساس‌ترین دارایی‌های پروژه‌اند.

یک workflow عملی از ایده تا چند شات

۱. شخصیت را در یک paragraph داستانی تعریف کنید.
۲. Character Bible را به جدول قابل بررسی تبدیل کنید.
۳. hero reference بسازید و چند خروجی را مقایسه کنید.
۴. بهترین تصویر را انتخاب و تصاویر مکمل بسازید.
۵. Visual Bible را با تصاویر تأییدشده تکمیل کنید.
۶. storyboard را با ستون‌های continuity آماده کنید.
۷. بلوک هویت ثابت prompt را قفل کنید.
۸. برای هر شات فقط صحنه و دوربین را تغییر دهید.
۹. Seed و تنظیمات را در continuity log ثبت کنید.
۱۰. QC را با چک‌لیست انجام دهید و فقط خروجی‌های تأییدشده را نگه دارید.

این workflow کندتر از نوشتن چند prompt سریع به نظر می‌رسد، اما در عمل زمان تولید را کم می‌کند، چون retakeهای بی‌هدف کمتر می‌شود و تیم می‌داند دقیقاً چه چیزی را باید اصلاح کند.

جمع‌بندی

ثبات شخصیت در ویدیو هوش مصنوعی نتیجه یک prompt جادویی نیست؛ نتیجه مدیریت دارایی بصری، تصمیم‌های ثابت و کنترل کیفیت است. Character Bible هویت را تعریف می‌کند، Visual Bible آن را قابل دیدن می‌کند، Seed و reference به تکرارپذیری کمک می‌کنند، LoRA یا مدل سفارشی برای پروژه‌های بزرگ‌تر قدرت بیشتری می‌دهد، و QC جلوی drift را می‌گیرد.

در Tex2Film می‌توانید با پروفایل شخصیت، سازمان‌دهی referenceها، برنامه‌ریزی Storyboard و ثبت تصمیم‌های خلاقه، مسیر تولید چندشاتی را منظم‌تر کنید. هدف این نیست که AI جای continuity artist یا کارگردان را بگیرد؛ هدف این است که تیم خلاق ابزار دقیق‌تری برای حفظ هویت شخصیت در طول داستان داشته باشد.