Wie Animatoren und Creator mit dem Vidu Character Reference Mode Charaktere über mehrere Videoszenen konsistent halten

Die konsistente Darstellung derselben Spielfigur über mehrere Kameraeinstellungen hinweg war bislang das größte Hindernis bei der Videoproduktion mit generativer künstlicher Intelligenz. Bei herkömmlichen reinen Text-zu-Video-Verfahren (Text-to-Video) operiert jeder Renderdurchlauf isoliert: Selbst wenn ein Charakter detailreich mit „braunen Haaren und schwarzer Lederjacke“ beschrieben wird, weichen Gesichtsform, Proportionen und Kleidungsdetails in der nächsten Einstellung unweigerlich ab. Dieser sogenannte „Character Drift“ verhindert, dass aus einzelnen generierten Clips eine zusammenhängende visuelle Erzählung oder ein verlässliches Storyboard entsteht.

Um diesen Bruch zu überwinden, bietet die von Shengshu Technology entwickelte Plattform Vidu die Funktion Reference to Video (Videoerstellung mit Charakterreferenz). Dieses System ermöglicht es Kreativen, 1 bis 7 feste Referenzbilder hochzuladen oder gespeicherte Figurenmodelle direkt aus der Asset-Bibliothek RefHub / My References abzurufen. Indem Gesichtsgeometrie, Körpersilhouette und Farbpalette an visuelle Vorlagen gekoppelt werden, trennt Vidu die äußere Identität vollständig von Bewegung und Kameraführung. So bleibt die Hauptfigur über unterschiedliche Szenen, Stimmungen und Blickwinkel hinweg eindeutig wiedererkennbar.

In dieser Anleitung erfahren Animatoren und Video-Creator, wie sie den Vidu Reference Mode produktiv einsetzen, Prompts optimal strukturieren und typische Fallstricke in der Pipeline vermeiden.

1. Die Pre-Production-Strategie: Visuelle Anker vor der Animation definieren

Die wichtigste Grundregel bei der Erstellung von KI-Videoinhalten lautet: Zuerst werden verlässliche Standbilder als Referenzanker fixiert, erst danach wird die Bewegung animiert. Videodiffusionsmodelle arbeiten dann am präzisesten, wenn die Identitätsmerkmale unmissverständlich vorgegeben sind.

Aufbau eines Master-Referenzpakets (1 bis 7 Bilder)

Vidu unterstützt die gleichzeitige Nutzung von bis zu sieben Referenzbildern pro Generierung. Während ein einzelnes frontales Porträt für eine statische Aufnahme genügen mag, erfordert eine narrative Schnittfolge verschiedene Blickwinkel (Character Turnaround Pack):

• Mehrere Perspektiven: Verwenden Sie mindestens eine frontale Nahaufnahme bei gleichmäßigem Licht, eine Dreiviertelansicht (3/4-Profil) sowie ein strenges Seitenprofil.
• Körperbau und Kostüm-Silhouette: Mindestens eine Ganzkörperaufnahme ist unerlässlich, um Körpergröße, Statur und den charakteristischen Schnitt der Kleidung verbindlich festzulegen.
• Einheitlicher Stil: Sämtliche Referenzbilder müssen denselben Kunststil aufweisen. In der Praxis halten 2D-Animationen, Anime-Zeichenstile und stilisierte 3D-Renderings die Charakterkonsistenz zwischen Einzelbildern deutlich stabiler als fotorealistische Motive, da klare Konturen und definierte Farbflächen von Diffusionsmodellen verlässlicher erkannt und übertragen werden.
• Störfaktoren eliminieren: Verzichten Sie auf Referenzbilder mit extremen Grimassen, starker Bewegungsunschärfe (Motion Blur), tiefen Schatten oder übermäßig kleinteiligen Mustern (wie feine Spitze, dichte Karomuster oder filigraner Schmuck). Solche Hochfrequenzdetails neigen bei der Bewegungsinterpolation zu starkem Flimmern (Flicker) und morphologischen Verzerrungen.

Speichern Sie dieses Referenzset im Projektordner oder hinterlegen Sie es direkt im RefHub unter My References in Vidu, um es während der gesamten Produktionsphase jederzeit per Klick abrufen zu können.

2. Der 4-Schritte-Workflow für konsistente Szenenfolgen in Vidu

Sobald das Referenzpaket bereitsteht, öffnen Sie die Vidu-Arbeitsumgebung und navigieren zur Schnittstelle Reference to Video (/create/character2video).

[Master-Referenzpaket (1–7 Bilder)]
              │
              ▼
  ┌───────────────────────┐
  │ Vidu Reference to     │ ◄─── Entkoppelte Prompts (Ausschließlich Handlung & Kamera)
  │ Video Workspace       │
  └───────────┬───────────┘
              │
              ├── Einstellung 01: Figur am Fenster, Kamerafahrt heran (Push-In, 8s)
              ├── Einstellung 02: Figur dreht sich um, Halbnahe Aufnahme (4s)
              └── Einstellung 03: Figur rennt durch Regen, Tracking Shot (8s)

Schritt 1: Referenzbilder importieren

Klicken Sie in der Eingabekonsole auf +Reference oder öffnen Sie das Menü Refs. Laden Sie Ihre 1 bis 7 vorbereiteten Charakterbilder hoch. Falls in der Szene ein wiederkehrendes Requisit oder ein prägnanter Schauplatz verankert werden soll, können Sie dafür Slots reservieren. Um jedoch eine maximale Gesichtskonsistenz zu erzielen, empfiehlt es sich, die Mehrzahl der Plätze für die verschiedenen Ansichten der Figur zu nutzen.

Schritt 2: Entkoppelte Prompts formulieren

Der häufigste Anfängerfehler besteht darin, das Aussehen der Figur im Textfeld erneut ausführlich zu beschreiben (z. B. "Ein junger Detektiv mit kurzen braunen Haaren und beigem Trenchcoat geht die Straße entlang"). Dadurch geraten die visuellen Tokens der Bilder mit den linguistischen Tokens des Textes in Konflikt, was zu Gesichtsverzerrungen führt.

Die professionelle Methode setzt auf vollständige Entkopplung von Aussehen und Aktion:

• Das Aussehen wird ausschließlich über die Referenzbilder gesteuert.
• Der Text-Prompt beschreibt nur Handlungsverben, Mimik, Lichtstimmung und Kamerabewegungen.

Beispiel für einen wirksamen Prompt:

The character walks rapidly through a rain-slicked neon street, looking over their shoulder with an anxious expression. Cinematic atmospheric lighting, puddle reflections. Camera tracking shot moving backward at eye level. (Die Figur geht zügig durch eine regennasse Neonstraße und blickt sich mit ängstlichem Ausdruck über die Schulter um. Filmische atmosphärische Beleuchtung, Pfützenreflexionen. Kameratracking rückwärts auf Augenhöhe).

Schritt 3: Technische Parameter kalibrieren

• Modellauswahl: Wählen Sie die modernste Modellarchitektur (z. B. Vidu Q3), die für physikalische Stabilität und präzise Einhaltung von Bildreferenzen optimiert ist.
• Seitenverhältnis (Aspect Ratio): Wählen Sie 16:9 für Breitbildformate und YouTube oder 9:16 für vertikale Kurzvideos auf TikTok, Instagram Reels und mobilen Story-Plattformen.
• Dauer und Bewegungsumfang (Motion Amplitude): Zur Auswahl stehen 4 oder 8 Sekunden. Bei subtilen Dialog- oder Reaktionsszenen empfiehlt sich ein moderater Bewegungsumfang, um Verformungen im Gesicht zu verhindern. Bei dynamischer Action kann der Wert erhöht werden, erfordert jedoch eine sorgfältige Kontrolle der Einzelbilder.

Schritt 4: Fortlaufende Szenen generieren

Für die nachfolgenden Szenen 2 und 3:

1. Das Referenzset bleibt unverändert. Tauschen Sie die 1 bis 7 Bilder in den Referenz-Slots nicht aus.
2. Passen Sie ausschließlich die Handlungsanweisung im Prompt an:
   • Szene 2 (Reaktionseinstellung): Die Figur setzt sich an einen Tisch im Diner, zieht die Handschuhe aus und atmet langsam aus. Warmes Innenraumlicht, Halbnahaufnahme, langsamer Push-In der Kamera.
   • Szene 3 (Wendepunkt): Die Figur bemerkt einen Brief auf dem Tisch, greift danach und öffnet ihn mit konzentriertem Blick. Detailaufnahme von Händen und Gesicht, leichtes Handkamera-Wackeln.
3. Da jedem Renderdurchlauf derselbe visuelle Merkmalsvektor zugrunde liegt, bleiben Gesichtsstruktur, Frisur und Kleidung über alle Schauplatz- und Lichtwechsel hinweg stabil.

3. Workflow-Vergleich und produktionstechnische Abwägungen

Ein Vergleich mit alternativen Produktionswegen verdeutlicht, wann Vidu den größten Mehrwert bietet:

Reale Grenzen und Praxistipps

1. Mehrere Hauptfiguren im selben Bild: Wenn zwei eigenständige Charaktere in einem Durchlauf eng interagieren sollen, neigen Diffusionsmodelle zu Überblendungen (z. B. Farbübertragungen bei der Kleidung). Die branchenübliche Lösung: Drehen Sie Dialoge in Einzeleinstellungen (Schuss und Gegenschuss) und nutzen Sie für gemeinsame Momente weite Totalen, bei denen feine Gesichtszüge eine untergeordnete Rolle spielen.
2. Modulare Clip-Struktur: Vidu liefert hochwertige Clips von 4 bis 8 Sekunden Länge. Versuchen Sie nicht, eine komplexe Handlungskette in einen einzigen Prompt zu packen. Betrachten Sie Vidu als virtuelle Kamera, die einzelne Szenenbausteine filmt, und führen Sie Montage, Schnitt und Tongestaltung in Programmen wie Premiere Pro, DaVinci Resolve oder Final Cut durch.
3. Kommerzielle Nutzungsrechte: Kostenlose Konten eignen sich hervorragend für Tests und Prototypen, versehen die Videos jedoch mit einem Wasserzeichen und enthalten keine kommerzielle Freigabe. Für Kundenaufträge, bezahlte Kampagnen oder monetarisierte Kanäle ist ein kostenpflichtiges Abonnement erforderlich, um hochauflösende, wasserzeichenfreie Exporte mit vollen kommerziellen Rechten zu erhalten.

4. Checkliste für Video-Creator und Animatoren

So setzen Sie Ihr nächstes Projekt mit Vidu erfolgreich um:

1. 3 bis 5 saubere Referenzen erstellen: Frontal-, Profil- und Ganzkörperansicht bei neutraler Beleuchtung.
2. In RefHub / My References ablegen: Zentraler Zugriff für das gesamte Team.
3. Prompts strikt entkoppeln: Ausschließlich Bewegung, Emotion und Kameraführung beschreiben – keine optischen Wiederholungen.
4. Modell und Seitenverhältnis fixieren: Einheitliche Parameter über alle Szenen beibehalten.
5. Kurzclips im Schnittprogramm montieren: 4s- bis 8s-Segmente zu einer dynamischen Dramaturgie zusammenfügen.

Mit der gezielten Entkopplung von Identität und Aktion verwandelt der Vidu Character Reference Mode die generative Videoproduktion von einem unberechenbaren Zufallsspiel in ein präzises Werkzeug für professionelle Animationen.

Referenzen

• Consistent Character AI for Same Characters | Vidu AI
• Text to Image for Better AI Video References | Vidu AI
• Free AI Character Generator | Create with Vidu | Vidu AI
• Vidu Pricing Plans for AI Video Generation | Vidu AI
• Vidu Tutorials: Learn AI Video Workflows | Vidu AI