Denselben Charakter über verschiedene Szenen konsistent erzeugen

Kurze Antwort: Der zuverlässigste Weg, einen Charakter über alle Szenen hinweg konsistent zu halten, sind klare Referenzbilder, dieselbe ausführliche Beschreibung in jedem Prompt und, wo möglich, Bearbeitung statt Neuerzeugung von Grund auf. Kein Modell verspricht perfekte Konsistenz; selbst die Modellkarte von Googles Nano Banana schreibt, dass die Konsistenz von Charakteren nicht immer vollständig erreicht wird. Dieser Artikel behandelt die Methoden, Anzahlen und Grenzen aus den offiziellen Dokumentationen sowie die Einwilligungsregel für echte Personen.

Warum ist die Konsistenz von Charakteren schwierig?

Generative Modelle erzeugen jedes Mal ein neues Ergebnis; selbst wenn du denselben Prompt zweimal ausführst, ändern sich Gesicht, Haare oder Kleidung in kleinen Details. Dem Modell „dieselbe Person“ zu sagen geht nur, indem man ihm diese Person zeigt oder sie sehr genau beschreibt. Deshalb beruhen alle Methoden auf zwei Ideen: Referenzen mitgeben und die Beschreibung festhalten.

Schritt für Schritt: So baust du einen konsistenten Charakter auf

1. Bereite eine Charakterkarte vor

Erzeuge zuerst ein sauberes Referenzset für einen einzigen Charakter: scharfe Ansichten von vorn, von der Seite und als Halbfigur, einen schlichten Hintergrund und dasselbe Licht. Auch der Veo-Leitfaden empfiehlt diesen Ansatz: Referenzbilder zuerst mit einem Bildmodell (Nano Banana) erzeugen und sie dann dem Videomodell geben. Einen Charakter aus mehreren Blickwinkeln zu zeigen statt mit einem einzigen starken Bild macht es dem Modell leichter, die Details zu übernehmen.

2. Schreibe eine ausführliche Beschreibung und verwende sie wortgleich

Denke an die Beschreibung wie an ein „Charakterprofil“ und füge sie am Anfang jedes Prompts ein. Was festgehalten werden sollte: Altersspanne, Gesichtsform, Haarfarbe und -schnitt, Hauttyp, markante Merkmale, Kleidung und Accessoires.

Charakter: a man in his early thirties, short wavy dark-brown hair, light stubble, warm olive skin, round tortoiseshell glasses, a mustard-yellow knit sweater over a white shirt.

Szene: [Charakterprofil] sits at a window table in a small café, reading a paperback, soft morning light, medium shot.

Verwende die Wörter der Beschreibung in jedem Prompt in derselben Reihenfolge; wer auf Synonyme ausweicht („Kastanienhaar“ statt „braunes Haar“), riskiert eine kleine Abweichung.

3. Gib Referenzbilder im Prompt mit ihrer Rolle an

Laut der Dokumentation der Gemini API können Referenzbilder insgesamt bis zu 14 erreichen, wobei die Aufteilung je nach Modell variiert: Bei Nano Banana Pro sind es 6 Objekte und 5 Charaktere, bei Nano Banana 2.1 10 Objekte und 4 Charaktere. Die Dokumentation von BFL unterstützt bei FLUX.2 ebenfalls mehrere Referenzen (in der API bis zu 8), und der Leitfaden empfiehlt, sich in der Reihenfolge auf die Referenzen zu beziehen („image 1“) und ihre Rolle zu nennen.

Use the man from image 1 as the main character, keep his face, hairstyle and glasses exactly the same. Place him on a mountain trail at golden hour, wearing a dark green jacket.

4. Bearbeite, statt neu zu erzeugen

Die Gemini-Dokumentation empfiehlt mehrstufige Bearbeitung für Iterationen und zeigt, dass in Bearbeitungsanfragen angegeben werden sollte, was sich nicht ändern darf. Wenn der Charakter in einem Bild richtig herauskam, fordere die neue Szene als Bearbeitung an: „Setze diesen Charakter in diese Umgebung, behalte Gesicht und Kleidung exakt bei“. Bearbeitung bringt weniger Abweichungen als die Neuerzeugung der ganzen Szene.

Keep the man's face, hair and clothing exactly the same. Change only the setting to a sunny beach and his pose to walking along the shoreline.

5. Nutze Referenzfunktionen im Video

Bei Googles Funktion „Ingredients to Video“ werden bis zu drei Referenzbilder mitgegeben; laut der Dokumentation der Gemini API müssen es Bilder einer einzelnen Person, eines Charakters oder eines Produkts sein. Die Ankündigung vom Januar 2026 sagt, dass Charaktere über Szenen hinweg besser gleich aussehen und die Hintergrundkonsistenz verbessert wurde; außerdem gibt es erstmals Unterstützung für das vertikale Format 9:16. Beim H3-Modell von MiniMax können bei referenzbasierter Erzeugung bis zu 9 Bilder, 3 Videos und 3 Audiodateien angegeben werden; das Ziel ist, einen Charakter, eine Bewegung, die Kamera, den Stil oder die Stimme konsistent zu halten. ByteDance hat außerdem Seedance 2.5 mit breiter Referenzunterstützung vorgestellt. Egal welches Tool du nutzt: Schreibe im Prompt, was jede Referenz darstellt.

6. Nutze den Seed als Hilfe, nicht als Lösung

Ein festgehaltener Seed kann Ergebnisse ähnlich machen, aber die Dokumentation garantiert auch mit demselben Seed kein identisches Ergebnis, und manche Modelle haben kein Seed-Feld. Für einen Charakter ist die eigentliche Grundlage die Referenz und die Beschreibung; der Seed ist nur eine kleine Hilfe.

Wo driftet die Konsistenz, und welche Grenzen sind bekannt?

• Keine perfekte Konsistenz: Die Modellkarte von Nano Banana 2.1 sagt, dass die Konsistenz von Charakteren nicht immer vollständig erreicht wird.
• Begrenzte Anzahl und Art der Referenzen: Die Anzahl, die die Gemini-Dokumentation für Charaktere vorsieht, beträgt je nach Modell 4 oder 5; in vollen Szenen, die diese Zahl überschreiten, ist eine Abweichung zu erwarten. Die Lite-Version ist für mehrere Referenzen nicht optimiert.
• Unterschiedliche Blickwinkel: Bei Profil- oder Rückenaufnahmen nimmt die Gesichtsdetailtiefe oft ab; ergänze Referenzen auch aus diesen Winkeln.
• Kleidung und kleine Details: Muster, Schriften und Schmuck können sich zwischen Bildern ändern. Vereinfachte Details erhöhen die Konsistenz.
• Videolänge: Das Gesicht kann driften, wenn der Clip länger wird; erzeuge kurze Clips und beginne das erste Frame mit einem konsistenten Bild.
• Prompt-Sprache: Die Beschreibung auf Englisch zu schreiben ist bei den meisten Modellen besser vorhersagbar.

Echte Personen und die Einwilligungsregel

Ein Foto von dir selbst oder von jemand anderem als Referenz zu verwenden ist technisch möglich; die ethische und rechtliche Verantwortung liegt bei dir. Eine einfache Regel: Verwende das Foto einer Person nicht ohne ihre ausdrückliche Erlaubnis. Eine Person etwas sagen oder tun zu lassen, das sie nie gesagt oder getan hat, bedeutet, irreführende Inhalte zu erzeugen. Für Fotos von Kindern ist zusätzlich die Erlaubnis der Eltern oder Erziehungsberechtigten nötig. Verwende keine Bilder von Prominenten oder erkennbaren öffentlichen Figuren als Referenz. Kennzeichne erzeugte Bilder als KI-generiert; viele Plattformen verlangen das ohnehin.

Bei fiktiven Charakteren gibt es dieses Problem nicht: Einen Charakter, den du selbst erzeugt hast, kannst du so oft verwenden, wie du willst. Wenn du ein Projekt mit einer echten Person planst, hol dir von dieser Person eine schriftliche Erlaubnis.

Beispiel-Workflow: eine Mini-Geschichte mit drei Szenen

Verbinden wir die Theorie mit einem kleinen Beispiel: Wir erzeugen drei Szenen eines Café-Besitzers. Ziel ist, dass dieselbe Person am Morgen, am Mittag und am Abend zu sehen ist.

1. Charakterkarte: Erzeuge zuerst drei saubere Bilder, von vorn, von der Seite und als Halbfigur; schlichter Hintergrund, dasselbe Licht.
2. Profil: Schreibe die Beschreibung des Charakters in eine Textdatei und füge sie am Anfang jedes Prompts ein.
3. Szene 1 (Morgen): Gib die Referenzbilder vor und zeige den Charakter an der Café-Tür.
4. Szene 2 (Mittag): Verwende die erste Szene als Bearbeitung: „Behalte Gesicht und Kleidung bei, verwandle nur die Umgebung in eine belebte Theke.“
5. Szene 3 (Abend): Ändere mit derselben Methode nur das Licht und die Tageszeit.
6. Kontrolle: Lege die drei Bilder nebeneinander; prüfe, ob Haare, Brille und Kleidung gleich bleiben, und korrigiere ein driftendes Detail mit einer einzigen Bearbeitung.

Szene 3: Keep the man from image 1 exactly the same, face, glasses, hair and mustard sweater. Change only the setting to the same café at night, warm lamp light, rain on the window, he is stacking chairs.

Diese Methode verspricht keine perfekte Konsistenz, sie verringert aber Abweichungen; wenn du ein driftendes Detail bemerkst, reicht meist eine einzige Bearbeitung, statt von vorn zu beginnen.

Häufige Fehler

• Sich auf eine einzige Referenz verlassen: Gib klare Referenzen aus mehreren Blickwinkeln.
• Die Beschreibung jedes Mal ändern: Kopiere das Profil wortgleich.
• Referenzen keine Rolle geben: Schreibe, welches Bild der Charakter und welches die Umgebung ist.
• Die ganze Szene neu erzeugen: Wenn der Charakter stimmt, fordere eine Bearbeitung an.
• In einer vollen Szene viele Charaktere verlangen: Überschreite nicht die Anzahl der Charaktere aus der Dokumentation.
• Das Foto einer echten Person ohne Erlaubnis verwenden: Hol dir für das Foto einer anderen Person immer die Erlaubnis.

Zusammenfassung

• Drei Stützen der Konsistenz: klare Referenzen, dieselbe Beschreibung, Bearbeitung.
• Die Anzahl der Referenzen variiert je nach Modell (z. B. 4-5 Charaktere bei Nano Banana, drei Referenzen bei Veo).
• Kein Modell verspricht perfekte Konsistenz; der Seed ist nur eine kleine Hilfe.
• Im Video kurze Clips und Referenzfunktionen nutzen.
• Hol dir für Fotos echter Personen eine ausdrückliche Erlaubnis, für Kinder die Erlaubnis der Eltern; kennzeichne das Ergebnis.