Mantener el mismo personaje coherente en varias escenas con IA

Respuesta corta: la forma más fiable de mantener a un personaje coherente en varias escenas es usar imágenes de referencia claras, la misma descripción detallada en cada prompt y, siempre que sea posible, editar en lugar de generar desde cero. Ningún modelo promete una coherencia perfecta; la propia ficha del modelo Nano Banana de Google indica que la coherencia del personaje no siempre se consigue por completo. En este artículo explicamos los métodos, las cifras y los límites de la documentación oficial, y la regla de permiso para personas reales.

¿Por qué es difícil mantener la coherencia de un personaje?

Los modelos generativos crean cada resultado desde cero; aunque ejecutes dos veces el mismo prompt, el rostro, el pelo o la ropa cambian en pequeños detalles. La única forma de decirle al modelo «es la misma persona» es mostrarle a esa persona o describirla con mucha precisión. Por eso, todos los métodos se basan en dos ideas: dar referencias y mantener fija la descripción.

Paso a paso: cómo se crea un personaje coherente

1. Prepara una ficha del personaje

Primero genera un conjunto de referencias limpio de un solo personaje: de frente, de lado y medio cuerpo, con imágenes nítidas, fondo sencillo y la misma luz. La guía de Veo también propone este enfoque: generar primero las imágenes de referencia con un modelo de imagen (Nano Banana) y después dárselas al modelo de vídeo. Mostrar al personaje desde varios ángulos, en lugar de una sola imagen potente, facilita que el modelo capte los detalles.

2. Escribe una descripción detallada y úsala siempre igual

Piensa en la descripción como una «ficha de identidad» del personaje: cópiala y pégala al inicio de cada prompt. Lo que debe quedar fijo: rango de edad, forma del rostro, color y forma del pelo, tono de piel, rasgos distintivos, ropa y accesorios.

Karakter: 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.

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

Usa las mismas palabras, en el mismo orden, en cada prompt; cambiar a sinónimos («castaño» en lugar de «marrón») puede provocar pequeñas variaciones.

3. Nombra las imágenes de referencia por su función en el prompt

Según la documentación de la API de Gemini, las imágenes de referencia pueden llegar a 14 en total, pero el reparto depende del modelo: en Nano Banana Pro son 6 objetos y 5 personajes, y en Nano Banana 2.1, 10 objetos y 4 personajes. La documentación de BFL indica que FLUX.2 admite varias referencias (hasta 8 en la API) y recomienda referirse a ellas en orden («image 1») y escribir su función.

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. Edita en lugar de generar desde cero

La documentación de Gemini recomienda la edición en varias vueltas y muestra cómo indicar en la petición lo que no debe cambiar. Si el personaje ha salido bien en una imagen, pide la nueva escena como una edición: «pon a este personaje en este entorno, conserva exactamente el rostro y la ropa». Editar produce menos desviaciones que generar toda la escena de nuevo.

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. Usa las funciones de referencia en el vídeo

En la función «Ingredients to Video» de Google se admiten hasta tres imágenes de referencia; según la documentación de la API de Gemini, deben ser imágenes de una misma persona, personaje o producto. El anuncio de enero de 2026 indica que mejoró la coherencia de los personajes entre escenas y la de los fondos, y que por primera vez admite formato vertical 9:16. En el modelo H3 de MiniMax, con referencias se pueden dar hasta 9 imágenes, 3 vídeos y 3 audios; el objetivo es mantener constante un personaje, un movimiento, la cámara, el estilo o el sonido. ByteDance también presentó Seedance 2.5 con amplio soporte de referencias. Sea cual sea la herramienta, escribe en el prompt qué representa cada referencia.

6. Usa la semilla como ayuda, no como solución

Fijar la semilla puede hacer que los resultados sean parecidos, pero la documentación no garantiza el mismo resultado ni siquiera con la misma semilla, y en algunos modelos no existe un campo para la semilla. El fundamento del personaje son las referencias y la descripción; la semilla solo ayuda un poco.

¿Dónde se pierde la coherencia y cuáles son los límites conocidos?

• No hay coherencia perfecta: la ficha del modelo Nano Banana 2.1 indica que la coherencia del personaje no siempre se logra por completo.
• El número de referencias es limitado: en la documentación de Gemini, el número de referencias para personajes es de 4 o 5 según el modelo; en escenas con más personajes que ese número es normal que haya desviaciones. La versión Lite no está optimizada para múltiples referencias.
• Diferencias entre ángulos: en los perfiles o las tomas desde atrás, el detalle del rostro suele disminuir; añade también referencias de esos ángulos.
• Ropa y detalles pequeños: los estampados, los textos y las joyas pueden cambiar entre fotogramas. Simplificar el detalle aumenta la coherencia.
• Duración del vídeo: a medida que el clip se alarga, el rostro puede desplazarse; genera clips cortos y comienza con un primer fotograma coherente.
• Idioma del prompt: escribir la descripción en inglés es más predecible en la mayoría de los modelos.

Personas reales y regla de permiso

Usar como referencia tu propia fotografía o la de otra persona es técnicamente posible; pero la responsabilidad ética y legal recae en ti. Una regla sencilla: si la persona de la foto no te ha dado su permiso explícito, no la uses. Mostrar a alguien diciendo algo que no dijo o haciendo algo que no hizo es crear contenido engañoso. Para las fotos de niños hace falta además el permiso de su madre, padre o tutor. No uses como referencia la imagen de celebridades o de figuras reconocibles. Marca las imágenes generadas como contenido de IA; muchas plataformas ya lo exigen.

Los personajes de ficción son otra cosa: puedes usar todas las veces que quieras un personaje que hayas creado tú. Si vas a hacer un proyecto con una persona real, consigue un permiso por escrito de esa persona.

Ejemplo práctico: una mini historia de tres escenas

Veamos un ejemplo con poca teoría: un propietario de una cafetería, con tres escenas. El objetivo es que la misma persona aparezca por la mañana, al mediodía y por la noche.

1. Ficha del personaje: genera primero tres imágenes limpias (de frente, de lado y medio cuerpo), con fondo sencillo y la misma luz.
2. Descripción: escribe la ficha del personaje en un archivo de texto y pégala al inicio de cada prompt.
3. Escena 1 (mañana): da las imágenes de referencia y muestra al personaje en la puerta de la cafetería.
4. Escena 2 (mediodía): usa la primera escena como base para una edición: «conserva el rostro y la ropa, y cambia solo el entorno a un mostrador concurrido».
5. Escena 3 (noche): con el mismo método, cambia solo la luz y la hora.
6. Revisión: pon las tres imágenes una al lado de otra; comprueba si el pelo, las gafas y la ropa siguen igual, y corrige el detalle que se desplaza con una sola edición.

Sahne 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.

Este método no promete una coherencia perfecta, pero reduce las desviaciones; cuando notes un detalle que se mueve, una sola edición suele bastar en lugar de empezar de nuevo.

Errores frecuentes

• Confiar en una sola referencia: da varias referencias nítidas desde distintos ángulos.
• Cambiar la descripción en cada prompt: copia la ficha exactamente.
• No asignar un papel a las referencias: escribe qué imagen es el personaje y cuál es el entorno.
• Generar toda la escena de nuevo: si el personaje es correcto, pide una edición.
• Pedir demasiados personajes en una escena abarrotada: no superes el número de personajes que indica la documentación.
• Usar la foto de una persona real sin permiso: pide siempre autorización para la foto de otra persona.

Resumen

• La coherencia se apoya en tres pilares: referencias claras, la misma descripción y la edición.
• El número de referencias depende del modelo (por ejemplo, de 4 a 5 personajes en Nano Banana y tres referencias en Veo).
• Ningún modelo promete coherencia perfecta; la semilla solo ayuda un poco.
• En vídeo, usa clips cortos y las funciones de referencia.
• Pide permiso explícito para las fotos de personas reales, y de los padres para los niños; marca el contenido generado.