Yapay zeka videoda karakter tutarlılığı tek bir alışkanlığa dayanır: her karakter için kayıtlı bir referans oluşturun ve karakteri her seferinde sözcüklerle yeniden tarif etmek yerine bu referansı her üretime verin. 2026 itibarıyla bu tek bir ayar değil, bir iş akışıdır: referans seti, kıyafet ve ses kilitleri, modele göre yönlendirme ve sapmayı yayından önce yakalayan bir kontrol turu. Referansı bir kez doğru kurarsanız aynı yüz, aynı beden ve aynı kıyafet ilk çekimden son bölüme kadar taşınır. Dikey dizi çeken bir yapım ekibi de olsanız, YouTube'a kısa film yükleyen bir içerik üreticisi de olsanız, mantık aynı kalır.
Bu sayfa içerik üreticileri için yazılmış pratik bir rehber. Tam bir sezon yürüten bir stüdyo için konunun neden önemli olduğunu ve bir vaka çalışmasını bölümler boyunca karakter tutarlılığı sayfasında bulabilirsiniz.
Neden açıklama değil de referans?
“Otuzlu yaşlarında, kumral saçlı, bordo trençkotlu bir kadın” gibi sözlü bir tarif, kelimelerin sabitleyemediği her şeyi modele bırakır. Model de yüzü her üretimde yeniden çizer. Referans görsel ise tarifin anlatamadığı kısmı sabitler ve model bunu sonuca taşır. Hiçbir şey eğitilmez; kayıtlı referans her üretime girdi olarak verilir. Mekanik bu kadar. Aşağıdaki adımların hepsi referansı güçlendirmek ve her seferinde aynı biçimde kullanmakla ilgili.
1. adım: Referans setini oluşturun
Karakteri birden fazla açıdan tanımlayan küçük bir görsel seti hazırlayın: net bir ön görünüm, bir üç çeyrek açı, bir profil ve dizide kullanacağınız kıyafet ile ışıkta birkaç kare. Seti adıyla kaydedin, böylece prompt çubuğundan adıyla çağırabilirsiniz. Set tek bir görselden daha iyidir, çünkü modele karakterin yapısını şanslı tek bir kare yerine birkaç yönden gösterir.
2. adım: Kıyafeti ve görünümü kilitleyin
Karakterin varsayılan kıyafetine karar verin ve referansa not edin. Böylece bir sahne bilerek değiştirmediği sürece “başrol” hep aynı trençkot, aynı saç ve aynı renk paleti demek olur. Sapma çoğunlukla kenarlardan başlar: yaka, saç modeli, bir aksesuar. Kilit ne kadar sıkıysa, kayabilecek o kadar az şey kalır.
3. adım: Modeller arasında yönlendirin
Modeller referansı farklı biçimlerde alır ve bir mikro drama bölümü çoğunlukla birden fazla model kullanır:
Modele göre kullanım
| Model | Referansı nasıl kullanır | En uygun olduğu iş |
|---|---|---|
| Kling (3.0 / O3) | Hareketli bir çekimde karakterin görünümünü korumak için referans görselleri alır | Karakterin hareket edip yine de kendisi kalması gereken diyalog ve aksiyon çekimleri |
| Nano Banana | Durağan görseller ve plakalar için güçlü bir görselden görsele karakter koruması sağlar | Sonradan canlandıracağınız oyuncu seçme kareleri ve referans plakaları |
| Seedance | Referanstan videoya görevinde referans girdilerini alır; düzenleme ve uzatma da sunar | Önce ürettiğiniz, sonra karakteri yeniden seçmeden düzeltip uzattığınız sahneler |
Amaç tek bir kazanan model bulmak değil. Aynı kayıtlı referansı her birine verin ki karakter motorlar arasında gidip gelirken bozulmasın. Hangi çekim için hangi motorun uygun olduğunu mikro drama için en iyi yapay zeka modelleri sayfasında bulabilirsiniz.
4. adım: Sesi de kilitleyin
Bir karakter yüz ile sesin toplamıdır. Her karakter için tek bir ses kaydedin ve dizi boyunca her replikte onu kullanın. Başrol birinci bölümde de altmışıncı bölümde de aynı sesle konuşsun. Görüntü tutarlı olsa bile ses çekimden çekime değişiyorsa izleyici kurguya inanmayı bırakır.
5. adım: Yayından önce sapmayı kontrol edin
Tutarlılık ancak kontrol ettiğinizde gerçektir. Üretim ile kurgu arasına kısa bir inceleme kapısı koyun:
- Her yeni çekimi referans setiyle karşılaştırın; küçük resim boyutunda değil, okunur bir boyutta bakın.
- Kenarlara dikkat edin: yaka, saç çizgisi, takılar ve kıyafetin ayrıntıları. Sapma genellikle buralarda başlar.
- Sapmış bir çekimi kurguda “düzeltmeye” çalışmayın. Referansı ekleyip yeniden üretin; yeniden üretmek, gözle görülen bir süreklilik hatasından ucuzdur.
6. adım: Workflow olarak kaydedin
Referans, kilitler ve kontrol kapısı işe yaradığında bu sırayı yeniden kullanılabilir bir workflow olarak kaydedin. Böylece sıradaki karakter ve sıradaki bölüm sıfırdan kurulum değil, kopyalayıp değiştirme işi olur. Bütün bunları besleyen planlama belgesi ise dizi dosyası (series bible).
SSS
Karakter için kayıtlı bir referans seti oluşturun, kıyafeti ve tek bir sesi kilitleyin, sonra bu referansı sezon boyunca her üretime ekleyin. Tutarlılık, karakteri yeniden tarif etmek yerine aynı referansı kullanmaktan ve bir çekim yayına çıkmadan sapmayı yakalayan kontrolden gelir. Hiçbir şey eğitilmez; referans her üretime girdi olarak verilir.
Kilitlerseniz kalır. Her karakter için tek bir ses seçin ve dizi boyunca her replikte aynısını kullanın; ilke diyaloğun hangi dilde olduğundan bağımsızdır. Seçeceğiniz sesin diyaloğun yazıldığı dili desteklediğinden emin olmak için sezona başlamadan önce tek bir replikle deneme yapın. Görüntü tutarlıyken ses çekimden çekime değişirse yine de inandırıcılık bozulur, bu yüzden sesi de karakterin referansının bir parçası sayın.
Karakteri sözcüklerle tarif etmek yerine, çekim prompt'unun yanına karakterin referans görsellerini verin. Böylece Kling hareket sırasında da görünümü korur. Karakterin hareket etmesi ve yine de aynı kişi gibi görünmesi gereken diyalog ve aksiyon çekimlerinde güçlüdür. Karakter modeller arasında gidip gelirken bozulmasın diye aynı kayıtlı referansı diğer modellerinizde de kullanın.
Tek görsel yerine küçük bir set daha iyidir: net bir ön görünüm, bir üç çeyrek açı, bir profil ve dizideki kıyafet ile ışıkta birkaç kare çoğu zaman yeter. Amaç, modelin göremediği yanları tahmin etmesini önlemek için karakterin yapısını birden fazla açıdan göstermektir. Bir sahne için kıyafet önemliyse, o sahnedeki kıyafetle ayrı bir referans ekleyin.
Üretim ile kurgu arasına bir inceleme kapısı koyun: her yeni çekimi okunur boyutta referans setiyle karşılaştırın ve sapmanın başladığı kenarlara bakın: yaka, saç çizgisi, aksesuarlar, kıyafet. Sapmış bir çekimi kurguda düzeltmeye çalışmak yerine referansı ekleyip yeniden üretin. Kurgudaki düzeltme hem daha yavaştır hem de nadiren tam sonuç verir.