איך שומרים על אותה דמות בכמה סרטונים ותמונות
דמות שנראית אחרת בכל סרטון היא אחת הבעיות המוכרות ביותר ביצירה עם AI, במיוחד כשבונים סדרה, פרסומת או קמפיין שלם. הפתרון הוא לא לתאר את הדמות טוב יותר, אלא להראות אותה למודל: בתמונות רפרנס, בתמונת פתיחה או בסרטון לדוגמה. המדריך מסביר כל דרך, כמה תמונות מקבל כל מודל כאן, ואיך עובדים בשיטה שמחזיקה לאורך סדרה שלמה.
בעמוד הזה
התשובה הקצרה
כדי לשמור על אותה דמות בכמה סרטונים, יוצרים פעם אחת תמונה ברורה של הדמות ומשתמשים בה בכל סרטון: כתמונת רפרנס במצב "לפי תמונות דוגמה", או כתמונת פתיחה במצב "תמונה לווידאו". לצד זה כותבים בכל פרומפט את אותו תיאור של הדמות, מילה במילה, ושומרים על אותו מודל ועל אותן הגדרות.
כמה תמונות רפרנס אפשר לצרף כאן לסרטון: עד 30 ב-Seedance 2.5, עד 10 ב-Wan 3.0, עד 9 ב-Seedance 2.0 וב-MiniMax H3, עד 7 ב-Kling O3 ועד 3 ב-Veo 3.1, בסרטון של 8 שניות. בתמונות, Google מציגה את Nano Banana Pro כמודל שנבנה לשמור על המראה של עד 5 אנשים.
לדוגמה, סרטון של 5 שניות ב-720p עם תמונות רפרנס ב-Kling O3 עולה ברגע זה ₪1.9719.69 קרד׳Kling O3, 720p · 5 שנ׳ · בלי סאונד.
שלוש דרכים לשמור על דמות
| הדרך | מה נותנים למודל | מתי מתאים |
|---|---|---|
| תמונות רפרנס, במצב "לפי תמונות דוגמה" | תמונה אחת או יותר של הדמות, המוצר או הסגנון | סצנה חדשה עם אותה דמות: מקום אחר, תנועה אחרת, זווית אחרת |
| תמונת פתיחה, במצב "תמונה לווידאו" | תמונה שהופכת לפריים הראשון של הסרטון | כשהסרטון צריך להתחיל בדיוק מהמראה שבתמונה |
| סרטון רפרנס | קטע וידאו קצר של הדמות | כשהדמות כבר קיימת בסרטון, ובחלק מהמודלים גם כדי לשמור על הקול שלה |
ההבדל החשוב: תמונת פתיחה קובעת את הפריים הראשון, ותמונת רפרנס רק מראה למודל איך הדמות נראית, והוא בונה סביבה סצנה חדשה. ברוב המודלים בוחרים באותה יצירה אחת משתי הדרכים ולא את שתיהן יחד. ב-Kling O3 אפשר כאן לשלב תמונת פתיחה עם תמונות רפרנס.
סרטון רפרנס שימושי כשכבר יש לכם סרטון של הדמות. לפי Alibaba, ב-Wan 2.6 קטע וידאו של דמות שומר על המראה ועל הקול שלה בסצנות חדשות. ב-Kling O3 סרטון רפרנס משמש ליצירת שוט חדש, למשל השוט הבא, ולפי Kling התוצאה היא סרטון חדש ולא עריכה של הסרטון שהעליתם.
כמה תמונות רפרנס מקבל כל מודל וידאו
הטבלה מראה מה אפשר לצרף כאן בכל אחד ממודלי הווידאו, ומה היצרן עצמו אומר על שמירת הדמות.
| מודל | תמונות רפרנס | מה עוד אפשר לצרף | שווה לדעת |
|---|---|---|---|
| Seedance 2.5 | עד 30 תמונות | וגם סרטון רפרנס אחד וקובץ קול אחד | לפי ByteDance שומר על המראה ועל הקול של כמה דמויות לאורך הסרטון, ומגיע עד 30 שניות |
| Wan 3.0 | עד 10 תמונות | וגם קובץ קול אחד | עד 30 שניות. לפי Alibaba קובץ קול יכול להניע ריקוד או תנועת שפתיים |
| Gemini Omni Flash 1.1 | עד 10 תמונות | או סרטון רפרנס של עד 3 שניות | סרטונים של 3 עד 10 שניות, עם פסקול מתאים כברירת מחדל |
| Seedance 2.0 | עד 9 תמונות | וגם סרטון רפרנס אחד וקובץ קול אחד | לפי ByteDance הסנכרון בין שפתיים לדיבור עלול להשתבש כשכמה אנשים מדברים באותה סצנה |
| MiniMax H3 | עד 9 תמונות | וגם סרטון רפרנס אחד וקובץ קול אחד | לפי MiniMax הרפרנסים יכולים לכוון דמות, תנועה, מצלמה, סגנון וקול. כאן רק ב-768p או ב-2K |
| Kling O3 | עד 7 תמונות | וגם סרטון רפרנס אחד, ואז עד 4 תמונות | אפשר לשלב גם תמונת פתיחה |
| Wan 2.7 | עד 5 תמונות | וגם סרטון רפרנס אחד, עד 5 קבצים בסך הכל | לפי Alibaba סרטון רפרנס נותן את המראה ואת הקול של הדמות הראשית. 2 עד 10 שניות במצב הזה |
| Veo 3.1 | עד 3 תמונות | רק תמונות רפרנס | רק בסרטון של 8 שניות, וכך גם ב-Veo 3.1 Fast וב-Veo 3.1 Lite |
גם Seedance 2.0 Mini מקבל כאן עד 9 תמונות רפרנס, ב-480p או ב-720p, וכך אפשר לבדוק בו ברזולוציה נמוכה איך הדמות יוצאת לפני שעוברים למודל גדול יותר. המחיר שלו מופיע בטבלה שבסוף המדריך.
ב-Veo 3.1 Lite Google לא מתעדת תמונות רפרנס, אבל כאן אפשר לבחור בו עד 3 תמונות רפרנס בסרטון של 8 שניות, ובבדיקה שלנו שתי תמונות רפרנס נשמרו לאורך כל הסרטון. זו הדרך הזולה לשמור על דמות במשפחת Veo, ו-Veo 3.1 או Veo 3.1 Fast מתאימים כשהדמות גם מדברת.
אותו פרצוף בכמה תמונות
גם בתמונות הדרך היא לצרף תמונה של הדמות ולבקש סצנה חדשה. מודלי התמונה כאן מקבלים תמונות קלט, וכך אפשר לשים את אותה דמות במקום אחר, בבגדים אחרים או בתנוחה אחרת:
- Nano Banana Pro. מקבל עד 14 תמונות, ולפי Google עד 6 מהן של חפצים, עד 5 של דמויות ועד 3 של סגנון. Google מציגה אותו כמודל שנבנה לשמור על המראה של עד 5 אנשים, וכרטיס המודל שלו מציין שהשמירה על דמות לא תמיד מושלמת
- Nano Banana 2. לפי התיעוד של Google, מקבל עד 14 תמונות רפרנס כדי לשמור על דמויות ומוצרים
- GPT Image 2. מקבל עד 16 תמונות בעריכה אחת, ו-OpenAI כותבת שכל תמונת קלט מעובדת בנאמנות גבוהה
- Seedream 4.5. לפי ByteDance שומר על תווי הפנים, על התאורה ועל הגוון של תמונת הרפרנס
- FLUX.1 Kontext [pro]. לפי Black Forest Labs שומר על אותה דמות גם בסצנות שונות. כאן הוא מקבל תמונת קלט אחת בכל עריכה
ואם בתמונה יש גם טקסט בעברית, כמו שם של מוצר או כותרת של קמפיין, בניסיון שלנו מודלי GPT Image החדשים הם הטובים ביותר בזה, ו-Nano Banana כותב עברית טובה גם הוא. ההשוואה המלאה בין שני המודלים נמצאת במדריך Nano Banana Pro מול GPT Image 2.
שיטת עבודה מדמות אחת לסדרה שלמה
כך בונים סדרה שבה הדמות נשארת אותה דמות, מהתמונה הראשונה ועד הסרטון האחרון:
- יוצרים תמונה ברורה של הדמות. במודל תמונה, עם הדמות במרכז, תאורה פשוטה ורקע נקי. במודלים שמקבלים כמה תמונות אפשר להכין כמה תמונות של אותה דמות, למשל מלפנים ומהצד
- כותבים תיאור קבוע של הדמות. משפט אחד באנגלית עם מה שחשוב לשמור, כמו גיל, שיער ובגדים, ומעתיקים אותו מילה במילה לכל פרומפט
- אומרים למודל מה כל תמונה מייצגת. בדוגמה שבמדריך של Google ל-Veo 3.1, הפרומפט מתחיל במילים Using the provided images for the detective, the woman, and the office setting, ורק אחר כך מתאר את השוט
- משתמשים באותן תמונות בכל סרטון. אותן תמונות רפרנס, או אותה תמונת פתיחה, לאורך כל הסדרה
- שומרים על אותן הגדרות. אותו מודל, אותה רזולוציה ואותו יחס תמונה, וגם אותן מילים לסגנון ולתאורה
- ממשיכים מהפריים האחרון. כשסרטון צריך להמשיך את הקודם, שומרים את הפריים האחרון שלו כתמונה ומעלים אותו כתמונת הפתיחה של הבא
- מתקנים רק את מה שסטה. סרטון שבו הדמות יצאה שונה יוצרים מחדש, ואת השאר משאירים כמו שהם
כל הכללים לכתיבת פרומפט, כולל מילון תנועות מצלמה, נמצאים במדריך הפרומפטים לסרטוני AI.
אותו מוצר לאורך קמפיין
מוצר עובד בדיוק כמו דמות, ולפעמים אפילו פשוט יותר. כשהסרטון צריך להתחיל מהמוצר האמיתי, מעלים את צילום המוצר כתמונת פתיחה, והפריים הראשון הוא המוצר עצמו. כשהמוצר צריך להופיע בכמה סצנות שונות, מצרפים את הצילום כתמונת רפרנס ומתארים בפרומפט את הסצנה החדשה.
אפשר גם לעבור דרך מודל תמונה: מצרפים את צילום המוצר ל-GPT Image 2 או ל-Nano Banana Pro, מבקשים אותו בסביבה חדשה, ואת התמונה שיצאה מנפישים לסרטון. ההסבר המלא נמצא במדריך איך הופכים תמונה לסרטון.
ומה עם הקול של הדמות
בסדרה, הקול חשוב כמו המראה. חלק ממודלי הווידאו יודעים להיעזר בדוגמת קול או בסרטון של הדמות:
- ByteDance כותבת ש-Seedance 2.5 שומר על המראה ועל הקול של כמה דמויות לאורך הסרטון, והוא מקבל כאן גם קובץ קול לדוגמה
- לפי Alibaba, ב-Wan 2.6 וב-Wan 2.7 סרטון רפרנס של דמות שומר גם על הקול שלה
- לפי MiniMax, ב-MiniMax H3 הרפרנסים יכולים לכוון גם את הקול
בעברית המצב אחר: אף מודל וידאו כאן לא תומך רשמית בדיבור בעברית. לכן קול עברי קבוע יוצרים במודל קול שעברית ברשימת השפות הרשמית שלו, כמו Eleven v3 או MiniMax Speech 2.8 HD, ובוחרים בכל פעם את אותו קול מתוך רשימת הקולות. את הקריינות מחברים לסרטון בעריכה. כל הפרטים במדריך קריינות AI בעברית.
מה עוד לא מושלם
שמירה על דמות השתפרה מאוד, אבל היצרנים עצמם מציינים מגבלות שכדאי להכיר:
- Google כותבת בכרטיס המודל של Nano Banana Pro שהשמירה על דמות לא תמיד מושלמת
- ByteDance מציינת ב-Seedance 2.0 שהסנכרון בין שפתיים לדיבור עלול להשתבש כשכמה אנשים מדברים באותה סצנה
- ב-Veo 3.1 תמונות רפרנס עובדות רק בסרטון של 8 שניות
- ב-Kling O3, יחד עם סרטון רפרנס אפשר לצרף עד 4 תמונות
- ב-Seedance 2.5 סרטון רפרנס זמין כאן רק ב-480p או ב-720p
לכן בודקים כל סרטון לפני שמפרסמים, ויוצרים מחדש רק את מה שלא יצא טוב. ואם יצירה נכשלת, כל הקרדיטים שלה חוזרים ליתרה אוטומטית, כפי שמוסבר במדריך יצירה שנכשלה או נתקעה.
כמה זה עולה
הטבלאות מחושבות ברגע טעינת העמוד, באותו חישוב שהסטודיו מציג לפני כל יצירה. כל שורה היא יצירה אחת עם תמונת רפרנס או תמונת קלט, בהגדרות שכתובות בה.
| מודל | הגדרות | מחיר | קרדיטים |
|---|---|---|---|
| Seedance 2.0 Mini | 480p · 5 שנ׳ · עם סאונד | ₪0.94 | 9.38 קרד׳ |
| Wan 3.0 | 720p · 5 שנ׳ · בלי סאונד | ₪1.88 | 18.75 קרד׳ |
| MiniMax H3 | 768p · 5 שנ׳ | ₪1.88 | 18.75 קרד׳ |
| Kling O3 | 720p · 5 שנ׳ · בלי סאונד | ₪1.97 | 19.69 קרד׳ |
| Gemini Omni Flash 1.1 | 720p · 8 שנ׳ | ₪2.46 | 24.61 קרד׳ |
| Veo 3.1 Fast | 720p · 8 שנ׳ · עם סאונד | ₪1.41 | 14.06 קרד׳ |
| Seedance 2.0 | 720p · 5 שנ׳ · עם סאונד | ₪4.22 | 42.18 קרד׳ |
| Seedance 2.5 | 720p · 5 שנ׳ · עם סאונד | ₪5.42 | 54.18 קרד׳ |
| Veo 3.1 | 720p · 8 שנ׳ · עם סאונד | ₪15.00 | 149.97 קרד׳ |
| מודל | הגדרות | מחיר | קרדיטים |
|---|---|---|---|
| FLUX.1 Kontext [pro] | תמונה אחת | ₪0.12 | 1.18 קרד׳ |
| Seedream 4.5 | 2K · תמונה אחת | ₪0.15 | 1.53 קרד׳ |
| Nano Banana 2 | 1K · תמונה אחת | ₪0.19 | 1.88 קרד׳ |
| GPT Image 2 | 1K · תמונה אחת · איכות בינונית | ₪0.22 | 2.21 קרד׳ |
| Nano Banana Pro | 1K · תמונה אחת | ₪0.42 | 4.22 קרד׳ |
כל המודלים עובדים מאותה יתרה, כך שאפשר ליצור את תמונת הדמות במודל תמונה, את הסרטונים במודל וידאו ואת הקריינות במודל קול, ולשלם רק על מה ששולחים.
שאלות ותשובות
איך שומרים על אותה דמות בכמה סרטונים?
יוצרים פעם אחת תמונה ברורה של הדמות ומשתמשים בה בכל סרטון, כתמונת רפרנס או כתמונת פתיחה. בכל פרומפט כותבים את אותו תיאור של הדמות, ושומרים על אותו מודל ועל אותן הגדרות
כמה תמונות רפרנס אפשר לצרף לסרטון?
תלוי במודל: עד 30 ב-Seedance 2.5, עד 10 ב-Wan 3.0, עד 9 ב-MiniMax H3, עד 7 ב-Kling O3 ועד 3 ב-Veo 3.1, בסרטון של 8 שניות
מה ההבדל בין תמונת רפרנס לתמונת פתיחה?
תמונת פתיחה הופכת לפריים הראשון של הסרטון. תמונת רפרנס רק מראה למודל איך הדמות או המוצר נראים, והמודל בונה סביבם סצנה חדשה
איך שומרים על אותו פרצוף בכמה תמונות?
מצרפים תמונה של הדמות ומבקשים סצנה חדשה. Google מציגה את Nano Banana Pro כמודל שנבנה לשמור על המראה של עד 5 אנשים, ו-GPT Image 2 מקבל עד 16 תמונות בעריכה אחת
אפשר לשמור גם על הקול של הדמות?
בחלק מהמודלים כן. לפי ByteDance, Seedance 2.5 שומר על הקול של כמה דמויות, ולפי Alibaba ב-Wan 2.6 סרטון רפרנס שומר גם על הקול. לקול בעברית יוצרים קריינות במודל קול ובוחרים בכל פעם את אותו קול