Постоянный ИИ-аватар, или на чём держится Бабушка Ким

Бабушка Ким собиралась не одним «идеальным промптом», а постепенно — как производственная система. Сначала внешность, потом главный кадр-образец, потом постоянная одежда и дом, потом правила съёмки — и только поверх этого десятки разных сцен. Поэтому героиня держится от ролика к ролику: лицо, жилет и кухня те же, меняется только то, что она делает.

Ниже — эта система по шагам. По ней можно собрать Ким или любого другого постоянного героя. Про сам формат «ИИ-эксперт по здоровью» и цифры доноров — в гайде ИИ-эксперт по здоровью.

Шаг 1. Сначала личность, а не стиль

Начинают не с видео и не с «красивой картинки», а с текстового канона: кто этот человек. Канон Ким, который у нас закрепился:

• кореянка, примерно 75–80 лет;
• короткие густые седые волосы с выраженными кудрями;
• округлое лицо, естественные возрастные черты, слегка румяные щёки;
• добрые и очень выразительные глаза;
• небольшое телосложение обычной пожилой женщины;
• никакой «глянцевой модели» — живой человек, а не ИИ-персонаж.

Основной костюм: пастельно-розовый стёганый жилет, цветочная кофта с длинным рукавом, свободные тёмные брюки.

Шаг 2. Главный кадр-образец

Когда получилось лицо, которое подходит, его больше не описывают заново в надежде, что генератор угадает. Одно главное изображение Ким прикладывается к каждой генерации как образец личности, и почти каждый промпт начинается одинаково:

Use the attached reference image of the elderly Korean grandmother as the exact identity reference.

Разделение простое: образец отвечает за то, КТО в кадре, а текст промпта — за то, ЧТО происходит. На этом держится вся стабильность.

Мастер-набор из шести кадров

Для нового героя лучше сразу делать не одну фотографию, а набор:

1. портрет анфас;
2. портрет в три четверти (поворот 30–45°);
3. профиль;
4. полный рост анфас;
5. полный рост в три четверти;
6. спокойная сидячая поза.

На всех кадрах одно и то же: нейтральное выражение, дневной свет, простой нейтральный фон, ничего не закрывает лицо, та же одежда, причёска, возраст и пропорции. Эмоции, кастрюли и кухни в мастер-набор не кладут: он нужен только для того, чтобы закрепить внешность. Как устроены листы эмоций и поз — в гайде Мастер-листы персонажа.

Шаг 3. Пять блоков-замков

Описание героя делится на блоки, и каждый вставляется в промпт без изменений.

Замок героя — кто это:

CHARACTER LOCK:

Замок одежды:

WARDROBE LOCK:

Можно завести 2–3 официальных комплекта, но внутри одного ролика одежду без причины не меняют.

Замок места. У Ким сложилась узнаваемая среда: сельский корейский дом, дерево, старая кухня, двор, полки, керамика, коричневые глиняные чаны онгги, тёплый дневной свет.

LOCATION LOCK:

Главное — не дать дому внезапно превратиться в стерильную белую кухню из каталога.

Замок предмета и замок рук — о них ниже, в шаге 6.

Шаг 4. Почему Ким выглядит живой

Мы постепенно ушли от «photorealistic old woman» к более строгому набору слов:

ultra-realistic, premium photorealistic quality, natural aged skin texture, realistic pores,

Важно сочетание documentary realism + cinematic, а не просто «cinematic». Если оставить только «cinematic, masterpiece, beautiful lighting», модель рисует рекламную ИИ-бабушку с пластиковой кожей.

Шаг 5. Как строится сцена

Кадр выбирается не «красивый», а такой, на котором за секунду понятно действие. Формат всегда вертикальный 9:16, крупности закрепились такие:

У каждой сцены пять обязательных элементов.

1. Реплика. Фиксируется отдельно и не переписывается внутри промпта генерации — например, «и две столовые ложки соли,».
2. Кто говорит. Всегда прямо. Иначе видеомодель любит внезапно дать реплику человеку на заднем плане.
3. Одно понятное действие. Не «наливает воду, открывает банку, смеётся и показывает три пальца», а «наливает воду». Следующая сцена — «добавляет уксус». Одна сцена — один глагол.
4. Эмоция.
5. Камера — одно простое движение.

Для сцены, где героиня говорит в кадр:

She looks directly into the camera.

Для сцены с руками и ингредиентами — голос за кадром:

NO ON-CAMERA SPEECH.
NO LIP-SYNC.
VOICE-OVER: the grandmother speaks off-camera in Russian: "..."

Говорящую голову и перебивки с руками разделяйте. Когда Ким сыплет соль, лицо показывать не нужно. Ролик становится динамичнее, а нейросеть реже ломает одновременно рот, руки и предметы.

Шаг 6. Замок предмета и замок рук

В одном из роликов генератор сам начал менять деревянный таз: то эмалированный, то металлический, то пластиковый. После этого мы стали прикладывать второе изображение — уже не героини, а предмета:

Use the attached wooden basin image as a STRICT PROP REFERENCE.

Так же закрепляется что угодно: кружка, упаковка, кастрюля, книга, бутылка, анатомический макет. Для длинной серии удобно держать три образца и прямо называть их роли:

Use reference image 1 for exact character identity.
Use reference image 2 for exact environment continuity.
Use reference image 3 for exact object appearance.

Тогда серия ощущается снятой в одном доме.

Предметы в руках — самое слабое место нейросетей. Вместо «holding a spoon and bottle and pointing at the basin» пишите по одной руке:

Her right hand holds ONE metal tablespoon.
Her left hand remains relaxed and empty.
Exactly two hands. No extra hands. No duplicated objects. No extra fingers.

Для сцен, где важен жест:

HAND LOCK:
Exactly two human hands. Natural anatomy. Five fingers on each hand.
No extra fingers. No fused fingers. No duplicated hands. No malformed hands.

Число на пальцах называйте прямо: «She raises exactly THREE fingers on one hand. The other two fingers remain naturally folded.» Рассчитывать, что модель сама поймёт число, нельзя.

Шаг 7. Общая концовка промпта и камера

Концовка, которая стоит почти в каждой сцене Ким, — к ней добавляются ограничения конкретной сцены:

No text. No subtitles. No watermark. No logo.

Камера — одно простое движение на сцену:

Не пишите всё сразу: «dolly zoom + orbit + handheld + rack focus + crane» — видео начинает разваливаться. Подробнее о движении — в гайде Режиссура вертикального ролика.

Шаг 8. Монтажная схема ролика

У роликов Ким сложилась одна схема: хук → действие → действие → действие → объяснение → видимый результат → призыв. Пример ролика про ванночку для ног:

1. ноги в тазу — хук;
2. вода;
3. уксус;
4. соль;
5. «десять минут»;
6. «самое неожиданное»;
7. объяснение;
8. ощущение результата;
9. как часто;
10. книга с другими советами;
11. призыв.

Схема переносится и на другие ниши.

Шаг 9. Один голос во всех роликах

Лицо держат образцы, а голос — замена голоса после монтажа. Видеомодель в каждой сцене говорит немного по-разному, поэтому звук генерации мы не выбрасываем, а переделываем:

1. монтируем ролик окончательно;
2. выгружаем только звук монтажа — речь из самих генераций;
3. в ElevenLabs, раздел Voice Changer, загружаем дорожку и выбираем один постоянный голос героя;
4. получаем новую дорожку той же длины и в монтаже ставим её вместо исходного звука.

Паузы, интонации и движение губ остаются родными, а тембр становится одинаковым во всех роликах серии. Голос героя фиксируется так же, как лицо: один выбранный голос и одни настройки на всю серию — у Ким это модель Eleven Multilingual v2, Stability посередине, Similarity около трёх четвертей, без Style Exaggeration.

Как собрать своего героя по этой системе

1. Канон текстом: возраст, пол, внешность, форма лица, волосы, кожа, телосложение, приметы, одежда, характер, манера. С видео не начинайте.
2. Лицо: 10–20 вариантов одного портрета. Выберите одного человека, а не склеивайте волосы от одного и лицо от другого.
3. Мастер-набор: анфас, три четверти, профиль, полный рост, сидя, спокойные руки.
4. Костюм: выбрали — заморозили. Не «similar pink vest», а «the same pastel pink quilted vest from the reference image».
5. Дом: 2–3 постоянные локации — кухня, стол или веранда, двор. Этого хватает почти на бесконечную серию.
6. Пробы до роликов: разговор, крупный план, полный рост, ходьба, сидя, предмет в руке, еда, жест пальцами. Если герой ломается на полном росте, мастер-набор чинят сейчас, а не после тридцати роликов.

Шаблон главного кадра для нового героя:

Create a permanent photorealistic recurring character for a vertical social-media video series.

Шаблон сцены, когда герой уже есть:

Vertical 9:16, ultra-realistic cinematic video.

Герой должен быть придуманным. Лицо, похожее на реального человека, без его согласия нарушает статью 152.1 ГК РФ — подробнее в гайде Знаменитости и закон.