Wie man mit KI Videos mit Dialogen mehrerer Charaktere erstellt, ohne die Konsistenz der Charakterprofile zu verlieren

Mehrcharakterdialoge sind eines der schwierigsten Formate, in Künstliche Intelligenz-Videos.

Schon ein einzelner Charakter ist schwer, konsistent zu halten. Seine Gesichtsform könnte verzerrt werden, seine Kleidung gewechselt, seine Frisur verändert und seine Gesichtsausdrücke könnten unbeständig sein. Sobald man einen zweiten oder dritten Charakter hinzufügt, steigt der Schwierigkeitsgrad rapide an. Das KI-Modell muss gleichzeitig die Identität mehrerer Charaktere beibehalten, verfolgen, wer gerade spricht, die räumlichen Beziehungen innerhalb der Szene aufrechterhalten, die Gesichtsausdrücke steuern, die Synchronisation von Sprache oder Lippenbewegungen handhaben und zudem die visuelle Kohärenz des Bildes gewährleisten.

Das ist der Grund, warum viele KI-Gesprächsvideos verwirrend wirken. Die beiden Charaktere haben ihre Gesichter getauscht. Die Figur, die ursprünglich links stand, plötzlich auf der rechten Seite zu sehen ist. Wenn das Bild die falsche Figur zeigt, bewegt sich trotzdem der Mund des Sprechers. Die Details der Kleidung ändern sich. Die Augenlinien stimmen nicht überein. Die gesamte Szene wirkt wie aus verschiedenen Clips zusammengesetzt und nicht wie ein zusammenhängendes Gespräch.

Aber Videos mit Dialogen zwischen mehreren Charakteren sind ebenfalls eines der wertvollsten KI-Videoformate. Sie können verwendet werden für animierte Kurzfilme, pädagogische Erklärungsvideos, Komödieskizzen, Produktdemonstrationen, Geschichtenerzählen, virtuelle Influencer, Markenmaskottchen, Spielszenarien, Comic-Adaptionen und soziale Videoreihen. Dialog verleiht KI-Charakteren Persönlichkeit. Es kann die generierten visuellen Bilder in Szenen umwandeln.

Der entscheidende Punkt ist, Konversationsvideos als echte Filmproduktion zu betrachten. Lassen Sie KI nicht den vollständigen Dialog in einem einzelnen Prompt generieren. Erstellen Sie die Szene mithilfe von Charakterreferenzen, Gesprächsdrehbuch, Kameraplanung, Sprechersteuerung, Sprachstrategie und Postproduktion.

Elser AI Es kann helfen, da es Kreativen eine strukturiertere Möglichkeit bietet, Charakterreferenzen, Bild-zu-Video-Shots und wiederverwendbare Szenen-Prompts zu nutzen. Wenn Sie KI-Gesprächsvideos mit mehreren konsistenten Charakteren erstellen möchten, registrieren Sie sich bei Elser AI und bauen Sie zuerst die Charaktere auf, statt die Gespräche zu entwerfen.

Beginne mit dem Rollenidentitätsblock

Bevor Sie eine vollständige Szene verfassen, definieren Sie jeden Charakter zunächst klar. Jeder Charakter benötigt einen Identitäts-Setup-Block. Dieser Block sollte Gesicht, Haare, Kleidung, Körperproportionen, Farben, Accessoires, Persönlichkeit, Haltung sowie den künstlerischen Stil enthalten.

Zum Beispiel:

Charakter A: „Mina, eine junge Anime-Erfinderin mit kurzen silbernen Haaren, grünen Augen und einer runden Brille. Sie trägt einen lockeren orangefarbenen Kapuzenpullover, schwarze Shorts und eine kleine Werkzeugtasche, hat einen energiegeladenen Gesichtsausdruck, eine kleine, gut proportionierte Statur und weist einen sauberen Cel-Shading-Anime-Zeichnungsstil auf.“

Charakter B: „Riko, eine ruhige weibliche Anime-Schwertkämpferin mit dunkelblauen langen Haaren, grauen Augen, einem marineblauen Mantel und einem weißen Schal, groß und schlank, mit ernster Miene und graziöser Haltung – alles im Stil sauber mit Celluloid eingefärbter Animes.“

Diese beiden Charaktere müssen visuell voneinander klar zu unterscheiden sein. Gestalten Sie nicht beide Charaktere als „junge Anime-Mädchen mit leuchtend buntem Haar und modischer Kleidung“. KI-Modelle könnten ähnliche Charaktere verwechseln. Starke Kontraste sind hilfreich: Verschiedene Frisuren, Kleidungsfarbkombinationen, Körperproportionen und Persönlichkeitsausdrücke.

In jeder Szenenanweisung wiederholen Sie die Identität der Charaktere deutlich. Sollten zwei Charaktere gleichzeitig in derselben Einstellung vorkommen, beschreiben Sie bitte ihre Positionen:

“Mina steht auf der linken Seite, trägt ihren orangefarbenen Kapuzenpullover und eine Brille. Rico steht auf der rechten Seite, trägt ihren marineblauen Mantel und einen weißen Schal.”

Das reduziert den Austausch von Zeichen.

Dialoge vor der Generierung des Videos schreiben

Bevor der Inhalt der Rollenlinien festgelegt ist, generieren Sie bitte keine Bilder. Der Inhalt des Dialogs bestimmt, welche Kameraaufnahmen ausgewählt werden. Sarkastische Zeilen und emotionale Bekenntnisse erfordern unterschiedliche Kameraaufnahmen, während schnelle Auseinandersetzungen und ruhige Erläuterungen hingegen unterschiedliche Tempi brauchen.

Schreiben Sie diese Szene zu einem kurzen Drehbuch:

Mina: „Ich habe es repariert.“

Riko：„Es raucht.“

Mina: „Das zeigt, dass es hervorragend läuft.“

Li Zi: „Das ist keine Technikkategorie.“

Dieser Dialog hat bereits den visuellen Rhythmus angedeutet. Mina ist energiegeladen und voller Stolz. Lizi ist gelassen und hegt Zweifel. Diese Szene kann man mit Zweieraufnahmen, Reaktions-Nahaufnahmen sowie Schnitten zur Zigarettenmaschine verwenden.

Bei KI-Gesprächsvideos bitte die Dialoge kurz halten. Lange Monologe sind schwerer zur Lippensynchronisation, erschweren das Hinzufügen von Untertiteln und schneiden auf Kurzvideo-Plattformen schlechter ab. Exzellente Gesprächsszenen setzen üblicherweise schnelle Dialoginteraktionen um.

Verwenden Sie die Kamera-Checkliste, um die Redner zu kontrollieren

Dialogszenen sollten in mehrere Aufnahmen unterteilt werden. Versuchen Sie nicht, den vollständigen Dialog als einzelnes zusammenhängendes Video-Segment zu erstellen.

Ein einfaches Gesprächsszenario kann verwendet werden:

Einstellung 1: Zweierschot, der beide Charaktere gleichzeitig zeigt

Einstellung 2: Nahaufnahme von Charakter A beim Sprechen

Aufnahme 3: Nahaufnahme der Reaktion von Charakter B

Aufnahme 4: Leeraufnahmen von Objekten oder Umgebungen

Aufnahme 5: Zweipersonenaufnahme mit der abschließenden Punchline oder dem emotionalen Höhepunkt

So gehen Filme und Animationen mit Dialogen um. Das hilft auch der künstlichen Intelligenz, da die Aufgabe pro Einstellung deutlich einfacher ist.

Zum Beispiel:

Aufnahme 1: Mina und Riko stehen neben einer rauchenden Maschine in der Werkstatt.

Aufnahme 2: Mina sagte stolz: „Ich habe es repariert.“

Aufnahme 3: Rico schaut den Rauch an und sagt: „Es raucht.“

Aufnahme 4: Nahaufnahme der Maschine, die harmlose Funken abgibt

Szene 5: Mina lächelte und sagte: „Das zeigt, dass es deutlich wirkt.“

Diese Struktur gibt dem Editor die Kontrolle. Gleichzeitig wird verhindert, dass die Künstliche Intelligenz in langen zusammenhängenden Szenen gleichzeitig zwei Gesichter und zwei Mundbereiche verfolgen muss.

Halte die räumliche Position konsistent

Raumkohärenz ist eines der auffälligsten Probleme bei KI-Gesprächsvideos. Wenn Charakter A anfangs auf der linken Seite des Bildes und Charakter B anfangs auf der rechten Seite des Bildes platziert ist, behalten Sie ihre Positionen unverändert, es sei denn, es wird absichtlich angepasst.

Im Prompt wiederholen Sie die Platzierungsposition:

“Mina ist immer auf der linken Bildseite. Riko ist immer auf der rechten Bildseite.”

Wenn Sie Nahaufnahmen aufnehmen, behalten Sie bitte die gleiche Blickrichtung bei:

Mina schaut leicht nach rechts zu Rico.

Lizi blickte leicht nach links zu Mina.

Dadurch wirkt der durch Schnitte bearbeitete Dialog kohärent und natürlich. Auch wenn die Bilder atemberaubend schön sind: Sobald die Blicke der beiden Charaktere in die falsche Richtung zeigen, wird das Publikum der Ansicht sein, dass die Szene einen Kontinuitätsfehler aufweist und die erforderliche Kohärenz verliert.

Vermeiden Sie bei Szenen mit drei oder mehr Charakteren, alle Beteiligten in jeder Einstellung zu zeigen. Verwenden Sie zuerst eine Etablissementseinstellung und anschließend eine Nahaufnahme. Lassen Sie den Schnittleiter den Verlauf des Gesprächs durch Schnitte andeuten.

Erstellen von Dialogeinstellungen mit gesteuerter Bewegung

Lippensynchronisation und Gesichtsanimationen können die Wiedererkennungswürdigkeit von Charakteren zerstören. Bei Aufnahmen mit Dialogen müssen die Handlungen einfach gehalten werden. Verwenden Sie eine stabile Kamerakomposition, um sicherzustellen, dass das Gesicht klar sichtbar ist und Körperbewegungen so weit wie möglich minimieren.

Beispiel für eine Aufforderung zur Äußerung von Charakter A:

„Verwende Mina aus dem Referenzbild. Bitte behalte ihre exakt gleichen Gesichtsmerkmale, ihre silbergrauen kurzen Haare, grünen Augen, runde Brille, orangefarbenes Kapuzenpullover, ihre Werkzeugtasche, ihre schlanke, gut proportionierten Figur und den Cel-Animationsstil bei. Mina wird in einer Mittelaufnahme gezeigt: Sie steht links in der Werkstatt und blickt leicht nach rechts zu Riko. Sie spricht eine kurze Zeile, ihre Lippenbewegungen sind fein und sie strahlt Selbstsicherheit aus. Die Kamera bleibt stabil und hat einen leichten Heranzoom-Effekt. Ändere bitte nicht ihr Gesicht, ihre Kleidung, ihre Frisur, ihr Alter oder ihren Stil.“

Beispiel für einen Hinweis zur Reaktion von Charakter B:

„Verwende Riko aus dem Referenzbild. Behalte ihre vollständig identische Gesichtsform, ihre dunkelblauen langen Haare, ihre grauen Augen, ihre marineblaue Jacke, ihren weißen Schal, ihre schlanke, hohe Statur sowie den Cel-Shading-Anime-Stil vollständig bei. Die Szene zeigt Riko in einer mittleren Nahaufnahme: Sie blickt leicht nach links zu Mina, ihr Gesichtsausdruck ist ruhig und zugleich misstrauisch. Wenn sie antwortet, bewegen sich ihre Lippen nur leicht. Die Kamera bleibt stabil. Verändere weder ihr Gesicht, ihre Kleidung, ihre Frisur, ihr Alter noch den Zeichenstil.“

Bitte beachten Sie: Jeder Hinweis richtet sich nur an einen einzelnen Redner. Das ist sicherer als wenn zwei Charaktere in demselben Clip gegeneinander einreden.

Strategische Nutzung der Sprach- und Lippensynchronisationsfunktionen

Du brauchst nicht in jeder Einstellung perfekte Lippensynchronisation hinzubekommen. Viele animierte Dialogszenen verwenden Reaktionseinstellungen, Cutaways, Schulteransichten und Umgebungsausschnitte. Diese Techniken machen die Szenen dynamischer und entlasten die Arbeit an der Mundbildanimation.

Beispielsweise kannst du auf die Maschine schneiden, wenn Mina sagt: „Ich habe es repariert.“ Wenn Liko antwortet, kannst du auf die Nahaufnahme ihres misstrauischen Gesichts schneiden. Während die Charaktere längere Sätze sprechen, kannst du Nahaufnahmen der Gegenstände, über die sie sprechen, zeigen.

Dies ist sehr praktisch, da die KI-Lippensynchronisationstechnologie immer noch Probleme mit der Verformung des Mundes aufweisen kann, insbesondere bei der Verarbeitung von stilisierten Anime-Gesichtern. Man verwendet die Lippenensynchronisationstechnik für wichtige Nahaufnahmen und verdeckt den Rest durch Bearbeitung.

Wenn Sie eine Serie regelmäßiger Gesprächs-Inhalte erstellen, behalten Sie den Sprechstil jeder Figur konsistent. Ein konsistenter Sprechton wird Teil des Charakters der Figur – genau wie Kleidung oder Frisur. Bitte weisen Sie jeder Figur einen anderen Sprechton, eine andere Sprechgeschwindigkeit und einen anderen emotionalen Ausdrucksstil zu. Mina spricht vielleicht flink und voller Lebendigkeit. Riko spricht vielleicht langsam und mit einer nüchternen, trockenen Tonart.

Konversationsszenarien innerhalb von Elser AI erstellen

Elser AI Passen Sie den Erstellungsprozess von Dialogen mit mehreren Charakteren an: Sie können zunächst von den Charakterreferenzen ausgehen und um diese Charaktere herum kurze Szenenaufteilungen erstellen. Sie müssen nicht direkt eine gesamte Dialogsequenz mit einem einzelnen Prompt generieren – Sie können für jede Einstellung eine klare Rollenzuweisung festlegen.

Ein praktischer Elser AI-Arbeitsablauf:

Erstellen oder Hochladen von Referenzmaterialien für Charakter A.

Erstellen oder Hochladen von Referenzmaterial für Charakter B

Erstelle ein kurzes Dialogskript.

Generieren Sie einen zweipersonigen Eröffnungsshot.

Generieren Sie einzelne Nahaufnahmen des Redners.

Erstellen von Reaktionsaufnahmen und Cutaways.

Mit Sprache, Untertiteln und Soundeffekten bearbeiten.

Dieser Arbeitsablauf hält die Produktion einer einzelnen Szene überschaubar. Sollten die Schauspieler in einer Einstellung ihre Bewegungsabläufe versetzt platzieren, brauchen Sie nur diese eine Einstellung neu zu erstellen, statt die gesamte Arbeit der ganzen Szene zu verwerfen.

Wenn du AI-Anime-Dialoge, Komödien-Skizzen, Charaktererklärungsvideos oder mehrcharakterige Storyvideos erstellen möchtest, kannst du dich bei Elser AI registrieren und zunächst mit den Testszenarien für zwei Personen beginnen. Bitte halte die Skriptlänge unter 20 Sekunden. Nachdem der Test erfolgreich war, kannst du dich auf längere Dialogszenarien ausweiten.

Vorlage für Dialog-Prompts mit mehreren Rollen

Verwenden Sie diese Struktur für Dualobjektiv-Aufnahmen:

„Erstelle eine Dialogszene mit zwei Charakteren, die aus den Referenzbildern stammen und die gleiche Konfiguration aufweisen. Charakter A ist [身份] und steht auf der linken Seite. Charakter B ist [身份] und steht auf der rechten Seite. Bitte behalten Sie Gesicht, Frisur, Kleidung, Körperproportionen, Farben und den künstlerischen Stil der beiden Charaktere unverändert. Die Szene spielt in [地点]. Charakter A zeigt [动作/表情], während Charakter B [动作/表情] zeigt. Kamera: [镜头类型]. Beleuchtung: [风格]. Bitte tauschen Sie keine Charaktere aus, ändern Sie keine Kleidung, modifizieren Sie keine Gesichter und verändern Sie nicht den künstlerischen Stil.“

Zum Aufnehmen von Nahaufnahmen des Redners:

„Bitte verwenden Sie den [角色名] aus dem Referenzbild. Behalten Sie seine genaue Gesichtsform, Frisur, Kleidung, Körperproportionen, Farbpalette und künstlerischen Stil bei. Der [角色名] spricht eine kurze Sprechzeile und schaut gleichzeitig in die [方向] von [另一个角色]. Kamera: Mittelnahaufnahme, stabile Komposition. Die Bewegungen müssen dezent sein. Bitte führen Sie keine Gesichtsverformungen durch, ändern Sie nicht die ursprüngliche Identität des Charakters oder tauschen Sie seine Kleidung aus.“

Für Reaktionsobjektive:

„Verwende den [Charakternamen] aus dem Referenzbild. Behalte seine Identität und seinen Stil bei. [Charaktername] reagiert stumm mit der [Stimmung]. Einstellung: Naheaufnahme mit langsamer Heranzoomung. Halte das Gesicht klar und stabil.“

Häufig zu vermeidende Fehler

Bitte lassen Sie nicht alle Charaktere zu ähnlich aussehen. Bitte generieren Sie nicht den gesamten Dialog in einem einzelnen Segment. Bitte lassen Sie die Charaktere nicht zufällig ihre Positionen wechseln. Verlassen Sie sich nicht auf die Lippensynchronisation für jede Zeile des Dialogs. Führen Sie bitte keine langen Gespräche, die andauernde Lippenbewegungen erfordern. Bitte ändern Sie die Charakterbeschreibungen nicht zwischen verschiedenen Aufnahmen. Verwenden Sie keine Aufnahmen, in denen die falsche Rolle spricht.

Die hochwertigsten KI-Gesprächsvideos mit mehreren Charakteren erfordern eine sorgfältige Schnittbearbeitung, statt einfach nur generiert zu werden. Zuerst müssen Sie kontrollierbare Clips erstellen und diese dann zu einer einzigen Szene zusammenschneiden.

Endgültige Überlegungen

Die Erstellung von Videos mit Dialogen zwischen mehreren Charakteren mithilfe künstlicher Intelligenz erfordert Planung. Du benötigst stabile Referenzmaterialien für die Charaktere, kurze Dialoge, eine klare Shot-Liste, eine Sprechersteuerung, räumliche Kohärenz, stimmliche Konsistenz sowie sorgfältige Schnittarbeit.

Unser Ziel ist es nicht, künstliche Intelligenz dazu zu bringen, alle Angelegenheiten auf einmal zu erledigen. Unser Ziel ist es, künstlicher Intelligenz kleinere, klar definierte Aufgaben zuzuweisen.

Wenn Sie kohärente KI-Gesprächsszenarien erstellen möchten, beginnen Sie mit dem folgenden Inhalt Else AI. Registrieren Sie ein Konto, erstellen Sie zwei Charakterkarten, verfassen Sie einen kurzen Dialog und generieren Sie anschließend fünf Aufnahmen: die Einstellungsaufnahme, die Aufnahme von Charakter A beim Sprechen, die Reaktionsaufnahme von Charakter B, die Cutaway-Aufnahme sowie die abschließende gemeinsame Aufnahme der beiden Charaktere. Dieser einfache Arbeitsablauf ist die Grundlage für die Erstellung von Animationsdialogen, Komödienkurzfilmen, Markenmaskottchen, Wissenserklärvideos und KI-Geschichtsserien.