So erstellst du einen konsistenten Charakter für KI-Videos

Du brauchst drei Dinge: eine kurze schriftliche Beschreibung des Charakters, ein Bildtool oder eine Kamera für Referenzbilder und ein Videomodell, das mehrere Referenzbilder pro Anfrage akzeptiert. Stand Oktober 2026 nimmt Kling 3.0 Omni laut Klings eigenem Leitfaden bis zu sieben Referenzbilder an, alternativ ein Referenzvideo von 3 bis 10 Sekunden plus bis zu vier Bilder. Der Referenzmodus von Veo 3.1 akzeptiert bis zu drei Bilder. Rechne damit, dass du die erste Stunde größtenteils damit verbringst, Bilder auszuwählen und zu verwerfen.

1. Schreibe eine Charakterkarte mit fünf Zeilen. Altersspanne und Statur. Gesichtsform und ein markantes Merkmal, etwa eine Zahnlücke oder dichte Augenbrauen. Haarfarbe, Länge und Scheitel. Das eine Outfit, das der Charakter in dieser Serie trägt. Ein Requisit oder Accessoire, falls vorhanden. Die Karte ist für dich, nicht für das Modell. Sie verhindert, dass du widersprüchliche Bilder übernimmst.

2. Erstelle ein Ankerbild. Bei einer erfundenen Figur generierst du mit einem Bildmodell so lange Porträts, bis eines zur Karte passt, und hörst dann auf. Bei einer echten Person nimmst du mit deren Einverständnis ein gut ausgeleuchtetes Frontalfoto auf. Der Anker ist eine Frontalansicht bis zu den Schultern, neutraler Ausdruck, gleichmäßiges Licht und ein schlichter Hintergrund. Alles Weitere wird darauf abgestimmt.

3. Erweitere den Anker um weitere Perspektiven. Du brauchst eine Frontalansicht, eine Dreiviertelansicht von beiden Seiten, ein Profil und eine Ganzkörperaufnahme im Outfit. Bei einer erfundenen Figur nutzt du den Bearbeitungs- oder Referenzmodus eines Bildmodells mit dem Anker als Eingabe und forderst jeweils nur eine neue Perspektive an. Bei einer echten Person fotografierst du alle Perspektiven in einer Sitzung, mit derselben Kleidung und demselben Licht. Mach mehr Aufnahmen als nötig, denn du wirst die meisten davon aussortieren.

4. Reduziere das Set auf die Bilder, die übereinstimmen. Lege sie nebeneinander und prüfe die Details auf der Karte. Liegt der Scheitel auf derselben Seite? Sitzt die Narbe an derselben Wange? Sind die Augenbrauen gleich dick? Ein Bild mit falschem Scheitel zieht manche Clips zu dieser Version hin. Ein gutes finales Set umfasst drei bis fünf Bilder. Stimmen nur drei wirklich überein, nimm eben drei.

5. Sperre das Set. Benenne es nach Charakter und Version, etwa mara-v1, und bearbeite es nie direkt. Willst du die Figur später im Wintermantel, erstellst du mara-v2 mit einem eigenen vollständigen Set. Das Vermischen von Versionen ist der häufigste Grund, warum eine Serie über Wochen abdriftet.

6. Erstelle ein Testblatt mit vier kurzen Clips. Verwende dasselbe Set und ändere pro Clip nur eine Sache: eine Nahaufnahme, in der die Figur in die Kamera spricht, eine Halbtotale beim Gehen, eine Seitenansicht bei anderem Licht und eine Weitwinkelaufnahme mit weiteren Personen im Bild. Drei bis fünf Sekunden pro Clip genügen. Lege die Ergebnisse neben den Anker. Hält das Gesicht in allen vier Clips, funktioniert das Set. Scheitert es in einer Situation, etwa bei seitlichem Licht, ergänze eine Referenz, die diese abdeckt. Scheitert es überall, geh zurück zu Schritt 4.

7. Produziere nur noch mit szenenbezogenen Prompts. Ab jetzt beschreibt der Prompt nie Gesicht, Haare oder Outfit, denn das kommt aus den Referenzen. Er beschreibt, wo sich die Figur befindet, was sie tut und wie sich die Kamera bewegt. Zum Beispiel: "Sie sitzt am Fenster eines Cafés, rührt in ihrem Kaffee und blickt dann in die Kamera. Langsame Fahrt auf sie zu, Morgenlicht."

Die Figur sowohl im Prompt als auch in den Referenzen zu beschreiben. Widersprechen sich beide, selbst leicht, vermischt das Modell sie.

Bilder von verschiedenen Tagen oder mit unterschiedlichem Make-up zu verwenden. Für dich ist es dieselbe Person. Für das Modell sind es zwei Personen, die gemittelt werden.

Nur vorteilhafte Frontalporträts auszuwählen. Das Modell muss dann das Profil erfinden und erfindet jedes Mal ein anderes.

Einen driftenden Clip mit mehr Adjektiven reparieren zu wollen. Die Abweichung ist oft zufällig. Generiere zuerst mit denselben Eingaben neu und ändere die Referenzen nur, wenn das Problem sich wiederholt.

Bevor du eine Figur als fertig betrachtest: Die Karte existiert; der Anker ist eine saubere Frontalansicht; das Set deckt Front, Dreiviertel, Profil und Ganzkörper ab; alle Bilder stimmen bei Haaren, Merkmalen und Outfit überein; das Set ist benannt und versioniert; vier Testclips haben das Gesicht gehalten.

In RefVid wird das gesperrte Set zu einem Charakter-Asset mit 1 bis 5 Bildern, der Anker steht als Hauptansicht an erster Stelle. Jeder Clip nutzt genau dieses Set auf Kling 3.0 Omni, sodass Schritt 5 erzwungen statt nur erinnert wird. Vier Testclips à 3 Sekunden kosten 372 Credits bei 31 Credits pro Sekunde, und alle liegen auf der Seite des Charakters für den Vergleich nebeneinander.