Aynı AI yüzünü her karede tutmak: sahadan öğrendiğimiz her şey

Tek bir AI görseli üretmek artık çözülmüş bir problem. Asıl zorluk şu: aynı kişiyi günlerce, yüzlerce görselde ve videoda AYNI insan olarak tutabilmek. Bir kare harika çıkar, bir sonrakinde gözler kayar, çene değişir, kişi sanki kardeşine dönüşür. Aylarca persona üretip dağıttıktan sonra öğrendiklerimiz aşağıda — teorisi değil, gerçekten çalışan kısmı.

Tek cümlelik özet: tutarlılık daha iyi prompt yazmakla değil, yüzü prompt'tan çıkarıp bir referansa kilitlemekle gelir.

1 — Yüzü prompt'a değil, referansa kilitle.

Yeni başlayanların ilk hatası, yüzü kelimelerle tarif etmek: 'yeşil gözlü, çilli, kalp yüzlü 25 yaşında kadın'. Bu asla tutarlı bir kişi vermez — her üretimde model o tarife uyan FARKLI bir insan çizer. Çözüm, tek bir 'master' referans yüz seçip her görseli o yüze kilitlemek (face-id / referans görsel ile identity transfer). Prompt sahneyi, ışığı, kıyafeti anlatır; kimliği referans taşır.

• ▸Önce tek bir kanonik yüz üret, beğen, sabitle. Bu senin 'kimlik çapan'.
• ▸Sonraki her görselde o yüzü referans olarak besle — identity prompt'tan değil, görüntüden gelsin.
• ▸nano-banana gibi referans-güdümlü modeller kimliği büyük ölçüde kendiliğinden korur; işin çoğunu bu çözer.

2 — Tutarlılık ile estetiği AYIR.

İki ayrı problemi tek modele yıkmaya çalışmak en çok vakit yediğimiz yerdi. 'Yüz aynı mı' ayrı bir iş, 'görsel gerçek/güzel mi' ayrı bir iş. Gerçekçi, amatör-selfie estetiği için SDXL tabanlı modeller (RealVisXL gibi) çoğu zaman FLUX'tan daha 'insan' duruyor — FLUX teknik olarak temiz ama fazla cilalı, 'AI kokan' bir cilt veriyor. Kimlik korumayı bir katmana, look'u başka katmana verince ikisi de iyileşti.

“FLUX daha temiz render eder; ama 'gerçek bir insanın çektiği selfie' hissini SDXL/RealVisXL daha sık yakalıyor. Mükemmel ≠ inandırıcı.”

3 — Kameraya poz verdirme.

Tutarlılığı çözsen bile görsel hâlâ 'AI' kokabilir. Sebep neredeyse her zaman aynı: özne tam karşıya bakıp gülümsüyor, stüdyo pozu veriyor. Gerçek insanlar fotoğrafların çoğunda poz vermez. Candid kadraj — yan bakış, yarım profil, harekette yakalanmış bir an, kadrajın kenarında durmak — anında gerçeklik katıyor. Biz pozları sabit bir liste yerine her gün değiştiren bir 'shot beat' sistemiyle döndürüyoruz ki feed tekdüze olmasın.

• ▸Her kareyi kameraya baktırma; açıları çeşitlendir (yandan, arkadan, omuz üstü).
• ▸Sabit bir mekân kur (örn. aynı kafe) ama içinde farklı pozlar/anlar üret — hikâye gibi.
• ▸Stüdyo gülümsemesi yerine 'yakalanmış an' hissi: bardağa uzanırken, gülerken, başını çevirirken.

4 — Negative prompt ve seed disiplini.

Küçük ama getirisi büyük iki kaldıraç. İyi bir negative prompt, AI yüzlerinin klasik bozulmalarını baştan keser. Ve aynı seed + aynı referans, 'kardeş kareler' üretmenin en ucuz yolu — bir sahnenin varyasyonlarını üretirken kimliği oynatmadan açı değiştirebilirsin.

negative: deformed face, asymmetric eyes, plastic skin,
          extra fingers, fused fingers, warped jaw,
          over-smoothed skin, uncanny, waxy

seed: sabit tut → aynı kimlikten kardeş kareler
seed: değiştir → aynı kişi, yeni sahne

5 — Videoda asıl düşman: yüz titremesi.

Görselde tutarlılığı çözmek savaşın yarısı. Görseli videoya alınca (image-to-video) yeni bir bela çıkıyor: yüz kare kare titriyor, model her frame'de yüzü hafifçe yeniden çiziyor ve kişi 'kaynıyor'. En çok denenip elenen şey saf i2v oldu — yüzü stabil tutamıyor. Bizde kazanan zincir şöyle: bir sürücü-video (driving video) ile hareketi ayrı üret, kimliği ayrı taşı, sonra dudak senkronunu ayrı bir lipsync adımıyla bindiriyoruz. Hareketi kimlikten ayırınca titreme kayboluyor.

• ▸Saf i2v: yüz titrer, 'kaynar' — uzun karede ele verir. Elendi.
• ▸Kazanan: driving-video ile hareket → kimlik sabit → ayrı lipsync adımı.
• ▸Arka planı sonradan 'recolor' etme; renk oynatınca yüz tutarlılığı bozuluyor.

6 — Hareket tek tip olmasın, ses düz olmasın.

Sessiz/ambient videolar bile tekdüzeleşiyorsa sebep genelde tek bir hareketi (hep nefes alıp verme gibi) tekrar etmek. Hareketi de bir 'beat' havuzundan çeşitlendirmek — bazen saç düzeltme, bazen başını çevirme, bazen gülme — videoyu canlı tutuyor. Sesli içerikte de düz/robotik ton öldürücü: nefesli tonlama, araya gülme ve doğal duraklar 'gerçek insan' hissini taşıyan şey.

7 — Persona bir görsel değil, devam eden bir hikâye.

En çok fark yaratan ve en çok atlanan şey bu: tek tek güzel görseller bir kitle kurmaz; süreklilik kurar. Her post bir öncekinin devamı olmalı — aynı mekânlar, gelişen bir olay örgüsü, dün ne yaptıysa bugün onun üzerine. Biz bunu bir 'story state' dosyasında tutuyoruz ki karakter asla baştan başlamasın. İnsanlar mükemmel bir yüzü değil, takip edilesi bir hikâyeyi takip eder.

“Kitle mükemmel pikseli değil, devam eden hikâyeyi takip eder. Süreklilik, çözünürlükten daha güçlü bir tutkal.”

8 — Maliyeti baştan kov.

Bu zincir kontrolsüz bırakılırsa para yer. Günde birkaç görsel + birkaç saniye video, model seçimi ve adım sayısıyla doğrudan çarpılıyor. Biz her adımı 'bu kaça mal oluyor' diye işaretliyoruz; ucuz modelde üret-ele, pahalı modeli sadece final kareye sakla. Tutarlılık çözülmeden ölçeklemek, hatayı pahalıya çoğaltmaktan başka işe yaramıyor.

Özet: yüzü referansa kilitle, look'u ayır, poz verdirme, videoda hareketi kimlikten ayır, ve hepsinin üstüne bir hikâye ör. Sıralama önemli — kimlik çözülmeden estetik veya ölçek peşinde koşmak, en pahalı hatamızdı.