So bleibt dein Charakter in jeder KI-Videoeinstellung gleich: Gesicht, Outfit und Stimme

Die erste Einstellung ist großartig geworden. In der zweiten sieht die Nase etwas anders aus, die Jacke hat die Farbe gewechselt, und als sie endlich spricht, klingt sie wie jemand anderes. Das ist eines der häufigsten Probleme bei KI-Videos, und es wird umso schlimmer, je mehr Einstellungen deine Geschichte hat.

Dieser Leitfaden behandelt die drei Dinge, die gleich bleiben müssen, damit das Publikum glaubt, dass es dieselbe Person ist: Gesicht, Outfit und Stimme. Die meisten Anleitungen hören beim Gesicht auf. An der Stimme scheitern aber viele KI-Kurzfilme, deshalb bekommt sie hier einen eigenen Teil.

Jeder Schritt findet auf der Sumi Studio-Canvas statt, und zu den meisten Schritten gibt es einen Prompt zum Kopieren.

So liest du diesen Leitfaden

Wenn du das zum ersten Mal ausprobierst, mach einen kleinen Test: ein Charakter, zwei Einstellungen, eine Dialogzeile. Geh damit die Teile 2, 3 und 4 durch, und du siehst, wie der ganze Ablauf funktioniert.

Wenn du einen ganzen Kurzfilm oder eine Serie planst, lies alles der Reihe nach. Teil 5 listet die Einstellungen auf, bei denen die Konsistenz am häufigsten bricht. Das erspart dir viele Neuversuche.

Das macht jedes Teil auf der Canvas:

Teil 1: Warum sich dein Charakter ständig verändert

Jede Generierung beginnt bei null. Das Modell erinnert sich nicht an den letzten Clip, den du gemacht hast. Es hat nur, was du ihm in dieser einen Anfrage gibst: den Prompt und die Referenzbilder oder das Audio, die du anhängst.

Wenn die einzige Referenz also Text ist, liest das Modell „eine Frau um die 30 mit kurzen dunklen Haaren“ jedes Mal ein bisschen anders. Kleine Unterschiede summieren sich über zehn Einstellungen, und am Ende ist es eine andere Person.

Die Lösung: Gib dem Modell in jeder Einstellung dieselbe visuelle Referenz und dieselbe Stimmreferenz, und formuliere die Beschreibung jedes Mal gleich. Auf der Canvas heißt das: ein Charakter, einmal gespeichert, mit jeder Einstellung verbunden.

Teil 2: Gesicht und Outfit festlegen

2.1 Den Charakter auf der Canvas erstellen

Öffne eine neue Canvas und halte Tab gedrückt, um das Node-Rad aufzurufen. Wähle „Bild“, um einen Bild-Node hinzuzufügen.

Beschreibe den Charakter im Prompt-Feld unter dem Node, im selben Stil, den du für den fertigen Film willst. Beschreibe alles, was fest bleiben muss: Gesichtsform, Haare, Haut, Statur und jedes Kleidungsstück bis hin zu den Schuhen. Lass dir ein Ganzkörperbild vor schlichtem Hintergrund generieren, damit nichts in der Szene vom Charakter ablenkt.

Gib bei jedem kleinen Detail die Position an. „Eine kleine Narbe über der linken Augenbraue“ oder „ein Silberring an der rechten Hand“ bleibt an seinem Platz. „Eine Narbe“ und „ein Ring“ wandern zwischen den Einstellungen herum.

Wenn das Ergebnis nicht passt, generiere den Node neu. Jeder Node behält seinen Verlauf, sodass du zu einem früheren Versuch zurückkehren kannst, wenn ein späterer schlechter ausfällt.

2.2 Ein Charakterblatt daraus machen

Ein einzelnes Bild reicht nicht. Das Modell muss den Charakter aus mehreren Winkeln sehen, sonst erfindet es Hinterkopf, Seitenprofil und Schuhe selbst.

Klicke auf das Plus an der Seite deines Charakter-Nodes und zieh es auf einen neuen Bild-Node. Das Charakterbild geht jetzt als Referenz in den neuen Node. Füge dort den Prompt unten ein. Er funktioniert für jeden Charakter, du kannst ihn also unverändert wiederverwenden.

Create a character reference sheet of the character in the reference image. Keep the character's design exactly as shown: same face, hairstyle, hair color, eye color, skin tone, body proportions, outfit, accessories and colors. Do not redesign, restyle or add anything.

Layout: one single horizontal row of four full-body views on the left, side by side, never stacked on top of each other. The large face close-up sits on the right side of the sheet. Every full-body view has the same height and runs from the top of the head to the bottom of the feet, with empty gray space above the head and below the feet.

1. Full-body front view: facing the camera, standing straight, arms slightly away from the body, showing the face, full outfit and accessories.
2. Full-body side view: exact 90 degree profile, standing straight, showing the nose, jawline, hair shape and outfit from the side.
3. Full-body 3/4 view: body and face turned diagonally, about 45 degrees from the camera, standing straight.
4. Full-body back view: standing straight, showing the hairstyle, the back of the outfit, the back of the legs and both feet.
5. Large face close-up: head and shoulders, facing the camera, neutral expression, sharp and detailed.

The character has the same face in every view, with the full head visible in all poses. All four full-body views show the complete body including knees, calves, ankles and feet, nothing cropped, same scale, same standing pose and same neutral expression. Plain medium gray studio background, soft even studio lighting, no props, no text, no labels, no extra characters.

Stell in den Parametern des Nodes das Seitenverhältnis auf 21:9, wenn das Modell es anbietet, sonst auf 16:9. Ein breites Bild verhindert, dass die vier Ganzkörperansichten abgeschnitten werden.

Prüfe das Blatt, bevor du weitermachst. Jede Ansicht sollte dasselbe Gesicht, dieselbe Frisur und dieselbe Kleidung zeigen. Wenn eine Ansicht nicht stimmt, generiere den Node jetzt neu – ein Fehler auf dem Blatt wird in jede Einstellung kopiert, die es verwendet.

2.3 Den Charakter als Element speichern

Mit einem Element merkt sich Sumi Studio einen Charakter. Es enthält einen Namen, eine kurze Kennung, Referenzbilder und eine Stimme. Wenn du im Prompt eines beliebigen Nodes @ und die Kennung eingibst, werden die Bilder automatisch als Referenzen an diese Generierung angehängt.

Am schnellsten geht es direkt auf der Canvas:

1. Klicke mit der rechten Maustaste auf den Node mit dem Charakterblatt und wähle „Element erstellen“. Das Fenster „Neues Element“ öffnet sich, das Blatt ist bereits als Referenzbild hinzugefügt.
2. Setze die Kategorie auf „Charakter“ und gib einen Namen und eine Kennung ein, zum Beispiel @mara.
3. Schreib in die Beschreibung die festen Details in ein paar kurzen Stichworten. Die Beschreibung wird bei jeder Generierung zusammen mit dem Namen gesendet, also nimm nur auf, was sich nie ändert: „kurzer schwarzer Bob, kleine Narbe über der linken Augenbraue, olivgrüne Bomberjacke, weiße Sneaker“.
4. Klicke auf „Erstellen“.

Du kannst es auch unter „Assets“ bei Elemente erstellen. Klicke auf „Neues Element“ und lade das Blatt mit „Referenzbild hinzufügen“ hoch. Die Nahaufnahme des Gesichts kannst du zusätzlich als eigenes Bild hinzufügen.

Wenn du Kling O3 oder neuer verwendest, kannst du auch ein kurzes Video des Charakters hinzufügen (MP4 oder MOV, 3 bis 8 Sekunden, 1920×1080 oder 1080×1920). Kling nutzt es als Video-Motiv. Andere Modelle verwenden nur die Bilder.

2.4 Ein Outfit pro Element

Wenn dein Charakter in der Geschichte die Kleidung wechselt, erstelle für das zweite Outfit ein zweites Element, zum Beispiel @mara und @mara-night. Verbinde auf der Canvas das Charakterblatt mit einem neuen Bild-Node, fordere denselben Charakter im neuen Outfit an, mach daraus ein Blatt und speichere es als zweites Element. Die Nahaufnahme des Gesichts bleibt in beiden gleich.

Zwei Outfits in einem Element geben dem Modell zwei Antworten auf dieselbe Frage, und du bekommst eine Mischung aus beiden.

Prüfe das, bevor du weitermachst:

• Jede Ansicht auf dem Blatt zeigt dasselbe Gesicht und dieselbe Kleidung
• Kleine Details haben eine schriftlich festgelegte Position (links oder rechts, oben oder unten)
• Die Elementbeschreibung enthält nur Dinge, die sich nie ändern
• Jedes Outfit hat sein eigenes Element

Teil 3: Die Stimme festlegen

Ein Charakter kann in jeder Einstellung perfekt aussehen und trotzdem falsch wirken, wenn sich die Stimme ändert. Videomodelle, die Dialoge generieren, wählen jedes Mal selbst eine Stimme, wenn du ihnen keine vorgibst.

In Sumi Studio ist die Stimme Teil des Elements. Du kannst die Stimme auf der Canvas erstellen und sie dann mit dem Element verknüpfen.

3.1 Eine Stimme auf der Canvas klonen

Klicke im linken Menü auf das Plus, geh zu „Audio“ und wähle „Stimme“. Damit fügst du einen Stimm-Node hinzu (auf der Canvas heißt er „Text zu Sprache“). Klicke in der Leiste unter dem Node auf den Namen der aktuellen Stimme neben dem Modell. Das öffnet „Stimme auswählen“ mit der Stimmbibliothek, deinen eigenen Stimmen, Favoriten und den Stimmen deiner Elemente.

Klicke auf „Stimme klonen“. Du liest 10 bis 20 Sekunden lang einen kurzen Text laut vor oder lädst eine Aufnahme hoch.

Der Klon-Bildschirm zeigt die Aufnahmeanforderungen des Stimmmodells. Bei Qwen Audio 3.1 TTS Plus braucht die Aufnahme mindestens 5 Sekunden zusammenhängende Sprache, Pausen unter 2 Sekunden und keine Musik, keinen Gesang und keine Geräusche, als WAV-, MP3- oder M4A-Datei mit bis zu 10 MB und 60 Sekunden. Klone nur deine eigene Stimme oder eine Stimme, für die du eine Erlaubnis hast.

3.2 Oder eine Stimme aus einer Beschreibung gestalten

Wenn der Charakter nach niemandem klingt, den du kennst, gestalte die Stimme aus einer Beschreibung. Öffne „Stimme auswählen“ wie oben im Stimm-Node, klicke dann auf „Stimme gestalten“ und füll das Formular aus:

1. Stimmname: Nimm den Namen des Charakters, zum Beispiel Mara, damit du die Stimme später wiederfindest.
2. Modell: Wähle das Stimmmodell. Die Stimmgebühr wird einmal berechnet, nämlich wenn du zum ersten Mal Sprache mit dieser Stimme generierst.
3. Vorschautext: der Satz, den das Modell vorliest, damit du die Stimme hören kannst. Er ist Pflicht, darf bis zu 500 Zeichen lang sein und wird nach Länge abgerechnet. Schreib etwas, das dein Charakter wirklich sagen würde, in dem Ton, den du willst.
4. Stimmbeschreibung: Beschreibe die Stimme nach Alter, Klang und Tempo. Vermeide vage Wörter wie „cool“ oder „schön“, die das Modell auf viele Arten lesen kann.
5. Sprache und Geschlecht: Stell beides passend zum Charakter ein.
6. Klicke auf „Stimme generieren“.

I told you I'd come back, and here I am. It's been a long time since I walked these streets at night. The rain hasn't changed, the neon signs haven't changed, and you still leave the back door open. Don't look so surprised. I'm not here to make trouble. I just need one answer, and then I'll be gone before the sun comes up. So sit down, pour yourself a drink, and tell me the truth this time. Who sold us out that night? Take your time. I've waited three years, I can wait a little longer.

A woman in her early 30s, low and slightly husky voice, calm and measured pace, speaks quietly but clearly, a little dry and sarcastic.

Die neue Stimme erscheint in „Stimme auswählen“ unter „Meine Stimmen“.

3.3 Die Stimme mit dem Charakter verknüpfen

Geh zurück zum Element unter „Elemente“. Die Stimme legst du an zwei Stellen fest:

• Wähle unter „Stimme“ bei „Meine geklonte Stimme“ die Stimme aus, die du geklont oder gestaltet hast.
• Wähle unter „Stimmreferenz der Figur“ einen Clip mit 2 bis 10 Sekunden Länge oder lade einen hoch. Seedance, Wan und Hailuo verwenden diesen Clip, wenn du den Charakter mit @ aufrufst.

Ein guter Referenzclip enthält eine einzige Person, die deutlich spricht, keine Musik und keine Hintergrundgeräusche, im Ton, den du am häufigsten brauchst. Wenn dein Charakter meistens ruhig ist, nimm keinen Clip, in dem er schreit.

Kling verwendet nur Stimmen, die mit Kling geklont wurden. Wenn dein Charakter auch in Kling-Videos dieselbe Stimme behalten soll, wähle unter „Stimme“ eine mit Kling geklonte Stimme.

Noch etwas: Wenn ein Node auf der Canvas die Stimme eines Elements übernimmt, behält er eine Kopie. Änderst du die Stimme im Element später, nutzen bereits erstellte Nodes weiter die alte. Leg die Stimme fest, bevor du deine Einstellungen aufbaust.

Teil 4: Den Charakter in jeder Einstellung verwenden

4.1 Den Charakter immer mit @ aufrufen

Halte Tab gedrückt und füge für jede Einstellung einen Video-Node hinzu. Gib im Prompt-Feld unter dem Node @ ein und wähle deinen Charakter. Erst dadurch werden Blatt und Stimme angehängt. Eine Einstellung, in der du den Charakter mit Worten beschreibst, aber das @ vergisst, ist genau die, in der das Gesicht abdriftet.

Ein neuer Video-Node startet im Modus „Text zu Video“, der die Referenzen deines Charakters nicht nutzt. Stell ihn vor dem Generieren um: Klicke auf die Einstellungsleiste unter dem Prompt (dort steht etwa „Text zu Video · 16:9 · 480P · 8s“), um „Parameter“ zu öffnen, und wähle unter „Generierungsmethode“ die Option „Omni-Referenz“. In diesem Modus nutzt das Modell sowohl die Bilder als auch die Stimme des Charakters.

4.2 Die Einstellung beschreiben, das Aussehen dem Element überlassen

Der Prompt einer Einstellung sollte beschreiben, was passiert: Handlung, Kamera, Ort, Licht und Dialog. Das Gesicht musst du nicht noch einmal beschreiben, und wenn du es in jeder Einstellung anders formulierst, kann das das Modell von der Referenz wegziehen.

Halte den Hintergrund kurz, aber konkret. Ohne ihn liefern viele Modelle eine schlichte, leere Kulisse.

8-second shot.
@mara walks toward the camera along a narrow street at night, wet pavement with neon reflections, a few closed shops in the background.
Medium shot, eye level, slow push-in.
She stops, looks up and says quietly: "I told you I'd come back."
Calm, low voice. Only the sound of rain and her footsteps. No music, no subtitles.

Bevor du auf Generieren klickst, zeigt der Node an, wie viele Credits die Einstellung kostet.

4.3 Wichtige Einstellungen mit einem Startbild beginnen

Für eine Nahaufnahme oder einen Schlüsselmoment erstellst du das Startbild zuerst als Bild. Füge einen Bild-Node hinzu, ruf den Charakter mit @ auf und beschreibe die Bildkomposition der Einstellung. Wenn das Bild passt, klicke auf das Plus an seiner Seite, zieh es auf einen Video-Node, öffne über die Einstellungsleiste „Parameter“ und setze „Generierungsmethode“ auf „Bild zu Video“ – oder auf „Start- & Endbild“, wenn du auch das Endbild erstellt hast.

So bekommt das Videomodell einen festen Ausgangspunkt, an dem schon das richtige Gesicht sitzt. Das ist meist der zuverlässigste Weg, einen Charakter konsistent zu halten. Außerdem ist es günstiger, weil ein neuer Versuch bei einem Bild weniger kostet als bei einem Video.

Kleine Dinge, die im Lauf eines Clips gern verschwinden, etwa ein Hut, ein Tattoo oder eine Brille, sollten im Startbild sichtbar sein. Stehen sie nur im Text, verschwinden sie oft auf halber Strecke.

Hier ein Beispiel mit Mara in ihrem Nacht-Outfit.

@mara-night in a close-up, standing under a flickering streetlight in a narrow alley at night, light rain falling, wet brick wall behind her slightly out of focus. Warm orange streetlight from the left, cool blue neon glow from the right. Her coat collar is turned up and she looks just past the camera with a calm, tired expression. Her face sits on the right third of the frame. Eye level, 50mm lens, shallow depth of field. Photorealistic cinematic, natural skin texture, 35mm film look. No text, no watermark.

5-second shot.
Use the reference image as the first frame and keep its composition, lighting and framing exactly the same. @mara-night stays under the streetlight in the rain. She slowly lifts her eyes to the camera, lets out a short breath and the corner of her mouth tightens. She does not speak.
Close-up, eye level, very slow push-in.
Rain falls steadily, the streetlight flickers once, a car's headlights sweep across the brick wall behind her.
Only the sound of rain and a car passing in the distance. No music, no subtitles.

4.4 Alle Einstellungen aus einer Referenz aufbauen

Du musst das Charakterblatt nicht für jede Einstellung neu hochladen. Zieh eine Verbindung vom Blatt-Node zu jedem Video-Node, der es braucht. Was im ersten Node steckt, geht in den nächsten über, sodass eine Referenz beliebig viele Einstellungen speisen kann.

Wenn eine Einstellung danebengeht, generiere nur diesen Node neu. Der Rest der Canvas bleibt, wie er ist. Wenn du beim Arbeiten alle Bilder und Clips des Projekts vor dir haben willst, setze einen Stapel-Node auf die Canvas.

Wenn die Einstellungen fertig sind, öffne Smart Cut. Alles, was du auf der Canvas generiert hast, liegt dort schon bereit für die Timeline.

Prüfe das, bevor du weitermachst:

• Jeder Prompt einer Einstellung mit dem Charakter enthält das @handle
• Die Prompts beschreiben Handlung, Kamera und Ort und lassen das Gesicht weg
• Schlüsseleinstellungen beginnen mit einem freigegebenen Startbild
• Hüte, Brillen und Tattoos sind im Startbild sichtbar

Teil 5: Einstellungen, die die Konsistenz brechen

Manche Einstellungen sind für Videomodelle deutlich schwieriger als andere. Wenn du sie schon beim Schreiben der Geschichte einplanst, musst du viel seltener neu generieren.

Häufige Fehler

• Mit Video anfangen, bevor das Charakterblatt freigegeben ist (2.2)
• Kleine Details ohne Position beschreiben, sodass sie zwischen Einstellungen wandern (2.1)
• Zwei Outfits in einem Element (2.4)
• Keine Stimme im Element, sodass das Modell in jeder Einstellung eine neue Stimme wählt (Teil 3)
• Die Stimme des Elements ändern, nachdem die Einstellungen aufgebaut sind (3.3)
• Das @handle in einer Einstellung vergessen (4.1)
• Das Gesicht in jedem Prompt einer Einstellung erneut beschreiben (4.2)
• Wichtige Nahaufnahmen direkt aus Text generieren (4.3)
• Totalen und Drehungen genau dort, wo das Gesicht am wichtigsten ist (Teil 5)

Richte deinen ersten Charakter ein und beginne mit einem Test aus zwei Einstellungen, bevor du den ganzen Film aufbaust. Mehr über die Canvas, Elemente und die Modelle erfährst du in der Sumi Studio-Akademie.