Character sheets : comment un personnage reste le même d’un plan à l’autre

Qu’un personnage généré ait besoin d’un character sheet avant de bouger, plus personne n’a besoin d’en être convaincu. Le vrai travail, c’est la façon de le construire. Le modèle vidéo ne connaît le personnage qu’à travers cette seule image. Ce qui y manque ou se lit de deux façons, il le complète lui-même, et un peu autrement à chaque plan : au deuxième, le nez est placé un rien autrement ; au troisième, le manteau a de nouveaux boutons.

D’où l’intérêt de prendre chaque décision du sheet en connaissance de cause : quelles vues, quelle taille pour le visage, combien de visages au total, du texte dans l’image ou non. Une erreur dans le sheet revient dans chaque plan où le personnage apparaît. Le sheet entre dans le modèle vidéo comme référence d’image, et le prompt précise comment le lire : une seule personne sous plusieurs angles, pas plusieurs personnes. Le modèle d’image qui le crée compte moins. Nano Banana, GPT Image et Flux s’accommodent de la même structure.

Variante un : trois vues

Pour Pocobello, notre courte comédie autour d’une dernière boîte de pop-corn, chaque personnage a reçu un sheet épuré, le chien compris.

Face : le personnage en pied, avec ses proportions, son costume et sa posture. Dos : le même personnage vu de derrière. Sans cette vue, le modèle complète le dos à sa guise dès que quelqu’un se retourne. Trois quarts : la tête et les épaules, tournées à 45 degrés, plein cadre.

Le trois quarts est en réalité la plus importante des trois cases. De face, un visage paraît plat. Ce n’est que sous cet angle que le modèle en saisit la profondeur : l’avancée du nez, la place des pommettes, la ligne de la mâchoire. C’est précisément cette information qui porte l’identité quand le personnage se tourne dans la vidéo.

Ce qui doit être reconnaissable de dos figure explicitement dans le prompt. Chez Cordelia, la tresse autour de sa tour de cheveux et la petite clé en laiton qui y est piquée ; chez Ignatz, la raie tirée au cordeau et les favoris qui dépassent de la silhouette même de dos.

Un classique, et agaçant : les modèles d’image aiment ajouter à la vue de face une deuxième petite tête, un portrait miniature à côté du personnage. Sur une référence, c’est fatal, car le modèle vidéo lit alors deux visages là où il devrait en apprendre un. À strictement parler, cela vaut déjà pour la tête de la vue en pied. Dans les sheets ci-dessus, elle est donc masquée en gris : il ne reste qu’un seul visage, le grand, de trois quarts.

Le prompt d’Ignatz, tel que nous l’avons utilisé. Le premier paragraphe définit la grille et reste le même pour chaque personnage. À partir de « The character », c’est votre personnage.

Character reference sheet, three views of the same man side by side in one image, evenly spaced, identical lighting, thin neutral gap between tiles. Left tile: full body, front view, neutral standing pose with arms relaxed at his sides. Center tile: full body, back view, same pose, seen from directly behind. Right tile: head and shoulders close-up in three-quarter view turned 45 degrees to his left, framed to fill the full height of the tile so the face is rendered large and detailed.
The character: a man in his late forties, neutral relaxed expression, no smile. His hair is a rigid side-parted helmet of shoe-polish-black hair with an implausibly sharp part line — the part line and the combed lacquered layering must read clearly in the back view — with enormous flared mutton chop sideburns reaching almost to his chin, visible jutting past the silhouette even from behind, and a thin waxed moustache curled into two tight spirals. He wears a deep petrol-blue safari suit with four oversized patch pockets and a stiff epaulette on each shoulder, a pale butter-yellow ascot, matching petrol-blue trousers with a sharp crease, a wide brown leather belt, and scuffed tan desert boots. A small pair of brass binoculars hangs on a leather cord around his neck.
Background: flat neutral mid-grey seamless studio backdrop, no props, no shadows on the wall.
Lighting: soft even studio lighting from front and both sides, low contrast, neutral white balance, identical across all three tiles.
Ultra-photorealistic, visible pores and razor stubble texture at the jaw, shine on the forehead, individual coarse sideburn hairs, gabardine twill weave with soft creases at the elbows and knees, scuffed brass, worn leather.
Sharp focus throughout, 85 mm lens look, no depth-of-field blur, all tiles same height with a small margin above and below, 3:1 aspect ratio.

Variante deux : le board complet

En ce moment, nous testons une deuxième variante, bien plus complète : un board avec davantage de vues, des cases de détail et des légendes. L’idée : plus un sheet contient d’informations, moins le modèle vidéo doit inventer. Si cet effort est nécessaire, nous ne le savons pas encore. Le sheet épuré définit qui est un personnage. Le board doit en plus définir de quoi il est fait.

La rangée du haut montre cinq vues : face, profil, dos, un grand gros plan et une vue de dessus. En dessous viennent des cases de détail pour exactement ce qu’un modèle uniformiserait sinon : texture des cheveux, barbe, couleur des yeux, grain de peau et l’élément qui définit le personnage, pour le ninja le sabre avec l’étoile de lancer. Une palette avec codes hexadécimaux complète le board. Même ce qui est caché est défini : les boucles du ninja sont sous la capuche et pourtant décrites, pour le moment où la capuche tombe.

Ici, les légendes font partie de la mise en page. Elles figurent entre guillemets dans le prompt, et un paragraphe à part exclut tout autre texte. GPT Image sort les labels et les codes hexadécimaux le plus proprement. Pour Flux et d’autres modèles locaux, nous raccourcissons le prompt, car les longs textes y perdent en précision.

La grille du board, avec des marqueurs entre crochets :

A photorealistic character reference sheet of ONE single person, landscape 16:9, laid out like a professional casting and costume reference board on a seamless light warm-grey studio background, soft even studio lighting with gentle shadows, identical light in every view. Thin, even gutters between all panels, everything on the same background.

IDENTITY – absolute: [With reference image: The person is exactly the person in the reference image(s): same face, bone structure, eye shape, nose, lips, skin tone, hairline, hair and body proportions. Do not beautify, slim, de-age or idealize.] [Without: describe sex, age, face, eyes, skin, hair, facial hair, build, height.] Distinguishing features that must be visible wherever that body part is in frame: [tattoos with motif and position, piercings, scars, moles …].

OUTFIT – identical in every view: [every piece with colour, material, fit; prints and logos with exact text and position front/back; shoes or barefoot].

TOP ROW (about 70 % of the sheet height), five views side by side, each with a small clean uppercase sans-serif label centered above it:
– "FRONT": full body, standing straight facing the camera, arms relaxed at the sides, neutral expression, head to feet fully visible.
– "SIDE": full body in exact left profile, facing left, same relaxed pose.
– "BACK": full body seen from directly behind[, showing … (back print, hair at the back)].
– "FRONT CLOSE-UP": the largest panel, head-and-shoulders portrait looking straight into the lens, [expression], about twice the scale of the full-body views, every pore and hair sharp.
– "TOP-DOWN VIEW": camera directly overhead looking straight down at the person standing, showing [the top of the head / the cap from above], the shoulders and the feet.

BOTTOM ROW (about 25 % of the sheet height), square detail close-up photos, each with a bold uppercase label above it:
– "[LABEL 1]": [specific macro crop].
– "[LABEL 2]": [...].
– "[LABEL 3]": [...].
– "[LABEL 4]": [...].
– "[LABEL 5]": [...].
– "COLOR PALETTE": [5–6] flat colour swatches in [two rows of three], each with its hex code in small type below: [#XXXXXX (hair), #XXXXXX (skin), …].

STYLE: photorealistic studio photography, medium-format camera, 80 mm lens, natural skin texture with visible pores and small imperfections, fine film grain, true-to-life muted colours, crisp clean graphic layout.

TEXT: Only the labels listed above appear, spelled exactly as written[, plus the hex codes]. No other text, no watermark, no logos except those on the clothing.

NEGATIVE: Exactly one person, the same person in every panel – never a different face, never two people in one panel. No changes of outfit, hair, facial hair or accessories between views. No CGI look, no plastic skin, no HDR, no dramatic or coloured lighting, no props, no scenery.

Du dessin au film

J’ai d’abord testé les sheets détaillés à la maison, avec ma fille. Au départ, pas de photos, mais ses dessins : un type avec une pancarte en carton autour du cou, son chien tout rond et un oiseau plutôt insolent. L’idée : en faire des personnages capables de porter tout un film.

La première étape traduit le dessin en un look sans toucher à son design. Le prompt commence par : « Use the attached hand-drawn sketch as the exact design reference. Keep every design element of the sketch, only upgrade the rendering. » Ce n’est qu’ensuite que viennent les sheets.

Les personnages animés vivent de l’exagération, et le modèle vidéo doit en connaître les limites. Leurs sheets montrent donc en haut la rotation et en bas les expressions : blasé, grand sourire, choqué, gêné. Le chien reçoit en plus des poses, du regard en coin méfiant au saut jusqu’à la boule enroulée. Ainsi, le modèle sait jusqu’où les yeux et la bouche peuvent aller avant que le personnage cesse d’être lui-même. Les traits du visage sont restés remarquablement stables sur tous les plans.

Pour l’oiseau, le modèle a reçu deux images aux rôles distincts : le dessin pour la forme, une image finie uniquement pour le style. Le prompt précise que rien d’autre n’est repris de la seconde image. Le sheet ajoute des poses de vol, car un oiseau reste rarement immobile dans un film.

Partir d’un dessin a un autre avantage qui dépasse le métier : il ne représente aucune personne réelle. Les questions de droit à l’image ou de droits de la personnalité ne se posent donc pas. Avec des personnes réelles, nous ne travaillons qu’avec leur accord. Le ninja plus haut a donné le sien. C’est mon visage, après tout.

Et voilà ce qui en est sorti.

Tiré de la pratique

• Expression neutre dans les vues. Les expressions ont leur propre sheet si besoin. Les vues ne définissent que l’identité.
• Décrire la matière, pas seulement la couleur. Gabardine, laiton, cuir : plus la surface est précise, moins le modèle interprète en mouvement.
• La pose suit le corps. Oswald ne peut pas laisser pendre ses bras. Son prompt demande donc des bras légèrement écartés du corps, les deux mains ouvertes et visibles.
• Du texte seulement à dessein. Aucun sur le sheet épuré, sinon des mots comme « Panel 1: Front » apparaissent dans l’image. Sur le board, exactement les labels du prompt.
• Un sheet par tenue. Si un personnage change de vêtements, il lui en faut un deuxième.
• Régler le format dans le modèle. Nano Banana 2 a ignoré le « 3:1 » de notre prompt et a livré du 16:9.

Là où le sheet s’arrête

Un sheet fixe l’apparence d’un personnage, pas son jeu. Les lieux ont chez nous leurs propres plates. Et même le meilleur sheet ne remplace pas la vérification de chaque plan.

• Miraki : Pocobello