Character sheet: come un personaggio resta lo stesso in tante inquadrature

Che un personaggio generato abbia bisogno di un character sheet prima di muoversi, ormai non serve spiegarlo a nessuno. Il vero lavoro sta nel come costruirlo. Il modello video conosce il personaggio solo da quest’unica immagine. Quello che manca o si può leggere in due modi lo completa da sé, e ogni volta un po’ diversamente: nella seconda inquadratura il naso sta un filo diversamente, nella terza il cappotto ha bottoni nuovi.

Per questo conviene prendere ogni decisione sullo sheet con cura: quali viste, quanto grande il volto, quanti volti in tutto, se nell’immagine c’è del testo. Un errore nello sheet ritorna in ogni inquadratura in cui compare il personaggio. Lo sheet entra nel modello video come riferimento d’immagine, e il prompt stabilisce come leggerlo: una sola persona da più angolazioni, non più persone. Con quale modello d’immagine nasce conta poco. Nano Banana, GPT Image e Flux reggono la stessa struttura.

Variante uno: tre viste

Per Pocobello, la nostra breve commedia su un’ultima scatola di popcorn, ogni personaggio ha ricevuto uno sheet essenziale, cane compreso.

Fronte: la figura intera con proporzioni, costume e postura. Spalle: la stessa figura vista da dietro. Senza questa vista, il modello completa la schiena a modo suo appena qualcuno si gira. Tre quarti: testa e spalle, girate di 45 gradi, a tutto riquadro.

Il tre quarti è in realtà il più importante dei tre riquadri. Di fronte un volto sembra piatto. Solo da questa angolazione il modello ne coglie la profondità: quanto sporge il naso, dove stanno gli zigomi, come corre la linea della mascella. È proprio questa informazione a portare l’identità quando il personaggio si gira nel video.

Ciò che deve essere riconoscibile da dietro va scritto esplicitamente nel prompt. Per Cordelia la treccia intorno alla torre di capelli e la piccola chiave d’ottone infilata dentro, per Ignatz la riga tirata col righello e le basette che sporgono dalla silhouette anche da dietro.

Un classico, e pure fastidioso: i modelli d’immagine tendono ad aggiungere alla vista frontale una seconda testa piccola, un ritratto in miniatura accanto alla figura. Su un riferimento è fatale, perché il modello video legge due volti dove dovrebbe impararne uno. A rigore vale già per la testa nella vista a figura intera. Negli sheet qui sopra è quindi coperta di grigio: resta un solo volto, quello grande di tre quarti.

Il prompt di Ignatz, così come l’abbiamo usato. Il primo paragrafo definisce la griglia e resta uguale per ogni personaggio. Da «The character» in poi tocca al tuo personaggio.

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 due: il board completo

Al momento stiamo testando una seconda variante, molto più ricca: un board con più viste, riquadri di dettaglio e didascalie. L’idea: più informazioni contiene lo sheet, meno il modello video deve inventare. Se questo sforzo serva davvero, ancora non lo sappiamo. Lo sheet essenziale definisce chi è un personaggio. Il board dovrebbe definire anche di che cosa è fatto.

La fila in alto mostra cinque viste: fronte, profilo, spalle, un grande primo piano e una vista dall’alto. Sotto seguono riquadri di dettaglio esattamente per ciò che un modello altrimenti uniformerebbe: struttura dei capelli, barba, colore degli occhi, texture della pelle e l’elemento che definisce il personaggio, per il ninja la spada con la stella da lancio. Una palette con codici esadecimali chiude il board. Anche ciò che è nascosto viene definito: i ricci del ninja stanno sotto il cappuccio e sono comunque descritti, per il momento in cui il cappuccio cade.

Qui le etichette fanno parte del layout. Stanno tra virgolette nel prompt, e un paragrafo a parte esclude qualsiasi altro testo. GPT Image tira fuori etichette e codici esadecimali nel modo più pulito. Per Flux e altri modelli locali accorciamo il prompt, perché lì i testi lunghi perdono precisione.

La griglia del board, con segnaposto tra parentesi quadre:

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.

Dal disegno al film

Ho provato gli sheet dettagliati prima a casa, insieme a mia figlia. All’inizio niente foto, solo i suoi disegni: un tipo con un cartello di cartone al collo, il suo cane rotondo come una palla e un uccello piuttosto sfacciato. L’obiettivo: farne personaggi capaci di reggere un intero film.

Il primo passo traduce il disegno in un look senza toccarne il design. Il prompt comincia così: «Use the attached hand-drawn sketch as the exact design reference. Keep every design element of the sketch, only upgrade the rendering.» Solo dopo arrivano gli sheet.

I personaggi animati vivono di esagerazione, e il modello video ne deve conoscere i limiti. I loro sheet mostrano quindi in alto la rotazione e in basso le espressioni: annoiato, sorriso a trentadue denti, scioccato, imbarazzato. Il cane riceve anche delle pose, dallo sguardo di traverso sospettoso al salto fino alla palla arrotolata. Così il modello sa fin dove possono spingersi occhi e bocca prima che il personaggio smetta di essere sé stesso. I tratti del volto sono rimasti notevolmente stabili in tutte le inquadrature.

Per l’uccello il modello ha ricevuto due immagini con compiti separati: il disegno per la forma, un’immagine finita solo per lo stile. Il prompt stabilisce che dalla seconda immagine non si prende nient’altro. Lo sheet aggiunge pose di volo, perché in un film un uccello sta fermo di rado.

Partire da un disegno ha un altro vantaggio che va oltre il mestiere: non ritrae nessuna persona reale. Le questioni di diritto all’immagine o di diritti della personalità così non si pongono. Con persone reali lavoriamo solo con il loro consenso. Il ninja qui sopra ha detto sì. Del resto è la mia faccia.

Ed ecco che cosa ne è venuto fuori.

Dalla pratica

• Espressione neutra nelle viste. Le espressioni hanno, se serve, uno sheet proprio. Le viste definiscono solo l’identità.
• Descrivere il materiale, non solo il colore. Gabardine, ottone, cuoio: più precisa è la superficie, meno il modello interpreta in movimento.
• La posa segue il corpo. Oswald non riesce a lasciar cadere le braccia dritte. Il suo prompt chiede quindi braccia leggermente staccate dal corpo, entrambe le mani aperte e visibili.
• Testo solo di proposito. Nessuno nello sheet essenziale, altrimenti parole come «Panel 1: Front» finiscono nell’immagine. Nel board, esattamente le etichette del prompt.
• Uno sheet per ogni abito. Se un personaggio cambia vestiti, gliene serve un secondo.
• Impostare il formato nel modello. Nano Banana 2 ha ignorato il «3:1» del nostro prompt e ha restituito 16:9.

Dove finisce lo sheet

Uno sheet stabilisce l’aspetto di un personaggio, non la sua recitazione. I luoghi da noi hanno le loro plate. E nemmeno il miglior sheet sostituisce il controllo di ogni singola inquadratura.

• Miraki: Pocobello