Garder le même personnage d'une image à l'autre : la méthode des références et du bloc canonique

Le premier problème de toute série en IA, ce n'est pas la qualité de l'image : c'est que ton héros change de tête d'un plan à l'autre. Plus sombre, plus rond, une barbe qui apparaît, des yeux plus petits… et le spectateur ne reconnaît plus personne.

Sur SerialKiwix, Kiwix apparaît dans des centaines d'images et il reste Kiwix. Ce n'est pas un réglage magique, c'est une méthode en cinq gestes. On l'a apprise en se trompant pendant six épisodes.

1. Le bloc canonique : la carte d'identité du personnage

Chaque personnage a un bloc de description en anglais, écrit une fois et copié mot pour mot dans chaque prompt, sans jamais le reformuler. Voici celui de Kiwix, tel qu'on l'utilise :

an anthropomorphic kiwi fruit: egg-shaped body covered in scruffy matted
golden-brown kiwi fur, large bulging round eyes with bright green irises,
heavy furrowed brows, thick black handlebar mustache, wide unsettling toothy
grin, thin furry brown arms, stubby furry legs; warm golden-brown fur,
not olive, no beard

Trois choses à remarquer :

• Il décrit ce qu'on voit, pas ce qu'on ressent. Pas « creepy » ni « psychopath » : un modèle à qui on donne un adjectif extrême exagère et change le personnage. On préfère une description précise, comme « wide unsettling toothy grin » (un sourire un peu trop large).
• Il corrige les dérives connues. « not olive, no beard » est là parce que Kiwix sortait parfois avec une fourrure verdâtre ou une barbe. Chaque dérive repérée devient quelques mots dans le bloc.
• Il fixe la lumière et la couleur. « warm golden-brown fur » : sans ça, la fourrure varie avec l'éclairage de la scène.

La tenue a son propre bloc, ajouté juste après. Pour Kiwix de jour : tablier vert, chemise blanche, nœud papillon vert. De nuit : imperméable beige usé, fedora noir, gants blancs tachés de jus. Le même personnage peut ainsi changer de tenue sans changer de visage.

💡 Astuce : écris tes blocs dans un fichier à part (chez nous, des constantes dans le script qui prépare les lots) et colle-les par programme. Recopier à la main, c'est la garantie d'oublier un mot au plan 37.

2. Les références : montrer plutôt que décrire

Le texte ne suffit pas. On donne aussi au modèle une ou plusieurs images de référence du personnage. En local, Qwen Image 2.1 accepte jusqu'à 10 références d'après sa fiche officielle. Nous en utilisons jusqu'à 4 par image sans souci.

Nos règles :

• 2 ou 3 références pour le personnage principal, plus la phrase « exact same face, fur color and eye size as the reference ». Pour Kiwix, on a une planche de 4 vues, une planche d'expressions, une image de jour et une de nuit.
• Dans le prompt, on nomme chaque référence dans l'ordre : <image1> pour le décor, <image2> pour le personnage, <image3> pour l'objet.
• Une image de référence validée ne se remplace jamais en cours de saison. On l'a appris à nos dépens : une ancienne image de Kiwix faisait réapparaître une inscription parasite (« FRESH SQUEEZE ») dans les plans où on l'utilisait. Elle est rayée de la liste pour de bon.
• L'objet important a aussi sa référence. Pour la miniature de l'épisode 5, sans l'image du mixeur, Qwen a dessiné… un épluche-légumes.

3. Le plan large d'abord, les gros plans à partir de lui

C'est la règle qui a le plus changé nos images. Pour chaque scène :

1. on génère le plan large d'installation, avec le décor maître en <image1> ;
2. on génère ensuite chaque gros plan à partir de ce plan large (plus la référence du personnage).

Le gros plan hérite de la même lumière, du même fond et des mêmes accessoires. Sans ça, le champ-contrechamp montre deux bars différents, et le spectateur le sent même s'il ne sait pas dire pourquoi.

Une formule de prompt d'image qui marche chez nous :

Same <décor> as <image1>. TIGHT close-up, face and shoulders only, filling
the frame. The <personnage> from <image2> (<bloc canonique>, <tenue>)
<action>, <expression>, MOUTH CLOSED, eyes open. <détails d'objets>.
<bloc de style>. No text, no letters, no logo, no watermark.

« MOUTH CLOSED, eyes open » sert aux images qui deviendront des plans parlants : la synchro labiale part d'une bouche fermée.

4. Le corps, l'échelle et le nombre de personnages

La cohérence, ce n'est pas que le visage :

• Le corps reste fidèle au concept. Dans SerialKiwix, un personnage, c'est le fruit entier avec de petits bras et de petites jambes, jamais un corps humain avec une tête de fruit. Pour Mangue, il faut l'écrire : « ONE whole mango fruit… NOT a human body ».
• L'échelle est écrite noir sur blanc. Les rondelles de Bruno la Banane ont dû être refaites à sa taille : le légiste dit « vingt centimètres », l'image devait suivre.
• 4 personnages au plus dans un plan large, avec la place de chacun écrite (gauche, centre, droite), et chacun occupe au moins un tiers de la hauteur.
• Le placement se dit précisément. « stands BEHIND the counter » pour Kiwix au bar. Et ça ne suffit pas toujours : dans l'épisode 6, il a fini debout sur le comptoir, et il a fallu écrire « standing on the FLOOR BEHIND the counter, legs hidden ».

5. En vidéo : partir d'une image, pas d'une description

Quand on anime, deux approches existent : partir d'une image de départ déjà validée, ou laisser le modèle recréer le personnage à partir de ses références. On a testé les deux en local avec MiniMax H3. Kiwix recréé depuis sa seule référence restait reconnaissable, mais avec une fourrure plus sombre et un visage plus rond.

D'où notre choix : une image de départ pour les plans d'un seul personnage. Pour les plans à plusieurs personnages, on passe par une image à plusieurs références avant d'animer.

Le LoRA communautaire « Pika merge lite », notre réglage vidéo par défaut depuis le 30/10/2026, nous a aussi aidés : Kiwix garde mieux ses gros yeux fous d'un bout à l'autre du plan qu'avec notre réglage précédent.

⚠️ Piège : une vidéo peut démarrer fidèle et dériver à la fin. On relit chaque plan sur 5 images réparties dans le temps, pas seulement la première.

La relecture : le geste qui rattrape tout le reste

Même avec tout ça, il y a des ratés. On les attrape en relisant :

• planche contact des images (7 colonnes, la graine écrite sur chaque vignette, pour pouvoir refaire exactement celle qui rate) ;
• 5 images par vidéo ;
• une image par seconde sur le montage final.

Un raté repéré avant le montage coûte 20 secondes en local (une nouvelle image). Repéré après la publication, il reste en ligne.

Le résumé en une liste

1. Un bloc canonique en anglais par personnage, copié mot pour mot, plus un bloc par tenue.
2. 2 ou 3 références pour le héros, et « exact same face… as the reference ».
3. Le décor maître en première référence, le plan large avant les gros plans.
4. Le corps, l'échelle et le placement écrits ; 4 personnages au plus par plan large.
5. En vidéo, une image de départ validée plutôt qu'un personnage recréé.
6. Relecture en planches à chaque étape.

✅ À retenir : la cohérence ne vient pas du modèle, elle vient de ta discipline. Un bloc qui ne bouge pas, des références qui ne bougent pas, et un ordre de fabrication qui ne bouge pas.

Pour aller plus loin

Les blocs complets de nos personnages, nos formules de prompt testées et la checklist de cohérence qu'on remplit avant chaque épisode sont dans l'École Fruise. Le début de chaque cours sera gratuit.