Subtiles Schauspiel im KI-Video: Mimik-Wörter, die halten

Gib in ein Videomodell „a sad woman“ (eine traurige Frau) ein, und du bekommst ein Gesicht, das so traurig ist wie ein Stockfoto: der ganze Mund, die ganze Stirn, alles auf einmal und bis zum Ende des Clips gehalten. Schreib stattdessen „she looks down, then back up“ (sie blickt nach unten und dann wieder auf), und du bekommst etwas, das ein Cutter brauchen kann. Schauspiel auf der Leinwand ist meist klein, und ein Clip ist kurz, also passen nur die kleinen Dinge hinein.

Dieser Beitrag dreht sich nur um das Gesicht: welche Wörter, wie viele, und wann du aufhörst, gegen ein Modell zu kämpfen, und mit einem Bild beginnst. Kameraarbeit ist eine andere Aufgabe, die in neun Kamerabewegungen für KI-Video behandelt wird. Alle Figuren unten sind erfunden; nichts davon braucht das Foto einer echten Person, und du solltest keines ohne das Recht dazu verwenden.

Warum „emotional“ nichts bringt

Eine Emotion ist die Bezeichnung für etwas, das über die Zeit geschieht. Ein Videomodell rendert Einzelbilder, also braucht es das Geschehen, nicht das Etikett. „Heartbroken“ (untröstlich) sagt nicht, ob die Augen sinken, das Kinn zittert oder die Schultern absacken, also mittelt das Modell über alle untröstlichen Gesichter, die es kennt, und der Durchschnitt ist eine Maske.

Die Lösung: Tausche das Etikett gegen ein Verhalten, das man filmen könnte. Frag dich, was eine Kamera tatsächlich sehen würde, und schreib genau das. Unten steht der kurze Wortschatz, zu dem ich immer wieder zurückkehre.

Acht kleine Handlungen, die auf der Leinwand wirken

• Ein Blick. „Her eyes flick to the door, then back to the letter.“ (Ihre Augen huschen zur Tür und zurück zum Brief.) Ein Blick braucht ein Start- und ein Endziel, wie eine Kamerabewegung. Ohne Ziel wandern die Augen umher.
• Angehaltener Atem. „She stops breathing for a moment, chest still, then lets out a slow exhale.“ (Sie hält kurz den Atem an, die Brust ruhig, dann atmet sie langsam aus.) Das wirkt wie Anspannung und kostet das Gesicht fast nichts, weil sich darin nichts ändern muss.
• Ein halbes Lächeln. „One corner of the mouth lifts slightly and falls.“ (Ein Mundwinkel hebt sich leicht und sinkt wieder.) Schreib „slightly“ und nur einmal. Ein Lächeln ohne Einschränkung zeigt jeden Zahn.
• Langsames Blinzeln. „A single slow blink.“ (Ein einziges langsames Blinzeln.) Es deutet Müdigkeit, Ruhe oder eine Entscheidung an, und es ist die Augenbewegung, die Modelle am zuverlässigsten beherrschen.
• Ein Schlucken. „He swallows, jaw tight.“ (Er schluckt, der Kiefer angespannt.) Nervosität in einem Wort, vor allem im Hals, sodass das Gesicht stabil bleibt.
• Ein Augenbrauenzucken. „Left eyebrow lifts a little.“ (Die linke Augenbraue hebt sich ein wenig.) Eine Braue, eine Richtung.
• Wegsehen. „She turns her eyes to the window and does not look back.“ (Sie wendet die Augen zum Fenster und sieht nicht zurück.) Ein Gesicht, das aufhört, für die Linse zu spielen, ist leichter zu rendern als eines, das Blickkontakt hält.
• Stillstand. „Face almost motionless, only the eyes move.“ (Gesicht fast regungslos, nur die Augen bewegen sich.) Die am meisten unterschätzte Regieanweisung überhaupt.

Gib pro Clip einen Ausdruck aus

Ein kurzer Clip hat Platz für einen Beat: Etwas ist da, etwas ändert sich, etwas beruhigt sich. Verlangst du drei Emotionen hintereinander, presst das Modell sie zu einem Flackern zusammen, und das Gesicht morpht dazwischen. Such dir die Veränderung aus, auf die es ankommt, und lass den Rest des Clips ruhig. Clips im Studio dauern höchstens 30 Sekunden, und auch ein langer trägt einen einzelnen Beat besser als eine Kette davon.

Was ein Gesicht verzerrt

Gesichter verzerren sich, wenn das Modell mehr verändern soll, als es konsistent halten kann. Die üblichen Ursachen, in der Reihenfolge, in der sie mir begegnen:

1. 01Ein Stapel Emotionswörter. „Angry, sad, hopeful, afraid“ hat kein einzelnes Gesicht, also probiert es alle vier. Reduziere auf ein Verhalten.
2. 02Eine schnelle Kopfdrehung. Von Profil zu Frontal muss das Modell die abgewandte Kopfseite erfinden. Schreib „turns slowly“ und bleib bei einer Vierteldrehung, oder streich die Drehung und nimm zwei Clips.
3. 03Große Mundbewegung. Lachen, Schreien und Sprechen bewegen Zähne, Lippen und Wangen zugleich. Brauchst du es, halte es kurz und die Einstellung weit genug, dass kleine Fehler nicht auffallen.
4. 04Hände vor dem Gesicht. Eine Hand, die ein Auge verdeckt und es wieder freigibt, nimmt das Auge oft mit.
5. 05Mehrere Gesichter gleichzeitig. Jedes zusätzliche Gesicht bekommt weniger Aufmerksamkeit des Modells. Leg das Spiel auf eine Person und lass die anderen als unscharfen Hintergrund.
6. 06Eine driftende Kamera. Eine Bewegung plus ein Ausdruck sind zwei Aufgaben. Fixiere die Kamera, wenn das Gesicht der Punkt ist.

Rahme das Gesicht so, dass der Beat lesbar ist

Ein Blick oder ein Blinzeln sind ein paar Pixel Bewegung. In einer weiten Einstellung verschwinden sie. Verlang eine Halbnahe oder eine Nahaufnahme, sag, dass die Augen das Motiv sind, und lass Raum in die Richtung, in die die Figur schaut. Halte das Licht ruhig, solange das Gesicht spielt; ein Lichtwechsel zusätzlich zu einem Ausdruck wirkt wie Flackern, wie in Lichtwechsel im KI-Video ohne Flackern.

Wann du mit einem Standbild startest

Muss das Gesicht der Figur in mehreren Clips gleich aussehen, oder hast du das genaue Gesicht schon, das dir gefällt, lass es nicht von einem Text-Prompt neu erfinden. Erzeuge zuerst das Standbild mit einem Text-zu-Bild- oder Bearbeitungsmodell, etwa einem Bildbearbeitungsmodell, bis das Gesicht stimmt, und animiere es dann mit Bild-zu-Video. Das Bild legt fest, wer es ist. Dein Prompt muss nur sagen, was das Gesicht tut, in einem einzigen Satz und ohne Beschreibung des Gesichts selbst.

Wähl ein Standbild, auf dem das Gesicht entspannt und leicht aus der Mitte versetzt ist, die Augen offen, der Mund geschlossen oder kaum geöffnet. Ein Bild mitten im Lachen gibt dem Clip keinen Spielraum. Teste die Formulierung zuerst an einem günstigen Entwurf; der Workflow Entwurf, Fixieren, Feinschliff erklärt, wie, und P-Video-2 Bild-zu-Video hat dafür einen Entwurfsschalter.

Wo es hakt

Modelle spielen nicht. Sie erzeugen Bilder, die nach Schauspiel aussehen, also kann ein halbes Lächeln als volles zurückkommen, ein Blick auf dem falschen Objekt landen und ein Blinzeln auf halber Strecke hängen bleiben. Plane einige Wiederholungen ein, ändere pro Durchgang ein Wort und behalte die Takes, die wirken. Nahaufnahmen von Augen und Mündern sind außerdem die Stelle, an der Modelle am wenigsten verzeihen, und keine Formulierung beseitigt das Risiko ganz. Funktioniert ein Gesicht nach ein paar Versuchen nicht, mach die Einstellung weiter oder teile sie in zwei einfachere Clips.