Multi-Referenz-Generierung ermöglicht es dir, mehrere Quellbilder bereitzustellen – eines pro Charakter –, damit das KI-Modell das individuelle Erscheinungsbild jeder Person im gesamten Video beibehalten kann. Das Modell ordnet jede Referenz einem benannten Token (z. B. [person1], [person2]) im Prompt zu und bindet Gesichtszüge, Körperproportionen und Kleidung an dieses Token. Das unterscheidet sich grundlegend von Single-Referenz-Modellen, die nur eine Identität bewahren können und bei Szenen mit mehreren Personen sekundäre Charaktere halluzinieren müssen.
HappyHorse akzeptiert 1 bis 9 Referenzbilder – die höchste Anzahl im aktuellen KI-Videomodell-Umfeld. Jede Referenz wird an ein separates Character-Token gebunden, sodass eine Gruppenszene mit 9 unterschiedlichen Personen in einer einzigen Generierung möglich ist.
Referenzbilder werden Token wie [person1] bis [person9] zugewiesen. Verwende diese Token in deinem Prompt, um jeden Charakter unabhängig zu positionieren und zu steuern: "[person1] reicht [person3] eine Kaffeetasse, während [person2] im Hintergrund winkt."
Da alle Referenzen in demselben Generierungsdurchlauf geladen werden, können Charaktere natürlich miteinander interagieren – Händeschütteln, Gespräche, Objekte weitergeben. Single-Referenz-Modelle erfordern das Zusammensetzen separater Clips, um dies zu erreichen.
Gesichtszüge, Hautton, Frisur und Kleidung bleiben vom ersten bis zum letzten Frame des Clips stabil. Kein Identitätsverlust in der Mitte des Clips, auch nicht bei Kamerawinkeländerungen oder teilweisen Verdeckungen.
Referenzen können Porträtfotos, Ganzkörperfotos oder stilisierte Illustrationen sein. HappyHorse extrahiert Identitätsmerkmale unabhängig vom Quellbildformat, wobei frontseitige Fotos mit neutralem Ausdruck die genauesten Ergebnisse liefern.
Gehe zu PonPon Video und wähle HappyHorse aus dem Modell-Dropdown.
Klicke auf den Bereich zum Hochladen von Referenzbildern und füge 1 bis 9 Bilder hinzu. Jedes Bild sollte das Gesicht einer Person deutlich zeigen – frontseitig, gut beleuchtet, minimale Verdeckung. Notiere die Reihenfolge (person1, person2 usw.).
Referenziere jedes hochgeladene Bild mit seinem Token: [person1], [person2] usw. Beschreibe die Szene mit spezifischen Aktionen für jeden: *"[person1] sitzt an einem Schreibtisch und tippt, während [person2] dahinter steht und auf den Bildschirm zeigt. [person3] betritt den Raum durch die Tür und trägt eine Mappe."*
Wähle Cliplänge und Seitenverhältnis. Für Multi-Charakter-Szenen bietet 16:9 Breitbild mehr Raum für die Charakterpositionierung. Längere Dauern (8–10 s) ermöglichen komplexere Interaktionen.
Klicke auf Generieren und überprüfe, ob jeder Charakter im gesamten Clip seiner Referenz entspricht. Falls ein Charakter abweicht, versuche ein klareres Referenzfoto mit besserer Beleuchtung oder einem frontaleren Winkel.
Ob Solo-Creator, Agentur oder Marke — jedes Modell passt sich deiner Arbeitsweise an.
[person1] und [person2] sitzen sich in einem Café an einem Tisch gegenüber. [person1] gestikuliert beim Sprechen, [person2] nickt und lächelt. Warmes Nachmittagslicht durch das Fenster. Geringe Schärfentiefe. 16:9, 8 Sekunden.
Modell: HappyHorse · Referenzen: 2 Bilder · Dauer: 8 s · Format: 16:9
[person1], [person2], [person3] und [person4] stehen in einer Reihe in einer modernen Bürolobby. Jeder winkt der Kamera der Reihe nach von links nach rechts zu. Sauberer weißer Hintergrund, professionelle Kleidung. 16:9, 10 Sekunden.
Modell: HappyHorse · Referenzen: 4 Bilder · Dauer: 10 s · Format: 16:9
[person1] sitzt am Kopfende eines Esstisches, [person2] und [person3] auf beiden Seiten, [person4] am gegenüberliegenden Ende. [person1] hebt ein Glas für einen Toast, die anderen folgen. Warmes Kerzenlicht, rustikaler Holztisch. 16:9, 10 Sekunden.
Modell: HappyHorse · Referenzen: 4 Bilder · Dauer: 10 s · Format: 16:9
[person1] im Laborkittel überreicht [person2] in Business-Casual-Kleidung eine Produktverpackung. [person2] inspiziert die Verpackung und nickt zustimmend. Sauberer Studio-Hintergrund, weiches Hauptlicht. 16:9, 6 Sekunden.
Modell: HappyHorse · Referenzen: 2 Bilder · Dauer: 6 s · Format: 16:9
Kurzfilme, Webserien und Erklärvideos mit einem wiederkehrenden Ensemble. Lade deine Charakterreferenzen einmal hoch und generiere konsistente Szenen über Episoden hinweg – ohne Kontinuitätsfehler zwischen Einstellungen.
Verwandle ein Firmen-Teamfoto in ein animiertes Vorstellungsvideo. Lade individuelle Porträtfotos für jedes Teammitglied hoch und erstelle eine Szene, in der sie interagieren – winken, Hände schütteln oder gemeinsam präsentieren.
Generiere personalisierte Familienvideos für Feiertage oder Feste. Lade Fotos von Familienmitgliedern hoch und erstelle Szenen wie ein Familienessen, eine Geburtstagsfeier oder einen gemeinsamen Spaziergang im Park – jede Person erkennbar.
Mode- und Lifestyle-Marken können dieselbe Model-Identität über mehrere Produktvideos hinweg beibehalten. Lade die Referenz des Models hoch und generiere es in verschiedenen Outfits in verschiedenen Umgebungen – ohne einen neuen Dreh zu buchen.
| HappyHorse (1-9 Referenzen) | Andere Modelle | |
|---|---|---|
| Maximale Referenzbilder | 9 Bilder pro Generierung – jedes an ein separates Character-Token gebunden | Kling 3.0: 1 Referenz. Veo 3.1: bis zu 3 Assets. Seedance 2.0: 1–2 Referenzen |
| Multi-Charakter-Interaktion | Alle Charaktere werden in einem Durchlauf gerendert – natürliche Interaktionen zwischen referenzierten Personen | Single-Referenz-Modelle erfordern separates Generieren von Charakteren und anschließendes Zusammensetzen |
| Methode der Identitätsbindung | Benannte Token ([person1]–[person9]) in Prompts – explizite Steuerung pro Charakter | Die meisten Modelle verwenden eine einzige implizite Referenz – keine Möglichkeit, mehrere Identitäten zu steuern |
| Qualität bei Gruppenszenen | Jede Person behält ihre Referenzidentität – kein Gesichtsvermischen zwischen Charakteren | Modelle mit 1 Referenz vermischen häufig die Gesichtszüge sekundärer Charaktere mit denen des primären |
| Anwendungsfall-Eignung | Am besten für Multi-Personen-Erzählungen, Team-Videos, Familieninhalte | Besser geeignet für Inhalte mit einer Person: Porträts, Solo-Produktdemos, Monologe |
Die Identitätsextraktion funktioniert am besten mit gut beleuchteten, frontseitigen Porträtfotos oder Fotos bis zur Taille. Seitenprofile, Sonnenbrillen oder starke Schatten verringern die Erkennungsgenauigkeit. Eine Person pro Referenzbild.
Mehr Referenzen erhöhen die Generierungskomplexität. Beginne mit 2–3 Charakteren, um deine Prompt-Struktur zu validieren, und füge dann weitere hinzu. Bei mehr als 5 Charakteren in einer einzigen Szene wird die Positionierung schwieriger präzise zu steuern.
Bei mehreren Charakteren führen vage räumliche Beschreibungen zu unübersichtlichen oder mehrdeutigen Kompositionen. Positionen spezifizieren: "[person1] links, [person2] in der Mitte, [person3] rechts."
Obwohl HappyHorse bis zu 9 Referenzen unterstützt, lassen Szenen mit 7–9 Charakteren weniger visuellen Raum pro Person. Die Identitätsgenauigkeit bleibt hoch, aber die individuellen Charakterdetails nehmen ab, je voller das Bild wird.
Schließ dich Tausenden von Kreativen, Agenturen und Marken an, die PonPon täglich nutzen.
Starte mit kostenlosen Tages-Credits. Keine Kreditkarte erforderlich.