La generación multi-referencia te permite proporcionar múltiples imágenes de origen — una por personaje — para que el modelo de IA mantenga la apariencia distinta de cada persona a lo largo de un video. El modelo mapea cada referencia a un token con nombre (ej., [person1], [person2]) en el prompt, vinculando características faciales, proporciones corporales y ropa a ese token. Esto es fundamentalmente diferente de los modelos de referencia única que solo pueden preservar una identidad, forzando a las escenas multi-persona a alucinar los personajes secundarios.
HappyHorse acepta de 1 a 9 imágenes de referencia — la mayor cantidad en el panorama actual de modelos de video IA. Cada referencia se vincula a un token de personaje separado, por lo que una escena grupal con 9 personas distintas es posible en una sola generación.
Las imágenes de referencia se asignan a tokens como [person1] a [person9]. Usa estos tokens en tu prompt para posicionar y dirigir cada personaje independientemente: "[person1] entrega una taza de café a [person3] mientras [person2] saluda desde el fondo."
Debido a que todas las referencias se cargan en la misma pasada de generación, los personajes pueden interactuar naturalmente — apretones de manos, conversaciones, pasar objetos. Los modelos de referencia única requieren compositar clips separados para lograr esto.
Las características faciales, tono de piel, peinado y ropa permanecen estables desde el fotograma 1 hasta el final del clip. Sin desviación de identidad a mitad del clip, incluso con cambios de ángulo de cámara u oclusiones parciales.
Las referencias pueden ser retratos, fotos de cuerpo completo o ilustraciones estilizadas. HappyHorse extrae características de identidad independientemente del formato de la imagen de origen, aunque las fotos frontales con expresiones neutras producen los resultados más precisos.
Ve a PonPon Video y selecciona HappyHorse en el menú desplegable de modelos.
Haz clic en el área de subida de imágenes de referencia y añade de 1 a 9 imágenes. Cada imagen debe mostrar claramente el rostro de una persona — de frente, bien iluminada, con mínima oclusión. Etiqueta o anota el orden (person1, person2, etc.).
Referencia cada imagen subida usando su token: [person1], [person2], etc. Describe la escena con acciones específicas para cada uno: *"[person1] se sienta en un escritorio tecleando mientras [person2] está de pie detrás señalando la pantalla. [person3] entra por la puerta llevando una carpeta."*
Elige la duración de tu clip y la relación de aspecto. Para escenas con múltiples personajes, 16:9 panorámico da más espacio para el posicionamiento de personajes. Duraciones más largas (8–10s) permiten interacciones más complejas.
Haz clic en Generar y verifica que cada personaje coincida con su referencia a lo largo del clip. Si un personaje se desvía, prueba con una foto de referencia más clara con mejor iluminación o un ángulo más frontal.
Ya seas creador independiente, agencia o marca, cada modelo se adapta a tu forma de trabajar.
[person1] and [person2] sit across from each other at a coffee shop table. [person1] gestures while speaking, [person2] nods and smiles. Warm afternoon light through the window. Shallow depth of field. 16:9, 8 seconds.
Modelo: HappyHorse · Referencias: 2 imágenes · Duración: 8s · Aspecto: 16:9
[person1], [person2], [person3], and [person4] stand in a row in a modern office lobby. Each waves at the camera in sequence from left to right. Clean white background, professional attire. 16:9, 10 seconds.
Modelo: HappyHorse · Referencias: 4 imágenes · Duración: 10s · Aspecto: 16:9
[person1] sits at the head of a dining table, [person2] and [person3] on either side, [person4] at the far end. [person1] raises a glass for a toast, others follow. Warm candlelight, rustic wooden table. 16:9, 10 seconds.
Modelo: HappyHorse · Referencias: 4 imágenes · Duración: 10s · Aspecto: 16:9
[person1] in a lab coat hands a product box to [person2] in business casual. [person2] inspects the box and nods approvingly. Clean studio background, soft key light. 16:9, 6 seconds.
Modelo: HappyHorse · Referencias: 2 imágenes · Duración: 6s · Aspecto: 16:9
Cortometrajes, series web y videos explicativos con un elenco recurrente. Sube las referencias de tus personajes una vez y genera escenas consistentes a lo largo de episodios — sin errores de continuidad entre tomas.
Convierte una foto de equipo corporativo en un video de presentación animada. Sube fotos individuales de cada miembro del equipo y crea una escena donde interactúan — saludando, dándose la mano o presentando juntos.
Genera videos personalizados familiares para festividades o celebraciones. Sube fotos de familiares y crea escenas como una cena familiar, una fiesta de cumpleaños o un paseo grupal en un parque — cada persona reconocible.
Las marcas de moda y lifestyle pueden mantener la misma identidad del modelo en múltiples videos de producto. Sube la referencia del modelo y genera videos de él/ella usando diferentes outfits en diferentes escenarios sin recontratar una sesión fotográfica.
| HappyHorse (1–9 referencias) | Otros modelos | |
|---|---|---|
| Máximo de imágenes de referencia | 9 imágenes por generación — cada una vinculada a un token de personaje separado | Kling 3.0: 1 referencia. Veo 3.1: hasta 3 recursos. Seedance 2.0: 1–2 referencias |
| Interacción entre múltiples personajes | Todos los personajes renderizados en una sola pasada — interacciones naturales entre personas referenciadas | Los modelos de referencia única requieren generar personajes por separado y hacer compositing |
| Método de vinculación de identidad | Tokens con nombre ([person1]–[person9]) en los prompts — control explícito por personaje | La mayoría de los modelos usa una sola referencia implícita — sin forma de dirigir múltiples identidades |
| Calidad de escenas grupales | Cada persona mantiene su identidad de referencia — sin mezcla de rasgos entre personajes | Los modelos con 1 referencia a menudo mezclan los rasgos de los personajes secundarios con el principal |
| Casos de uso únicos | Reuniones de equipo, cenas familiares, eventos con múltiples personas con identidades reales | Los modelos de referencia única son adecuados para contenido de personaje único o personas anónimas |
La extracción de identidad funciona mejor con retratos frontales, bien iluminados o fotos de cintura para arriba. Los perfiles laterales, gafas de sol o sombras fuertes reducen la precisión de coincidencia. Una persona por imagen de referencia.
Más referencias aumentan la complejidad de generación. Comienza con 2–3 personajes para validar la estructura de tu prompt, luego añade más. Más allá de 5 personajes en una sola escena, el posicionamiento se vuelve más difícil de controlar con precisión.
Con múltiples personajes, las descripciones espaciales vagas llevan a composiciones abarrotadas o ambiguas. Especifica posiciones: "[person1] a la izquierda, [person2] en el centro, [person3] a la derecha."
Aunque HappyHorse soporta hasta 9 referencias, las escenas con 7–9 personajes dejan menos espacio visual por persona. La precisión de identidad sigue siendo alta, pero el detalle individual de los personajes disminuye a medida que el encuadre se llena más.
Únete a miles de creadores, agencias y marcas que usan PonPon todos los días.
Comienza con créditos diarios gratuitos. No se requiere tarjeta de crédito.