Tạo sinh đa tham chiếu cho phép bạn cung cấp nhiều ảnh nguồn — mỗi ảnh cho một nhân vật — để mô hình AI duy trì ngoại hình riêng biệt của từng người xuyên suốt video. Mô hình ánh xạ từng tham chiếu sang một token có tên (ví dụ: [person1], [person2]) trong prompt, ràng buộc đặc điểm khuôn mặt, tỷ lệ cơ thể và trang phục với token đó. Điều này khác căn bản so với các mô hình tham chiếu đơn chỉ có thể giữ một danh tính, buộc các cảnh nhiều người phải tự tạo ra nhân vật phụ.
HappyHorse chấp nhận từ 1 đến 9 ảnh tham chiếu — số lượng cao nhất trong bối cảnh mô hình video AI hiện tại. Mỗi tham chiếu được ràng buộc với một token nhân vật riêng, nên một cảnh nhóm với 9 người khác nhau hoàn toàn khả thi trong một lần tạo sinh.
Ảnh tham chiếu được gán cho các token như [person1] đến [person9]. Dùng các token này trong prompt để định vị và điều hướng từng nhân vật độc lập: "[person1] trao tách cà phê cho [person3] trong khi [person2] vẫy tay từ phía sau."
Vì tất cả tham chiếu được nạp trong cùng một lần tạo sinh, các nhân vật có thể tương tác tự nhiên — bắt tay, trò chuyện, truyền đồ vật. Các mô hình tham chiếu đơn cần ghép nhiều đoạn clip riêng lẻ để đạt được điều này.
Đặc điểm khuôn mặt, tông da, kiểu tóc và trang phục giữ nguyên từ khung hình đầu đến cuối clip. Không có hiện tượng trôi dạt danh tính giữa chừng, kể cả khi góc máy thay đổi hay nhân vật bị che khuất một phần.
Tham chiếu có thể là ảnh chụp mặt, ảnh toàn thân hoặc minh họa cách điệu. HappyHorse trích xuất đặc trưng danh tính bất kể định dạng ảnh nguồn, dù ảnh chụp thẳng mặt với biểu cảm trung tính cho kết quả chính xác nhất.
Truy cập PonPon Video và chọn HappyHorse từ menu thả xuống chọn mô hình.
Nhấp vào khu vực tải ảnh tham chiếu và thêm từ 1 đến 9 ảnh. Mỗi ảnh nên hiển thị rõ mặt của một người — chụp thẳng, đủ ánh sáng, ít che khuất. Ghi chú thứ tự (person1, person2, v.v.).
Tham chiếu từng ảnh đã tải lên bằng token tương ứng: [person1], [person2], v.v. Mô tả cảnh với hành động cụ thể cho từng nhân vật: *"[person1] ngồi tại bàn gõ máy tính trong khi [person2] đứng phía sau chỉ vào màn hình. [person3] bước vào qua cửa tay cầm một tập hồ sơ."*
Chọn độ dài clip và tỷ lệ khung hình. Với cảnh nhiều nhân vật, màn hình rộng 16:9 cho nhiều không gian bố trí nhân vật hơn. Thời lượng dài hơn (8–10 giây) cho phép các tương tác phức tạp hơn.
Nhấp Tạo sinh và kiểm tra xem từng nhân vật có khớp với ảnh tham chiếu xuyên suốt clip không. Nếu một nhân vật bị trôi dạt, hãy thử ảnh tham chiếu rõ hơn với ánh sáng tốt hơn hoặc góc chụp thẳng hơn.
Dù bạn là creator cá nhân, agency hay thương hiệu — mọi mô hình đều thích ứng với cách bạn làm việc.
[person1] và [person2] ngồi đối diện nhau tại bàn trong quán cà phê. [person1] ra hiệu khi nói chuyện, [person2] gật đầu và mỉm cười. Ánh sáng chiều ấm áp qua cửa sổ. Độ sâu trường ảnh nông. 16:9, 8 giây.
Model: HappyHorse · References: 2 images · Duration: 8s · Aspect: 16:9
[person1], [person2], [person3] và [person4] đứng thành hàng tại sảnh văn phòng hiện đại. Từng người vẫy tay vào camera theo thứ tự từ trái sang phải. Nền trắng sạch, trang phục chuyên nghiệp. 16:9, 10 giây.
Model: HappyHorse · References: 4 images · Duration: 10s · Aspect: 16:9
[person1] ngồi đầu bàn ăn, [person2] và [person3] ở hai bên, [person4] ở đầu bên kia. [person1] nâng ly chúc mừng, những người còn lại theo sau. Ánh nến ấm áp, bàn gỗ mộc mạc. 16:9, 10 giây.
Model: HappyHorse · References: 4 images · Duration: 10s · Aspect: 16:9
[person1] mặc áo khoác phòng thí nghiệm trao hộp sản phẩm cho [person2] mặc trang phục công sở. [person2] kiểm tra hộp và gật đầu tán thành. Nền studio sạch, ánh sáng chính mềm mại. 16:9, 6 giây.
Model: HappyHorse · References: 2 images · Duration: 6s · Aspect: 16:9
Phim ngắn, web series và video giải thích với dàn diễn viên xuất hiện xuyên suốt. Tải ảnh tham chiếu nhân vật một lần và tạo các cảnh nhất quán qua từng tập — không có lỗi liên tục giữa các cảnh.
Biến ảnh nhóm công ty thành video giới thiệu có hoạt hình. Tải ảnh chân dung từng thành viên và tạo cảnh họ tương tác — vẫy tay, bắt tay hoặc trình bày cùng nhau.
Tạo video gia đình cá nhân hóa cho dịp lễ hay kỷ niệm. Tải ảnh các thành viên gia đình và tạo cảnh như bữa tối gia đình, tiệc sinh nhật hay cùng nhau dạo chơi trong công viên — từng người đều nhận ra được.
Các thương hiệu thời trang và phong cách sống có thể duy trì cùng một danh tính người mẫu qua nhiều video sản phẩm. Tải tham chiếu người mẫu và tạo video họ mặc các trang phục khác nhau trong nhiều bối cảnh khác nhau mà không cần đặt lịch chụp lại.
| HappyHorse (1-9 tham chiếu) | Các Mô Hình Khác | |
|---|---|---|
| Số ảnh tham chiếu tối đa | 9 ảnh mỗi lần tạo sinh — mỗi ảnh ràng buộc với một token nhân vật riêng | Kling 3.0: 1 tham chiếu. Veo 3.1: tối đa 3 tài nguyên. Seedance 2.0: 1–2 tham chiếu |
| Tương tác nhiều nhân vật | Tất cả nhân vật được dựng trong một lần — tương tác tự nhiên giữa những người được tham chiếu | Các mô hình tham chiếu đơn cần tạo nhân vật riêng lẻ rồi ghép lại |
| Phương thức ràng buộc danh tính | Token có tên ([person1]–[person9]) trong prompt — kiểm soát tường minh từng nhân vật | Hầu hết mô hình dùng một tham chiếu ngầm định — không có cách điều hướng nhiều danh tính |
| Chất lượng cảnh nhóm | Từng người giữ danh tính tham chiếu của họ — không có hiện tượng hòa trộn khuôn mặt giữa các nhân vật | Mô hình chỉ có 1 tham chiếu thường hòa trộn đặc điểm nhân vật phụ vào nhân vật chính |
| Phù hợp cho trường hợp sử dụng | Tốt nhất cho video nhiều nhân vật, video đội nhóm, nội dung gia đình | Phù hợp hơn cho nội dung một nhân vật: chân dung, demo sản phẩm đơn, độc thoại |
Trích xuất danh tính hoạt động tốt nhất với ảnh chân dung hoặc ảnh ngang lưng, chụp thẳng, đủ ánh sáng. Ảnh nghiêng, đeo kính râm hay bóng tối nặng giảm độ chính xác nhận dạng. Mỗi ảnh tham chiếu chỉ có một người.
Càng nhiều tham chiếu, độ phức tạp tạo sinh càng cao. Bắt đầu với 2–3 nhân vật để kiểm chứng cấu trúc prompt, sau đó mới thêm. Với hơn 5 nhân vật trong một cảnh, việc định vị trở nên khó kiểm soát chính xác hơn.
Với nhiều nhân vật, mô tả không gian mơ hồ dẫn đến bố cục chật chội hoặc không rõ ràng. Hãy chỉ định vị trí cụ thể: "[person1] bên trái, [person2] ở giữa, [person3] bên phải."
Mặc dù HappyHorse hỗ trợ tối đa 9 tham chiếu, các cảnh có 7–9 nhân vật để lại ít không gian trực quan hơn cho từng người. Độ chính xác danh tính vẫn cao, nhưng chi tiết từng nhân vật giảm đi khi khung hình trở nên đông đúc hơn.
Tham gia cùng hàng nghìn creator, agency và thương hiệu sử dụng PonPon mỗi ngày.
Bắt đầu với credits miễn phí hàng ngày. Không cần thẻ tín dụng.