Karakter Tutarlı Görsel Üretimi: Pratik Bir Rehber

Karakter tutarlı görsel üretimi, yapay zeka modelinin her seferinde yeni bir kişi yaratmak yerine, birden fazla görselde aynı yüz, saç ve kıyafetlere sahip aynı karakteri çizmesini sağlayan teknikler bütünüdür. Bu teknik, her denemede "kafede kızıl saçlı bir kadın" yazıp tamamen yabancı bir yüz elde etmek ile çizgi romanınızın, reklam kampanyanızın veya storyboard'unuzun ilk karesindeki kendi kızıl saçlı kadınınızı elde etmek arasındaki farktır.

Kısa bir özet: Çalışan iki ana yöntem var ve bunları üst üste ekleyerek (stack) kullanabilirsiniz. İlk olarak, karakterinizin referans görsellerini yükleyin — bu, platformdaki yapay zeka yüz değiştirme (AI face swap) özelliğini güçlendiriren referans mekanizmasının aynısıdır. Nano Banana 2 en fazla 4, Nano Banana Pro en fazla 5 karakter referansı kabul eder, Veo 3.1 ise videolara en fazla 3 referans taşıyabilir. İkinci olarak, her görsel üretiminde kullanacağınız kapsamlı ve sabit bir açıklama olan bir karakter şablonu (character sheet) istemi yazın. BananaBanana üzerinde tutarlı bir karakter üretimi, Nano Banana 2 ile 1K görsel başına $0.06'dan başlar. Bu yazıdaki tüm demolar platform üzerinde üretilmiştir, bu nedenle buradaki istemleri doğrudan kopyalayıp yapıştırabilirsiniz.

Başlangıçta olası hata senaryoları (failure modes) konusunda da dürüst olacağım. Mevcut modellerdeki tutarlılık iyidir ancak mükemmel değildir. Nerede hata verdiğini göreceksiniz.

Aynı karakter neden her seferinde farklı görünüyor?

Görsel modellerinin istekler arasında bir belleği yoktur. Her üretim sıfırdan, rastgele gürültüden (noise) başlar ve isteminiz (prompt) tek köprüdür. Eğer istemde "kızıl saçlı genç bir kadın" yazıyorsa, model çizebileceği milyonlarca kızıl saçlı genç kadından birini rastgele seçer. Beş kez çalıştırırsanız beş farklı kişi elde edersiniz. Belki benzer bir havayı paylaşabilirler ama asla aynı yüzü paylaşmazlar.

Buna karakter kayması (character drift) denir ve belirsiz istemlerle durum daha da kötüleşir. "Önceki kadının aynısı" yazmak hiçbir işe yaramaz, çünkü model için "öncesi" diye bir şey yoktur. Siz açıkça eklemediğiniz sürece model önceki görselinizi asla görmemiştir.

Kayma, tek bir iş akışı (workflow) içinde bile karşımıza çıkabilir. Kamera açısını değiştirdiğinizde çene hattı kayar. Kıyafeti değiştirdiğinizde aniden çiller yok olur. Kendi deneyimlerime göre, en hassas özellikler tam da insanların birini tanımak için kullandığı unsurlardır: göz yapısı, burun ve saç çizgisi. Arka planlar ve kıyafetler gayet iyi korunurken, yüzler değişip durur.

Dolayısıyla tüm mesele, ister piksel olarak (referans görseller) ister metin olarak (sabit bir açıklama) her bir istekte kimliği modele yeniden beslemektir. Tercihen her ikisini de kullanmalısınız.

Her model kaç referans görseli kabul ediyor?

Referans görselleri, iki yöntemden daha güçlü olanıdır: Karakterin fotoğraflarını yüklersiniz ve model bunları mutlak doğru (ground truth) olarak kabul eder. Google Gemini API görsel dokümanlarına göre limitler modele bağlı olarak büyük ölçüde değişir ve bir model seçmeden önce bu farkları bilmekte fayda vardır.

Tablodaki şaşırtıcı detay Lite modelidir. Genel olarak en fazla görseli (14) o alsa da, dokümanlarda bunların yalnızca nesne referansı olduğu ve karakter tutarlılığı desteği bulunmadığı açıkça belirtilmiştir. Bunu pratik yoldan öğrendik: Lite, girdi olarak bir yüzü seve seve kabul eder ve ardından onu bir ürün fotoğrafı gibi ele alıp ceketle eşleştirirken kişiyi kaybeder. İş akışınız karakter odaklıysa, fiyatı ne olursa olsun Lite devre dışıdır. (Diğer her şey için gerçekten iyi bir bütçe dostu modeldir; Lite sürümünün ne zaman yeterli olduğuna dair ayrı bir rehber hazırladık.)

Diğer ikisi arasında: $0.06 fiyatıyla Nano Banana 2 başlamak için en iyi yerdir. Pro modelinin beşinci karakter yuvası ve daha güçlü kimlik kilidi, çok karakterli sahneler ve nihai varlıklar için önem taşır. Görsel başına $0.11 olan fiyatı, görsel gerçekten bir yere teslim edileceğinde çok da büyük bir ek ücret sayılmaz.

Referans sayısı kadar yükleme açısı da önemlidir. Tek bir açıdan alınan üç referans, modele sadece tek bir açıyı öğretir. Bir ön çekim, bir profil ve bir üç çeyrek (3/4) görünüm ise modele tam bir baş yapısını öğretir.

Karakter şablonu (character sheet) yöntemi nedir?

Karakter şablonu (character sheet), karakterinizi baştan aşağı ayrıntılı bir şekilde tanımlayan ve her isteme kelimesi kelimesine yapıştırdığınız sabit bir metin bloğudur. Henüz referans fotoğraflarınız olmadığında metin tabanlı bir acil durum planıdır ve en başta referans fotoğraflarını nasıl oluşturacağınızın da yöntemidir. Bu, aynı zamanda yapay zeka ajanlarıyla da çalışan yöntemdir: Eğer Claude Code içinde MCP sunucumuz aracılığıyla görseller üretiyorsanız, karakter şablonu herhangi bir yükleme yapmanıza gerek kalmadan istemin içinde taşınır.

Kural şudur: Karakteri bir robot resim çizen polisin isteyeceği şekilde tarif edin. Yaş, vücut yapısı, ten rengi, saç rengi ve kesimi, göz rengi, belirgin işaretler, bir veya iki belirleyici aksesuar. Belirsiz sıfatlar kaymaya neden olur, somut isimler ise karakteri sabit tutar. Aşağıdaki demolar için kullanılan birebir metin bloğu şöyledir:

a woman in her late 20s with shoulder-length copper-red wavy hair,
pale skin with faint freckles across the nose and cheekbones,
green eyes, a small silver hoop earring in her left ear,
wearing a mustard-yellow corduroy jacket over a white t-shirt

Aşağıdaki iki görsel de aynı blok kullanılarak Nano Banana Pro ile üretilmiştir. Sadece etrafındaki sahne metni değiştirilmiştir. Herhangi bir referans görseli eklenmemiştir; bu tamamen metne dayalı bir tutarlılıktır:

Aynı kişi mi? Çok yakın. Yüz yapısı oldukça iyi korunuyor, ceket ve küpe sabit kalmış, çiller her iki sahnede de kaybolmamış. Pikselleri çok yakından incelerseniz (pixel-peep), saç uzunluğunun biraz değiştiğini görebilirsiniz. Bu, yalnızca metne dayalı tutarlılığın gerçekçi sınırıdır. Bu nedenle profesyonel iş akışları yöntemleri birleştirir: Karakter şablonundan en iyi görselinizi üretin ve ardından bu görseli sonraki her şey için bir karakter referansı olarak geri besleyin. Metin kimliği belirler, pikseller ise onu zorunlu kılar.

Bunu üretim ortamında çalıştırmaktan elde edilen iki küçük ipucu. Belirleyici aksesuarlar (küpe, ceket) çok az belirteç (token) harcayarak tanınırlık konusunda büyük iş başarır; her karaktere bir tane verin. Ayrıca şablonu yaklaşık 60 kelimenin altında tutun, çünkü bu sınırı aştığınızda sahne açıklaması, modelin dikkatini çekmek için karakter açıklamasıyla rekabet etmeye başlar.

Çok karakterli sahneler ve yapay zeka storyboard'ları

Tek bir karede iki tutarlı karakter, ucuz numaraların artık işe yaramadığı yerdir. Her iki karakter için birleştirilmiş bir metin şablonu çapraz bulaşmaya (cross-contaminate) meyillidir: Karakter A, B'nin saçını ödünç alır; B ise A'nın ceketini devralır. Yeterli sayıda tekrar üretim (rerun) ile muhtemelen düzeltilebilir, ancak tekrar üretimler para demektir.

Referans görselleri bunu düzgün bir şekilde çözer. Google dokümanlarına göre, Nano Banana 2 en fazla 4, Nano Banana Pro ise en fazla 5 karakter referansı alır ve bu yuvalar farklı kişiler arasında paylaştırılabilir. Her karakterin iki veya üç çekimini yükleyin, ardından rolleriyle adlandırarak sahneyi yazın ("kızıl saçlı kadın, kır sakallı adama kahve uzatıyor"). Kimlik, doğru kişiye çok daha güvenilir bir şekilde bağlı kalır; ancak iki kişi arasında nesne aktaran eller, 2026 yılında bile hala bir piyangodur.

Storyboard'lar bir sonraki doğal adımdır ve bunları yapmanın iki yolu vardır. Kare kare (frame by frame): Panel başına bir üretim, her birine karakter referansları eklenmiş olarak. Nano Banana 2 üzerinde panel başına $0.06 maliyetle, altı panellik bir storyboard $0.36 tutar. Veya tek bir görsel olarak: Nano Banana Pro'dan tek bir üretimde çok panelli bir düzen isteyin. Aşağıdaki panel bu şekilde, tek bir $0.11'lık istek ile yukarıdaki aynı karakter şablonu kullanılarak yapılmıştır:

Tek bir görsel içindeki tutarlılık temelde ücretsizdir, çünkü model tüm panelleri tek bir geçişte çizer ve kendi çalışmasını görebilir. Buradaki ödünleşim (trade-off) çözünürlüktür: Her panel, karenin dörtte biridir. Proje sunumları (pitch decks) ve animatikler için bu gayet iyidir. Bireysel olarak teslim edeceğiniz paneller için ise kare kare üretim yapıp $0.36 ödeyin.

Bir karakteri videoya taşıyabilir misiniz?

Evet, ve burası iş akışının (pipeline) eğlenceli hale geldiği yerdir. Veo 3.1, Google Vertex AI dokümanlarında varlık referans görselleri (asset reference images) olarak adlandırılan özelliği destekler: Bir kişinin, karakterin veya ürünün en fazla 3 fotoğrafı yüklenir ve model, üretilen klipte bu konunun görünümünü korur. Bizim jeneratörümüzde bu kısım Konu Referansı (Subject Reference) bölümüdür. Her zaman sesle birlikte gelen Gemini Omni Flash ise daha cömerttir: klip başına 10 adede kadar referans görseli kabul eder ve bunlar bir başlangıç karesiyle birleştirilebilir (saniye başına $0.10, Omni incelemesinin tamamı burada).

Karakter şablonu, video istemlerinde de değerini kanıtlamaya devam ediyor. Aşağıdaki klip Veo 3.1 Fast ile, yalnızca metin kullanılarak, yukarıdaki görsellerle aynı açıklama bloğuna ek olarak hareket ve kamera dili eklenerek üretilmiştir:

İstem: Karakter şablonu ve ardından "walking toward the camera along a city street at golden hour, slow dolly back, medium shot, shallow depth of field." Altı saniye, sessiz 720p, $0.52. Durağan görsellerdeki karakterle belirgin bir şekilde aynı kişi, ki iki farklı model arasındaki yalnızca metne dayalı bir geçiş için dürüst olmak gerekirse beklediğimden çok daha iyi.

Görsel üretim günlüklerimizden bir uyarı: Varlık referansları (asset references) bazen ifadeleri düzleştirebilir. Yüz eşleşir ancak özellikle az piksel kapladığı geniş çekimlerde biraz donuk (balmumu gibi) görünebilir. Yakın çekimler daha iyi sonuç verir. Eğer bir klip donuk bakışlı bir başrolle geri dönerse, aynı çekimi yeniden üretmek (reroll) yerine çerçeveyi daha dar olacak şekilde yeniden ayarlayın.

Özetle tüm süreç (full stack) şöyledir: karakter şablonu → Nano Banana Pro üzerinde ana görseller (hero images) → bu görsellerin her bir durağan çekim için karakter referansı ve video için varlık referansı (asset reference) olarak kullanılması. Tek bir kimlik, tek bir iş akışı, ücretlendirme sayfasında $0.06'dan başlayan görseller ve $0.10'dan başlayan klipler.

SSS

Karakter tutarlılığı için en iyi yapay zeka modeli hangisidir?

Rakamlarla Nano Banana Pro: 1K veya 2K görsel başına $0.11 maliyetle, 5 adede kadar karakter referans görseli ve serideki en güçlü kimlik kilidini sunar. Nano Banana 2 ise Pro'da bulunmayan stil referanslarının yanı sıra 4 karakter yuvası ile $0.06 fiyatıyla fiyat/performans seçimidir. Bu kullanım senaryosu için Nano Banana 2 Lite modelinden kaçının; karakter referanslarını hiç desteklemez.

Referans fotoğrafları olmadan yapay zeka görsellerinde aynı yüzü nasıl koruyabilirim?

Bir karakter şablonu yazın: Yaş, saç, göz, ten, belirgin işaretler ve bir belirleyici aksesuarı kapsayan 40-60 kelimelik sabit bir açıklama hazırlayın ve bunu her isteme değiştirmeden yapıştırın. Ardından, ileriye dönük olarak en iyi çıktınızı referans görsel olarak kullanın. Yalnızca metin sizi kabaca oraya ulaştırır; metin artı görsel referansları ise orada kalmanızı sağlar.

Gerçek bir kişinin fotoğrafını karakter referansı olarak kullanabilir miyim?

Teknik olarak API her fotoğrafı kabul eder. Yasal ve etik olarak, yalnızca haklarına sahip olduğunuz ve kişinin izni olan fotoğrafları kullanın. İzin almadan tanınabilir gerçek kişileri üretmek, bizimki de dahil olmak üzere çoğu platformun kurallarını ihlal eder.

Kaç tane referans görseli yüklemeliyim?

Daha az sayıda ama daha çeşitli görseller, çok sayıda benzer görselden daha iyidir. Ön, profil ve üç çeyrek açıları kapsayan üç çekim, genellikle birbirine neredeyse benzeyen beş selfieden daha iyi performans gösterir. Kesin limitler: Nano Banana 2'de 4 karakter görseli, Nano Banana Pro'da 5 karakter görseli ve Veo 3.1 videoda 3 karakter görselidir.

Karakter tutarlılığı insan dışı karakterler için de geçerli mi?

Çoğunlukla evet. Maskotlar, robotlar ve stilize hayvanlar genellikle insanlardan daha iyi tutarlılık gösterir, çünkü kimlikleri ince yüz geometrisinden ziyade belirgin şekillerde ve renklerde yaşar. Aynı yöntemler geçerlidir: Şablondaki belirgin sabit özellikler ve kesinleşmiş (canonical) bir tasarıma sahip olduğunuzda referans görseller.