Автор заметки на японском note добился в Kling, чтобы две гориллы по-разному ели манго, после смены композиции. Для сцен с похожими персонажами это важная мелочь: модель может перепутать не только действия, но и того, кому они назначены.
Сначала креатор сделал фотореалистичных горилл-близнецов, но разница между «одна ест аккуратно, другая — с размахом» почти не проявилась. В промпте для второй было messily biting — кусать, разбрызгивая сок. А формулировки one gorilla и the other gorilla не помогали понять, какая именно горилла что делает: персонажи выглядели одинаково.
Затем автор перешёл от изображения к генерации видео в Kling и начал с крупного плана за столом. Реализм сохранился, но результат всё ещё не устраивал. Во второй попытке стол убрали, горилл посадили на землю на улице, а камеру отодвинули так, чтобы в кадре были видны обе целиком.
В промпте действия закрепили за местом: левая горилла медленно и аккуратно чистит манго, правая целиком кусает плод, и сок попадает ей на шерсть. Разницу наконец стало хорошо видно. Вывод простой: для похожих персонажей задавайте «слева» и «справа», а если действия теряются — меняйте не только слова, но и план. Иногда композиция объясняет модели задачу лучше длинного промпта.
Источникnote #動画生成AI
