Postava drží, kým sada obsahuje tvár, ktorú záber potrebuje

Keď chcete, aby vám AI opakovane vyrobila tú istú tvár (postavu do videa, človeka, ktorý sa má vrátiť aj o mesiac), dostanete jednu radu: dajte modelu referenčné fotky. Je to správna rada. Je neúplná, lebo berie ako samozrejmosť, že nejaké dobré fotky stačia.

Nestačia. Dôvod sa zmestí do jednej vety.

Nie je to o kvalite fotiek. Je to o pokrytí.

Šesť dobrých fotiek a dve zlyhania

24. augusta 2026 sme dostali šesť fotiek jedného reálneho človeka, z ktorých sme mali stavať generované zábery. Toľko vyzeralo ako dosť. Boli ostré, dobre osvetlené, správne exponované. Na fotkách samotných nebolo čo vytknúť.

Na dvoch z prvých šiestich generovaní bol viditeľne iný človek.

Prvá reakcia bola tá istá, akú má každý: zlé zadanie. Do zadania sme veľkými písmenami napísali, že model nemá tvár skrášľovať. Nezmenilo to nič. Spätne je jasné prečo. Model nikomu nelichotil, vypĺňal dieru.

Diera bola takáto: na šiestich fotkách nebol ani jeden úsmev. Otvorené oči sa vyskytovali len v dvoch polohách, úplne spredu a takmer z profilu. Medzi nimi nič.

Vo chvíli, keď mal záber ukázať usmiatu tvár mierne natočenú nabok, model nemal z čoho interpolovať. Nemal medzi čím hľadať priemer. Musel vyrobiť ústa, líca a spodné viečka od nuly. To sú presne tie časti tváre, podľa ktorých človeka spoznávame.

Prídavné mená túto dieru nezatvoria. Zatvorí ju fotoaparát.

To je celá štúdia. Zvyšok je návod, ako dieru nemať.

Päť osí, na ktorých sa diery robia

Sada sa neposudzuje podľa toho, aké sú fotky pekné, ale podľa toho, aké kombinácie pokrýva. Osi, na ktorých nám diery reálne vznikli, sú tieto.

Diera nie je chýbajúca os. Diera je chýbajúca kombinácia. Sada, v ktorej sú otvorené oči aj natočená hlava, ale nikdy naraz, má dieru presne tam, kde vznikne prvý normálny záber.

Stalo sa nám to dvakrát, v dvoch nezávislých sadách. Pri reálnom človeku chýbal úsmev pri natočenej hlave. Pri vymyslenej postave sme mali osem fotiek, na ktorých sa mení len natočenie hlavy, a na všetkých s natočenou hlavou mala postava sklopené oči. Druhá sada menila len výraz a na všetkých sa pozerala vodorovne do objektívu. Záber, kde má pozerať hore, nemal kotvu ani v jednej. Dorobili sme tretiu sadu.

Jedenásť záberov, ktoré si pýtame

Keď dnes žiadame človeka o referenčné fotky, neposielame vetu „pošli mi nejaké fotky“. Posielame zoznam a obrázok s ukážkovými polohami. Zoznam má jedenásť položiek a osem z nich je povinných.

Povinné, 1 až 8

Doplnkové, 9 až 11

Pár poznámok, prečo sú tam práve tieto.

Piaty záber je ten, na ktorý sa zabúda. Je to poloha medzi pokojnou tvárou a úsmevom: počúvam ťa, ešte sa neusmievam. V bežných záberoch je to najpoužívanejší výraz vôbec. Nič iné ho nepokrýva.

V záberoch 6 a 7 je diera, ktorú nikto nepredvída. Fotka spredu má otvorené oči, fotka z profilu má otvorené oči, a medzi nimi je pásmo, kde je hlava natočená a oči idú do objektívu. To je poloha, v ktorej vzniká väčšina reálnych záberov. Ak ju v sade nemáte, model ju vyrába.

Štvrtý záber je jediný, ktorý umožní, aby postava vyzerala, že rozpráva. Bez neho je každý pootvorený úsmev vymyslený.

Zábery 9 a 10 nie sú o tvári. Sú o tom, že ak sada obsahuje len portréty po hruď, telo si model domyslí, potichu a bez toho, aby to na jednotlivom zábere vyzeralo zle. Stalo sa nám to pri inej vymyslenej postave: na jedinej zdrojovej fotke mala mikinu, ktorá telo úplne zakrývala, a prvá séria celopostavových záberov si jej telo jednoducho vymyslela. Musela sa opraviť.

Cena jedného záberu navyše je tridsať sekúnd. Cena jedného chýbajúceho je celé kolo generovania, ktoré sa vráti ako iný človek.

Ako fotky robiť, aby sa dali použiť

Štyri veci, na ktorých sa to najčastejšie láme. Všetky sme si zaplatili.

1 · Najlepšie je, keď fotí niekto iný. Selfie je v poriadku. Miešať to nie je.

Ideál je druhý človek, zadný fotoaparát, asi dva metre odstup, mobil vo výške očí. Predný fotoaparát z natiahnutej ruky tvár opticky deformuje: zväčší nos a čelo a skráti vzdialenosti medzi črtami. Referenčná sada je meranie, takže sa tá deformácia zapečie do všetkého, čo z nej neskôr vznikne.

Povedzme to naplno: selfie je oveľa lepšie ako nič. „Nájdi si niekoho, kto ťa jedenásťkrát odfotí“ je podstatne väčšia požiadavka ako „sprav si jedenásť selfie“. Rozdiel medzi sadou a žiadnou sadou je väčší než rozdiel medzi selfie sadou a poriadnou.

Čo naozaj zaväzuje, je konzistencia, a týka sa len fotiek tváre, teda 1 až 8. Sada, ktorá mieša selfie z natiahnutej ruky s portrétmi z dvoch metrov, opisuje dve mierne odlišné tváre. Model si z nich spraví priemer. Ten posun na jednotlivej fotke nevidno.

Fotky 9 až 11 sú z tohto pravidla výslovne vyňaté. Celopostavová fotka si vyžaduje druhého človeka alebo opretý mobil už z definície, takže žiadať, aby zapadla do selfie sady, je požiadavka, ktorá sa nedá splniť. Je aj zbytočná: pri celej postave má tvár pár desiatok pixelov a nie je tam geometria, ktorá by sa dala skresliť. Túto výnimku treba v správe výslovne uviesť. Upozornila nás na ňu kontrola textu a človek, ktorý by tú správu čítal, by narazil na ten istý rozpor.

2 · V plnej kvalite, nie cez posielanie fotky v chate. Nám sada prišla prekomprimovaná na 960 × 1280 pixelov ešte predtým, než sa jej niekto dotkol. Komunikačná aplikácia to spravila automaticky pri odoslaní. Poslať to ako dokument, mailom alebo cez zdieľaný disk, a rozmery po prijatí skontrolovať. Nie predpokladať.

3 · Tričko bez nápisu. Potrápilo nás to dvakrát a zakaždým z inej strany. Ak je na tričku text, nesie ho do generovaného obrazu každá jedna referenčná fotka a každé zadanie potom míňa odsek na to, aby ho model zmazal. Skontrolujte, čo je na oblečení, kým sa fotky stanú referenčnou sadou. Potom je neskoro a stojí to odsek navždy.

4 · Jednofarebná stena, denné svetlo, bez mejkapu, ostré. Nie pekné, ale čitateľné, lebo referenčná fotka je meranie, nie portrét. Povedzte to výslovne: nech nefotia znova zábery, na ktorých sa sami sebe nepáčia. Budú chcieť. Tá zahodená býva tá najúprimnejšia.

Súhlas, ak je na fotkách reálny človek

Toto je krátka časť a nedá sa preskočiť.

Ak referenčná sada zobrazuje reálneho človeka, povolenie je artefakt: písomné, s vymedzeným rozsahom, odvolateľné a získané predtým, než požiadate o prvú fotku. Nie po nafotení. Nie „však si to potom nejako vyjasníme“.

Stačia tri riadky a dátum v správe, ktorú vám ten človek pošle.

• →Na čo tie fotky budú: generované obrázky, zverejnené, komerčný účet.
• →Kde sa objavia.
• →Že sa to dá kedykoľvek a bez udania dôvodu odvolať a všetko sa zmaže.

Rozsah platí len na to, čo je v ňom napísané. Súhlas s fotkami nie je súhlas s videom a nie je súhlas s hlasom. To je samostatná otázka a samostatný rozhovor.

Praktický dôsledok, ktorý stojí za vyslovenie: nestavajte nič, čo by sa zajtra draho rozoberalo, keby ten človek súhlas stiahol. Ak by odvolanie znamenalo zrušiť rozbehnutú kampaň, je to zle postavené. Odvolateľnosť musí fungovať predtým, než ju niekto potrebuje.

Vygenerovať fotorealistickú podobizeň človeka, ktorý naozaj existuje, je prísnejší prípad než vymyslieť si postavu, nie voľnejší. Pravidlá okolo označovania AI obsahu sú samostatná téma a máme na ňu samostatný text. Tu ide o niečo iné a jednoduchšie: o to, že podobizeň patrí tomu človeku.

Keď je postava vymyslená: tri priečinky, nie jeden

Máme aj vymyslenú postavu. Volá sa Ela, neexistuje, a na profile, na ktorom vystupuje, je označená ako AI. Jej referenčná sada vznikla inak než pri reálnom človeku: negenerovala ju kamera, ale model. Preto na nej vidno mechaniku, ktorú fotografie skrývajú.

Na začiatku je jedna jediná fotka: záber z castingového kola z 21. augusta 2026. Nevznikla generovaním z inej fotografie. To je pôvodina.

Z nej visia tri priečinky a každý má jednu premennú.

Prečo tri, a nie jeden. Prvý priečinok je meranie geometrie: jediná premenná v ňom je natočenie hlavy, a preto sú tváre v ňom zámerne neutrálne. Nie je v ňom nič, čím by sa dal začať teplý záber priamo do kamery. Druhý priečinok to dopĺňa, ale na všetkých ôsmich záberoch v ňom sa postava pozerá vodorovne. Záber, kde má pozerať hore, nemal kotvu ani v jednom. To je presne ten typ diery, ktorý sa objaví až vtedy, keď ho potrebujete.

Keď žiadny priečinok neukazuje tam, kam záber potrebuje, sadu rozšírte a nenechajte model vymýšľať. Tretí priečinok je presne toto: ďalšie kolo generovania z tej istej pôvodnej fotky, nie nová vetva.

Pravidlo, ktoré k tomu patrí: kotviť sa smie len na tieto tri priečinky. Všetko ostatné, čo v projekte vzniklo (hotové zábery, testy, pekné výsledky) je výstup, nie referencia. O tom je celá ďalšia časť.

Kotva sa vyberá pre každý záber zvlášť

Nie je to otázka „je to zakotvené“. Je to otázka, ktorou fotkou.

Frontálna referencia požiadaná o profil znamená, že model musí vymyslieť odvrátenú polovicu tváre. Vymýšľanie je presne to miesto, kde postava prestáva byť sama sebou.

Postup, ktorý u nás funguje: najprv zosúladiť natočenie do strán, potom sklon. Použite tú fotku, ktorej hlava už ukazuje tam, kam má ukazovať v zábere.

Zmerali sme to na šiestich záberoch, na ktorých sme nemenili nič okrem kotvy. Dva, ktoré držali podobu najlepšie, boli zakotvené na fotku, ktorá už mala sklopené oči. Dva, ktoré postavu stratili, boli zakotvené na fotky pozerajúce vodorovne do objektívu. Bol to najväčší jednotlivý posun, aký u nás dosiahla ktorákoľvek zmena. Väčší než zmena modelu. Väčší než prepísanie zadania.

Jedna vec, ktorá sa dá ľahko pomýliť: nebolo to o veľkosti tváre. Tie dva zábery, ktoré postavu stratili, mali v sade najväčšie tváre. Veľká, ostrá, detailná referencia nepomôže, ak ukazuje inam.

Súvisiaca poznámka o zadávaní póz: pýtajte polohu cez to, čo je vidno a čo nie je, nie cez stupne. „Jej pravé oko a pravé líce sú úplne skryté za nosom“ má jednu správnu odpoveď. „Otočená o 75 stupňov“ ich má sto a model si vyberie tú najlacnejšiu.

Nikdy nekotvite na vlastný výstup

Toto je pravidlo, ktoré vyzerá ako upratovanie a nie je.

Každá fotka v našej referenčnej sade je jeden krok od pôvodiny a ani jedna nevznikla z inej fotky v tej istej sade.

Dôvod: každé generovanie robí tvár rovnakým smerom užšou, hladšou, krajšou a mladšou. Zakaždým trochu. Na jednotlivom zábere to nevidno.

Ak fotku č. 2 vyrobíte z fotky č. 1, ten posun sa spočíta. Ak fotku č. 3 vyrobíte z č. 2, spočíta sa trikrát. Naša pôvodná vetva mala štyri takéto skoky za sebou. Bolo to vidieť: postava postupne strácala pôvodný charakter. Nedalo sa to pomenovať, kým sme ju neporovnali s pôvodinou.

Ak sú naopak všetky fotky jeden krok od tej istej pôvodiny, ich chyby sú nezávislé. Každá sa mýli trochu inak a nič sa nespočítava.

Najkratšie sa to dá povedať takto: sada prestavaná podľa sady zdedí presne to, čoho ste sa chceli zbaviť. Je to ako robiť zálohu zo zálohy. Chyba, ktorú chcete odstrániť, je práve tá, ktorú si beriete ako predlohu.

Pri reálnom človeku je toto obrovská výhoda a stojí za to ju pomenovať: jeho referencie sú fotografie, takže posun je nula. Fotografia nevznikla generovaním, takže sa nemá ako posunúť. Tá výhoda zmizne v okamihu, keď medzi referencie pustíte jeden vygenerovaný záber. Fotografie sú sada a nič iné sa k nim nikdy nepridáva.

Pasca povýšenia, najdrahšia chyba v tomto texte

Toto sa nám stalo a stálo to týždne práce.

Mali sme pôvodnú fotku a potrebovali sme na nej zmeniť jedinú vec, štíhlejšie telo. Zadanie to povedalo a výslovne vymenovalo, čo sa meniť nesmie, vrátane okrúhlosti tváre v lícach a v sánke.

Tvár sa aj tak zúžila. Model, ktorý má vo zvyku zoštíhľovať, nezoštíhľuje len to, o čo ste ho požiadali.

Teraz tá drahá časť. Ten nový záber sme povýšili na hlavnú referenciu a od tej chvíle sa už nikdy neporovnával s tým, čo nahradil. Nová hlavná referencia sa stala meradlom na posudzovanie vlastných potomkov. Každý ďalší záber vyzeral na svoju vlastnú predlohu skvele, lebo predlohou bola už tá posunutá tvár.

Prežilo to štyri kolá. Postavili sa na tom dve celé referenčné sady a niekoľko projektov.

Odhalilo sa to až vtedy, keď sme urobili porovnanie, ktoré dovtedy nikoho nenapadlo: orezali sme všetky tri verzie tak, aby mala tvár na obrazovke rovnakú veľkosť. Pri rovnakej veľkosti obrázka je ten posun neviditeľný, lebo tvár je zakaždým inak veľká a oko to nezachytí. Pri rovnakej veľkosti tváre je to zrejmé na prvý pohľad.

Z toho sme si nechali dve pravidlá.

Prvé pravidlo je celé o tom, že skontrolujete práve tú vec, o ktorej ste presvedčení, že sa nezmenila. Žiadali ste telo, tak si pozrite tvár.

Opravovať sa to dá tak, že sa kotvy rozdelia podľa úlohy (tvár z jednej fotky, telo z druhej) plus výslovná veta „nerob z tých dvoch referencií priemer“. Nám to pomohlo len čiastočne. Nakoniec sme celú vetvu odložili a postavili sadu nanovo z pôvodiny. Odložili, nie zmazali, lebo je to záznam o tom, ako sme sa sem dostali.

Detail sa nikdy nekotví na celok

Posledné pravidlo. Je najmenej intuitívne.

Keď dáte modelu referenčnú fotku, neberie si z nej len tvár a farby. Berie si aj rám: výšku kamery, vzdialenosť a kompozíciu.

Zistili sme to tak, že sme všetky detailné zábery zakotvili na jeden široký záber miestnosti. Všetky detaily sa vrátili v mierke miestnosti, bez ohľadu na to, ako nástojčivo si zadanie pýtalo detail z pár desiatok centimetrov. Štyri kolá sme to skúšali opraviť slovami. Nepomohlo ani raz.

Fungovalo až toto: dve kotvy. Jedna široká, ktorá určuje priestor, svetlo a farby. Jedna blízka, ktorá určuje mierku. Detailný záber dostane obe. Zabralo to okamžite.

Rovnaká vec platí aj naopak, v jemnejšej podobe. Ak pridáte referenciu kvôli jednej veci (kvôli farbe dreva, kvôli materiálu), príde s ňou aj jej kompozícia. Nám to raz zhodilo záber, ktorého celým zmyslom bola výška kamery: pridali sme vzorkovník farieb a kamera sa zdvihla za ním.

Čo to opravilo, nie je prídavné meno, ale odmietnutie so zoznamom. Napíšte, na čo tá referencia je, potom vymenujte po jednom, na čo nie je: nie jej rám, nie jej výška kamery, nie jej vzdialenosť, nie jej kompozícia. Zakončite tým, čo to je za vec: je to vzorkovník, nie fotografia. Tá posledná veta robí skutočnú prácu. Vymenované odmietnutia zastavia prenos. „Je to vzorkovník“ zastaví toho ďalšieho, kto by ich potichu vymazal.

Vždy, keď pridávate referenciu z jedného úzkeho dôvodu, napíšte k nej v tom istom dychu aj to, čo si z nej brať nemá.

Čo referenčná sada nevyrieši

Aby to bolo poctivé, treba povedať aj druhú stranu. Raz sme sa mýlili, a mýlili sme sa smerom k drahšej odpovedi.

Postava sa nám opakovane vracala smutná. Prvým miestom, kam sme sa pozreli, bola referenčná sada: asi jej chýba teplý výraz, treba vygenerovať novú sadu.

Nebola to sada. Bolo to zadanie. Overili sme to kontrolným pokusom: prepísané zadanie sme pustili proti starým referenciám, žiadne nové. Výsledok sa vrátil rovnako teplý ako všetko ostatné.

Chyba v zadaní bola takáto. Pýtalo si jednu abstrakciu („taký ten suchý pohľad človeka, ktorý sa chystá povedať niečo trefné“) a k nej štyri zápory: ústa zavreté, nehovorí, nesmeje sa, neusmieva sa naširoko. To je jedna metafora a štyri neprítomnosti, a ani jeden pokyn pre akúkoľvek časť tváre. Model teda ústa vyriešil svojím východiskovým tvarom. Ten je plochý.

Opravilo to pomenovanie svalov, kladne: kútiky ťahané hore a dozadu, líca stiahnuté a zdvihnuté, spodné viečka zdvihnuté, jemné vrásky vo vonkajších kútikoch očí. Zabralo to na prvý pokus a v každom kole.

Z toho plynie rozlíšenie, ktoré stojí za zapamätanie.

• →Chýba kombinácia natočenia, pohľadu a výrazu: to je diera v sade a rieši sa fotoaparátom.
• →Sada tú polohu má, a napriek tomu vychádza plocho: to je zadanie a rieši sa slovami, a to kladnými.

Neutrálna geometrická referencia sama od seba výraz netlačí. Tlačia ho slová. Zámena týchto dvoch diagnóz stojí celé kolo generovania.

Čo si z toho odniesť, ak to riešite prvýkrát

Bez ohľadu na to, aký nástroj používate.

Hranice tohto merania, aby ste ich nemuseli hľadať

• →Toto nie je benchmark. Je to niekoľko modelov na našich úlohách, s našimi zadaniami, v druhej polovici augusta 2026. Vypovedá to o našom použití, nie o modeloch všeobecne.
• →Väčšina pozorovaní tu má malé počty: šesť fotiek a šesť generovaní, šesť záberov pri meraní kotvy, osemnásť buniek v porovnaní modelov. Sú to smerovky, nie štatistika.
• →Schopnosti modelov sa menia po mesiacoch. 22. 8. 2026 sme overili, že gemini-3-pro-image prijme v jednom volaní až päť referenčných fotiek tej istej postavy a gemini-3.1-flash-image štyri. gpt-image-2 v ten deň v našom použití porovnateľný vstup vyhradený pre postavu nemal a pracoval s jednou referenciou. Ak toto čítate o pol roka neskôr, overte si to znova.
• →Jedno porovnanie modelov, ktoré sme spravili, si protirečí samo so sebou, a nechávame to tak. 22. 8. 2026 sme pustili šesť modelov na tri rovnaké zábery, každý jeden krok od tej istej pôvodnej fotky. Na dodržaní pózy vyhral gemini-3-pro-image jednoznačne: bol jediný, ktorý na požiadanie dodal skutočný profil. Na podobnosti tváre nám na tom teste vyzerali bližšie výstupy z gpt-image-2. Rozhodli sme sa pre Gemini Pro, lebo dodržanie pózy bola jediná vec z toho porovnania, ktorú sme neposudzovali okom, a podobnosť sa dá podoprieť viacerými referenciami, kým chýbajúce natočenie hlavy sa slovami dohnať nedá. Je to rozhodnutie o našej úlohe v ten deň, nie súd nad niektorým z tých modelov.
• →Skúšali sme aj FLUX.2. Na našich zadaniach vracal presnejší výraz, ale slabšie držal podobnosť, takže ho nepoužívame. Pre túto úlohu, k augustu 2026.
• →Nemeráme tu, koľko to stojí. Náklady na generovanie sú samostatná téma a máme na ňu samostatný text.

Merané a spísané 25. 8. 2026. Všetky opísané zlyhania sú naše vlastné a všetky sa stali medzi 21. a 25. augustom 2026.