Einen konsistenten KI-Charakter erstellen.

Konsistenz beginnt mit Genauigkeit. Ein vages Briefing („eine freundliche Frau Ende zwanzig“) lässt dem Modell Raum zum Improvisieren, und das tut es dann auch. Je präziser Du das Gesicht festlegst, desto stabiler wird alles, was danach kommt.

Fang bei Deinem ICP an, also Deiner idealen Kundschaft oder Zielgruppe. Lucia ist die Person, der mein Publikum vertraut und die es gern wäre. Ich habe mein ICP in Claude eingefügt und mir eine detaillierte, fotografische Beschreibung schreiben lassen. Das ist der Steckbrief, der dabei herauskam. Nimm ihn als Vorlage für Deinen eigenen:

Steckbrief und Prompts in dieser Anleitung bleiben bewusst auf Englisch. Bildmodelle arbeiten mit englischen Prompts am zuverlässigsten, also schreib auch Deine eigenen auf Englisch.

THE CHARACTER — identical in every panel:
- Age & build: 24, slim and lightly toned, ~170 cm, elegant posture.
- Face: defined cheekbones, full natural lips, a faintly asymmetrical smile that pulls a little higher on the right.
- Eyes: complete heterochromia — from the camera's view, the eye on the LEFT is warm brown and the eye on the RIGHT is ice blue. Pin the sides to the camera, or the model flips them.
- Hair: golden-blonde, shoulder-length, in soft loose waves, parted off-centre, a strand or two falling across the temple.
- Skin: fair, natural texture, a small beauty mark near the left corner of the mouth.
- Expression: confident and direct, a little playful — quick, intelligent eyes.
- Wardrobe: soft-ivory fine-knit top tucked into high-waisted taupe trousers, slim leather belt, white leather sneakers, one delicate gold necklace (no earrings).
- Vibe: polished-natural makeup (groomed brows, soft mascara, neutral lip); magnetic and aspirational, yet human.

Als Nächstes machst Du aus dem Steckbrief ein einziges Bild, das dieselbe Person aus mehreren Blickwinkeln gleichzeitig zeigt: ein Character Sheet. So hat jeder weitere Schritt mehrere Anker für dieselbe Identität, und das Gesicht bleibt viel stabiler als mit einem einzelnen Porträt.

Ich habe dafür nano-banana genutzt (das Bildmodell von Gemini). Füg Deinen ausgefüllten Steckbrief an der markierten Stelle ein:

Create a professional character reference portfolio of one single consistent
young woman, presented as a clean character sheet grid on a seamless light-grey
studio background with soft, even diffused lighting. Photorealistic, shot on an
85mm lens, natural skin texture, no retouching, no beauty-filter smoothness.

THE CHARACTER — identical in every panel:
[paste your filled-in character brief here]

LAYOUT — one grid, the SAME person in every panel:
- Row 1: head-and-shoulders — front, 3/4, and profile views
- Row 2: full-body standing shot — front, 3/4, and profile
Keep identical face, hair, build, and wardrobe in every panel. Neutral pose,
relaxed expression, consistent lighting and colour across the whole sheet.

Erzeug ein paar davon und behalte das Blatt, auf dem das Gesicht am überzeugendsten und über alle Ansichten am einheitlichsten ist. Dieses Blatt ist Deine Referenz. Alles andere wird darauf abgestimmt.

Aus einem einzigen Bild lernt ein Modell kein Gesicht. Fürs Training brauchst Du ein kleines Datenset, bei mir waren es rund 30 Bilder, von derselben Person in verschiedenen Szenen, Bildausschnitten, Gesichtsausdrücken und Lichtsituationen. Durch diese Vielfalt verallgemeinert das trainierte Modell, statt ein einzelnes Foto auswendig zu lernen.

Gib das Referenzblatt als Identitätsanker wieder mit und frag jedes Mal nach einer neuen Szene. Ich habe Claude diese Prompts in Serie schreiben lassen, damit die Beschreibung der Person immer gleich blieb und sich nur die Szene änderte:

Using the attached reference sheet as the EXACT identity of the character,
generate a new photo of the SAME woman — identical face, hair, freckles,
build, and overall look.

CRITICAL — she has heterochromia (two different eye colours), and this must be
clearly visible. Describing the eyes from the CAMERA'S / viewer's perspective:
the eye on the LEFT side of the image is warm brown, and the eye on the RIGHT
side of the image is ice blue. Do not give her matching eyes and do not swap
these colours.

Scene:     [a sunny Lisbon cafe terrace, holding an espresso]
Framing:   [waist-up, candid, shot on 35mm]
Lighting:  [warm golden-hour daylight, soft shadows]

Photorealistic, natural skin texture, no beauty filter. Her identity must
match the reference exactly — only the scene, pose, and outfit change.

So sieht genau dieser Prompt in Aktion aus. Wir haben dem Bildmodell Lucias Referenzblatt zusammen mit dem Prompt oben gegeben und um ein paar Varianten gebeten. Diese drei kamen in Sekunden zurück. Dieselbe Frau, dieselben unterschiedlichen Augen, in einem sonnigen Café in Lissabon, in dem sie nie war. Wir haben einfach die behalten, die uns am besten gefielen.

Variier stark: drinnen und draußen, Nahaufnahme und Ganzkörper, verschiedene Outfits, Tag und Nacht, spontan und gestellt. Sortier alles aus, bei dem das Gesicht abweicht. Ein sauberes Datenset aus 25 starken Bildern schlägt 40 uneinheitliche.

Wenn Du mit dem Set zufrieden bist, leg alle Bilder in einen Ordner und pack ihn als ZIP. Diese ZIP-Datei gibst Du im nächsten Schritt an das Training.

Eine LoRA ist eine kleine Erweiterung, die einem großen Bildmodell genau eine neue Sache beibringt, in unserem Fall Lucia. Nach dem Training kann das Modell sie allein aus einem Text-Prompt erzeugen, ganz ohne Referenzbild. fal.ai übernimmt das Training für Dich in der Cloud und gibt Dir am Ende eine Gewichtsdatei zurück.

fal.ai einrichten

Leg einen Account auf fal.ai an, öffne das Dashboard und erzeug einen API-Key (Dashboard → Keys). Speicher ihn an einem sicheren Ort, wir übergeben ihn an jedes Skript. Das Training einer Flux-LoRA kostet ein paar Dollar an Credits.

Python einrichten

Die Skripte unten sprechen mit der API von fal. Du brauchst Python 3 (python3 --version sollte eine Version ausgeben). Dann installierst Du einmalig den Client von fal:

python3 -m pip install fal-client

Training starten

Speicher das Skript unten als train.py im selben Ordner wie Dein gepacktes Datenset. Es lädt die ZIP-Datei hoch, startet das LoRA-Training, wartet, bis es fertig ist, und gibt die URL Deiner trainierten Gewichte aus.

# train.py — train a character LoRA on fal.ai
import fal_client

# 1) Upload your zipped image set (~20–40 images)
images_url = fal_client.upload_file("lucia_dataset.zip")

# 2) Start training and wait for it to finish
result = fal_client.subscribe(
    "fal-ai/flux-lora-fast-training",
    arguments={
        "images_data_url": images_url,
        "trigger_word": "LUCIA",   # the word that summons your character
        "steps": 1000,
    },
    with_logs=True,
)

# 3) Save this URL — you reuse it for every generation
print("LoRA weights:", result["diffusers_lora_file"]["url"])

Starte es im Terminal und übergib Deinen Key direkt im Befehl, damit er nie in der Datei landet:

FAL_KEY="your-fal-api-key" python3 train.py

Nach ein paar Minuten gibt es eine .safetensors-URL aus. Diese Datei ist Lucia. Notier sie Dir, sie ist ab jetzt die Grundlage für jedes Bild, das Du erzeugst.

Mit der trainierten LoRA brauchst Du kein Referenzbild mehr. Du nennst Deinen Charakter im Prompt und beschreibst die Szene. Speicher das hier als generate.py und füg die URL Deiner Gewichte ein:

# generate.py — make new images of your trained character
import fal_client

LORA_URL = "https://…/your-trained-lora.safetensors"   # from train.py

result = fal_client.subscribe(
    "fal-ai/flux-lora",
    arguments={
        "prompt": "LUCIA, walking through a Lisbon street market, "
                  "warm morning light, candid, 35mm",
        "loras": [{"path": LORA_URL, "scale": 1.0}],
        "image_size": "portrait_4_3",
        "num_images": 4,
    },
)

for img in result["images"]:
    print(img["url"])

FAL_KEY="your-fal-api-key" python3 generate.py

Schreib immer Dein Trigger-Wort (LUCIA) in den Prompt, denn das aktiviert den Charakter. Ab hier kannst Du dem Modell neue Referenzen geben, etwa eine Pose, einen Ort oder ein Outfit, und es setzt Lucia präzise hinein, weil es ihr Gesicht längst auswendig kennt.

Das ist der ganze Ablauf: eine Beschreibung, ein Referenzblatt, ein kleines Bilder-Set, ein kurzes Training und danach unbegrenzt viele Bilder einer Person, die es nicht gibt, die aber jedes einzelne Mal zuverlässig sie selbst ist.

FAL_KEY=… direkt im Befehl zu übergeben ist okay, solange Du lernst. Aber Dein Key landet so in der Shell-History, und bei einer Bildschirmfreigabe ist er schnell versehentlich sichtbar. Die saubere Gewohnheit: Leg den Key in eine .env-Datei, die nur auf Deinem Rechner liegt.

Leg neben Deinen Skripten eine Datei namens .env an:

FAL_KEY=your-fal-api-key

Installier den Loader und lies die Datei ganz oben in Deinem Skript ein:

python3 -m pip install python-dotenv

from dotenv import load_dotenv
load_dotenv()          # reads .env and sets FAL_KEY for fal_client

import fal_client
# … rest of your script unchanged; now just run:  python3 train.py

.env