참조 이미지, 정체성 앵커, 캐릭터 시트——여러 번 생성해도 동일성을 유지하는 실전 기법.

왜 일관성이 어려운가

GPT Image 2의 생성은 매번 독립적인 샘플링입니다. 모델은 직전에 당신을 위해 만든 이미지를 전혀 기억하지 못합니다——프롬프트를 다시 읽고 완전히 새로운 해석으로 그립니다. 「갈색 머리의 젊은 여성」 같은 묘사는 수백만 개의 유효한 얼굴에 대응하므로, 두 번 실행하면 글자만 맞을 뿐 서로 다른 두 사람이 나옵니다.

따라서 일관성은 한 번 요청해서 얻는 것이 아닙니다. 모호함을 제거해 공학적으로 만들어내는 것입니다: 픽셀로 정체성을 고정하거나(참조 이미지), 비정상적으로 구체적이고 반복해서 붙여넣는 텍스트 묘사로 고정합니다. 모호한 프롬프트는 흔들리고, 과도하게 구체적인 프롬프트는 버팁니다.

기법 1 —— 참조 이미지 (가장 강력한 지렛대)

GPT Image 2는 참조 이미지를 받습니다. 같은 참조 이미지를 매 생성마다 전달하면, 더 이상 모델에게 얼굴을 발명하라고 시키는 게 아니라 보존하라고 시키는 것입니다. 이는 한 세트의 이미지에서 인물, 마스코트, 제품을 동일하게 유지하는 단연 가장 신뢰할 수 있는 방법입니다.

프롬프트를 참조 이미지에 대한 「변환」으로 쓰고, 그것에 대한 새 묘사로 쓰지 마세요:

Using the provided reference image, keep the subject's face, hairstyle, and outfit 100% identical. Only change the scene to a sunlit Parisian café at golden hour. Same person, same clothing, new environment. Photorealistic, 50mm lens, shallow depth of field.

핵심 역할을 하는 표현들: 「keep … 100% identical」「only change …」「same person」. 어떤 차원이 고정이고 어떤 것이 자유인지 모델에게 명시하는 것입니다.

기법 2 —— 정체성 앵커 (텍스트만으로 일관성)

참조 이미지를 쓸 수 없을 때——예를 들어 완전히 새 캐릭터를 처음부터 생성할 때——정체성 앵커를 만듭니다: 고정된 초구체적 속성 블록을 모든 프롬프트에 글자 그대로 붙여넣습니다. 캐릭터의 DNA 문자열처럼 다루세요.

약한 묘사는 너무 많은 것을 우연에 맡깁니다. 강한 앵커는 모델이 원래 무작위화할 특징을 못 박습니다:

얼굴: 정확한 나이, 얼굴형, 피부톤, 두드러진 특징(작은 점, 주근깨, 흉터)——두드러진 특징이 일반적인 것보다 더 강하게 고정된다
머리: 정확한 색·길이·질감, 그리고 구체적인 스타일(「이마 앞에 두 가닥 흘러내린 헝클어진 높은 포니테일」), 단순한 「긴 갈색 머리」가 아니라
의상: 소재와 핏까지 묘사한 시그니처 복장——얼굴이 약간 흔들려도 반복되는 옷은 같은 캐릭터로 읽힌다
일관되게 사용하는 짧은 캐릭터 이름——피사체에 이름을 붙이면 특징을 붙일 단일 개념을 모델에게 준다

그런 다음 이 앵커 블록을 모든 프롬프트 맨 위에서 재사용하고, 그 아래의 장면만 바꿉니다. 앵커가 특이하고 구체적일수록 모델은 덜 즉흥적으로 합니다.

기법 3 —— 한 번에 만드는 캐릭터 시트

열 장을 생성하고 맞기를 바라는 대신, 필요한 모든 뷰를 담은 한 장을 생성합니다. GPT Image 2는 구조화된 멀티패널 레이아웃에 강하므로, 캐릭터 회전 시트는 모든 각도를 완벽하게 일관시킵니다——모두 같은 패스에서 그려졌기 때문입니다.

Character reference sheet for a single original character on a clean neutral background. Show, in one image: front view, 3/4 view, side profile, and back view, all the SAME character with identical face, hairstyle, and outfit across every pose. Add two facial expression close-ups (neutral and smiling). Consistent proportions, model-sheet style, even lighting, no text labels.

나온 시트 자체를 이후 장면 생성의 참조 이미지로 사용합니다. 사실상 무에서 안정적인 정체성을 부트스트랩한 것입니다.

기법 4 —— 다시 시작하지 말고 반복하라

이미지가 90% 맞으면 버리고 다시 돌리지 마세요. 그것을 참조 이미지로 다시 넣고 외과적 수정을 요청합니다: 「same image, but change only the jacket color to deep green; keep everything else pixel-identical.」 매 라운드마다 잘된 것을 보존하고 변수 하나만 바꿉니다. 텍스트에서 다시 시작하면 방금 제거한 무작위성을 모두 다시 들여옵니다.

흔한 실패와 해결

실행마다 얼굴이 흔들림 → 텍스트 묘사에서 참조 이미지로 전환. 텍스트만으로 여러 이미지에서 얼굴을 유지하기는 거의 불가능
매번 의상이 바뀜 → 의상을 정체성 앵커에 넣고 색뿐 아니라 소재＋핏을 묘사
참조가 무시됨 → 프롬프트를 명시적으로 변환으로 작성(「using the provided image, keep X, change only Y」), 새 묘사로 하지 말 것
캐릭터가 '비슷하지만 동일하지 않음' → 앵커가 너무 일반적임. 모델이 붙잡을 수 있는 정말 두드러진 특징을 한두 개 추가
멀티패널 시트의 패널이 일관되지 않음 → 프롬프트 안에 「the SAME character」를 명시하고 이미지당 패널 수를 줄임