Je genereert een karakter. Je bent dol op het resultaat. Je draait nog een generatie om datzelfde karakter in een andere scène te krijgen. Wat je terugkrijgt is een andere vrouw. Dit is het probleem nummer één in adult AI-video in 2026, en de reden waarom de meeste gebruikers die een coherente visuele wereld willen bouwen het na een paar dagen opgeven.
Deze gids legt uit waarom het technisch zo moeilijk is, hoe je het meet op objectieve wijze, en welke diensten het het best afhandelen per april 2026.
Het probleem, concreet
Modellen voor afbeeldingsgeneratie (Stable Diffusion, FLUX, Pony, Illustrious) en videomodellen (Wan 2.1, HunyuanVideo, LTX) zijn statistische functies: ze nemen tekst als input en geven een kansverdeling van plausibele resultaten als output. Dezelfde prompt, bij dezelfde seed, geeft hetzelfde resultaat. Dezelfde prompt, bij verschillende seeds, geeft verschillende resultaten — soms enorm verschillend.
Bij een menselijk karakter treffen deze variaties vooral het gezicht (afstand tussen de ogen, vorm van de neus, lijn van de lippen, expressie) en de lichaamsverhoudingen (schouderbreedte, vorm van de heupen). Voor het blote oog verandert een variatie van 10-15% in deze parameters “dezelfde vrouw in twee situaties” in “twee vrouwen die vaag op elkaar lijken”.
Dit is een probleem omdat:
- Voor storytelling — je kunt geen verhaal over meerdere clips bouwen als het karakter van de ene clip naar de volgende niet herkenbaar is
- Voor immersie — het menselijk brein detecteert direct dat het niet dezelfde persoon is, waardoor de emotionele draad breekt
- Voor branding — als je gepubliceerde content maakt (AI-ondersteunde OnlyFans, fanart, enz.) is de herkenbaarheid van het karakter letterlijk je merk
De drie technieken om consistentie af te dwingen
Techniek 1 — Vaste seed
Principe. Elke generatie in een diffusiemodel wordt bepaald door een seed — een getal dat de willekeurige ruis initialiseert waar het model vanuit vertrekt. Dezelfde prompt + dezelfde seed = dezelfde output, pixel voor pixel.
Beperking. Het werkt alleen als de prompt strikt identiek blijft. Op het moment dat je één enkel woord verandert — om het karakter naar een andere scène te verplaatsen — divergeert de output volledig. Een vaste seed laat je een afbeelding repliceren, geen variatie bouwen.
Praktisch gebruik. Handig om een afbeelding die je kwijt was opnieuw te genereren, niet om een wereld te bouwen.
Techniek 2 — Gezicht- / karaktervergrendeling via IP-Adapter
Principe. Je voert het model een referentieafbeelding van het gezicht (of het hele karakter) door een extra module genaamd een IP-Adapter. Het model genereert dan nieuwe afbeeldingen met respect voor de visuele kenmerken van die referentie. Deze techniek wordt gebruikt door Candy.ai en, in vereenvoudigde vorm, door Seduced.AI.
Beperking. Consistentie is probabilistisch, niet perfect. Afhankelijk van hoe complex de nieuwe scène is, kan het gezicht 5-20% afdrijven. InsightFace-metingen (cosinusgelijkenis tussen gezichten) zakken van 0,95 op de beste generaties naar 0,70 op de slechtste — onder de drempel waar het menselijk oog “een andere persoon” begint te zien.
Praktisch gebruik. Dit is de techniek die in 2026 het best werkt voor mainstream-diensten. Candy.ai stelt de functie transparant beschikbaar (“persistent karakter”), en Seduced.AI biedt een vergelijkbaar systeem (AI Characters) met iets zwakkere resultaten.
Techniek 3 — Image-to-video-aaneenschakeling (sliding window)
Principe. Voor video kun je gebruikmaken van het feit dat een i2v-model (image-to-video) een startafbeelding neemt en een korte video genereert die daarop voortborduurt. Door de laatste frame van clip N te nemen en die als startafbeelding voor clip N+1 te voeren, krijg je natuurlijke visuele continuïteit — karakters veranderen niet abrupt.
Beperking. De afdrijving stapelt zich op: na 3-4 aaneengeschakelde clips is het uiterlijk van het karakter doorgaans 15-25% afgedreven ten opzichte van de eerste clip. Om dit tegen te gaan kun je het combineren met techniek 2 (gezichtsvergrendeling op elke generatie), maar de technische complexiteit loopt snel op.
Praktisch gebruik. Voorbehouden aan gevorderde gebruikers die cloud-API’s draaien (fal.ai Wan 2.1 i2v-modus) of self-hosted setups. Geen enkele mainstream-dienst stelt in april 2026 i2v-aaneenschakeling beschikbaar in zijn interface — precies de reden waarom we allemaal nog vastzitten aan losse clips van 5-10 seconden.
Hoe we consistentie objectief meten
Ons testprotocol gebruikt InsightFace, een open source-model voor gezichtsherkenning, om de cosinusgelijkenis tussen gegenereerde gezichten te berekenen.
Procedure. Voor elke geteste dienst genereren we 3 opeenvolgende clips vanuit dezelfde prompt met de “persistent karakter”-functie van de dienst (indien beschikbaar) of door opnieuw te draaien met dezelfde seed (indien beschikbaar). We extraheren de eerste frame van elke clip, detecteren het gezicht met InsightFace, berekenen de 512-dimensionale embedding en vervolgens de cosinusgelijkenis tussen de 3 embeddings, telkens twee aan twee.
De scores lezen.
| Gelijkenis | Interpretatie | MyB-AI-categorie |
|---|---|---|
| > 0,90 | Dezelfde persoon, kleine variatie | Heel hoog |
| 0,85 – 0,90 | Dezelfde persoon, normale variatie | Hoog |
| 0,75 – 0,85 | Dezelfde persoon, opmerkelijke variatie | Gemiddeld-hoog |
| 0,65 – 0,75 | Sterke gelijkenis maar niet identiek | Gemiddeld-laag |
| 0,55 – 0,65 | Zwakke gelijkenis, duidelijk twee personen | Laag |
| < 0,55 | Twee verschillende personen | Heel laag |
Onze categorisatiedrempels in de scoring:
high= gemiddelde score ≥ 0,85medium= gemiddelde score tussen 0,70 en 0,85low= gemiddelde score < 0,70
Ranglijst van diensten op de consistentie-as (april 2026)
Scores uit onze vergelijkingstool, gemeten volgens het bovenstaande protocol:
| Rang | Dienst | Consistentiescore | Gemiddelde cosinusgelijkenis | Gebruikte techniek |
|---|---|---|---|---|
| 1 | Candy.ai | 85 | 0,88 | IP-Adapter + persistent karaktersysteem |
| 2 | Seduced.AI | 80 | 0,82 | AI Characters-systeem |
| 3 | DreamGF | 68 | 0,76 | Basale persistentie |
| 5 | MyBabes.AI | 65 | 0,68 | Geen duidelijke functie |
| 6 | FapAI | 60 | 0,71 | Basale persistentie |
| 7 | Promptchan | 60 | 0,58 | Geen functie |
| 8 | Pornify | 42 | 0,55 | Geen functie |
| 9 | PornJoy | 45 | 0,52 | Geen functie |
| 10 | Pornpen.ai | 40 | N.v.t. (alleen afbeelding) | Geen functie |
Belangrijke observatie: er is een scherpe kloof tussen de twee koplopers (Candy.ai en Seduced.AI, die in toegewijde infrastructuur hebben geïnvesteerd) en de rest van het peloton. Die kloof zou over 2026-2027 moeten verkleinen naarmate technieken voor karaktervergrendeling standaard worden, maar in april 2026 is hij er volop en is hij meetbaar.
Praktische tips om consistentie te maximaliseren op elke dienst
Zelfs op een dienst die geen toegewijde functie beschikbaar stelt, kun je je resultaten verbeteren:
- Vergrendel je basisprompt tot op het woord, en verander dan alleen de elementen die bewegen (actie, setting). Herformuleer de karakterbeschrijving niet bij elke generatie.
- Gebruik exact dezelfde bijvoeglijke naamwoorden voor haar, ogen en lichaamstype — geen synoniemen die voor een mens gelijkwaardig aanvoelen maar binnen het model andere neuronen aansteken.
- Voeg onderscheidende visuele identificatoren toe (een tatoeage, een schoonheidsvlekje, een specifiek accessoire) die de identiteit verankeren, ook als het gezicht een beetje afdrijft.
- Bij diensten zonder beschikbare seed genereer je meerdere variaties en kies je handmatig degene die het meest op elkaar lijken — de afdrijving is willekeurig, dus consistentie landt soms vanzelf.
- Geef de voorkeur aan betaalde versies, die vaak persistentiefuncties ontgrendelen die niet beschikbaar zijn op de gratis versie.
En voor het lastige geval waarin niets werkt op het niveau van jouw dienst: migreer naar Candy.ai of Seduced.AI, de enige die serieus in deze functie hebben geïnvesteerd, of stap over op self-hosted met een custom i2v-aaneenschakelpipeline — de enige weg om het probleem echt op te lossen totdat de diensten bijtrekken.
Deze gids maakt deel uit van onze serie over de technische uitdagingen van adult AI in 2026. Zie ook: NSFW prompt engineering in het Frans, hoe genereer je een AI-pornovideo.