Kéz az AI-képen: így lesz elsőre öt ujja

Hat ujj, összenőtt ujjak, egy hüvelykujj, ami rossz oldalról nő ki. Ha készítettél már AI-filmet, láttad ezt. A kéz a leggyakoribb hiba a generált képeken, és mivel a videó a kezdőképből indul, a hibás kéz végigmegy az egész snitten.

A rövid válasz: a kéz akkor romlik el, ha a prompt nem mondja meg, mit csináljon. Adj neki egy tárgyat, írd le a fogást, vagy vedd ki a képből. Ennél többet ritkán kell tenned.

Miért pont a kéz

A kéz kicsi a képen, mégis rengeteg részletből áll. Az ujjak egymást takarják, minden fogásnál másképp hajlanak, és a generátor a tanítóképeken ezerféle helyzetben látta a kezet. Ha nem mondod meg, melyiket kéred, egy átlagot rak össze, és az átlagból könnyen lesz hat ujj.

Az arcnál más a helyzet: két szem, egy orr, egy száj, nagyjából mindig ugyanott. A kéznél nincs ilyen kötött rend, ezért a pontos leírás itt többet ér, mint bárhol máshol a promptban.

Adj neki dolgot

A mi tervezőnk szabálya egyszerű: a kéz vagy tart egy tárgyat, vagy nincs a képen. A bögre, a kormány, a kés, a telefon, a kabátzseb mind formát ad a kéznek. A tárgy körül az ujjaknak csak néhány lehetséges helyük van, így a generátornak sokkal kevesebb esélye van tévedni.

Ha a jelenetben nincs szükség a kézre, ne erőltesd. Mellközeliben a kéz lehet a zsebben, a kép alsó széle alatt vagy a szereplő háta mögött. Ez nem csalás, hanem kompozíció.

Medium close-up, eye level, 50 mm lens: a man in his forties in a charcoal wool coat waits at a bus stop in light rain, framed from the chest up, both hands pushed deep into his coat pockets, raindrops on his shoulders, overcast evening light, photorealistic, fabric with real weave and natural creases

Mit kerülj

Van néhány kézhelyzet, ami szinte mindig elromlik. Ezeket érdemes már a forgatókönyvből kihúzni, mielőtt promptot írnál rájuk.

• Számolás az ujjakon: a generátor nem tudja, hány ujjat kell mutatnia, és nem is fogja eltalálni.
• Összekulcsolt ujjak: tíz ujj fonódik egymásba, ebből lesz a legtöbb összenőtt csonk.
• Üres gesztus a levegőben: integetés, mutogatás tárgy nélkül, a kéznek nincs mihez igazodnia.
• Két ember keze egymásban: kézfogásnál és kéz a kézben sétánál a generátor összekeveri, melyik ujj kié.

Három dolog, amit a promptba írsz

Ha a kéz a képen van, három kérdésre válaszolj. Ettől lesz a kezdőkép szándékos, és nem a generátor ötlete.

1. Mit csinál a kézIge, nem állapot: wraps, grips, turns, presses. Nem elég annyi, hogy a kéz „a bögre mellett van”.
2. Mit fogNevezd meg a tárgyat és az anyagát, mert ettől függ a fogás: egy nehéz kerámiabögrét másképp tart az ember, mint egy papírpoharat.
3. Melyik ujj látszikÍrd le, mi takarja az ujjakat: a hüvelykujj a peremen, a többi a bögre mögött. Amit nem kell megrajzolni, azt nem lehet elrontani.

Close-up, eye level, 85 mm lens: a woman in her late thirties wraps both hands around a heavy white ceramic mug on a wooden kitchen table, both thumbs resting on the rim, the other fingers curled around the far side of the mug and hidden behind it, morning window light from the left, anatomically correct hands with five fingers each, natural knuckle creases, short unpainted nails, photorealistic, pore-level skin detail, no beauty retouch. avoid: extra or fused fingers, waxy or plastic skin, airbrushed look

Amit a tárgy eltakar, azt a generátornak nem kell kitalálnia.

Melyik modellel, és hova kerül a tiltás

Ha a kezdőképen ember és kéz is van, a mi tervezőnk a Nano Banana Prót választja: ez hibázza el a legritkábban a kezet. A prompt végére jöhet egy rövid avoid-lista, benne az „extra or fused fingers” kifejezéssel. Képmodelleknél ez működik.

A videónál más a helyzet. Ha a kéz dolgozik (gyúr, vág, köt), a Seedance mozgatja a legtermészetesebben, de oda nem írsz tiltólistát. A Klingnél a negatív kifejezések külön mezőbe kerülnek, sosem a promptba. Mindkettőnél a pozitív leírás végzi a munkát: mit csinál a kéz, és hogy végig látszik.

A baker's hands knead a ball of dough on a floured wooden counter. The camera holds a static top-down close-up for the full five seconds. Her palms push the dough forward, fold it back towards her and press again in a continuous rhythm, flour dusting her knuckles. Both hands stay fully in frame, five fingers each, the dough always between them.

Ha mégis elrontotta

Ne generáld újra ugyanazt a promptot reménykedve. Csak az érintett promptot írd át, nevezd meg benne konkrétan a hibát („anatomically correct hands with five fingers each”), a karakterleírást és a jelenet világát pedig hagyd változatlanul. Ha a videóban romlott el, a mozdulatot is egyszerűsítsd.

Egy példa. Előtte: „a woman waving at the camera, cinematic”. Utána: „a woman raises her right hand to shoulder height holding a set of house keys, palm towards the camera, thumb and index finger pinching the key ring, the other three fingers folded into her palm, anatomically correct hand with five fingers”. Ugyanaz a gesztus, csak most van mihez igazodnia.

A következő promptod előtt nézd át a snittlistát: minden képen, ahol kéz van, ott van-e mellette egy tárgy és egy ige? Ahol nincs, ott vagy pótold őket, vagy vágd ki a kezet a képből.

Források

1. Lu, W. és mtsai (2023): HandRefiner: Refining Malformed Hands in Generated Images by Diffusion-based Conditional Inpainting, arXiv
2. Google DeepMind: Gemini 3 Pro Image (Nano Banana Pro)
3. fal.ai: Kling 2.1 Master Text to Video API, a negative_prompt mező