Tạo đa tham chiếu là phương pháp nhập đồng thời nhiều hình ảnh tham chiếu và tạo ra một hình ảnh mới trong khi vẫn duy trì tính nhất quán về con người, phong cách và bố cục.
Tạo đa tham chiếu là phương pháp nhập đồng thời không chỉ một hình ảnh mà nhiều hình ảnh tham chiếu (người, đồ vật, hình nền, phong cách, v.v.) và kết hợp các đặc điểm của chúng để tạo ra một hình ảnh mới nhất quán. Việc triển khai điển hình bao gồm OmniReference của Midjourney và IPAdapter/ControlNet của Commufaville cho đầu vào nhiều điều kiện. Điểm mạnh của nó là có thể được sản xuất hàng loạt mà không làm thay đổi đặc điểm khuôn mặt, quần áo hoặc loạt phim của một người so với một tài liệu tham khảo duy nhất và ngày càng được áp dụng trong lĩnh vực biểu ngữ quảng cáo và sản xuất nội dung hàng loạt. Tuy nhiên, trong hoạt động thực tế kể từ năm 2026, thời gian tạo và chi phí API sẽ có xu hướng tăng tuyến tính hơn khi số lượng hình ảnh tham chiếu tăng lên và người ta ước tính rằng chi phí và thời gian dự kiến sẽ gấp 1,5 đến 3 lần so với một tham chiếu đơn lẻ. Ngoài ra, nếu các đặc điểm trái ngược nhau được truyền giữa các tài liệu tham khảo (chẳng hạn như những người có thể chất khác nhau) thì có khả năng bị hỏng, vì vậy điều quan trọng là phải chuẩn bị các quy định vận hành tại chỗ để thu hẹp số lượng và sự kết hợp của các hình ảnh tham chiếu.