Hirabayashi estime que cet ajout de concentration pour le joueur lors des scènes cinématiques, améliore non seulement les scènes cinématiques, mais le jeu également. Une des façons principales d'impliquer le joueur dans un jeu, est de remplacer le réalisme par un impact subjectif. "Nous devons créer quelque chose qui ait l'air réaliste, pas qui soit réaliste". Hirabayashi pense qu'un autre sujet très important est de créer des personnages qui soient "plus attrayants" que dans les jeux précédents. Le principal problème est bien évidemment de définir ce degré d'attractivité. Il a demandé conseil au producteur Shinji Mikami qui lui a conseillé de se concentrer sur l'expression des personnages, celles-ci devant toujours être justes par rapport à l'émotion qu'ils doivent exprimer. Il faut utiliser l'animation pour définir le caractère du personnage. Hirabayashi a poussé le raisonnement plus loin et s'est assuré que chaque personnage avait une expression différente dans chaque plan.

Utilisant un des personnages féminins comme exemple, Hirabayashi explique qu'elle dispose de 36 expressions différentes possibles, soit 5 fois plus que dans les jeux précédents. Un des problèmes principaux est la place occupée en mémoire par ces modèles en haute résolution. Ils ont donc divisé ses expressions en deux banques de données ; la première contenait ses 24 expressions les plus communes, et la seconde 5 des expressions restantes, à utiliser selon les besoins de la scène.

Pour chaque personnage, il y a 3 résolutions différentes et 3 niveaux de qualité des textures pour leur modèle 3D. Les modèles peuvent être mélangés selon les besoins des développeurs pour une scène. Par exemple, un éclairage plus sombre leur permet d'utiliser une qualité inférieure, alors qu'un éclairage plus lumineux les contraint à utiliser un modèle en haute définition. Un exemple est le nombre de textures différentes utilisées pour les pupilles des personnages, suivant l'éclairage de la scène.