一貫したAIキャラクター画像を作る方法

魅力的なAIポートレートを1枚作ることに比べ、10枚すべてで明らかに同じ人物を描くのは難しいものです。顔立ちが変わり、瞳の色が違い、特徴的なほくろが移動し、体格が揺らぎ、ある画像では30歳に見えたキャラクターが次では急に若く見えることもあります。これは主に語彙の問題ではなく、制御の問題です。

画像生成モデルは「赤いドレスを着た黒い巻き髪の女性」のような概念を表すのは得意です。しかし、頭の中にいる一人の架空の成人へ自動的に忠実でいてくれるわけではありません。安定した人物情報を与え、その人物と場面を分離し、変数を意識して変えることで一貫性は高まります。

このガイドは特定のツールに依存しません。参照強度、シード、モデル、サンプラー、編集機能を表示するアプリもあれば、キャラクタープロフィールの裏側に仕組みを隠すものもあります。使える制御を活用し、成功条件を記録し、偶然の一枚を再現可能な手順と混同しないでください。

生成前に「一貫性」を定義する

「同じキャラクター」が何を意味するかは一つではありません。固定する部分と意図的に変えてよい部分を決めます。

人物の一貫性は、画素単位の複製ではありません。実在の人も、強い照明、広角カメラ、笑顔、メイクの変化によって見え方が違います。目標はすべての画像を同じポーズに凍結することではなく、同じ人物だと分かる連続性です。

生成前に簡潔なキャラクターシートを作ります。

• 架空の成人であることと年齢層を明記する。
• 顔の形と、特徴的な顔の要素を2〜3個。
• 瞳の色と自然な眉の形。
• 髪の色、長さ、質感、普段の分け目。
• 大まかな体格。
• 目印となる特徴を1〜2個。
• 基本の画材・媒体と写実度。

美しさの類義語を10個並べるのは避けます。「美しい、華やか、見事、完璧、欠点がない」は人物を区別せず、モデルの注意だけを消費します。「卵形の顔、離れ気味のヘーゼルの瞳、緩やかな弧の眉、短い黒髪のボブ、左目の下の小さなほくろ」なら検証できます。

強い基準画像を1枚作る

基準画像は、イラストレーターへ渡して「この人です」と言える一枚です。劇的なポーズや複雑な背景を試す前に生成します。

良い基準ポートレートには次の特徴があります。

• 成人1人が明確に写っている。
• 顔を確認できる大きさだが、極端な接写ではない。
• 中立的または穏やかな表情。
• 柔らかく均一な照明。
• 髪、手、眼鏡、小道具で顔があまり隠れていない。
• 極端な広角ではなく、自然なレンズ感。
• 基準にしたい髪型とメイク。
• シンプルな背景。

照明は美しくても、人体構造が不確か、または年齢が曖昧な画像は採用しません。小さな欠点は、後の参照生成へ引き継がれやすいからです。写実的な出力が欲しいなら、強いフィルター画像も避けます。システムがフィルターまで人物の一部として学ぶ可能性があります。

プロンプト、モデルまたはスタイル設定、縦横比、利用できる生成設定を保存します。ファイルには maya-anchor-v1-three-quarter のような意味のある名前を付けます。20回試した後では「Final2-new-real.png」は何も伝えません。

複数参照に対応するツールでも、気に入った画像をすべてすぐ入れないでください。目の間隔、生え際、年齢、描画スタイルが食い違う参照は、異なる人物を平均するようモデルへ求めます。まず最良の一枚から始め、正面や横顔の参照は、基準画像に本当に足りない情報を補う場合だけ追加します。

人物ブロックと場面ブロックを分ける

再利用するプロンプトは、モジュールに分けると制御しやすくなります。

人物ブロック：

架空の28歳の成人女性、卵形の顔、離れ気味のヘーゼルの瞳、緩やかな弧の濃い眉、まっすぐな鼻、厚めの下唇、温かみのあるオリーブ色の肌、左分けの短い黒髪ボブ、左目の下の小さなほくろ、引き締まった体格

場面ブロック：

雨の夜、アパートの窓辺で読書、チャコールのニット、暖かなテーブルランプ、自然な斜め向き、写実的な写真

品質と境界のブロック：

成人1人、自然な手、整合した人体、顔を隠さない

場面を試す間、人物ブロックは変えません。顔がずれたら、人物定義を無意識に書き換えたのではなく、新しい場面、カメラ、スタイル、参照バランスが原因だと切り分けられます。

矛盾した表現はよくあります。「短いボブ」と「背中まで流れる長い髪」を併記すれば、無理な折衷が生まれます。「柔らかなスタジオポートレート」と「真昼の強い記録写真風フラッシュ」も同じです。言葉を足すのではなく、矛盾を解消します。

ネガティブプロンプトがある場合は、瞳の色違い、人物の重複、顔の遮蔽、年齢の曖昧さなど、繰り返す失敗へ絞って使います。巨大な汎用除外リストは必要な変化まで抑え、原因究明も難しくします。

人物固定を支える仕組みを理解する

人物を保つ方法はシステムによって異なります。方式を知れば、期待値を正しく設定できます。

参照画像による条件付け

システムは1枚以上の画像から視覚情報を取り出し、テキストプロンプトと一緒に使用します。よく知られた研究例のIP-Adapterは、別のアテンション機構を通じて学習済みテキスト画像モデルへ画像プロンプト機能を加えます（IP-Adapter論文）。消費者向け製品は別方式や独自技術を使う場合があるため、「画像参照」という表示がIP-Adapterの採用を意味するわけではありません。

参照強度にはトレードオフがあります。低すぎると人物がずれ、高すぎると基準画像のポーズ、切り取り、照明、服まで複製します。同じ人物だと分かる最低限の強度を探し、それから意味のある場面変更を試します。

特定人物向けファインチューニング

DreamBoothなどは、少数の画像から固有識別子と人物を関連付けるようモデルを追加学習します。元の研究では、人物を異なる場面や視点へ置き換える能力が示されました（DreamBooth論文）。人物維持には有効ですが、品質は学習画像、キャプション、設定、基盤モデルに左右されます。学習ポーズを繰り返し、別の姿勢へ応用できない過学習も起こり得ます。

軽量アダプターとLoRA

学習済みアダプターは、モデル全体のファインチューニングより少ない保存容量と計算量でキャラクターを符号化できます。品質差は大きいため、サービスがカスタムキャラクターモデルを作ると言うなら、学習画像と派生した人物データを削除できるか確認しましょう。

シードの固定

シードはランダム処理の開始状態を決めます。ほぼ同じ設定で再利用すれば、構図の再現性を上げられます。ただし、制御された比較には役立っても、人物を完全に固定する仕組みではありません。縦横比、モデル、プロンプト、大きなポーズを変えると、同じシードでも基準画像から離れることがあります。

画像編集とインペイント

編集は既存画像から始め、選択した領域や指示だけを変えます。顔は正しいのに服、背景、手だけが違うとき、最も効率的な方法になり得ます。全体の再生成は、すでに正しい情報も捨ててしまいます。

大きな変数は一度に一つだけ変える

新しい髪型、場所、カメラ角度、服、表情、照明、画風を一度に頼むと、すぐ一貫性を失います。失敗しても何が原因か分かりません。

次の順序で進めます。

1. 中立的な背景の基準ポートレート。
2. 同じ構図で別の表情。
3. 同じ顔と髪で上半身を広く写す。
4. シンプルな背景で新しい服装。
5. 慣れたカメラ角度のまま新しい場所。
6. 全身ポーズ。
7. 難しい照明や動き。
8. 最後に別の表現媒体。

各段階でツールが対応していれば、最も良い成功画像を補助参照として残します。後の画像が劇的で魅力的でも、それだけで基準画像を置き換えません。基準画像の役割は分かりやすさです。

服装シリーズでは、衣服を場面の変数として定義します。旅行シリーズなら、場所を変えても髪、メイク、カメラ表現、人物参照を固定します。成人同士の親密な場面では、成人であることを曖昧なく記し、同じ人物制御を保ち、許可なく実在人物の容姿を使わないでください。

むやみに再生成せず、ずれを診断する

失敗した画像は種類を分類します。

A/B比較を行います。同じプロンプトとシードで参照強度だけを変える、または同じ参照と設定で一つの表現だけを変えます。両方の画像と結果を保存すれば、推測が小さな実験になります。

完全な類似を求めて参照強度を上げ続けないでください。どの出力も元ポートレートの背景替えになるなら、人物は一貫していても演技がありません。キャラクターは新しい場面で向きを変え、動き、感情を表せる必要があります。

プロンプト台帳を作る

台帳はメモ、表計算、ファイル命名規則のどれでも構いません。結果を再現するのに必要な情報を記録します。

「不採用」だけでは足りません。「顔が広がった」「21歳未満に見える」「基準ポーズを複製」「人物は良いが上着が違う」と書きます。10行も記録すれば傾向が見えます。全身画像には別の参照バランスが必要、ある照明表現で年齢印象が変わる、特定の基準画像が同じ首の傾きを生む、といった発見ができます。

記憶から再構成せず、正確なプロンプトを残します。コンマ一つは通常重要ではありませんが、特徴表現を四つ同時に変えれば影響します。技術設定を表示しないサービスでも、利用できる制御と日付を記録します。同じ製品名のまま、提供側のモデルが変わることがあるためです。

単独の一枚ではなくコンタクトシートで見る

単体では完璧でも、シリーズに混ぜると人物が違う画像があります。候補8枚を同じ大きさの格子に並べ、背景を頭の中で隠し、別の日に撮った同じ成人に見えるか確認します。

各候補を次の項目で0〜2点評価します。

• 顔の骨格。
• 目と眉の位置関係。
• 鼻と口の形。
• 年齢の印象。
• 想定される照明差を考慮した肌色。
• 生え際、髪色、質感。
• 見える場合は体格の連続性。
• 目印となる特徴。

夕日、蛍光灯、スタジオフラッシュで同じ色値を要求する必要はありません。色調より先に構造的特徴を見ます。一方で、顎、目の間隔、年齢が違うのを「照明のせい」で済ませてもいけません。

人物として最良の一枚と、場面として最良の一枚を選びます。一枚で両方を満たさなければ、妥協した参照を採用せず、より強い土台から編集または再生成します。

制作に使えるキャラクターバイブルを作る

人物が安定したら、少数の承認済みセットを作ります。

• 明瞭な正面ポートレート。
• 斜め向きポートレート。
• 横顔。
• 腰から上の中立的ポーズ。
• 全身の中立的ポーズ。
• 笑顔と真剣な表情。
• 室内の暖色光と屋外の日光。
• 基本衣装と代替衣装を一つ。

画像の横に正確な固定特徴を記し、変えてはいけないものと変えてよいものを分けます。数週間にわたりコンテンツを作るなら、モデルや設定の版も残してください。提供側の更新で、同じプロンプトでも描画が変わることがあります。

版を管理します。v1は最初の人物、v1.1は顔の構造を変えず瞳の色を修正、v2は意図的な髪型変更、と定義できます。同じ物語の連続画像に複数版を黙って混ぜないでください。

映像の連続性を管理するように場面を計画する

複数画像の物語では、生成前にショットリストを書きます。例：

1. 夕暮れのホテル外観を示すショット。
2. ロビーで黒いコートを着たままの上半身。
3. エレベーター前の接写、コートは開き、同じイヤリング。
4. 室内でコートを脱ぎ、バーガンディのドレスが見える。
5. 翌朝、窓辺で別の服だが顔と髪は同じ。

隣接する画像間で服と小道具を追跡します。指示しなければ、生成システムはイヤリング、ネイル、バッグ、天候、時刻を変えることがあります。人物が同じでも、場面の連続性は救えません。

小さな連続性表を作ります。

可能なら、元の基準画像に加え、最も近い承認済み画像を参照して隣のショットを生成します。元画像は人物を守り、隣接画像は一時的な場面状態を守ります。

成人向けの親密な連続場面では、この計画が年齢の明確さと同意の表現も守ります。成人年齢を明記し続け、急な変化で若く見せず、許可なく識別可能な実在人物を加えないでください。

再生成ではなく編集を選ぶ場面

画像の大部分が正しいなら編集します。

• 顔とポーズを保って服の色を変える。
• 不要なアクセサリーを消す。
• 顔から離れた位置の手を修復する。
• シンプルな背景を置き換える。
• 小さな特徴を直す。

土台が間違っているなら再生成します。

• 成人かどうか曖昧、または人物が明らかに違う。
• 遠近法や人体全体が壊れている。
• 求めたポーズになっていない。
• 照明が場面全体と矛盾する。
• 複数人物が絡み合っている。

問題を解ける最小領域をマスクしつつ、自然になじむだけの周囲情報も残します。目の画素だけを編集すると鋭い継ぎ目ができ、顔の半分を編集すると人物が変わることがあります。少しずつ範囲を広げ、拡大だけでなく通常表示でも比べます。

編集後の画像は元ファイルと関連付けて残します。服が良くなっても、編集で顔が大きく変わった画像を新たな基準にしてはいけません。

難しいショットへ手順を適応する

横顔： 横顔の参照があれば使い、特徴的な鼻、顎、生え際を再記載します。正面画像だけでは側面情報が足りません。

全身： 画面内で人物が小さくなります。対応していれば解像度を上げ、背景を簡素にし、顔の細部は慎重な編集が必要になると考えます。

強い表情： 笑うと目、頬、口が変わります。中立顔との完全一致ではなく、安定した骨格を比べます。

暗所： ネオンや色光は肌と瞳の色を変えます。まず形を守り、その後シリーズ全体で色調を揃えます。

違う髪型： 一時的な場面変更か、新しいキャラクター版か決めます。長さや結び方を変えても、生え際、顔立ち、年齢の手掛かりは保ちます。

繰り返し登場する2人： 人物ごとに参照を分け、画面内の位置を明記します。まず単純な構図で生成します。各人物を正しい体へ結び付けられないなら、顔が混ざった画像を受け入れず、別々に生成または編集します。

鏡と反射： 幾何学と人物を二重に維持する必要があり、難しい場面です。単純な構図を求め、試行回数を多めに見込み、反射側が別の顔や違う服を作っていないか確認します。

MyWifuでは、一度コンパニオンを作り、確立したポートレートと特徴をカスタムメディアの基準にできます。必要なカスタマイズ量を決める前に、コンパニオン作成を始める、または利用中のコンパニオンを見ることができます。

同意、来歴、成人向け安全ルール

技術的な一貫性は合成メディアの説得力を高めるため、責任も大きくなります。

• 基本は架空の成人として作る。
• 明確な許可なく、識別可能な成人の顔を親密なコンテンツへ使わない。
• 未成年を性的に描く、年齢が曖昧な人物を使う、年齢保護を回避する指示を出す行為は決してしない。
• 生成画像を事実の記録として提示しない。
• 元の参照は非公開にし、削除機能があれば不要なアップロードを消す。
• 住所、身分証、勤務先バッジなどの個人情報を参照に含めない。
• 見る人を誤解させる可能性がある場面では、合成メディアだと表示する。

NISTの合成コンテンツリスク研究は、この分野が発展途上であることを認めつつ、メタデータや電子透かしなどの来歴手法を論じています（NIST AI技術報告）。来歴情報があっても同意を得たことにはならず、透かしがあっても有害ななりすましは正当化されません。

複数の美的要素から着想した場合も、最終的な人物は一人の実在人物を少し変えただけではなく、独立した架空の存在にします。「公開されている写真」は許可を意味しません。

一貫性を確認する簡潔なチェックリスト

生成前：

• 成人であることが明白。
• 基準ポートレートが1枚あり、明瞭で技術的に健全。
• 人物特徴が短く具体的で再利用可能。
• 参照間で顔、年齢、髪、スタイルが一致。
• 場面ブロックに人物との矛盾がない。
• モデル、縦横比、利用可能な設定を記録済み。

生成後：

• 通常の表示サイズで同じ顔だと分かる。
• 瞳と髪の色が合う。
• 年齢の印象が安定。
• 見える場面では特徴的な印がある。
• 人体と人数が整合。
• 基準画像を複製せず、場面の指示に従っている。
• プロンプトと版情報とともに保存済み。

人物の確認項目を二つ以上満たさない画像は、参照セットへ昇格させません。一枚のずれた画像が、後の生成をさらに遠ざけます。

一貫性は魔法のプロンプトではなく、手順です。架空の成人を定め、基準画像を守り、人物と場面を分け、変化を制御し、良い画像を捨て続けるのではなく編集します。そうすれば、服装、住まい、物語、視覚的な履歴を持ちながら、毎回別人にならないキャラクターを作れます。

次は、AI彼女の仕組み、AIコンパニオンを自分向けに調整する方法、AIコンパニオンの料金比較もご覧ください。

完成したシリーズを公開・保存する前に、ブラインド認識テストを行います。同じ系統の画風で作った無関係な画像を2〜3枚混ぜ、信頼できる成人の確認者に、繰り返し登場するキャラクターをまとめてもらいます。プロンプトは見せません。顔や体ではなく服・背景で分類されるなら、シリーズは人物の連続性ではなくスタイルに頼っています。

次に、サムネイル、通常のフィード表示、原寸の三つで確認します。サムネイルではシルエット、髪、顔の大まかな構造、通常表示では実際の閲覧体験、原寸では瞳の左右差、肌の破綻、装身具の変異、編集の継ぎ目が分かります。縮小時だけ成立する画像は今後の参照に不向きな場合があります。一方、ごく小さな質感差なら物語の中で問題なく機能します。

承認済みセットと生成記録は、不採用画像から分けて保管します。後の自動処理に混在フォルダを選ばせないでください。キャラクターを公開するなら、来歴を記録し、実在の成人だと誤認され得る場面では合成であることを示します。一貫性が説得力を高めるほど、同意と開示の基準も弱めず、より厳しくするべきです。