AIで一貫したキャラクターを作る:画像でも動画でも同じ顔を保つ方法

誰もが10分で突き当たる問題

一字一句同じプロンプトでも、生成のたびに別人のキャラクターが出てきます。これはモデルの正常な動作であり、解決の鍵はより良い文章ではなく参照画像にあります。

プロジェクトのヒロインを生成したとします。仕上がりは完璧。30歳、赤毛のショートヘア、色落ちしたデニムジャケット。横顔を見たくてもう一度生成すると、驚きの結果が待っています。髪は栗色になり、ジャケットは消え、顔はまるで別人。プロンプトは一字一句同じなのに、キャラクターは別物です。

これはImaginodeのバグでも、他のどのツールのバグでもありません。現在のあらゆる画像モデルに共通する正常な動作です。そして、その理由を理解しないままでは、奇跡を期待して生成を繰り返し、何時間も何十クレジットも失うことになります。この記事では原因を説明した上で、漫画、連載ポスト、映像作品の制作現場で実際に機能する本当の解決策を紹介します。

先に正直に種明かしをすると、解決策はより良いプロンプトではありません。キャラクターを言葉で説明するのではなく、参照画像を使ってモデルに見せることです。Imaginodeではリファレンスノードがその役割を担います。マスターポートレートから緑色の@メンションまで、各ステップの正確なクレジット料金とともに、順を追って組み立てていきます。

顔が変わる理由:ランダムノイズ

生成はそれぞれ異なるランダムノイズから始まり、モデルは過去の画像を一切覚えていません。プロンプトが表すのは人物の「カテゴリー」であり、モデルは毎回そこから新しい一人を選び出します。

画像モデルは、キャラクターを頭に置いて描き続けるイラストレーターとは違います。生成はそのたびにランダムノイズの画像、つまり抽選で決まったピクセルの寄せ集めから始まり、モデルがプロンプトを頼りに少しずつノイズを取り除いていきます。ノイズの抽選結果が違えば出発点も違い、たどり着く顔も違うのです。

プロンプトが表しているのは、あくまで人物のカテゴリーです。「デニムジャケットを着た30歳の赤毛の女性」に当てはまる顔は何百万通りもあります。モデルはそのたびに、説明に合う顔をひとつ選び出します。同じ顔を二度選ぶことはありません。そうする理由がどこにもないからです。

さらに悪い知らせをもうひとつ。モデルには記憶が一切ありません。12回目の生成は、それまでの11回のことを何も知りません。あなたのヒロインを「覚えていない」のではなく、そもそも一度も知らないのです。生成ボタンを押すたびに、新しいノイズとともに、共有された過去のないゼロからのスタートになります。

超詳細なプロンプトでも決して足りない理由

言語は顔を構成する何千もの微細な比率を捉えるには貧弱すぎます。400語あれば髪や服は安定しても、顔立ちは決して安定せず、言葉を足すほど他の要素への注意が失われます。

誰もが最初に試すのは、もっと詳しく説明することです。鼻の形、目の間隔、左に垂れる前髪について400語。これで髪の色や服といった簡単な要素の安定性は多少上がります。しかし顔だけは、相変わらず変わり続けます。

理由はもどかしいものの筋が通っています。言語は顔を説明するには貧弱すぎるのです。親友の顔を文章で説明し、その文章を本人に会ったことのない絵描きに渡してみてください。出来上がる似顔絵は「ありえそう」ではあっても、決して「似ている」にはなりません。人間の顔は何千もの微細な比率でできており、どんな語彙でも捉えきれないのです。

しかもプロンプトが長くなるほど、モデルは互いにぶつかり合う指示の間で板挟みになります。ある地点を超えると、顔について言葉を足すたびに、シーンや光や動きへの注意が犠牲になります。生き生きとした画像を求めていたはずが、硬直したポートレートが返ってくるのです。

本当の解決策:説明するのではなく見せる

生成に参照画像を添付しましょう。良い写真3枚があれば、ほぼ毎回見分けのつくキャラクターが得られます。長文プロンプトでは5回に1回、似た他人が出るのが関の山です。

現実の絵描きなら、写真を見せてほしいと言うはずです。最近のモデルはまさに同じことができます。生成に1枚または複数の参照画像を添付すると、モデルはテキストを解釈する代わりに、それを直接の視覚ソースとして利用します。

その差は劇的です。400語のプロンプトでは5回に1回、なんとなく似た他人が出る程度なのに対し、良い参照写真が3枚あれば、ほぼ毎回見分けのつくキャラクターが得られます。魔法ではありません。モデルが比率を想像で作る代わりに、実際の比率を写し取っているだけです。

ただし注意点として、すべてのモデルが対応しているわけではありません。Imaginodeでは、選択中のモデルが参照画像に対応していない場合、ノードに参照用ポート自体が表示されません。ポートが見当たらないときは、隠し設定を探すのではなくモデルを変えてください。隠し設定は存在しません。

リファレンスノードをステップごとに

リファレンスノードは名前、説明文、写真をひとつにまとめたものです。一度作ればプロジェクト内のすべての画像ノード・動画ノードから再利用でき、保存は自動で行われます。

Imaginodeのキャンバスにリファレンスノードを追加します。中身は3つのフィールドです。まず名前:「レア」でも「キャプテン・ミスト」でも好きなように、できれば短く。次に説明文:プロンプトに注入されるテキストで、詳しくは後述します。最後に写真:キャラクターのベストショットをドラッグして入れます。

このノードはプロジェクト内のどこからでも再利用できます。一度作れば、キャンバス上のすべての画像ノードや動画ノードから接続できます。これこそノードキャンバスの考え方そのものです。キャラクターは20個のプロンプトに書き写す段落ではなく、どこかに置かれたひとつの部品になるのです。

日々の作業を大きく変える実用的なポイントをひとつ。保存は自動で、各ノードは直近12回の生成履歴を保持します。キャラクターの7番目のバージョンが正解だったなら、それは今も残っていて、いつでもリファレンスノードに加えられます。

緑色の@メンション:キャラクターを呼び出す方法

どのプロンプトでも@に続けて名前を入力するだけで、説明文が注入され、写真が自動的に参照として送られます。マジックワンドによる書き換えでもメンションは保持されます。

リファレンスノードを作ったら、どのプロンプトでも@に続けて名前を入力するだけでキャラクターを呼び出せます。メンションはテキスト内に緑色で表示され、ノードと正しくつながっている印になります。あとは短く自然なプロンプトを書くだけです。「@レアが雨の夜市を歩く、ワイドショット」のように。

生成時、Imaginodeは2つのことを自動で行います。ノードの説明文をプロンプトに注入し、編集対応モデルを使っている場合は写真を参照画像として添付します。コピーする必要も、アップロードし直す必要もありません。メンションひとつで十分です。

うれしいおまけもあります。画像・動画プロンプトをKimi経由で1クレジットで表現豊かな英語に書き換えるマジックワンドは、@メンションをそのまま保持します。つまりキャラクターへのリンクを壊さずにプロンプトを磨き込めるのです。1回6クレジットの生成で嫌な驚きを避けられる、こういう細部が効いてきます。

キャラクターを保てる画像モデルはどれか

5クレジットのSeedream 5 Liteが参照画像のチャンピオン、2クレジットのGPT Image Miniは試行錯誤用、6クレジットのFlux Kontextはキャラクターに触れずに背景を編集します。

画像に関して、Imaginodeで参照画像のチャンピオンといえばSeedream 5 Liteです。1回の生成が5クレジット、約0.05ユーロ。繰り返し登場するキャラクターにはこれを標準にすべきモデルで、画像を受け取り、この価格帯では他が届かない忠実さで顔を再現します。

用途に応じた選択肢が2つあります。2クレジットのGPT Image Miniも参照に対応しており、残高を減らさずにポーズや構図を試行錯誤するのに最適です。6クレジットのFlux Kontextは別の役割で、既存の画像を編集します。「背景をビーチに置き換えて」と指示すれば、キャラクターはそのままで背景だけが変わります。

一方、1クレジットのFlux Schnellや3クレジットのImagen 4 Fastは優秀な万能選手ですが、連載主人公の顔の一貫性を任せるのは禁物です。正しい進め方は、安価なモデルで構図のラフを作り、最終画像は@メンション付きのSeedream 5 Liteに切り替えることです。

マスターポートレートという方法

まずキャラクター単体を無地の背景とはっきりした光で撮ったポートレートを作りましょう。4、5回の試行、つまり24〜30クレジットで、以降のすべての画像の礎になります。

よくある間違いは、キャラクターがすでにシーンの中にいる画像、フレームの中で小さい、逆光、後ろ姿といった画像を参照にしてしまうことです。それではモデルは顔と同じくらい背景まで学んでしまいます。正しい方法は、まずマスターポートレートを作ること。キャラクター単体、無地の背景、はっきりした光です。

具体的には、画像ノードを開き、6クレジットのImagen 4のようなフォトリアル系モデルを選び、キャラクターだけを描写します。「バストアップのポートレート、30歳の女性、赤毛のショートヘア、色落ちしたデニムジャケット、無地のグレー背景、正面からの柔らかい光」。これだという顔が出るまで生成し直します。目安は4、5回、24〜30クレジット、0.30ユーロ未満です。

このポートレートがリファレンスノードの礎になります。以降のすべての画像はここから生まれます。10分の投資で、その後の何時間ものくじ引きを省けるのです。そして、何度も生成し直すことが本当に正当化されるのは、この段階だけです。

参照写真はアングルを変える

多くの場合4枚で足ります。正面、斜め、横顔、全身。平凡な8枚より完璧な4枚です。失敗した参照画像は、その後のすべての生成を汚染します。

正面のポートレート1枚は良いスタートですが、それだけではモデルはキャラクターをひとつの角度からしか知りません。横顔を頼めば、鼻も顎も耳も即興で作られてしまいます。キャラクターを立体的に固定するには、複数の視点を見せる必要があります。

うまくいく組み合わせは、正面のポートレート、斜め45度、横顔、そしてシルエットと服装のための全身ショットです。多くの場合4枚で足ります。作り方は、参照対応モデルでマスターポートレートから出発し、「同じ人物、横顔、同じグレー背景」と指示するだけ。結果は1枚ずつ確認してからノードに追加してください。

この段階では、他のどこよりも厳しくなってください。顎が少し違う、耳が曖昧といった、わずかに失敗した参照写真は、その後のすべての生成を静かに汚染します。そしてあなたは原因を間違った場所、つまりプロンプトの中に探すことになるのです。平凡な8枚より完璧な4枚。Seedream 5 Liteなら1ビュー5クレジット、怪しい写真の作り直しは0.05ユーロです。妥協しないでください。

説明文は継続性の契約書として書く

説明文には、すべてのショットで生き残るべきものだけを書きます。傷跡、ジャケット、腕時計。アイデンティティはノードに、シーンはプロンプトに住まわせるのです。

リファレンスノードの説明文フィールドは飾りではありません。@メンションが登場するすべてのプロンプトに注入されます。だからそこには、すべてのショットで生き残るべきものだけを書き、それ以外は書かないでください。長く続く特徴、たとえば左眉の傷跡、色落ちしたデニムジャケット、右手首の腕時計、猫背気味の歩き方です。

シーンごとに変わるものは入れてはいけません。説明文に「カフェで微笑んでいる」と書けば、嵐のシーンの真ん中でもキャラクターはカフェで微笑みます。説明文はアイデンティティを、プロンプトはシーンを描写する。この役割分担こそが、この仕組みを堅牢にしています。

撮影の現場では、この仕事に名前があります。コンティニュイティ(スクリプター)の仕事です。華やかだと思う人は誰もいませんが、俳優がカットの合間にシャツを着替えてしまう事故を防いでいるのはこの仕事だと、誰もが認めています。あなたのリファレンスノードは、まさにその役割を果たすのです。

動画の場合:各モデルの正確な上限

Seedance 2.0とMiniMax H3は参照画像9枚、Grokは5枚、Kling V3とVeo 3.1 Fastは各3枚。最も確実なのは、完璧な1枚を動画の開始画像につなぐ方法です。

動画では画像と同じ問題が、より深刻な形で現れます。数秒のうちに顔が漂流していくのは一目でわかるからです。幸い、Imaginodeの複数の動画モデルが参照画像に対応しており、上限はそれぞれ異なります。Seedance 2.0と2.0 Fastは9枚、Seedance 2.5はさらに多く受け取れます。MiniMax H3も9枚、Grok Imagine Videoは5枚、Kling V3とVeo 3.1 Fastは各3枚です。

動画ノードはモデルに応じて別々の入力も備えています。開始画像、そしてモデルが対応していれば終了画像です。実のところ最も確実なテクニックはこれです。まずSeedream 5 Liteでキャラクターの完璧な1枚を生成し、それを動画の開始画像としてつなぐ。動きは、すでに正しい顔から始まるのです。

成功率について正直に言うと、AI動画は参照の有無にかかわらず、3、4回に1回は失敗します。手足が物をすり抜けたり、視線があらぬ方向へ行ったり。このロスを予算に織り込んでください。Kling 2.5 Turboで5秒26クレジット、Seedance 2.0 Fastの720pで48クレジットという料金に対し、完成した1シーンの実際のコストは表示価格の倍と考えるのが現実的です。なお、技術的な失敗は自動的に返金されます。

実例:6コマのミニ漫画

マスターポートレート、追加ビュー、生成し直し込みの6コマ。安定したキャラクターで作るミニ漫画一式が約105クレジット、つまり1.05ユーロです。

現実的な例で考えてみましょう。Instagram向けの6コマのミニ漫画、主人公は養蜂家のルナです。ステップ1、無地背景のマスターポートレート:Imagen 4で5回試行、30クレジット。ステップ2、追加ビュー(斜め、横顔、全身):Seedream 5 Liteで約6回生成、30クレジット。これでリファレンスノード「@ルナ」の完成です。

ステップ3、6つのコマ。各プロンプトは短いままです。「@ルナが夜明けに巣箱を開ける、俯瞰ショット」。5クレジットのSeedream 5 Liteで、2回に1回の生成し直しを見込むと、6コマで約45クレジット。プロジェクト合計はおよそ105クレジット、つまり1.05ユーロです。安定したキャラクターで6枚のビジュアルを作る方法として、これを上回るのは難しいでしょう。

同じノードは翌週のエピソード2にも、ルナがカメラに手を振る5秒動画にも使えます。一度だけ定義したひとりのキャラクターを、あらゆる場所に展開する。カメラ目線の15秒動画でバーチャルUGCクリエイターを成立させているのも同じ原理です。画像のたびに白紙からやり直すツールに対して、ノードの考え方が真価を発揮するのはここです。

落とし穴その1:矛盾する参照画像

キャラクターの異なるバージョンから集めた写真は、ぼんやりした平均顔を生みます。どの生成も「惜しい」のに毎回違うなら、直すべきはプロンプトではなくノードです。

最もよくある落とし穴は、キャラクターの異なるバージョンから集めた写真をリファレンスノードに混ぜてしまうことです。髪型が微妙に違う2枚、ジャケットの色が濃い3枚目。矛盾するソースへの忠実さを同時に求められたモデルは、どの写真にも似ていない、ぼんやりした平均顔を作り出します。

症状には特徴があります。どの生成も「ほぼ良い」のに、互いに同一には決してならないのです。心当たりがあるなら、プロンプトには触れないでください。リファレンスノードを開き、写真を並べて表示し、ずれているものを容赦なく削除します。そして唯一の正解であるマスターポートレートからやり直してください。

シンプルなルールはこうです。追加する写真はすべて、他の写真とまったく同じ一文で説明できなければなりません。「これは傷跡ができる前の彼女」と言い訳が必要な写真は、そのノードに入れる資格がありません。そのバージョンのキャラクターには、別のリファレンスノードを作りましょう。

落とし穴その2:ほぼ同じ写真が8枚

同一の例が多すぎると、顔ではなくポーズが固定されます。バリエーションのある4枚は、同じ正面ポートレートのクローン8枚に必ず勝ちます。

逆の落とし穴もあります。正面のポートレートが8枚、同じ表情、同じ光、同じ背景。モデルはすべてがキャラクターの特徴だと結論づけます。角度も、固まった笑顔も、ライティングも。その結果、別のものを頼んでも抵抗するようになります。全力疾走のシーンでさえ、キャラクターは正面からカメラを見つめるのです。

これは参照画像版の過学習です。同一の例が多すぎると、顔ではなくポーズが固定されてしまいます。対策はアングルの話と同じで、枚数は少なく、バリエーションは豊かに。正面、斜め、横顔、シルエットをカバーする4枚は、同じポートレートのクローン8枚に、例外なく勝ちます。

Seedance 2.0やMiniMax H3のように9枚まで参照を受け取る動画モデルでは、枠を全部埋めたくなる誘惑が強くなります。我慢してください。埋めるのは、1枚ごとに新しい情報、つまり別の角度、別の服装、別の表情が加わる場合だけ。そうでなければ、良い3枚は冗長な9枚に勝ります。

今日から始めるには

30分のセッションで十分です。マスターポートレート、リファレンスノード、@メンションでの最初のシーン。すべて合わせても、税抜13ユーロのStarterプラン900クレジットの15%未満です。

行動計画は30分のセッションに収まります。画像ノードを作り、無地背景のマスターポートレートを生成する(試行に30クレジットほど)。リファレンスノードを作り、キャラクターに名前を付け、長持ちする説明文を3文書き、ポートレートと追加ビューを登録する。そして@メンションとSeedream 5 Liteで最初のシーンをテストする。

自分で配線したくなければ、Imaginodeのアシスタントが1メッセージ1クレジットで、ワンクリックでワークフロー一式を組み立てます。「繰り返し登場するキャラクターの連載ポスト」と伝えれば、画像・リファレンス・動画の各ノードを接続済みの状態で配置してくれます。あとは写真を入れてプロンプトを調整するだけです。

月900クレジットの税抜13ユーロのStarterプランなら、このセッション一式でも上限の15%未満しか消費しません。しかもすべてブラウザで完結し、生成はサーバー側で動きます。インストール不要、グラフィックカード不要。リビングのノートパソコンでの昼休みセッションで十分です。

キャラクターが安定したら、次の課題はきちんと演出することです。構図、レンズ、カメラワーク。それこそがカメラノードのテーマで、丸ごと1本の記事「AIのカメラを撮影監督のように操る」を捧げています。あなたのヒロインは、もう崩れない顔を手に入れました。あとは本物のショットを与えるだけです。