AI画像生成でキャラクターの一貫性を保つ方法

なぜAIで同じキャラクターを描き、連続して5枚生成すると、5枚とも違う顔になってしまうのでしょうか。この質問はコメント欄で数え切れないほど聞かれてきました。今日まとめて説明します。

まず結論から言うと、キャラクターの一貫性は「形容詞を増やす」だけでは解決できません。3つの具体的な仕組みを組み合わせる必要があり、どれか一つだけでは安定しません。

なぜ一貫性がなくなるのか

モデルの生成は本質的に、毎回ある確率分布から新たにサンプリングし直す行為です。あなたの文章による描写が一字一句同じであっても、追加の固定手段がなければ、モデルが毎回「引き出す」具体的な見た目のディテールは、その都度新しいランダムな結果になります。これは10人の画家に「瓜実顔の女の子、アーモンドアイ、パッツン前髪」と伝えたとしても、10人が描けば10通りの違う顔になるのと同じです——描写がどれだけ具体的でも、まだ大量の自由に解釈できる余地が残っているのです。

方法1：参照画像で固定する

これが現時点で最も直接的かつ効果的な方法です。キャラクターの参照画像を1枚アップロードし、img2img、あるいはモデル自体が備える「キャラクター参照」機能を使って、以降のすべての生成をこの画像の顔の特徴に基づいて行わせます。アバターのように顔が正確に繰り返し登場する必要があるコンテンツを作る場合、参照画像による固定はほぼ標準装備です。これを使わなければ、シリーズ画像の中で「同じ人物」であることを保証するのはほぼ困難です。

img2imgの具体的な操作方法や、text2imgとの違いについては、img2imgとtext2imgの違いの記事でより詳しく解説しています。

方法2：シード値を固定する

シード値（seed）は、そのランダムサンプリングの開始点を決定します。同じプロンプトに同じシード値を組み合わせれば、理論上は非常によく似た結果が得られます。この方法の限界は、プロンプトも完全に変わらない場合にのみ効果が安定するという点です。プロンプトの言い回しを少しでも変えると（たとえシーンの描写だけを変えたとしても）、シード値が顔の特徴を固定する力は明らかに低下します。そのため、シード値の固定は「プロンプトの骨格はほぼ変えず、背景だけを微調整する」といった場面に向いており、大幅に内容を変えるシリーズ制作には向いていません。

方法3：キャラクター描写のアンカリング

これは最も見落とされやすいものの、実はコストが最も低い方法です——キャラクターの描写を極めて具体的に書き、「キャラクター設定表」として使えるレベルまで詰め込みます。ざっくりと済ませてはいけません。

比較してみましょう。

• ざっくりした書き方：「かわいい女の子、ロングヘア、大きな目」
• アンカリングした書き方：「黒髪の内巻きボブ、右側の後れ毛を耳にかけている、濃い茶色の丸い目、鼻筋の左側に小さなほくろ、薄い水色のシャツを着ている」

後者の書き方では、毎回生成のたびにこの完全なアンカリング描写を伴わせます。参照画像ほどガチガチには固定できませんが、ランダムの範囲を明らかに狭められるので、異なる画像でもキャラクターが少なくとも「大まかな方向性」において同じ人物らしく見えるようになります。この方法は特に、まだ参照画像が確定しておらず、純粋に文章だけでシリーズコンテンツを生成している段階に向いています。

3つの方法をどう組み合わせるか

実際の運用では、この3つは決して二択ではなく、重ねて使うものです。

• まずキャラクター描写のアンカリングで基本的な特徴を固定し、プロンプトの固定モジュールにする
• 条件が整えば、できるだけ早く満足のいく参照画像を1枚生成するか見つけて、以降のすべての画像はこの参照画像を基にimg2imgで生成する
• シーンの変化が少ない場合（例えば同じ人物でポーズだけをいくつか変える場合）は、さらにシード値の固定を重ねて、ランダム性をさらに狭める

この3層を重ねて使えば、一貫性はかなり安定したレベルまで抑えられます。どれか1層だけしか使わなければ、多かれ少なかれブレが出てしまいます。

どんな場面で一貫性の要求が最も高いか

シリーズアバター、連続したストーリーイラスト、ポートレート写真の多角度シリーズ画像——これらは一貫性の要求が最も高いカテゴリーで、3つの方法をすべて使うことをおすすめします。もし1枚だけの画像で、「同じキャラクターが繰り返し登場する」ことに関わらないなら、この問題は基本的に気にする必要はなく、普通にプロンプトを書くだけで十分です。参照画像による固定のこの一連の流れをすぐに試してみたい場合は、トップページのプロンプトツールで気軽に試せます。