なぜAI動画では同じキャラクターが別人になるのか
テキストから動画を生成するモデルは、基本的に「その場の指示を満たす映像」を作るように学習されている。フレーム単位で最も自然な絵を描こうとする性質があるため、前のショットに誰が映っていたかを本質的には記憶していない。だから同じ「赤いコートの少女」と書いても、1カット目は丸顔、2カット目は面長、3カット目は髪色が少し違う、という現象が起きる。これはモデルの性能不足というより、設計思想の違いから生まれる必然的な結果だ。
一貫性を保つための実務的な答えはシンプルである。「言葉で説明するのをやめて、画像で固定する」。ここで登場するのが、本稿で扱うブロック単位の参照設計、いわゆるブロック・ピクセル方式の考え方である。キャラクターを小さな視覚的パーツの集合体として定義し、どのショットでも同じパーツ構成を組み立て直す。この発想に切り替えるだけで、シリーズ制作の難易度は驚くほど下がる。
言語指示だけでは限界がある理由
プロンプトは圧縮された指示である。詳細を書けば書くほど、モデルはその一部を無視するか、勝手に補完する。「青い瞳、そばかす、左眉に小さな傷、栗色のショートボブ」と並べても、実際の出力ではそばかすが消え、傷の位置が左右反転し、髪の長さが変わる。しかも同じプロンプトを再実行しても、シード値が変われば顔立ちそのものが変わる。
さらに厄介なのは、形容詞の強さが均等ではないことだ。「青い瞳」は強く反映されるが「左眉の傷」は忘れられやすい。モデルにとって情報の重みが均一でないため、言葉だけで人物を定義しようとすると、どうしても再現度にムラが出る。
参照画像1枚では足りない理由
では参照画像を1枚渡せば解決するかというと、これも不十分である。1枚の正面写真を渡すと、その角度の再現精度は高いが、横を向いた瞬間にモデルは推測に頼る。推測の結果として、鼻の高さが変わり、顎のラインが変わり、別人化が進む。
人間の顔は角度によって見え方が大きく変わる。正面、斜め45度、真横、俯瞰、あおり。これらを1枚の画像から完全に再構成するのは、現在の生成技術でも難しい。だからこそ複数角度の参照を束ねて渡す必要がある。これがブロック・ピクセル方式の出発点だ。
ブロック・ピクセル方式とは何か
ブロック・ピクセル方式とは、キャラクターを「分割された視覚パーツの集合」として扱い、それを複数のショットで組み立て直す設計手法である。名前の由来は、小さなブロックを積み上げて形を作る遊びの構造にある。髪、目、輪郭、衣装、小物、質感。これらを個別に定義し、各ショットで同じ組み合わせを再構築する。
重要なのは、これが単なるプロンプト技法ではなく、制作プロセスの設計であるという点だ。参照セットを用意し、ショットごとにどのパーツを固定し、どこを変化させるかを決める。この「固定と変化の分離」が一貫性の核心になる。
キャラクターを部品に分解する
最初にやるべきは、キャラクターを言語ではなく視覚的な部品リストに変換することだ。たとえば次のように書き出す。
- 骨格・輪郭: 面長か丸顔か、顎の角度、首の太さ
- 髪: 色、長さ、分け目、毛先の処理、質感
- 目: 虹彩の色、二重の幅、まつ毛の密度
- 肌: 色味、質感、特徴的なマーク
- 衣装: シルエット、素材、主要な色の組み合わせ
- 小物: 眼鏡、アクセサリー、持ち物
このリストは、そのまま参照画像の撮影・生成指示書になる。リストに書かれていない要素は、ショットごとに揺れる運命にあると考えてよい。逆に言えば、リストを充実させるほど一貫性は上がる。
マルチイメージ参照という考え方
複数の参照画像を同時に使う手法は、単一参照の弱点を補う。一般的には次の組み合わせが有効だ。
- 正面のニュートラルショット(基準となる1枚)
- 斜め45度のショット(立体感の基準)
- 表情違いのショット(笑顔・無表情)
- 衣装の全身ショット(シルエットの基準)
- 異なる照明下のショット(色の安定性)
この5枚セットを「マスターセット」と呼び、すべてのショット生成の出発点にする。モデルによって参照枚数の上限は異なるが、3〜5枚を丁寧に選ぶほうが、10枚を雑に放り込むより結果が安定する。
マスターセットの作り方
マスターセットの品質が、そのままプロジェクト全体の品質を決める。ここで手を抜くと、後の工程でどれだけ修正しても追いつかない。
参照画像を用意する3つのルート
- 実写撮影: 最も安定する。同一人物を同じ照明条件で多角的に撮影する。
- 生成画像: 画像生成モデルでキャラクターを作り、角度違いを追加生成する。
- 既存素材の再構成: イラストや3D素材から、必要な角度を抽出・整形する。
実写以外の場合、最初の1枚を作り込むことが重要になる。この1枚が「基準の顔」になり、以降のすべてがここに寄せられる。基準画像は背景を単色にし、顔のパーツが隠れないよう逆光を避け、彩度を上げすぎないほうが扱いやすい。
角度・表情・照明のバリエーション設計
バリエーションを増やせばよいわけではない。目的別に必要なカットは決まっている。
- 会話シーンが多い作品: 正面と斜め45度、口の開いた表情
- アクション中心の作品: 横顔、あおり、全身のシルエット
- 解説・ナレーション中心: 正面、穏やかな表情、上半身の固定
照明については、昼光・室内光・夜光の3種を用意しておくと色転びが減る。特に肌の色は照明で大きく変わるため、基準となる色温度を1つ決め、そこからの差分として他の照明を扱うとよい。
命名規則とバージョン管理
参照画像は必ず命名規則を決めて管理する。たとえば「charA_front_neutral_v03.png」のように、キャラクター名・角度・表情・版数を並べる。版数管理を怠ると、古い参照で生成したショットが混ざり、原因不明の不一致が発生する。
フォルダ構成も固定しよう。キャラクターごとにフォルダを分け、その中に「master」「variants」「deprecated」の3つを置く。使わなくなった参照は削除せずdeprecatedに移す。過去のショットを再生成する必要が出たときに、当時の参照を再現できるからだ。
キーフレーム制御とショット設計
一貫性は、生成時にだけでなく、ショット設計の段階で決まる。カメラが大きく動くショット、人物が頻繁に動くショットは、どうしても崩れやすい。逆に、変化の少ないショットを軸に構成すれば、シーン全体の安定感は高まる。
ショットリストを先に固める
撮影前にショットリストを確定させる。各行に「ショット番号・内容・カメラワーク・参照するマスターセットのバージョン・使用モデル」を書く。この表があるだけで、同じ人物が2つのモデルで別々に生成されて別人化する事故を防げる。
ショットリストは次の順序で埋めると作りやすい。
- 物語上の必須カットを書き出す
- 各カットの人物の向きと画面サイズを決める
- カメラが動くカットに印を付ける
- 動きの大きいカットを後回しにする順序に並べる
モーション量と一貫性のトレードオフ
動きが大きいほど、モデルは参照から離れた推測を行う。走る、振り返る、髪が激しくなびく、といったショットは崩れやすい。対策は2つある。1つは動きを分割し、中程度の動きのショットを挟んで繋ぐこと。もう1つは、動きの大きいショットだけ解像度や生成時間を増やし、参照の影響を強めることだ。
経験的には、1ショットあたりの人物の移動距離が画面幅の半分を超えると、顔の再現精度が落ちやすくなる。長回しで派手に動かすより、短いカットを繋いだほうが結果的に自然に見える。
つなぎ目の処理
編集段階でのつなぎ目処理も一貫性の一部である。前後のショットで顔の位置が大きくずれていると、視聴者は「別の人物だ」と無意識に感じ取る。なるべく画面内の人物の位置と大きさを揃え、視線の方向を連続させる。
色調補正も重要だ。ショットごとに微妙に違う肌の色味を、シーン単位でまとめて補正する。カラーグレーディングを後工程に置くことで、生成時のわずかな差異を吸収できる。
実践ワークフロー:短いシーンを完成させる手順
ここからは、15〜30秒の短いシーンを1本作る想定で、実際の流れを追う。
ステップ1:キャラクター設計とマスターセットの確定
部品リストを書き、参照画像を3〜5枚用意する。この段階で「動かさない要素」を文書化する。たとえば髪の色と長さ、目の色、衣装の主要色は全ショットで固定する、と決めておく。
ステップ2:ルック開発(1枚絵での検証)
いきなり動画を生成しない。まず静止画で、狙ったルックが出るかを確認する。参照を変えずにプロンプトだけを変え、どの程度スタイルが動くかを把握する。ここで許容範囲を決めておくと、後の判断が速くなる。
ステップ3:基準ショットの生成
シーンの中で最も重要かつ最もシンプルなカットを最初に作る。正面、静止、中景。これを「基準ショット」として採用し、以降のすべてのカットはこれを超える品質を目指す。基準より劣るカットは作り直す。
ステップ4:バリエーション生成
基準ショットの設定を複製し、カメラワークと表情だけを変える。プロンプト全体を書き直すのではなく、変更点だけを差し替えるのがコツだ。参照画像、シード値、スタイル指定は固定したままにする。
ステップ5:選別と再生成
各カットにつき2〜3案を生成し、最も参照に近いものを選ぶ。判断基準は「顔の一致」だけでなく「衣装の色」「髪のシルエット」「肌の色温度」の3点を確認する。迷ったら基準ショットと並べて比較する。
ステップ6:編集とリズム調整
カットを繋ぎ、テンポを調整する。動きの大きいカットは短く、静止に近いカットは長めに。一貫性が気になるカットは、思い切って尺を詰めると目立たなくなる。
ステップ7:仕上げと記録
色調補正、音、字幕を整える。そして最も重要なのが記録である。使用した参照の版数、モデル、主要なパラメータ、プロンプトの要点を残す。次のシーンを作るとき、この記録が作業時間を半分にする。
モデル選定の判断基準
複数の映像生成モデルを併用する場合、選定基準を先に決めておかないと、シーンごとに絵柄が変わってしまう。
系統別の得意分野
- フォトリアル系: 実写風の人物表現に強い。肌の質感と照明の再現が得意。
- スタイライズ系: アニメ調、イラスト調の一貫性が高い。線の太さが安定しやすい。
- 高速系: 反復生成に向く。ラフ生成や構図検討の段階で威力を発揮する。
制作の流れとしては、高速系で構図を固め、フォトリアル系またはスタイライズ系で本番カットを作る分業が効率的だ。
複数モデルを混ぜるルール
混在させるなら、次のルールを守る。
1つのシーン内では原則1モデルに統一する。シーンをまたぐ場合も、キャラクターが登場するカットは同一モデルで作る。どうしても混ぜる場合は、切り替え点を「別の時間帯」「別の場所」など物語上の区切りに合わせる。
また、モデルごとに参照画像の効き方が違う。あるモデルでは正面1枚が強く効き、別のモデルでは斜めが効く。乗り換えるときは必ず基準ショットを再生成し、比較してから本番に進む。
よくある失敗と対処法
顔が変わる
最も多い症状。原因は参照不足か、参照の品質が低いこと。対処は、斜め45度の参照を追加し、生成時間を増やし、モーション量を下げる。それでも改善しない場合は、参照の中に矛盾がないか確認する。正面と斜めで髪の分け目が違うと、モデルはどちらかを選んでしまい不安定になる。
衣装と色が転ぶ
衣装の色は照明とモデルの色解釈に影響されやすい。対策は、衣装単体の参照カットを追加すること、色を言語で指定するときに具体的な色名を使うこと、そして編集段階で色を揃えること。特に赤と青は彩度が跳ねやすく、ショット間で差が出やすい。
手や小物が崩れる
手は現在の生成技術でも難所である。対策として、手を画面に入れない構図を選ぶ、手袋やポケットで隠す、小物を持たせる、といった演出上の工夫が有効だ。どうしても必要な場合は、手だけを別カットで生成し、編集で合成する方法もある。
背景が浮く
人物は安定しているのに背景だけが不自然に変わる場合、背景を固定参照として与えるか、背景を別レイヤーとして生成し、合成する。人物と背景を同時に生成しようとすると、モデルの注意が分散して両方の品質が落ちる。
品質チェックとシリーズ運用のコツ
納品前のチェック項目を固定化すると、属人的な判断が減る。次を確認しよう。
- 同一キャラクターの顔が全カットで一致しているか
- 衣装の色とシルエットが連続しているか
- 髪の長さと分け目が変わっていないか
- 肌の色温度がショット間で跳ねていないか
- 視線の方向と画面内の位置が連続しているか
- 小物の有無と位置が矛盾していないか
- 尺とリズムが不自然でないか
シリーズ化する場合の運用
シリーズものは、参照セットを資産として管理することが成功の鍵になる。キャラクターごとに「設定資料フォルダ」を作り、参照画像、確定プロンプト、使用モデル、版数履歴をまとめる。新しいエピソードは必ずこのフォルダから始める。
チーム制作では、参照セットの変更権限を1人に集約する。誰でも参照を差し替えられる状態にすると、気づかないうちにキャラクターが少しずつ変化していく。変更は版数を上げ、全員に共有する。
用途別の使い分け
短尺の縦型動画では、カット数が少なく動きも小さいため、一貫性は比較的保ちやすい。逆に長尺の物語では、カット数が増えるぶん崩れが蓄積する。長尺では、シーンごとにマスターセットを見直す時間を必ず確保したい。広告や製品紹介では人物の動きが少ないため、参照1〜2枚でも実用になることが多い。
よくある質問
参照画像は何枚が最適ですか
3〜5枚が実用的な範囲です。正面、斜め、表情違い、全身、異なる照明の組み合わせが基本になります。枚数を増やすより、矛盾のない画像を選ぶことのほうが重要です。
一度作ったキャラクターを別のモデルでも使えますか
使えますが、そのままでは精度が落ちます。新しいモデルで基準ショットを再生成し、参照の効き方を確認してから本番に進んでください。参照セット自体は共通資産として再利用できます。
顔は同じなのに雰囲気が違うと言われます
多くの場合、照明と色調の差が原因です。編集段階でシーン単位のカラー調整を行い、肌の色温度とコントラストを揃えてください。また、レンズの焦点距離に相当する画角を揃えると、顔の印象が安定します。
動きの多いシーンはどうすればよいですか
動きを分割し、短いカットを繋いでください。1ショットの中での移動量を抑え、参照の効きが強い静止寄りのカットを要所に挟むと、全体の一貫性が保たれます。
生成に時間がかかりすぎます
高速系のモデルで構図と尺を先に確定し、本番カットだけ高品質モデルに回す分業が有効です。また、参照画像の解像度を適切に下げると処理が軽くなります。高解像度すぎる参照は、かえって処理を重くし、効果も頭打ちになります。
途中でキャラクターの設定を変えたくなったら
版数を上げて新しいマスターセットを作り、変更点を記録してください。既存のショットと混ぜると視聴者に違和感を与えるため、変更はシーンの区切りに合わせるのが原則です。
まとめ
AI動画におけるキャラクターの一貫性は、魔法の設定ではなく設計の問題である。言葉で人物を説明しようとすると揺らぎ、画像で固定すれば安定する。ブロック・ピクセル方式の本質は、キャラクターを部品に分解し、参照セットとして資産化し、ショットごとに同じ構成を組み立て直すことにある。
最初に手間がかかるのは、マスターセットの構築とショットリストの作成だ。しかしこの投資は、後の修正作業を大幅に減らす。特にシリーズ制作では、参照セットの管理が品質と納期の両方を左右する。
今日から始められる最初の一歩は、いま作っているキャラクターの部品リストを書き出すことである。髪、目、肌、衣装、小物。それを言語ではなく画像で揃えていく。この小さな習慣が、数年後まで使えるキャラクター資産を作る土台になる。
