はじめに：キャラクターの一貫性が動画の価値を決める
AI動画生成の精度は急速に上がり、1カットだけを見れば驚くほど自然な映像が数分で作れるようになった。だが、シリーズものや連続キャンペーンのように複数カットを並べると、途端に課題が顔を出す。2カット目で髪型が変わり、3カット目でジャケットの色が濃くなり、5カット目では顔立ちが別人になっている。視聴者はこの小さな揺れを無意識に拾い、「さっきの人と違う」と感じ取ってしまう。
一貫性の乱れは、単なる見た目の問題では済まない。物語への没入が途切れ、離脱率が上がり、ブランドであれば「雑な制作」という印象が残る。逆に、同一人物が画面をまたいで同じ表情の癖、同じ歩き方、同じ色の衣装で動き続けるだけで、映像全体の説得力は大きく変わる。つまりキャラクターの一貫性は、演出の一部ではなく、動画の土台そのものである。
本記事では、参照画像をブロックのように組み上げてキャラクターを固定する考え方と、実際に手を動かして再現できる制作ワークフローを順に解説する。特別な機材は不要で、必要なのは「どの情報を固定し、どこを毎回変えるか」を決める整理の力だ。読み終わるころには、自分の企画に合わせた一貫性のルールを自分で設計できるようになるはずだ。
キャラクターが崩れる原因を分解する
一貫性が崩れる原因は一つではない。大きく四つの層に分けて考えると整理しやすい。生成モデル側の性質、入力する参照情報の設計、プロンプトと乱数の管理、そして編集工程での扱いだ。原因を層に分けておくと、崩れたときにどこへ戻ればよいかがすぐ判断できる。闇雲にプロンプトを書き換えるより、まず層を特定するほうがはるかに速い。
顔・体型・衣装のドリフトが起きる仕組み
生成のたびにモデルは確率的に画素を決めている。テキストだけの指示では、顔の輪郭、目の間隔、鼻の高さといった微妙な数値が毎回わずかに揺れる。これが数十カット分積み重なると、視聴者にはっきり分かる別人化として現れる。髪の長さや前髪の分け目、体の比率、靴の色なども同じ理由で揺れる。とくに全身ショットと顔のアップを混ぜたときに揺れが目立つのは、参照している情報の粒度が変わるからだ。
もう一つの落とし穴は、衣装の細部を毎回テキストで説明し直すことにある。同じ人物でも指示の言い回しが変われば、モデルは別の解釈をする。「紺のジャケット」と「濃い青の上着」は人間には同じでも、モデルにとっては別の指示になり得る。表現を固定し、用語集を作っておくだけでドリフトは目に見えて減る。
ライティング・背景・色温度の揺れ
同じ人物でも、逆光と順光、昼と夕方、屋内と屋外では肌の見え方が変わる。これは自然なことだが、カットごとに光源の向きがばらばらだと、同じ人物なのに別撮影のように見えてしまう。背景の色温度が変わると肌色も連動して変化するため、人物の同一性は「色」の管理と切り離せない。ライティングの方向と色温度をショットリストに書き込むだけで、見え方のばらつきはかなり抑えられる。
背景も見逃せない。明るい壁の前と暗い森の中では、同じ人物の輪郭の印象が変わる。シリーズ全体で背景のトーンを揃えるか、少なくとも「明るさの範囲」を決めておくと、カット間の連続性が保たれる。
参照情報と乱数管理の抜け
参照画像を1枚だけ渡して長い動画を作ろうとすると、モデルは情報が足りずに想像で補う。逆に参照を増やしすぎると、どの特徴を優先すべきか分からず平均化してしまう。また、シード値や解像度、縦横比をカットごとに変えると、出力の傾向そのものが変わる。参照と乱数は「動かさない前提」で管理し、意図的に変えるときだけ理由を記録するのが基本だ。
参照画像をブロックのように積み上げる設計思想
ブロック玩具を想像してほしい。同じ形の部品を決まった位置に組み込めば、何度組み直しても同じ姿になる。逆に部品の形や色が毎回違えば、完成形は安定しない。キャラクター制作も同じで、顔、髪、衣装、体型、小物という部品を参照画像として固定し、動かす部分だけを変える設計にする。この発想に切り替えると、作業は「毎回ゼロから描く」から「決まった部品を組み替える」へと変わる。
マルチリファレンス融合の基本原則
複数の参照画像を同時に渡し、共通する特徴を抽出させる手法は、単一のテキスト指示より圧倒的に安定する。重要なのは「同じ人物の別角度」を渡すことだ。正面、斜め45度、横、後ろ、そして表情違い。角度が違っても同一人物から抽出される特徴は共通部分として残り、ノイズは平均化されて薄まる。結果として、生成されるどのカットにも同じ骨格が反映されやすくなる。
ここで意識したいのは、参照の「数」より「役割」だ。輪郭を決める参照、色を決める参照、質感を決める参照というように役割を分けて渡すと、モデルが混乱しにくい。同じ役割の画像を何枚も足すより、異なる役割を1枚ずつ揃えるほうが効果は大きい。
不変属性と可変属性を分離する
一貫性設計の核心は、変えてはいけない情報と変えてよい情報を明確に分けることにある。不変属性は顔の骨格、目の色、髪の色と長さ、体型、衣装の基本デザイン、アクセサリーの位置。可変属性は表情、ポーズ、手に持つ物、背景、ライティングの雰囲気、カメラの距離。この二つをリスト化し、可変属性だけをカットごとに書き換える。
多くの失敗は、可変属性のつもりで衣装の色を変えてしまい、視聴者に「別の服＝別の人物」と読まれることで起きる。迷ったときは「この変化は物語の情報か、それとも見た目の気分か」と自問しよう。物語の情報なら可変、気分なら不変に近づけるのが安全だ。
参照セットの作り方：5枚ルール
実務では、次の5枚を用意すると安定しやすい。1枚目は正面のバストアップ。2枚目は斜め45度。3枚目は全身の立ち姿。4枚目は笑顔や怒りなどの表情違い。5枚目は実際に登場するシーンに近いライティングの写真または生成画像。解像度は揃え、背景は無地か単純なものにする。背景が複雑な参照を混ぜると、その模様が衣装に染み出すことがある。トリミングの位置も揃えると、顔の比率が安定する。
5枚を1つのフォルダにまとめ、ファイル名に役割を書いておく。「front_bust」「angle45」「full_body」「smile」「scene_night」のように命名しておけば、チームで共有しても誤用が減る。
実践ワークフロー：8つの工程
ここからは実際の手順を8つの工程に分けて説明する。工程を飛ばすと後戻りが大きくなるので、順番どおりに進めることをすすめたい。各工程の終わりに「次へ進む条件」を決めておくと、品質のばらつきが抑えられる。
工程1〜3：企画、キャラクターシート、参照生成
工程1は企画の言語化だ。誰が、どこで、何をして、どんな感情を残すのかを1段落で書き出す。この段落は後の全工程で判断基準になる。曖昧なまま進めると、カットごとに演出の意図がぶれ、それがキャラクターのぶれとして現れる。
工程2はキャラクターシートの作成である。不変属性を箇条書きで確定させ、色は言葉ではなく数値や色名で指定する。髪の色、肌のトーン、衣装の3色、靴の形、アクセサリーの有無と位置。ここで確定した項目は、以降のプロンプトに毎回同じ表現で登場させる。
工程3は参照画像の生成と選別だ。1回の生成で決めず、同じ設定で複数回出力し、最も素直な結果を選ぶ。選ぶ基準は「美しさ」ではなく「他の角度と矛盾しないこと」。正面だけ整った不自然な画像を選ぶと、後続の全カットが崩れる。選別に迷ったら、全身と斜めの参照と並べて違和感がないかを確認する。次へ進む条件は、5枚の参照で同一人物だと第三者が判断できることだ。
工程4〜6：ショット設計、生成、編集
工程4はショットリストの作成である。各カットについて、距離、アングル、光源の方向、背景のトーン、可変属性の内容を表に書き込む。この表があると、生成時に迷う時間が減り、結果のばらつきも小さくなる。物語のリズムを意識し、同じ距離のカットが続かないように並べ替える。
工程5はカットごとの生成だ。参照セット、乱数設定、プロンプトの骨格を固定し、変えるのは可変属性のみにする。1カットにつき複数案を出し、最も参照に忠実なものを採用する。ここで重要なのは、完璧な1カットを追うより、シリーズ全体で安定する1カットを選ぶことだ。単体で見て少し物足りないカットでも、前後と並べたときに自然なら正解である。
工程6は編集である。つなぎ目で色温度と露出を揃え、必要ならカットごとに軽いカラー補正をかける。人物の同一性は色の連続性に強く依存するため、この工程を省略すると、生成段階で守った一貫性が最後で崩れる。編集ソフトでは隣り合うカットを見比べる表示を使い、肌の明るさが急に変わっていないか確認する。
工程7〜8：品質チェックと書き出し
工程7はチェックである。全カットを低速で通し、顔、髪、衣装、体型、小物の5項目を順に確認する。チェックは項目ごとに分けて行うと、視線が散らずに見落としが減る。気づいた違和感はその場でメモし、修正が必要なカットだけを再生成する。全部を作り直す必要はない。
工程8は書き出しである。解像度、フレームレート、縦横比を媒体ごとに決め、字幕やロゴの安全領域を確保する。縦型と横型の両方が必要な場合は、先に横型で完成させてから構図を調整するほうが、人物の比率を保ちやすい。書き出し設定はテンプレート化し、次回の制作で迷わないようにしておく。
プロンプト設計の具体例とテンプレート
一貫性を保つプロンプトは、自由な文章ではなく構造化された記述が向いている。推奨する順序は、被写体の不変属性、可変属性、ライティング、背景、カメラ、品質指定の6ブロックだ。順序を固定すると、カット間の差分が一目で分かる。
たとえば次のように書く。「被写体：30代の女性、黒髪の肩までのストレート、切れ長の目、薄いそばかす、白いシャツに紺のジャケット。可変：窓辺で軽く微笑む。ライティング：左斜め上からの柔らかい自然光、色温度はやや暖色。背景：ぼかした書斎、木の棚。カメラ：バストアップ、35mm相当、浅い被写界深度。品質：自然な肌の質感、過度な彩度を避ける」。
この形式の利点は、変更点を1行だけ書き換えれば済むことにある。2カット目は「可変」の行だけを「振り返って驚く」に変える。不変属性の行は一字も触らない。人間が読んでも差分が明確なので、チーム制作での引き継ぎも容易になる。
避けたい書き方も整理しておこう。「かわいい」「かっこいい」のような評価語は、モデルにとって具体性がなく、カットごとに解釈が揺れる。色や形、光の向きといった観測可能な情報に置き換える。また、同じ意味の形容詞を重ねると、後半の語が強く効いて前半が薄まることがある。形容詞は1つの属性につき1つに絞るのが安全だ。
ネガティブ指定も過信しないほうがよい。禁止語を大量に並べると、かえってその概念が出力に混ざることがある。使うなら3〜5項目に絞り、実際に問題が起きたものだけを追加していく運用が現実的だ。
ショット設計とカメラワークで一貫性を守る
キャラクターの同一性は、実はカメラ設計に強く依存する。同じ人物でも、広角の近接と望遠の遠景では顔の見え方が変わる。シリーズを通して焦点距離の範囲を決めておくと、視聴者の記憶の中の「同じ顔」が保たれる。目安として、顔のアップは中望遠、全身は標準からやや広角というように用途ごとに固定するとよい。
アングルも同様だ。見上げるアングルが続くと人物は強く見え、見下ろすアングルが続くと弱く見える。これは演出として有効だが、無意識に混ざると人物像が定まらない。意図して使うアングルと、ニュートラルなアングルを分けて管理しよう。
カットのつなぎ方にも工夫がある。同じ人物が連続する場面では、視線の方向を揃えると連続性が強く感じられる。逆に、視線が毎回ばらばらだと、視聴者は「別の場面」と解釈してしまう。ショットリストに視線のベクトルを書き添えるだけでも効果がある。
動きの設計も重要だ。歩行や手の動きは、参照画像からは読み取りにくい情報である。同じ動作を複数カットで使う場合は、動作の速度と歩幅を数値で決め、プロンプトにも同じ表現で書く。動きの質感が揃うと、顔が多少揺れても視聴者は同一人物として受け取ってくれる。
よくある失敗と修正手順
失敗には型がある。型を知っていれば、崩れたときの復旧が速い。ここでは実務で頻出する5つを取り上げ、原因と修正手順を示す。
顔がカットごとに別人になる
原因は参照情報の不足か、参照同士の矛盾である。まず参照セットを見直し、角度の異なる同一人物の画像が揃っているかを確認する。次に、不変属性の記述が全カットで同一かを照合する。表現の揺れがあれば用語集に統一する。それでも改善しない場合は、参照の枚数を5枚から7枚に増やし、うち2枚を実際のシーンに近いライティングの画像にする。
衣装の色が微妙に変わる
原因は色の指定が言葉だけになっていることだ。色名に加えて明度と彩度の目安を書き、シーン全体の色温度も固定する。編集段階でカットごとのカラー補正を揃えることも有効である。衣装の色は、視聴者にとって「同じ人物かどうか」の最も分かりやすい手がかりになる。ここを妥協すると、他の要素をどれだけ揃えても印象は安定しない。
背景が意図せずキャラクターに混ざる
原因は参照画像の背景が複雑なことにある。参照は無地か単純な背景で作り直し、シーンの背景はプロンプト側で指定する。どうしても実写の参照を使いたい場合は、人物だけを切り抜いてから渡す。切り抜きの縁が粗いと輪郭にノイズが出るため、境界を整えておく。
モーションが不自然で人物が溶ける
原因は動きの指示が大きすぎることにある。1カットに複数の動作を詰め込むと、モデルは情報を処理しきれずに輪郭を崩す。1カット1動作に分割し、動作の開始と終了を明確にする。カットを短く切って数で稼ぐほうが、結果的に自然な映像になる。
つなぎ目で明るさが急変する
原因はライティング指定の欠落である。ショットリストに光源の方向と色温度を書き、編集で隣接カットのヒストグラムを見比べる。急変が避けられない場合は、トランジションでつなぐのではなく、間に中間の明るさのカットを挟むと自然につながる。
ツール選定の判断基準
道具は多ければよいわけではない。選定では次の観点を順に確認したい。第一に、複数の参照画像を同時に扱えるか。第二に、乱数と解像度を固定して再現できるか。第三に、縦横比やフレームレートの出力が制作先の要件に合うか。第四に、処理時間と待ち時間が制作サイクルに収まるか。第五に、生成物の権利と商用利用の条件が自分の用途に合うか。
複数参照の対応は特に重要だ。1枚参照しか扱えない道具では、どれだけプロンプトを工夫しても一貫性の上限が低い。逆に参照を多数扱える道具は、参照セットの設計がそのまま成果に直結する。つまり道具選びは、自分の参照設計の力量と相談して決めるべきものである。
もう一つの判断軸は、編集工程との相性だ。生成した素材をそのまま使うのか、映像編集ソフトで補正するのかによって、必要な出力形式が変わる。連番画像で書き出せる道具は、編集での追い込みがしやすく、カラー補正や合成の自由度が高い。動画ファイルのみの出力だと、細かな調整が難しくなる。
予算の考え方も整理しておこう。費用対効果は「1本あたりの完成時間」で測るのが実務的だ。単価が低くても、作り直しが多くて時間がかかるなら割高である。逆に単価が高くても、1回で決まるなら結果的に安い。複数案を同時に生成できるかどうかは、この指標に直結する。
小規模なチームなら、まず1つの道具で工程を最後まで通し、ボトルネックを特定してから乗り換えるのが安全だ。最初から複数の道具を並行して使うと、設定の管理が破綻し、かえって一貫性が崩れる。
よくある質問（FAQ）
参照画像は何枚が最適ですか
用途によるが、5〜7枚が実務的な範囲だ。顔の角度3枚、全身1枚、表情1枚、シーンに近いライティング1枚を基本とし、問題が出た項目だけを追加する。多すぎると特徴が平均化して、かえって個性が薄まる。
実写の人物写真を参照に使えますか
使えるが、権利と同意の確認が前提になる。第三者の写真を使う場合は許諾を取る。自分の写真や、許諾を得た素材なら問題ない。配慮が必要なのは、実在の人物に似すぎた出力を公開してしまうケースだ。公開前に必ず確認したい。
一貫性を保ったまま表情は変えられますか
変えられる。表情は可変属性に分類し、顔の骨格に関する記述は固定したまま、表情の行だけを書き換える。笑顔、驚き、悲しみの3種類を用意しておくと、物語の感情設計がしやすい。
縦型と横型の両方が必要なときはどうしますか
先に情報量の多い横型で完成させ、その構図を基準に縦型へ展開する。人物の位置と比率を保ったままトリミングし、必要なら縦型専用に周辺の背景を追加生成する。最初から両方を並行して作ると、どちらかで比率が崩れやすい。
生成のたびに結果が変わって困ります
乱数設定を固定し、プロンプトの語順を変えないことが基本だ。同じ設定でも完全に同じ結果にはならないため、複数案から選ぶ運用を前提にする。選ぶ基準を先に決めておくと、迷う時間が減り、判断も安定する。
外注する場合、何を渡せばよいですか
キャラクターシート、参照セット、ショットリスト、プロンプトのテンプレート、書き出し設定の5点をまとめて渡す。これらがあれば、作業者による差が出にくい。とくに用語集は、表現の揺れを防ぐ最も効果的な資料になる。
まとめ：明日から始める3つの習慣
一貫性は才能ではなく、設計と習慣で作られる。まず、キャラクターシートを作り、不変属性と可変属性を分けて書き出す習慣をつけよう。次に、参照セットを5枚ルールで整え、ファイル名で役割を明示する。最後に、ショットリストに光源とアングルを書き込み、生成前に判断を済ませておく。
この3つを続けるだけで、作り直しの回数は大きく減る。逆に、どれか一つを省略すると、崩れた原因の特定に時間を取られ、制作のリズムが乱れる。一貫性の作業は地味だが、その積み重ねが映像の説得力を決める。まずは短い1本で、8つの工程を最後まで通してみてほしい。通しきった経験が、次の作品の速度と品質を確実に引き上げる。
