AI動画のキャラクター一貫性：全シーンで同じ顔を保つ方法

完璧なキャラクターをデザインしました。シーン1は最高の出来。ところがシーン2——あごが違う。シーン3では5歳老けて、目の色まで変わっている。この戦いを経験したことがあるなら、もうご存じでしょう。AI動画のキャラクター一貫性こそ、AI映像制作における最大の未解決のフラストレーションです。

朗報は、これが今日ではほぼ解決可能だということです——魔法のモデル1つではなく、正しいテクニックを正しい順序で積み重ねるワークフローによって。

このガイドではすべてを扱います。ドリフト（顔のブレ）が起こる理由、それと戦う4つのメカニズム、私たちが制作で使っているLock-Then-Animateワークフロー、リファレンスセットの構築法、そしてそれでもドリフトが忍び込んだときの症状別リペア表です。

さっそく本題です。

第1章：AIがキャラクターの顔を変え続ける理由

ドリフトが起こるのは、テキストが「説明」であって「アイデンティティ」ではないからです。 入力がプロンプトだけなら、モデルは毎回、言葉からキャラクターを再発明します——一回残らず。

AI動画におけるキャラクター一貫性とは？

キャラクター一貫性とは、AI生成キャラクターが複数の生成ショットやシーンにわたって、同じ認識可能なアイデンティティ——顔の骨格、目の色と形、髪、体格、見た目の年齢——を保つことです。テキスト記述だけからキャラクターを再生成するのではなく、リファレンス画像や固定された開始フレームに生成をアンカリングすることで実現されます。

では、プロンプトが実際にモデルに与える情報を見てみましょう。

「短い黒髪で緑の目の女性」に一致する顔は何千もあります。モデルは生成のたびにそのうちの1つをサンプリングします——そして、同じ顔を2回引く理由はどこにもありません。

鉄則：アイデンティティが重要なら、言葉だけでは決して保てません。 モデルに渡すべきは、アイデンティティの「説明」ではなく「画像」なのです。

なぜこれが動画で特に重要なのでしょうか？

動画は問題を掛け算するからです。1本の動画はモデルが一貫させなければならない数十のフレームであり、マルチシーンのプロジェクトは多数の動画——その一つひとつが顔を引き直す新たなチャンスです。一貫性は、この両方のレベルで設計する必要があります。

第2章：一貫性を支える4つのメカニズム

レバーはちょうど4本あり、それらは積み重なります。 どのプラットフォームで見かけた一貫性テクニックも、姿を変えたこの4つのどれかです。

メカニズム1：リファレンス画像（最強）

キャラクターの写真2〜6枚をモデルに与え、生成をそれらに直接条件付けします。これはDreamBoothやIP-Adapterといった研究の系譜にある技術です——カテゴリーではなく、この特定の被写体をモデルに教えるアプローチです。

現代のマルチリファレンス画像モデル——Nano Banana 2、Seedream、FLUX.2など——は複数のリファレンスを同時に受け付けます。キャラクターシートが作れるのはこのおかげです。

メカニズム2：開始フレームアンカリング

画像から動画への生成では、キャラクター画像がフレーム1になります。モデルは顔を想像する必要がありません——その顔から始めて、前へと動かすだけです。

これは動画の一貫性で最もレバレッジの効く単独テクニックであり、第3章のワークフローの背骨です。

メカニズム3：モデル組み込みの被写体機能

一部の動画モデルは、クリップ全体で被写体のアイデンティティを内部的に追跡します——Kling 3.0はまさにこの問題のために設計された被写体処理を備え、際立って強力です。これらの機能はクリップ内のドリフトを減らしますが、それだけではシーン間のドリフトは解決しません。

メカニズム4：プロンプトアンカー（最弱、それでも価値あり）

すべてのプロンプトに一字一句同じで貼り付ける、固定のキャラクター記述です。「Mara、34歳の女性、シャープな黒髪のボブ、淡い緑の目、左眉の上に小さな傷跡」。

単独では弱い手段です。しかしリファレンスと開始フレームの上に積めば、画像では伝えられないもの——名前、数字としての年齢、カメラが見落としそうなディテール——を補ってくれます。

ただし、ここがポイントです。

ほとんどの人はメカニズム4だけを使い、なぜキャラクターがドリフトするのかと首をかしげています。映画級の一貫性を出しているチームは、4つすべてを同時に使っているのです。

第3章：Lock-Then-Animate（先に固定、後で動かす）ワークフロー

まず画像モデルでアイデンティティを固定し、そのあとで初めて動画モデルに触らせる。 この2フェーズ分割がすべてのコツです——画像モデルは動画モデルよりアイデンティティの扱いがはるかに得意なので、それぞれに得意な仕事をさせましょう。

ステップ1：キャラクターシートを作る（Lockフェーズ）

マルチリファレンス画像モデルで、キャラクターを複数のアングルと表情で生成します。当社のAIキャラクタージェネレーターはまさにこのステップのために作られています——スタイルプリセット、複数のリファレンススロット、ポートレート／全身／キャラクターシートの出力タイプ。

ここで焦らないでください。ここでの10分の反復が、後の何時間分もの引き直しを節約します。

「固定された」状態とは

3つの異なる設定でキャラクターを生成し、初見の人が自信を持って「同じ人物だ」と言える——そうなればアイデンティティは固定されています。このテストが画像の段階で失敗するなら、動きの中ではもっと激しく失敗します。反復コストが最も安いこの段階で直しましょう。

ステップ2：カノニカル（正典）ポートレートを選ぶ

シートの中から1枚をカノニカルバージョン——このキャラクターの見た目に関する唯一の正解——として選びます。最適な候補は、正面向き、無表情、クリーンな照明、劇的な影のないものです。

下流のすべてが、この1枚を受け継ぎます。

ステップ3：それを開始フレームに使う

カノニカルポートレート（またはそこから生成したシーン別バリアント）を画像から動画へ持ち込みます。フレーム1は文字どおりあなたのキャラクターになり、モデルの仕事は「人物を発明する」から「この人物を動かす」へと縮小します。

ステップ4：まずは穏やかに動かす

モーションの大きさは、ドリフトの大きさです。さりげない振り向き、微笑み、カメラへ歩いてくる動き——これらはアイデンティティをよく保ちます。炎の中でのバク宙は、そうはいきません。

まず穏やかなテイクを確保しましょう。そのうえでアクションショットに挑めば、引き直しの余裕を持って攻められます。

ステップ5：再利用する、決して作り直さない

キャラクターシートとカノニカルポートレートを保存してください。今後のすべてのシーンは同じファイルから始めます——「ちょっとだけ、もう一回生成しちゃおう」ではなく。ゼロからキャラクターを再生成するのは、1人のヒロインの代わりに5人の「ほぼ姉妹」を抱えるプロジェクトへの近道です。

Imgveoのアセットライブラリは生成物をプロンプトと紐付けて保存するので、「このキャラクターをアニメーション化」「リファレンスとして使用」は毎回まったく同じアイデンティティを引き出します。

第4章：本当に機能するリファレンスセットの作り方

4枚の画像、1つのアイデンティティ、一貫した照明——これがレシピです。 リファレンスを増やして役立つのは、互いに矛盾しない場合だけです。

必須の4ショット

1. 正面ポートレート —— アンカーです。手持ちで最高画質の1枚を、無表情で。
2. 斜め45度（スリークォーター） —— 鼻の突出、あごのライン、耳の形といった奥行きの手がかりをモデルに与えます。この1枚を足すだけで、「振り向くと顔が平板になる／別人になる」問題の大半が解決します。
3. 表情ショット —— 笑顔か驚きの表情。顔がどう動くかを教える1枚で、動画で絶大な効果を発揮します。
4. 全身 —— 体格、姿勢、デフォルトの服装。これがないと、ワイドショットでキャラクターの頭の下に新しい体が発明されます。

セット自体の一貫性ルール

• 4枚すべてで照明の系統を揃える。 スタジオ照明のポートレートとゴールデンアワーのショットを混ぜると、モデルは2つの異なる肌のトーンを学習してしまいます。
• フィルター・美肌加工は禁止。 フィルター済みのリファレンスは、フィルターがかかった——そして不安定な——アイデンティティを生みます。
• 最近のもので、互いに矛盾しないこと。 2枚のリファレンスが食い違えば（髪の長さが違う、体型が違う）、モデルはそれらを平均して別人を作ります。

リファレンスは何枚まで？

収穫逓減はすぐに始まります。整合した4枚は、矛盾する8枚に必ず勝ちます。6枚を超えると、増やしているのはほぼノイズです。多くのマルチリファレンスモデルの入力上限が6枚前後なのは、理にかなった天井と言えます。

第5章：症状別ドリフト修復

ドリフトの種類によって原因は異なります——引き直す前に診断しましょう。 闇雲な再生成はクレジットの無駄です。狙いを定めた修正なら、たいてい1〜2回で決まります。

目の形や色が変わる

たいていのリファレンスで目の領域は小さく、信号が弱いのです。対策： リファレンスセットに寄りのクローズアップポートレートを1枚追加し、プロンプトアンカーで目の色を明示しましょう（「淡い緑の目」——すべてのプロンプトで）。

あごのラインや顔の幅がさまよう

奥行き情報の欠如による典型的な症状です。対策： セットに斜め45度のショットが入っていることを確認し、アイデンティティが最重要のクリップでは素早い首振りのモーションを避けましょう。

シーン間で肌のトーンが変わる

十中八九、これはアイデンティティのドリフトではなく照明のドリフトです——モデルがキャラクターを別の光で照らし直し、トーンが引きずられただけです。対策： すべてのプロンプトで照明を固定し（「柔らかなニュートラルな昼光」）、毎回の実行にホワイトバランスの整ったクリーンなリファレンスを1枚含めましょう。

キャラクターが老けたり若返ったりする

年齢は生成において最も緩い属性のひとつです。対策： 年齢は必ず数字で明示し（「34歳」）、スタイル語を点検しましょう——「若々しい輝き」「風格のある」「童顔」などは、静かに年齢を押し動かします。

もうひとつ、正直に言っておきましょう。

ドリフトした結果のほうが、カノニカルより良いこともあります。そのときは抗わないでください——新しい画像をカノニカルに昇格させ、そこからリファレンスセットを再生成して、アップグレードとともに前へ進みましょう。

第6章：シーンとショットをまたいで一貫性を保つ

シーン間の一貫性は、モデルの問題であると同時に規律の問題です。 ツールが約束を果たすのは、あなたのプロセスが約束を果たしている場合だけです。

顔以外の変数を固定する

アイデンティティは、顔の特徴以外からも読み取られます。以下をシーンをまたいで一定に保ちましょう。書き留めて、すべてのプロンプトに入れるのです。

• 衣装 —— 「オリーブのフィールドジャケット、白Tシャツ」は「カジュアルな服」に勝ります
• 髪の状態 —— 結んでいるか下ろしているかは、たいていの顔ドリフトより認識を変えます
• 照明の言葉 —— シーケンスごとに1つ選ぶ（「曇天の昼光」）

シーン動画の前にシーン静止画を作る

マルチシーンのプロジェクトでは、Lockフェーズをシーンごとに回しましょう。まずリファレンスを使って新しい設定でのキャラクターの静止画を生成し、承認してから、その承認済み静止画をアニメーション化します。動画クレジットを使う前に承認ゲートが手に入り——すべてのシーンが同じアイデンティティを受け継ぎます。

引き直しを計画に織り込む

すべてを正しくやっても、アイデンティティ起因でショットの20〜30%は再生成が必要になると見込んでください。それは失敗ではなく、現在の技術水準です。クレジットはそれ前提で計画しましょう——反復の経済学は商品動画と同じです。安くドラフトし、高品質で仕上げるのです。

第7章：2人のキャラクター、1つのシーン

マルチキャラクターのシーンは、一貫性ワークフローが実を結ぶか崩壊するかの分かれ目です。 失敗パターンは予測可能です。2人のキャラクターが互いに寄っていき、兄弟姉妹に収束していくのです。

モデルが共演者を混ぜてしまう理由

2つのアイデンティティが1つの生成に入ると、それぞれのリファレンス信号が同じ画像の中で競合します。モデルは衝突を平均化で解決します——彼女のあごを少し彼に、彼の眉を少し彼女に。

効果のある分離戦術

• 文章上のコントラストを最大化する。 2つのプロンプトアンカーに、事実に反しない範囲で対照的な属性を与えましょう。異なる髪色、数字で明示した異なる年齢、異なる体格、異なる服の色。記述が分離可能であるほど、モデルの平均化は減ります。
• ツーショットはまず静止画で作る。 ペアに対してLockフェーズを回します。2人が一緒に写った承認済みの1枚を作り、静止画の段階で混ざりを修正し（AI画像エディターでのピンポイント編集は動画の引き直しより安上がりです）、承認済みのツーショットをアニメーション化します。
• プロンプトで名前と位置を指定する。 「Maraが左、Jonasが右」——空間的なアンカーは、テイク間のアイデンティティ入れ替わりを減らします。
• 難しくなったら1人ずつのカットに切り替える。 映画の文法はあなたの味方です。1人ずつのクローズアップを交互に切り替える会話シーンは完全に自然に見え、各生成をシングルアイデンティティに保てます。本物のツーショットは、本当に必要な瞬間のために取っておきましょう。

キャスト増員のルール

同時に映るキャラクターが1人増えるごとに、難易度は掛け算で上がります。1人なら日常業務。2人なら上記の戦術で対処可能。3人以上がフレームに入るなら、絵コンテで回避しましょう——ワイドショット1発でグループを確立し、あとはシングルとペアでシーンを運ぶのです。

第8章：正直な限界——強い類似であって、クローンではない

現在、全生成にわたってピクセル単位で同一のキャラクターを保証できるツールは存在しません——それを謳うツールは疑ってかかるべきです。 現世代のモデルが提供するのは強い類似です。つまり、シーンからシーンへ、観客が同じ人物として読み取れるキャラクターです。

実務上の天井はここにあります。

• 極端なアングル（真上から、真後ろから）は今もアイデンティティを揺るがします。
• 非常に長いクリップは終盤に向けてドリフトが蓄積します——短いショットを編集でつなぐほうが1本の長い生成に勝る、もうひとつの理由です。
• スタイライズからリアルへのジャンプ（アニメキャラをフォトリアルにアニメーション化する）は、定義上アイデンティティを変えます。アイデンティティが重要なら、スタイルは固定しましょう。
• 結果はリファレンスの品質に左右されます —— モデルは与えられたものを増幅します。矛盾も含めて。

この壁の内側でプロジェクトを設計すれば、一貫性はボトルネックではなくなります。壁と戦えば、どのプラットフォームを使っても満足できないでしょう。

結論：一貫性は機能ではなく、ワークフローである

一行でまとめると：まず画像でアイデンティティを固定し、その画像から動かし、同じリファレンスを永遠に使い回し、ドリフトは闇雲に引き直さず症状で診断する。

マルチリファレンスモデルの登場とともに、キャラクターの一貫性は運任せではなくなりました。今やそれは技術です——そして技術は、学べます。

AIキャラクタージェネレーターでキャラクターシートを作り、カノニカルポートレートをそのまま動画へ持ち込みましょう。Lock-Then-Animateのループ全体が、1つのプラットフォームで完結します。

よくある質問

AIキャラクターがシーンごとに違って見えるのはなぜですか？

生成のたびにテキスト記述からキャラクターが再サンプリングされ、どんな文章記述にも何千もの顔が一致するからです。リファレンス画像や開始フレームでアイデンティティをアンカリングしない限り、モデルには同じ顔を再現するメカニズムがありません——ドリフトはバグではなく、デフォルトなのです。

AI動画で同じキャラクターを保つにはどうすればいいですか？

4つのテクニックを積み重ねます。マルチリファレンス画像モデルでキャラクターを生成し、カノニカルポートレートを1枚選び、それを画像から動画への生成の開始フレームに使い、一字一句固定したキャラクター記述をすべてのプロンプトで繰り返す。そして全シーンで同じリファレンスファイルを再利用します。

一貫したキャラクターにはリファレンス画像が何枚必要ですか？

厳選した4枚——正面ポートレート、斜め45度、表情ショット、全身——が、枚数の多い不揃いなセットに勝ります。4枚とも同じ照明スタイルを共有し、フィルターなしであるべきです。多くのマルチリファレンスモデルは最大6枚まで受け付けますが、それを超えると効果は逓減します。

写真1枚から一貫したAIキャラクターは作れますか？

実用的なレベルでは、はい。高品質な正面写真1枚を画像から動画への開始フレームに使えば、そのクリップ内ではアイデンティティがよく保たれます。マルチシーンのプロジェクトでは、まずその1枚から追加のアングルを生成してリファレンスセットに拡張し、そのセットから作業しましょう。

同じシーンに登場する2人のAIキャラクターを一貫させるには？

各キャラクターに強く対照的なプロンプトアンカー（明示した異なる年齢、髪、服の色）を与え、アニメーション化の前にペアの承認済み静止画を作り、名前で位置を固定します（「Maraが左」）。ツーショットでアイデンティティが混ざり続けるなら、1人ずつのクローズアップを交互に使う構成へ——各生成をシングルアイデンティティに保つ、標準的な映画の文法です。

キャラクターの一貫性に最適なAIはどれですか？

すべてに勝つ単一のモデルは存在しません。アイデンティティの固定にはマルチリファレンス画像モデル（Nano Banana 2、Seedream、FLUX.2）が最強で、動きの中での保持にはKling 3.0のような被写体追跡機能を持つ動画モデルが最も優れています。勝ちパターンは両方の組み合わせ——キャラクター制作でマルチモデルのプラットフォームが優位に立つ理由がここにあります。

---

実践してみましょう：AIキャラクタージェネレーターでキャラクターを作るか、Nano Banana 2がマルチリファレンス生成をどう扱うかをお読みください。