毎回おなじ顔で: 18+キャラクターの見た目を揃える

気に入った画像ができた。ほぼ同じ指示をもう一度書いて、同じ人物の別のポーズを期待したのに、見知らぬ人が返ってくる。大人向けAIアートでいちばん多い苛立ちで、これは生成器の不具合ではありません。プロンプトが何のためにあるかという誤解です。

描写は同一性ではない

「緑の目、暗い髪、二十代半ば、そばかす」は特定の一人を説明しているように聞こえます。していません。それは何百万もの顔を含むカテゴリの説明で、生成のたびにその内側から新しく一つ引き直しているだけです。形容詞を五十個足せばカテゴリはわずかに狭まりますが、同時に描きにくい指示になります。だから非常に長い人物描写は、たいてい画像を悪くして、一貫性は増やしません。

顔を本当に固定するのは画像です。見た目は視覚情報であり、それをモデルに渡す確実な方法は、一枚を手渡して「この人物」と言うことだけです。

実際にはどう動くか

コンパニオンとのチャットでは、これは目に見えないところで起きています。コンパニオンが写真を送るとき、依頼には彼女自身の肖像が参照として添えられ、新しい画像はその文章による説明ではなく、その似姿から組み立てられます。五十枚目の写真でもまだ彼女に見えるのは同じ仕組みのおかげです。

スタジオでは自分でそれをやります。てこになるのが Videoタブの開始画像です。顔が納得できる一枚が出るまで静止画を生成し、そのファイルを取っておいて、キャラクターシートとして扱ってください。そこから始まるクリップは、似姿をただで受け継ぎます。静止画については、一貫性の実務版はこうです。あなたは演出ではなくキャスティングをしている。まとめて生成し、これで行くという一枚を選び、残りはすべてその一枚のまわりに組み立てる。

静かにそれを壊す習慣

参照画像を用意すると、念のためプロンプトでも人物を描写したくなります。その直感は誤りで、しかも決まった形で裏目に出ます。身体的な特徴の名前を書くと、それはモデルが保つものではなく、積極的に描くものになるのです。

自社のシステムでこれに突き当たりました。生成のたびに前置きする指示は、かつて特徴を保つためにその名前を書いていました。要するに、その人物は髪がないと書いてあったのです。モデルはそれを描くべき性質として読み、髪のあるキャラクターのチャットで髪のない人物を出し始めました。直し方は、特徴の値を一切書かず、誰が写っているかだけを言うことでした。

ですから参照画像がある場合は、場面を書いて人物には触れないでください。場所、光、ポーズ、服の状態。顔についてはひと言も書かない。その仕事は参照画像がしていて、上に重ねた語はすべてそれと競合します。この規則のより広い版は きちんと描かれるNSFWプロンプトの書き方にあります。

それでもずれるもの、その理由

参照画像があっても動くものはあります。角度の大きな変更がいちばんです。正面から撮った参照は横顔についてほとんど情報を持たないので、斜め四十五度を求めると見えていない部分を捏造します。照明の激しい変更は、肌の色と顔の形に同じことをします。いちばん残りにくいのは細部です。特定のタトゥーや珍しいピアスは参照画像の中でわずかな画素しか占めず、モデルはそれをノイズとして扱います。

回避策は退屈で、よく効きます。一度に一つだけ変える。角度を保って舞台を変えるか、舞台を保ってポーズを変える。一貫性は参照画像からの距離とともに落ちるので、短い一歩のほうが、一度の大跳躍よりはるかによく着地します。

連作をつくる

一枚ではなく連作が欲しいなら、一方向に進めてください。参照画像を選び、次のカットを生成し、それがうまく出たら、その新しい画像を次のカットの参照にすることを検討します。無造作にやるとずれは積み重なりますが、小刻みに進めれば、キャラクターが一人の人物として見分けられるまま場面全体を歩けます。

そして失敗した生成は自動的に返金されるので、悪い一歩の代価は1分であってお金ではありません。ここでは試行によるキャスティングが、本当に正しい方法なのです。

顔ひとつで試してみてください。納得の一枚が出るまで生成し、 その一枚をそのまま動かして、彼女のどれだけが動きを生き延びるか見てみましょう。