一貫したキャラクターのAI動画：参照画像の作り方

一貫したキャラクターのAI動画とは、毎回違う見た目の人物になってしまうのではなく、同じ顔・同じ服装・同じシーンを保ったまま複数の動画クリップを生成することです。解決策はプロンプトを工夫することではありません。1枚の元画像だけを使う方法から、モデルが各クリップを生成する前に同じキャラクターの写真を2〜4枚受け取る「参照画像ワークフロー」に切り替えることです。VIBEのSeedance 2.5とVeo 3.1ファミリーは、すでにこのモードに対応しています。

VIBEはテキストプロンプトや画像から、Kling、Sora、Veoなど最新のAIモデルを使って見事な動画を作成できるAI動画生成アプリです。参照画像対応モデルを使えば、短編映画や広告、顔出しなしのチャンネルシリーズ全体で、キャラクターの見た目をひと目でわかるように保つことができます。

一貫したキャラクターのAI動画とは何ですか?

一貫したキャラクターのAI動画とは、シーンを再生成するたびに別人のような見た目になるのではなく、同じ顔・同じ服装・同じ体型のキャラクターが、別々に生成された複数のクリップにわたって正しく登場する映像のことです。これは1本のクリップだけで終わらないプロジェクト、たとえばミニシリーズ、商品のマスコット、繰り返し登場するナレーターがいる説明動画、同じ「顔」を何十本もの動画で使い回す顔出しなしチャンネルなどで重要になります。

うまくいく方法は「reference-to-video」と呼ばれるものです。テキストプロンプトだけを入力したり、1枚の元画像だけをアニメーション化するのではなく、事前に同じ人物の写真を2枚以上モデルに渡すことで、その人物の見た目を保ったまま新しいシーンを生成できます。これは1枚の写真しか見ておらず、新しいポーズや角度と比較する手段を持たない通常のimage-to-videoとは異なります。

クリップごとにAI生成キャラクターの見た目が変わるのはなぜですか?

AI生成キャラクターがクリップごとに見た目が変わるのは、ほとんどのtext-to-videoモデルや1枚画像のimage-to-videoモデルが、前のクリップを記憶せずに毎回ゼロから人物の見た目を再生成するためです。「赤いジャケットを着た女性」のようなプロンプトは、個人ではなくカテゴリーを表しています。同じプロンプトでも、モデルは生成ごとに顔、髪型、体型を違うように作り出します。

複数ショットのテキストから動画を生成する研究によると、動画拡散モデルが動きを制御するのに使う内部の特徴が、キャラクターのアイデンティティも同時に制御していることがわかっています。これは、ショットごとにフレーミング、ポーズ、カメラアングルが変わるたびにアイデンティティがずれてしまう理由の一つです。実際には、次のような形で現れます。

• 正面では似ているのに、斜め45度の角度では違う顔になる
• 屋内シーンと屋外シーンの間で服の色や柄が変わる
• 数分違いで生成したクリップの間で髪型や髪の長さがリセットされる
• 脇役や小道具が後のクリップで消えたり、形が変わったりする

参照画像はこの問題を、テキストだけからキャラクターを再現するのではなく、毎回の生成でモデルに合わせるべき具体的な基準を与えることで解決します。

複数の参照画像に対応しているAI動画モデルはどれですか?

VIBE内で現在、2枚以上の入力写真によるreference-to-videoに対応しているモデルファミリーは2つあります。Seedance 2.5とGoogle Veo 3.1です。

• Seedance 2.5（ByteDance、Premium）は、クリップ間でキャラクターを一貫させるために最大4枚の参照画像を受け付けるか、代わりに最初と最後のフレームのペアを使用できます（この2つのモードは併用不可）。480pまたは720pで4〜30秒のクリップを生成し、すべての生成で会話を含む同期音声が付きます。
• Veo 3.1（Google DeepMind、Premium）は、被写体の一貫性のために最大3枚の参照画像を受け付け、さらにクリップをつなぐ際に滑らかな遷移を作るための最終フレーム入力を別に用意しています。720pまたは1080pで、1クリップあたり4〜8秒、音声はオプションです。
• Veo 3.1 Lite（Premium）も参照画像入力に対応しており、Veo 3.1シリーズの中で最も低いトークンコストで、720p固定、音声は常にオンです。
• Sora 2とSora 2 Pro（OpenAI、Premium）は複数枚ではなく1枚の参照画像に対応しています。キャラクターの見た目を固定するには便利ですが、Seedance 2.5やVeo 3.1のように複数の参照アングルを組み合わせることはできません。

一方、WAN 2.6とWAN 2.7は1回の生成内でマルチショットのシーン遷移を追加していますが、いずれもキャラクターの一貫性のための複数参照画像には現在対応していません。キャラクターが幅広いアングルと長さで安定して見える必要がある場合はSeedance 2.5を、クリップ間で最終フレームの受け渡しも必要なプロジェクトにはVeo 3.1を選んでください。

60秒で、はじめてのAI動画を。

Kling、Veo、SoraなどでAI動画を生成 — iOS・Androidで無料。

参照画像を使ったショットリストの作り方をステップごとに教えてください

参照画像を使ったショットリストとは、生成を始める前に用意する短いプランです。これによって、毎回新しい見た目を即興で作るのではなく、すべてのクリップが同じ元写真から生成されるようになります。

1. キャラクターの鮮明な写真を2〜4枚選ぶか生成します。正面のショット、斜め45度のアングル、そしてキャラクターが複数のシーンに登場する場合は服装全体が見える写真を1枚用意します。
2. キャラクターが登場するすべてのシーンを順番に書き出し、それぞれについてアクションとシーンの説明を1行でまとめます。
3. VIBEでimage-to-videoを開き、Seedance 2.5またはVeo 3.1を選び、リストの最初のシーンに参照写真のセット全体をアップロードします。
4. プロンプトはキャラクターの見た目ではなく、アクションとシーンに集中させます。見た目の情報はすでに参照画像が伝えているため、顔や服装をテキストで再度説明すると、たいていノイズになるだけです。
5. 最初のクリップを生成し、次のシーンに進む前に参照写真と見比べます。顔や服装が既にずれている場合は、そのまま4本のクリップを生成する前に参照セットを修正してください。
6. リストの残りすべてのシーンで、まったく同じ参照画像を使い続け、プロンプト内のシーン説明だけを変更します。

複数のクリップを一貫したシーンにつなぐにはどうすればいいですか?

クリップをつなぐとは、別々に生成された動画の並びが、ひとつの連続したシーンのように見えるようにすることです。これは同じ参照画像を使い回すだけでは実現できません。

• シーケンス内のすべてのクリップで、まったく同じ参照画像セットを使い回してください。途中で写真を1枚でも入れ替えると、残りのシーケンス全体でずれが再び発生します。
• 利用可能な場合はモデルの最終フレーム入力を使います。Veo 3.1の最終フレームモードのように、次のクリップが新しいアングルにカットするのではなく、前のクリップが終わった場所から視覚的に続くようにできます。
• シーケンス全体で照明とロケーションの説明を一貫させます。キャラクターが認識できる状態であっても、背景が予期せず変わると、視聴者にはやはりミスに見えます。
• クリップは登場する順番どおりに生成し、順番を飛ばさないようにします。そうすることでずれを早く見つけて、シーケンスの残りに広がる前に参照セットを修正できます。
• すべてのクリップを同じアスペクト比と解像度で書き出し、ショット間で切り取りや再スケーリングが不要になるようにします。

これは、複数の服装やシーンにわたってセルフィーを動画に変えるときと同じ技術を、1本のクリップではなく複数シーンのシーケンス全体に広げたものです。

無料版と有料版のAI動画生成ではキャラクターの一貫性にどんな違いがありますか?

無料のAI動画生成モデルと有料版の主な違いは、受け付けられる参照画像の枚数です。VIBEの無料モデルであるSeedance Pro Fast、LTX 2 Distilled、PRUNA Vはすべて1枚画像のimage-to-videoに対応していますが、いずれもキャラクターの一貫性のための複数参照画像には対応していません。この機能は現在、Premiumモデルに限られています。最大4枚の参照画像に対応するSeedance 2.5と、最大3枚に対応するVeo 3.1ファミリーです。

この違いに合わせた実用的な進め方は、ダウンロードページからVIBEを入手し、まずは無料モデルで安くシーンの構図と動きを試作し、複数のクリップで一致させる必要がある最終版を生成する準備ができたら、完成した参照写真を使ってSeedance 2.5やVeo 3.1に切り替えることです。無料でテストしてから参照画像モデルで仕上げることで、本当に一貫性が必要なクリップにトークンの消費を集中させられます。

よくある質問

一貫したキャラクターのAI動画とは何ですか?

VIBEはテキストプロンプトや画像から、Kling、Sora、Veoなど最新のAIモデルを使って見事な動画を作成できるAI動画生成アプリです。一貫したキャラクターのAI動画とは、Seedance 2.5やVeo 3.1のような参照画像ワークフローを使うことで、同じキャラクターがクリップごとに見た目を変えるのではなく、すべてのクリップで正しく登場するようにした結果です。

キャラクターを一貫させるために使える参照画像は何枚ですか?

Seedance 2.5は1回の生成につき最大4枚の参照画像に対応し、Veo 3.1は最大3枚に対応しています。どちらも参照セットを、アニメーション化する開始フレームではなく、合わせるべき固定のアイデンティティとして扱います。

一貫したキャラクターでAI動画生成アプリを使って説明動画を作るにはどうすればいいですか?

まずナレーターやマスコットキャラクターのための短い参照画像セットを用意し、それから同じ参照画像と、キャラクターの見た目ではなく新しいアクションやシーンだけを説明するシーンごとのプロンプトを使って、説明動画の各シーンを生成します。

一貫したキャラクターが必要な教育者に最適なAI動画ツールは何ですか?

VIBE内のSeedance 2.5やVeo 3.1のような参照画像対応のAI動画生成アプリを使えば、教育者は毎回のプロンプトでそのキャラクターの見た目を説明し直すことなく、レッスンシリーズ全体で同じ画面上の講師やマスコットを使い回せます。

9:16の縦型動画でも同じキャラクターを一貫させられますか?

はい。参照画像による一貫性はアスペクト比に関係なく機能します。生成前にモデル選択で9:16を選べば、出力が縦型でもワイドスクリーンでも、同じ参照写真がキャラクターを一貫させます。

一貫したキャラクターのAI動画では、すべてのクリップで音声も一致させる必要がありますか?

必須ではありませんが、あると効果的です。Seedance 2.5は常に同期音声を生成するため、シーケンス全体で繰り返し登場するキャラクターの声を見た目とともに一貫させられます。一方Veo 3.1では、同じクリップでも音声はオプションです。

まとめ

キャラクターのずれは、ほとんどのAI動画モデルの仕組みから生じる副作用です。クリップごとにテキストの説明から人物全体を再生成し、比較する対象を何も持たないためです。Reference-to-videoは、代わりにモデルに合わせるべき2〜4枚の固定写真を与えることでこれを解決します。最大4枚の参照画像に対応するSeedance 2.5と、最大3枚に対応するVeo 3.1は、まさにこのために作られたVIBE内の2つのモデルです。VIBEはテキストプロンプトや画像から、Kling、Sora、Veoなど最新のAIモデルを使って見事な動画を作成できるAI動画生成アプリで、iOSとAndroidの両方で使えます。iOSまたはAndroidでVIBEをダウンロードして、今日から一貫したキャラクターのショットリストを作ってみましょう。