固定した参照画像を1セット用意し、新しい画像を作るたびにすべてを渡して、そのうち1枚を顔の基準に指定します。プロンプトにはシーンで変わる部分だけを書き、結果を参照画像と照らし合わせて、ブレたものは撮り直します。シード値や長いプロンプト、有名人のそっくりさんだけでは顔は保てません。
顔がブレる理由
画像モデルは人物を覚えていません。画像は毎回ゼロから描かれ、「ダークブラウンのウェーブヘア、太い眉」のような説明に当てはまる顔は何千とあります。光や角度、表情を変えると、モデルはその隙間を毎回違う形で埋めます。あごのラインが柔らかくなり、鼻が細くなり、年齢が5歳ずれる。同じ人物を2回頼むと、いとこが出てきます。
1. 何よりも先に参照シートを作る
何も隠れない条件で、顔を一度だけ確定させます。正面ポートレート、斜め45度、全身の3枚を、フラットな日中光、無地の服、無地の背景で。追加の2枚はどちらもポートレートから生成し、互いを元にしないでください。数珠つなぎにすると小さな誤差が積み重なります。
2. 毎回、すべての参照画像を渡す
新しい画像ごとに参照画像をすべて添付し、どれが顔の基準か（通常は正面ポートレート）を指定します。ほかの画像は髪、体型、プロポーションを伝えます。参照が1枚だとモデルは1つの角度から推測するしかありませんが、3枚あれば多方向から位置を割り出せます。
3. 人物とシーンを分ける
プロンプトは2つに分けて書きます。前半は決して変わらないもの、つまり顔、髪、肌、傷やほくろ。後半はシーンで、場所、時間帯、光源とその向き、手が何をしているか、服装です。服はシーンに合わせて変わってかまいませんが、顔は変わってはいけません。
4. 結果を毎回チェックし、撮り直す
良い参照画像があっても、ブレるカットは出ます。新しい画像をシートと比べて、同じ人物か、そして本物の写真に見えるか（プラスチックのような肌や崩れた手がないか）の2点を確認します。低いほうをスコアとし、基準を下回ったものは撮り直します。Dittoshotはこれを別のモデルで行っています。10点中7点で合格、撮影は最大3回まで、いちばん良い1枚を残し、何回かかっても料金は5トークンです。
5. それでも起きること
無加工の私たちの作例から：
- 左右が反転する。Miraの説明には「左眉の上に小さな傷」、Aikoの説明には「右耳に小さなシルバーのフープピアス」とあります。どちらのシートでも、特徴は人物から見た左右ではなく、画面の左右に置かれました。左右が重要なら、シートを確認し、そこに写っているものを正としてください。
- 文字が紛れ込む。プロンプトでは文字を入れないよう指示していますが、Miraの写真の1枚には「café」の看板が写っています。否定の指示は確率を下げるだけで、ゼロにはしません。
- 小さな特徴は距離とともに消える。ポートレートではっきり見える傷やそばかすも、全身ショットでは消えることがあります。顔が画面の中で小さくなることが多いなら、眼鏡、ひげ、髪型など、距離があっても残る目印を選びましょう。
ほかのツールでやる場合
参照画像を添付できるツールなら、同じ方法が使えます。違うのは操作方法だけです。
- Midjourney V8.2：Edit Modelは最大4枚の参照画像に対応し、Omni Referenceと--crefに取って代わりました。DittoshotとMidjourneyの比較をご覧ください。
- Leonardo AI：Nano BananaなどのOmniモデルは最大6枚の参照画像に対応しています。DittoshotとLeonardoの比較をご覧ください。
- Higgsfield Soul IDは実在の人物の写真20枚以上で学習し、OpenArt Charactersは画像、テキスト、プリセットから始めます。HiggsfieldとOpenArtの比較をご覧ください。
どのツールも自動の同一性チェックについては説明していないため、ステップ4はご自身で行うことになります。Dittoshotは文章の説明から5つのステップすべてを行います。最初の人物とその最初の写真は無料です。