Nano Banana 2.1 の複数参照画像：キャラクター、集合写真、試着を検証

承認済みの顔が1つ、あるいは承認済みのジャケットが1着あり、それを何度も使いたい。毎週違うロケーションに登場する同じキャラクター、全員が写る集合写真、同じモデルが複数のアイテムを一度に着るルックブック。Nano Banana 2.1 の編集タスクは、1回のリクエストで複数の参照画像を受け取れます。Google の数字は大きく、参照画像は最大 14 枚、キャラクターの一貫性は最大 4 人、オブジェクトの忠実度は最大 10 個とされています。これでシリーズを作る前に知っておきたいのは、どの画像が誰で何なのかをモデルに伝わるように画像を渡す方法と、結果がどこから崩れ始めるかです。

人物と商品はそれぞれ別の参照画像にし、各画像を順番で呼び、変えてはいけない点をはっきり書き、片側にしかない小さなディテールは目で確認してください。 2026年10月7日のテストでは、1枚のポートレートから8回のシーン編集すべてで同じ顔、髪、鼻のリングが維持され、別々の4枚のポートレートからは、構造化したプロンプトの2回の実行どちらでも正しい4人が正しい席に座り、最大9点の商品の試着ではすべてのアイテムが画面に残りました。崩れたのは小さく、繰り返し起きる部分でした。片耳のイヤリングがカメラ側の耳に移る、帽子のコントラストステッチが消える、あるパンツがずっとツートーンで出る、といったものです。一貫性は指示であって、ロックではありません。Google 自身のモデルカードにも、キャラクターの一貫性は「常に完全とは限らない」とあり、このタスクには結果を固定するシード、マスク、同一性の強度設定がありません。

最終的にたどり着いたルールは次のとおりです。それぞれ、以下で理由とテスト結果を説明します。

• 1人のキャラクター、複数の場面： 正面のはっきりしたポートレート1枚で、試したすべての場面に顔が引き継がれました。同じ人物の別アングルを足すなら、別々の画像として送ってください。私たちの小規模なテストでは、眉の傷が残る回数が増えました。一方、1枚にまとめた「キャラクターシート」は、ディテールを落としたり作り変えたりしました。
• 片側のディテール： 片側のイヤリング、傷、分け目は、カメラに向いた側へ移ることがあります。重要なら、その側をカメラに向けておくか、すべての結果を確認してください。
• 集合写真： 1人につきポートレート1枚、最大 4 人まで。座る位置と服装は文章で書き出します。1行のプロンプトでも顔は保たれましたが、服を着せ替え、座る位置も勝手に決めました。
• 試着と商品の合成： 1枚に商品1点、それぞれに置く場所を指定します。9点の商品とモデルを1回のリクエストで送っても全アイテムが残りましたが、ステッチや色の切り替えなどの細部は崩れました。
• 形の違う元画像： aspect_ratio は自分で指定してください。形の違う元画像を混ぜた 4 回の実行すべてで、auto は最も幅の広い画像に従い、その画像は毎回、場面でもありました。
• 成人向けの衣装： 2026年10月7日のテストでは、編集タスクはランジェリーへの着せ替えを拒否しました。服を着た、公開向けのシリーズに使うツールだと考えてください。

「14枚の参照、4人のキャラクター、10個のオブジェクト」とは

Google は モデルページ で、Nano Banana 2.1 は「multi-image fusion supporting up to 14 reference images (character consistency for up to 4 characters and object fidelity for up to 10 objects)」に対応するとしています。Google の 画像生成ガイド は、同じ枠を2種類の参照に分けています。高い忠実度で取り込むオブジェクトの画像が最大 10 枚、一貫性を保つキャラクターの画像が最大 4 枚です。つまり 14 は両方の合計です。14 人という意味ではなく、14 枚すべてが変わらずに出力へ残るという約束でもありません。

SpicyAPI の Nano Banana 2.1 の編集タスク は、プロンプトで呼ぶ順に並べた 1〜14 枚の画像を image_urls で受け取り、1k、2k、4k で出力します。SpicyAPI では、Nano Banana 2.1 は Google 自身の定価を大きく下回る価格から利用でき、現在の価格はモデルページで確認できます。

このタスクにないものも、あるものと同じくらい重要です。

• シードなし。 同じリクエストを2回実行すれば、2つの別々の試行です。複数回確認する前提で進めてください。
• マスクなし、画像ごとの重みなし、同一性の強度スライダーなし。 保ちたいことはすべてプロンプトに書く必要があります。
• 小さなディテールやポーズの保証なし。 Google の モデルカード は、既知の制限として「Character consistency is not always perfect between input images and generated output image」を挙げ、そのほかに編集での「rare instances of persistent subject pose」や、ときどき起こる左右の取り違えも挙げています。

私たち自身のブラインドテストも同じ方向を示しています。2026年10月7日に、決まったプロンプトと編集のセットで Nano Banana 2.1 を実行し、3つの異なるメーカーの AI 審査員がモデル名を伏せて採点しました。編集の一貫性（編集の質問 6 問）は 100 点中 65.9 点で、プロンプトへの忠実度は 76.7、画質は 77.8 でした。全体像は Nano Banana 2.1 のレビュー にあります。そのうち 2 つの編集では、頼んでいないことまで変わりました。ライティング変更のタスクでは背景を夜の通りに差し替え、降雪のタスクではカメラが寄りました。数を数える問いでは、6 人と頼んだのに 7 人の食事客を描きました。

複数参照プロンプトの書き方

以下のテストはすべて、意図的に行った 1 行との比較を除き、同じ 5 つのパートの構造を使っています。長く見えますが、各パートは、書かなければモデルが勝手に答えてしまう問いに答えています。

1. 各画像を順番で呼び、それが何かを書く。「Image 1 is the model. Image 2 is the jacket.」のように。image_urls の順序がプロンプトの頼れるラベルなので、両者の順番を揃えておきます。
2. 各画像から何を取り、何を無視するかを書く。 グレーの背景で撮ったポートレートからは、背景ではなく顔だけを使わせます。
3. 新しい場面を描写する： 場所、各人が何をしているか、立ち位置、カメラとライト。
4. 人物がいるときは人数を書く：「exactly four people, and nobody else」。
5. 最後に維持リストを置く： 残すべきディテールを、画像ごとに。

重要なポーズや動作は、それぞれ独立した 1 文にしてください。先行する 3 つの元画像のテスト では、男性の顔と、スエードジャケットの色、真鍮のスナップ、胸ポケットのすべてが天文台の場面に引き継がれましたが、ついでに触れた「one hand on the eyepiece」は、手に小さな真鍮の望遠鏡を持つ形で返ってきました。

そのまま使えるテンプレートです。

Image 1 is [who or what]. Image 2 is [who or what]. Image 3 is [who or what].
Use image 1 only for [the face / the garment / the setting]; ignore its background.
New scene: [setting]. [Person from image 1] [action, position]. [Person or product from image 2] [placement].
[Camera and framing]. [Light].
Show exactly [number] people and nobody else.
Keep [details that must survive] from image 1, and [details] from image 2.

長い書き方に手間をかける価値があるかどうかも、テストしたことの 1 つです。下の集合写真のセクションをご覧ください。

テスト画像について。 この記事の参照写真（ポートレート、試着のモデル、商品写真、中庭）は、テストの入力用に私たちが作ったイラストであり、Nano Banana 2.1 の出力ではありません。採点する結果はすべて Nano Banana 2.1 の編集で、特記がなければ 2026年10月7日に 2k で実行したものです。合成画像は、キャプションに別の記載がない限り、2 回のうちの 1 回目の実行を示しています。

1枚のポートレートから、4つの新しい場面へ

シリーズは、承認済みの顔 1 つから始まります。テスト用のポートレートは、30 代前半の架空の成人女性で、どの結果でも確認できる 4 つのディテールを持たせています。小さく片側にあるディテールは、最初にずれやすいからです。毛先が銅色に染まった短いカール、右の眉を通る細い傷、両方の鼻の小さな金のリング、左耳にだけ付けた緑のビーズ入りの金のフープ 1 つです。

次に、そのポートレート 1 枚だけから 4 つの新しい場面を頼み、毎回、服装、場所、カメラアングル、画面の形を変えて、各場面を 2 回ずつ実行しました。

左上：参照用のポートレート 1 枚（テストの入力で、2.1 の出力ではありません）。ほかの 4 枚は、そのポートレートだけから作った Nano Banana 2.1 の編集で、各場面の 1 回目の実行です。ルーフトップバー 4:5、雨の通り 16:9、キッチン 1:1、浜辺 9:16 を、このグリッド用にすべて同じ 4:5 の枠でトリミングしています。

ルーフトップの場面は、次のとおり送りました。

Image 1 shows a fictional adult woman. New scene: she sits at a rooftop bar at night, city lights blurred behind her, wearing a black satin slip dress with a cropped black blazer draped over her shoulders, holding a coupe glass and looking at the camera with a slow smile. Warm light from the bar, medium shot. Keep her face, her short copper-tipped coils, the thin scar through her right eyebrow, the small gold rings in both nostrils and the single green-bead hoop earring in her left ear exactly as in image 1.

ほかの 3 つの場面は、最初と最後の文を同じにして、真ん中だけを変えました。夜の雨の通りで、透明な傘とキャメルのトレンチコートを着て、彼女の右側から見た斜め 3/4 の構図（16:9）。日の差すキッチンで、オーバーサイズのクリーム色のセーターを着てマグカップを手に笑うクローズアップ（1:1）。ゴールデンアワーの小石の浜辺で、さび色のオレンジのリネンのラップドレスを着て、全身を彼女の右側からの横顔で（9:16）。

顔、銅色の毛先のカール、両方の鼻のリングは 8 回すべてで引き継がれ、元のポートレートの背景と T シャツが場面に混ざることは一度もありませんでした。示唆に富むのはイヤリングのミスです。イヤリングはどの実行にも登場しましたが、左耳のままだったのは、彼女の正面か左側が写った 4 回だけでした。彼女の右側をカメラに向けた 4 回では、すべて、画面に見えている側の右耳に移りました。傷は 8 回中 5 回で見え、残りの 3 回は顔の反対側にあるか、単に描かれませんでした。

雨の通りと浜辺のプロンプトは、片側にまつわる 2 つのことを同時に求めていました。右側を見せること、そしてイヤリングを左耳に付けたままにすることです。この 4 回の実行では、どれも 2 つのうちちょうど 1 つだけが正しく出ました。雨の通りの 1 回目は、代わりに左側を見せることでイヤリングを左耳に保ちました。ほかの 3 回は右側を見せ、イヤリングを右耳に移しました。右側から見れば、左耳のイヤリングは見えなくなるはずですが、モデルは隠れたままにせず、見える位置へ動かしました。

顔の片側に付いているディテール（イヤリング、傷、分け目、タトゥー）がある場合は、場面の描写でその側をカメラに向けておくか、結果を確認して、反転した実行をやり直す前提にしてください。

同じ人物の 2 枚目、3 枚目の写真は役に立つか

浜辺の横顔は難しいケースです。顔は小さく、背を向けていて、正面のポートレートにはなかった側を見せています。同じ場面の文章で、さらに 2 つの方法で各 2 回ずつ再実行しました。

• 同じ人物の別々の 3 枚： 正面のポートレート、斜め 3/4 の写真、全身の写真。後ろの 2 枚はポートレートを編集して作り、使う前に目で確認しました。生成した横向きの写真には、元の写真にないディテールが作り込まれることがあるからです。
• 同じ 3 つのアングルを 1 枚にまとめたもの。 多くのクリエイターが使う「キャラクターシート」です。

このテストの限界を挙げておきます。私たちの斜め 3/4 の写真は、イヤリングのある左側の顔を写しているため、どの参照セットにも、浜辺のカットが求める彼女の右側は含まれていません。見せたい側の参照を用意するのは明らかに次のテストですが、実行していません。

左から右へ：ポートレート 1 枚、別々の 3 枚、まとめた 1 枚のシート（上段は参照セットで、テストの入力）。中段と下段：9:16 の全身の Nano Banana 2.1 の結果から切り出した顔のクローズアップで、各セットの 1 回目と 2 回目。

6 つの結果はどれも同じ女性に見えたので、顔に追加アングルの助けは要りませんでした。別々の 3 枚で測れた唯一の改善は傷で、単独のポートレートの 2 回中 1 回に対して、2 回中 2 回で残りました。ディテールを落としたり作り変えたりしたのは、まとめたシートだけです。3 つのどれもイヤリングは直せませんでした。左耳のフープがはっきり写る斜め 3/4 の写真があっても、モデルはカメラに向いた耳に付けました。各セット 2 回では小さなサンプルなので、ルールではなく方向性として受け取ってください。アングルを足すなら別々の画像として送り、左右のディテールが解決することは期待しないでください。

集合写真：別々のポートレートから 2 人と 4 人

Google が示すキャラクター数は 4 人なので、2 人と 4 人でテストしました。ほかのキャストも、同じように撮影した架空の成人です。背景の混入が見えるよう、それぞれ別の無地の背景にしています。丸いべっ甲の眼鏡、こめかみに銀の筋、右目の下にほくろのある 40 代半ばの東アジア系の男性。銀の鼻スタッド、唇の近くに美人ぼくろがある、マスタード色のカーディガンの 20 代半ばの南アジア系の女性。頭を剃り、灰色のハンドルバー型の口ひげで、バッファローチェックのシャツを着た 50 代後半の白人男性です。

2 人のリクエストでは、最初のテストの女性と眼鏡の男性を夜市に置きました。

Image 1 shows a fictional adult woman and image 2 a fictional adult man. Show exactly these two people in the foreground, sharing street food at a crowded night market. On the left, the woman from image 1 laughs and holds chopsticks, wearing a black leather jacket. On the right, the man from image 2 holds a paper tray of dumplings and smiles at her, wearing a dark green bomber jacket. Medium shot at eye level, warm lantern light, the crowd behind them softly blurred. Keep each person's face and details from their own image: her short copper-tipped coils, the scar through her right eyebrow, her gold nose rings and green-bead earring; his silver streak at the left temple, round tortoiseshell glasses, short beard and the small mole under his right eye.

左：2 枚の参照ポートレート（テストの入力）。右：16:9 の Nano Banana 2.1 の結果（1 回目）から切り出した 2 人の顔のクローズアップ。全体のフレームには、市場の屋台と人混みも写っていました。

2 回とも、それぞれの顔は本人のものにとどまりました。眼鏡、ひげ、銀の筋は彼に、カール、鼻のリング、イヤリングは彼女に残り、2 人とも割り当てたジャケットを着ていました。前景に余分な人物はおらず、頼んだ背後の人混みだけでした。最初のテストと同じ細部が繰り返されました。彼女は右側をカメラに向け、イヤリングがその耳に移り、彼のほくろは私たちから見て背けた側の顔にありました。モデルは、頼んでいない看板で屋台を埋めてもいます。背景をきれいに保つ必要があるなら、そう書いてください。

4 人の場合は、4 枚すべてのポートレートを、構造化したプロンプトとともに 16:9、2k で送りました。

Images 1 to 4 each show one fictional adult. Show exactly four people, these four and nobody else, at a candlelit dinner party around a round wooden table in a warm apartment. From left to right: the man from image 4 raising a glass, the woman from image 3 leaning in to listen, the woman from image 1 laughing, and the man from image 2 passing a plate of bread. Each person wears the top from their own image. Keep each person's face, hair, skin tone, glasses, facial hair and marks exactly as in their own image. Eye-level wide shot, all four faces clearly visible, warm candlelight.

このプロンプトを Nano Banana 2.1 の編集プレイグラウンドで開く を開き、「Images」の下に自分の 4 枚のポートレートを同じ順番で追加してください。リンクで入力されるのはプロンプトだけです。

構造化したプロンプトと 1 行のプロンプト

構造がその長さに見合うかを確かめるため、同じ 4 枚のポートレートを、同じ順番、同じ 16:9 と 2k で、1 行だけにして送りました。「Put these people together at a candlelit dinner party.」各 2 回です。これは複数のことを同時に変えるので（人数、位置、服装、維持リスト）、特定の 1 文のテストではなく、「しっかりした指示と気軽な頼み方」の比較として読んでください。

上：4 枚の参照ポートレート、画像 1〜4（テストの入力）。左下：構造化したプロンプト。右下：1 行のプロンプト。どちらも Nano Banana 2.1 の 16:9、2k、1 回目の実行で、違いはプロンプトだけです。

4 人の顔を取り違えないために、長いプロンプトは必要ありませんでした。1 行の 2 回はどちらもちょうど 4 人で、それぞれ本人だとわかり、ブラインドテストで起きた 6 人に対して 7 人の食事客という事態は、6 回の集合写真のどれでも再現しませんでした。長いプロンプトが買ったのは、コントロールです。構造化した 2 回はどちらも全員を頼んだとおりの位置に、自分の服で置きました。1 行の実行は座り位置を勝手に決め、1 人、そして 3 人を着せ替えました。シリーズが服装や誰が誰の隣に立つかに左右されるなら、書き出してください。

接触のある 2 人のシーン（手、ダンス、抱擁）については、私たちの 2 人のキャラクター画像ガイド が、各人の配置と、取り違えを 1 つずつ直す方法を扱っています。

バーチャル試着：商品の忠実度が落ちるところ

試着は、Google の数字のうちオブジェクト側を試す作業です。モデルは、無地の白い T シャツ、グレーのスウェットパンツ、白いスニーカーを着た架空の成人男性の全身写真で、商品は白背景の 9 枚です。それぞれ、間違えやすいディテールを持たせています。

試着の入力（この記事のために作ったテスト画像で、2.1 の出力ではありません）：モデル（画像 1）、続いて画像 2〜10 を左から右、上から下へ、アップロード順に。

そのうえで、彼に着せるものを増やしながら 4 回着せました。商品 1 点（ジャケット）、3 点（トラウザーズとブーツを追加）、6 点（帽子、サングラス、バッグを追加）、9 点（腕時計、スカーフ、ベルトを追加）です。最大のリクエストは、モデル 1 枚と商品 9 点で 10 枚の画像になります。各段階を 3:4、2k で 2 回ずつ実行し、頼んだ各商品について、存在、色、ディテールを採点しました。最大のリクエストは、送ったとおり次のものです（小さい段階は、含まれる商品だけを変えた同じ文言です）。

Image 1 is the model, a fictional adult man. Dress him in the products from images 2 to 10, keeping each product's colour, material and details exactly as photographed: the mustard corduroy chore jacket from image 2, worn open; the charcoal pinstripe trousers from image 3; the oxblood Chelsea boots from image 4; the green bucket hat from image 5 on his head; the gold round sunglasses from image 6 on his face; the cobalt crossbody bag from image 7 worn across his body; the salmon-dial watch from image 8 on his left wrist; the striped silk scarf from image 9 knotted loosely at his neck; the woven tan belt from image 10 through the trouser loops, visible because the jacket is open. Where a product replaces something he wears in image 1, it replaces it. Keep his face, beard, skin tone and build exactly as in image 1. Full-length fashion catalogue photograph: he stands relaxed on a sunlit concrete rooftop in late-afternoon light, facing the camera, his whole body from head to boots in frame. No other people, no text.

2 行は意図的に入れていますが、それらを外したプロンプトはテストしていません。「Where a product replaces something he wears in image 1, it replaces it」は、トラウザーズがスウェットパンツの上に重なるのではなく、その代わりになることをモデルに伝えます。「Visible because the jacket is open」は、ベルトを開いたジャケットと結び付け、見える状態に保ちます。また、このプロンプトがしていないことにも注目してください。帽子の白いステッチもトラウザーズが均一な 1 色であることも名指ししていません。それらについて書いたのは「exactly as photographed」だけです。

Nano Banana 2.1 の試着、3:4、2k、各段階の 1 回目の実行。左から右へ：商品 1、3、6、9 点。この 4 枚の採点：完全に正しかった商品は、1 点中 1、3 点中 2、6 点中 4、9 点中 8。

リストが増えても、忠実度が急に崖から落ちることはありませんでした。頼んだ商品は、8 つの結果すべてで、正しい場所に出ました。サングラスは顔に、バッグはチェーンで体にたすき掛けに、腕時計は左手首に、スカーフは首に結ばれ、ベルトは開いたジャケットの間から見えました。彼の顔とひげは一度も変わりませんでした。ミスは、新しいアイテムが古いものを押し出したのではなく、毎回同じ 2 つのディテールでした。帽子は色と形を保ちましたが、それを含む 4 回すべてで白いコントラストステッチを失い、チャコールのピンストライプのトラウザーズは、それを含む 6 回のうち 5 回で、商品写真にはない明るい茶色の脚またはパネルが付いて返ってきました。

私たちは商品 9 点とモデル、つまり 1 回のリクエストで 10 枚の画像までで止めており、11〜14 枚はテストしていないので、Google の上限に近い範囲については何も言えません。10 枚までなら、実際の上限は商品の数ではなく、それぞれの細かいディテールでした。すべての結果でステッチ、プリント、色の切り替えを確認し、ずれたものはやり直してください。

試着作業の実務上のメモが 2 つあります。

• 商品写真は、タイトに切り取って無地に。 これはテストしたことではなく私たちのアドバイスです。人物や部屋の中で撮った商品は、その人物や部屋まで引き連れてくることがあります。白背景のきれいな写真なら、モデルがコピーするものは 1 つだけです。
• モデルはすべてのピクセルを描き直します。 ラベル、ロゴ、プリントがピクセル単位で正確でなければならないなら、代わりに実際の商品写真を合成してください。私たちの 商品写真から広告レイアウトへのガイド がその方法を示しています。

ランジェリーや水着の試着は別の話です。2026年10月7日のテストでは、編集タスクはドレスからランジェリーへの着せ替えを拒否し（拒否され、課金なし）、背中の開いたイブニングドレスの編集は通りました。水着は編集タスクでテストしていません。

形の違う元画像と auto

元画像が 1 枚なら、aspect_ratio: auto（既定）はその形を保ちます。10月7日のテストでは、4:1 のパノラマは 2064 x 512 で返りました。複数枚の場合は、どれか 1 つを選ばなければなりません。その日の 2 枚のテストでは、正方形のポートレートと 4:1 の浜辺で、2 枚目の幅広い画像に従って 4:1 で返りました。

auto がどの元画像に従うかを、1k でさらに 3 回のリクエストで確認しました。眼鏡の男性（3:4 のポートレート）、16:9 の中庭、正方形のバッグの写真を使っています。

順番は結果に影響しませんでした。形の違う元画像を混ぜた 4 回すべてで、auto は最も幅の広い元画像に従い、それはどの場合も場所の画像でもありました。人物を場所に置くなら望ましいことが多いのですが、ポートレートや商品カードには合わない枠です。元画像の形が違うなら、比率は自分で選んでください。出力の形が構図を決めるからです。横長の枠では、全身のポートレートが風景の中の小さな人物になります。

参照が効かないとき：症状と対処

結果が惜しいのに違うときは、欠点のある出力を戻して渡すのではなく、最初の参照画像からやり直してください。後の画像は、新しいというだけでより良い参照になるわけではありません。出力を再利用するのは、元画像と照らして確認したあとだけにしてください。

テストしなかった作業と、代わりの手段

• 5 人以上： Google の示す 4 キャラクターを超えており、私たちはテストしていません。別々に生成した人物を 1 つの場面に合成するほうが安全です。
• 成人向けのシーン、ランジェリー、水着： 上のランジェリーの拒否からして、このモデルでは扱えません。SpicyAPI では、Qwen Image 2.1 Edit と Seedream 5.0 Pro Edit に「無修正」のラベルが付いており、それぞれ 1〜10 枚の参照画像を受け取ります。それぞれがどこまで対応したかは、私たちの 無修正画像エディターの比較 にあります。この記事の参照の方法がそれらにも通用するかはテストしていないので、まず 1 枚のポートレートから始め、参照を重ねる前に同一性を確認してください。SpicyAPI のモデルカタログ のほかのモデルは、コンテンツポリシーで絞り込めます。作業は、架空の成人、または許可を得た成人に限ってください。

FAQ

Nano Banana 2.1 は参照画像を何枚まで使えますか？

Google は 1 回の編集リクエストで最大 14 枚、一貫性は最大 4 キャラクター、忠実度は最大 10 オブジェクトとしており、画像生成ガイドではそれを、キャラクター画像が最大 4 枚、オブジェクト画像が最大 10 枚と数えています。プロンプトで呼ぶ順に image_urls で送ってください。私たちの最大のテストはモデルと商品 9 点の 10 枚を送り、2 回とも、すべての商品が出ました。

Nano Banana 2.1 は、シリーズ全体で同じキャラクターを保てますか？

おおむねはい。ただし完全ではなく、固定する手段もありません。シードや同一性のコントロールはないのです。2026年10月7日のテストでは、1 枚のポートレートから 8 回のシーン編集すべてで顔、髪、鼻のリングが維持されましたが、片側のイヤリングはそのうち 4 回でカメラ側の耳に移り、眉の傷が見えたのは 5 回でした。毎回同じ元のポートレートを使い、変えてはいけないディテールのリストを書き留め、各結果は直前の結果ではなくポートレートと照らして確認してください。

キャラクターシートと別々の写真、どちらをアップロードすべきですか？

アングルを足すなら、別々の写真として送ってください。浜辺の横顔のテストでは、同じ女性の別々の 3 アングルは 2 回とも眉の傷を保ちました（ポートレート単独は 2 回中 1 回）。同じアングルを 1 枚のシートにまとめると、1 回はイヤリングを失い、もう 1 回は傷が眉ピアスに変わりました。顔はどのセットでも保たれ、どのセットもイヤリングがカメラに向いた耳へ移るのを止められませんでした。各セット 2 回では小さなサンプルです。

ランジェリーや水着の試着に使えますか？

ランジェリーは使えません。2026年10月7日のテストでは、編集タスクはドレスからランジェリーへの着せ替えを拒否しました（拒否され、課金なし）。水着は編集タスクでテストしていません。成人向けの衣装については、上で挙げた無修正の編集モデルをご覧ください。

なぜモデルは人物を足したり、背景を変えたりしたのですか？

モデルはフレーム全体を描き直すため、固定していないものはすべて変わる余地があります。6 回の集合写真では、人数の指定の有無にかかわらず人数は正しかったものの、ブラインドテストでは、6 人と頼んだのに 7 人の食事客、ライティング変更での背景の差し替え、降雪タスクでのカメラの移動が見つかり、夜市の場面には頼んでいない看板が出ました。人数を書き、背景は変えないと書いたうえで、すべての結果を確認してください。

ひとことでまとめると： 人物や商品ごとに 1 枚の画像、番号付きの役割、維持リストで、私たちのテストでは 1 つの顔、4 人、9 点の商品が保たれました。ただし細かい部分は、やはり目で確認する必要があります。参照セットとプロンプトを安く試すには 1k を使ってください（私たちのテストでは、1k の画像は多くが 30 秒足らずで返りました）。セットがうまくいったら、最終画像を 2k か 4k で実行し（1 枚あたり最長で約 1 分）、それをもう一度確認してください。シードがないので、2k の実行は下書きの拡大ではなく新しい画像であり、片側のディテールがまた反転することがあります。