制限の少ない画像から画像へのAI編集：場面を変えても顔を保つ方法

ようやく、顔がしっくりくる架空の成人キャラクターができた。次は同じコレクションに、夜の衣装、寝室のポートレート、別の場所の画像が欲しい。エディターは依頼を受け、魅力的な画像を返してきたものの、そこにいるのは別人。頬が細くなり、鼻が変わり、顔立ちが若くなっている。その1枚だけなら良い画像かもしれません。それでも、あなたのキャラクターとしては不適切です。

顔を保つ、制限の少ない画像から画像へのワークフローでは、参照画像を使うエディターから始め、変更の種類を慎重に選びましょう。 衣装、照明、場所のバリエーションには、1枚あたり固定$0.029のSeedream 5.0 Flashを試します。画像全体の描き直しより、小さな範囲をマスクで変更するほうが適切なら、Qwen Image 2.1を選びます。どちらも人物の完全な一致を約束するものではありません。この提案は現在の制御項目、料金、公開された例に基づいており、本記事は条件を揃えた新たな顔保持ベンチマークを主張していません。

実用上は、同じ人物だと認識できる顔を保つことと、元のピクセルを保つことを区別します。新しい姿勢では、モデルが顔を解釈し直す必要があります。服の修正なら、そうする必要がないことも多いでしょう。服だけを直したいなら、顔をより忠実に描き直すよう説得するより、顔を編集対象から守ってください。

実際に必要な変更に合わせてエディターを選ぶ

NSFW向けという表示は、コンテンツに関する問いには答えます。マスク、複数の参照画像、強度の調整に対応するかはわかりません。顔の保持は、これらの選択にも左右されます。

これらは米ドル建ての出力料金です。Qwen Image 2.1は、1kで参照画像1枚の場合$0.036からで、参照画像を追加すると見積もりが上がります。安い開始プランが、どんな最終構図でも安上がりだと示すわけではありません。

モデルのテキストから画像生成のページではなく、実際の編集タスクを開きましょう。文章でキャラクターを説明し直すと、再び別の解釈を求めることになります。参照画像は、残したい特定の顔を渡せます。作業する場所も決める必要があるなら、画像エディターの比較でブラウザーとローカルのインターフェースを扱っています。

既存の例からわかること、わからないこと

SpicyAPIの公開済みQwen編集例には、成人男性のポートレートの照明を琥珀色から青に変えたものと、2人の場面でローブをクリーム色からバーガンディーに変えたものがあります。前者は姿勢と構図が似たままですが、顔と手の細部はピクセル単位では一致しません。後者では、依頼した外側の服だけでなく内側の服も色が変わっています。Qwenの編集記事には、その記事自身の編集前後の素材があります。

これらの例は、編集が完了しても確認が必要な理由を示します。普遍的な人物保持ランキングを確立したり、より強い成人向け変換でどの顔も同じように保てると証明したりするものではありません。

コミュニティの報告にも同じ区別があります。Qwenの多角度参照画像についての議論では、投稿者が使えるキャラクターシートの作り方を紹介する一方、返信では頬の形の変化が指摘され、複雑なプロンプトへの異論も出ています。これは似ているか判断するときの有用な注意点であり、測定した成功率ではありません。

自分のコレクションでは、読者が見るサイズで同じキャラクターだと認識できるかを問いましょう。魅力的でも頬骨が違う顔なら、人物保持の編集としては失敗です。

参照画像を増やす前に、良い原本を1枚用意する

自分が作った架空の成人キャラクターか、意図する変換について本人が明確に許可したポートレートを使います。通常のプロフィールに写真を使う許可は、その成人向けバージョンを作る許可ではありません。以下の例では、32歳の架空の女性Lenaを使い、公開用の説明図に適した内容にしています。

顔が鮮明で、髪の生え際が見え、目が読み取れる原本を選びます。単純な光の下で、肩から上か腰から上を写した画像が出発点に適しています。部屋全体の構図で顔が小さい画像、顔を大きく覆うアクセサリー、残したい特徴を消す美肌フィルターは避けましょう。

Lenaの原本には、卵形の顔、濃い眉、少し丸い鼻先、茶色の目、肩までの黒のボブがあります。これらは参照画像の説明であり、画像の代わりではありません。「美しい黒髪の女性」は何千もの顔を指し得ますが、「画像1と同じ成人キャラクター」は、選んだ人物に指示を結び付けます。

原本は人物の同一性を示す素材として残します。後で横顔が必要なら、正面のポートレートで見えていないすべての細部を確立しようとせず、承認済みの横顔を追加します。魅力的でも一貫しない生成の横顔を参照セットに入れないでください。次の編集に矛盾した情報を渡すことになります。

衣装の参照画像が提供するのは衣装です。可能なら、無関係なモデルの頭を切り抜いて除きます。部屋の参照画像にも、理想的にはほかの人物がいないほうがよいでしょう。競合する顔が少ないほど、素材の役割を伝えやすくなります。参照画像の最大枚数は上限であり、目標ではありません。

最初の変更では、カメラを変えない

最も役立つ簡単なバリエーションから始めます。同じ顔、姿勢、切り取り方のまま、衣装を変えます。撮影全体を新しく作らせる前に、そのキャラクターをエディターが扱えるかを切り分けられます。

Seedream 5.0 Flashの編集を開きます。Lenaの原本を1枚目の参照画像として渡します。resolution: "2k"、output_format: "png"、background: "opaque"を使います。ポートレートのコレクションにはaspect_ratio: "3:4"、1枚目の参照画像の形を保つにはautoを選びます。

以下は提案する指示であり、テスト結果の主張ではありません。

最初の画像の、32歳の架空の成人女性を保つ。顔の構造、茶色の目、黒のボブ、体の比率、表情、腰から上の構図を同じにする。服だけを、緩く結んだ黒いシルクのローブの下に着るバーガンディーのサテンのキャミソールに変える。ローブとキャミソールで身体を完全に覆う。元の部屋、カメラの角度、柔らかな窓光を保つ。成人1人だけで、人物や文字を追加しない。

この例は、直接的な画像に頼らず、成人向けの制作者に具体的な衣装バリエーションを示します。人物の同一性と依頼する変更を分ける考え方は、ほかの許容された成人キャラクター制作にも適用できます。エディターのコンテンツ対応は別の問題のままです。

衣装写真を使う場合は、2枚目に追加し、衣装の文を次に置き換えます。

2枚目の画像から使うのは、服のデザインと色だけ。その人物の顔、髪、体形、姿勢は借りない。Lenaの人物の同一性は1枚目の画像から取る。

初回から、新しい衣装、大きな頭の回転、違う年齢、違う化粧、新しい照明を一度に求めないでください。失敗したとき、どの部分を変えるべきかを判断する明確な理由がなくなります。

キャラクターを別の場所に移すときは、参照画像の役割を分ける

衣装のバリエーションが使える状態になったら、人物を示す原本から部屋の場面を作ります。部屋の配置が重要なら、無人の部屋を2枚目に渡します。部屋の中の位置を説明し、最初の場面では顔の向きを原本に近づけます。

1枚目の参照画像は、Lenaの成人の顔、黒のボブ、体の比率に使う。2枚目は無人の寝室、カーテン、ベッド脇のランプだけに使う。32歳のLenaがベッドの端に背筋を起こして座り、バーガンディーのキャミソールと黒いシルクのローブで身体を完全に覆っている姿を描く。腰から上のポートレート。顔はカメラに向け、少しだけ斜めにする。暖色のランプ光、自然な肌の質感。場所の参照画像から人物をコピーしない。

2枚目に切り抜けない人物がいるなら、別の場所の参照画像を使います。「この人の顔を無視する」という文は役立つ指示ですが、適切でない素材を人物のいない部屋の画像に変えるわけではありません。

Qwen Image 2.1の編集では、同じ役割分担、3:4、1k、PNG、不透明背景を使います。マスクを使わない初回は、保持に絞った指示がより広い場面の説明に拡張されないように、enable_prompt_expansionをオフにします。この制御は1kと2kで利用でき、1.5kでは使えません。依頼の文章を管理する手段であり、人物の一致を保証するものではありません。

説明図：人物、衣装、場所は異なる参照画像から取ります。服と部屋の画像には、競合する顔がありません。

最後のバリエーションではなく、原本から展開する

セットの作り方には2種類あり、解決する作業が異なります。

独立したバリエーション： 原本 → 衣装A、原本 → 衣装B、原本 → 部屋C。すべての画像が、人物を示す同じ情報から始まります。残念な出力が次の画像の素材になることはありません。

連続する編集： 原本 → 衣装A → 部屋B → 夜の照明C。2回目の編集に1回目の新しい服を残したいときに役立ちます。その一方、途中の結果で生じた顔の変化も後続のタスクに渡されます。

同じ原本から別々に呼び出すだけなら、呼び出しが分かれているという理由で顔の変化が蓄積することはありません。リスクは、変わった結果を次の唯一の人物参照画像として戻すことから生じます。また、「sequential」と名付けられたタスクでも、バッチ全体で顔が自動固定されるわけではありません。文書化された挙動と実際の出力で判断します。

独立したコレクション画像を6枚作るなら、原本を保持し、各リクエストの場面の文を変えます。完成した構図に小さな修正が必要なら、採用済みの構図を修正の元画像に使います。その前の原本も残し、失敗した修正をキャラクターの一部にするのではなく、元に戻せるようにします。

複数参照画像の編集で本当に両ファイルが必要なら、どちらが人物の同一性で、どちらが採用済みの構図かを明記します。選んだ局所編集のタスクが参照画像1枚だけに対応するなら、採用済みの構図だけを使い、マスクで顔を保護します。

説明図：独立したバリエーションは原本を再利用し、連続編集は各中間画像を次の素材にします。

小さな修正では、顔をマスクの外に置く

ローブのベルトが袖を突き抜けていること以外は、服が正しいとします。「もっと良いローブ」と頼むと、ベルト以外も描き直すかもしれません。局所編集なら、見えている欠点を狙えます。

Qwen Image 2.1は、mask_urlを受け付けます。その際、image_urlsの画像は正確に1枚にします。白黒のマスクを使い、白は塗り直す範囲、黒は保持する範囲にします。顔、髪、首、変更しない服は白い範囲の外に置きます。不適切なベルトと、自然な修正に必要な取り付け部分を含めますが、胴体全体を覆う不必要に広い領域は避けます。

1kまたは2kと不透明背景を使います。マスクモードの出力は元画像の形に従うため、aspect_ratioは無視されます。マスクと透明背景は併用できません。このモードでは、プロンプト拡張に効果はありません。

白い範囲の中のベルトを、ローブの周りで自然に結ばれた、途切れない1本の黒いシルクのベルトに置き換える。既存の布、光、遠近感に合わせる。キャラクターの顔、髪、姿勢、修正範囲の外のすべてを保持する。

マスクの境界のつながりを確認します。保護した箇所が変わっていたら、採用済みの元画像を残し、修正を元に戻します。文字どおり顔のピクセルを変えない方法には、位置を合わせた画像に元の保護領域を合成し直す通常の編集があります。ただし、頭の角度や顔の照明を意図して変えた場合には適しません。

説明図：白い範囲が衣服の修正を示します。顔と髪は選択範囲の外に残ります。

元画像1枚のQwen Image Edit Spicyタスクは指示を受け付けますが、マスクは使えません。短時間のバリエーションには合うかもしれませんが、プロンプトで保持を求めることと、領域を選択する制御は同じではありません。

ノイズ除去の強度とCFGを混同しない

ローカルの拡散モデルのチュートリアルでは、元画像に近い状態を保つために「strength」を下げるよう勧めることがあります。その助言は、すべてのホスト型編集リクエストに貼り付けられるものではありません。

Hugging Face Diffusersが説明する従来の画像から画像へのパイプラインでは、strengthはノイズ処理を通じて初期画像からの変化を制御します。強度が高いほど変更の自由度が増えます。guidance scale、つまりCFGは、生成が文章による条件付けにどれほど強く従うかを制御します。これらは別の制御であり、CFGを下げても直接顔を固定するわけではありません。

対応するローカルワークフローなら、同じ元画像、シード、短い編集指示でstrength 0.25と0.4を比べ、許容できない顔の変化なしに意図した服の変更が起きるか判断できます。これは開始時の試行案であり、普遍的に最良の設定ではありません。低強度で古い服が残る結果は、衣装編集の成功ではありません。

Seedream 5.0 Flashの現在のホスト型編集契約には、strengthもguidance_scaleもありません。Qwen Image 2.1のホスト型編集契約にも、CFGや推論ステップ数の欄はありません。ローカルのグラフから「CFG 6、25ステップ」をどちらのリクエストにもコピーしないでください。存在する制御、つまり元画像の選定、参照画像の役割、対応するマスク、構図、焦点を絞った指示を使いましょう。

戻ってきた顔を診断する

顔のサイズと頭の角度を近づけて比較します。光が違えば、顔の構造が変わっていなくても、鼻や頬の影の印象が変わります。逆に、同じ髪型と化粧が、新しい顎の線を隠すこともあります。髪型を証拠として受け入れるのではなく、目の形と間隔、眉、鼻、頬、口、髪の生え際をまとめて確認してください。

6枚のセットにかかる費用

Seedream 5.0 Flashの編集を$0.029で6回行うと、合計は$0.174です。候補を2枚追加し、8枚の出力にすると$0.232です。合計に含まれるのは編集であり、原本の制作、有料のレタッチ、6枚すべてが採用できるという保証ではありません。

Qwen Image 2.1で、参照画像1枚、1k、$0.036の見積もりで6回編集すると、合計は$0.216です。部屋や服の参照画像を追加したら、参照画像1枚の料金を掛け算せず、変更後の見積もりを使います。より高い出力プランも、別の価格構成です。

最も安く良いセットを作れるのは、必ずしも出力単価が最低の選択ではありません。6枚中3枚しか使えるほど人物を保持しなかったなら、支出を採用できた3枚で割ってください。魅力的でも別人の画像を早く却下するほうが、間違った顔を基にさらに5回編集するより安く済みます。

衣装のバリエーション1枚、場所のバリエーション1枚から始めましょう。それらで人物の同一性が保てたら、同じ原本からコレクションを広げます。残る問題が局所的ならマスクを使います。再利用できる成人キャラクターは、正しい参照画像を守り、不必要な解釈のやり直しを減らすことで作れます。「uncensored」の表示や魔法のguidance値で作れるものではありません。