GPT Image 2 でキャラクターと商品を複数画像で一貫させる方法

なぜ一貫性は難しいのか

GPT Image 2 の生成は毎回が独立したサンプリングです。モデルは直前にあなたのために描いた画像を一切記憶していません——プロンプトをまた読み直し、まったく新しい解釈で描きます。「茶髪の若い女性」のような記述は何百万もの妥当な顔に対応するため、2回実行すると、文字どおりには一致しているのに別人の2人が出てきます。

したがって一貫性は、一度頼めば手に入るものではありません。曖昧さを取り除いて作り込むものです——ピクセルで同一性を固定する（参照画像）か、異常なほど具体的で繰り返し貼り付けるテキスト記述で固定するか。曖昧なプロンプトはブレ、過剰に具体的なプロンプトは保たれます。

手法1 —— 参照画像（最強のレバー）

GPT Image 2 は参照画像を受け付けます。同じ参照画像を毎回の生成に渡せば、もはやモデルに顔を発明させているのではなく、保持させているのです。これは一連の画像で人物・マスコット・商品を完全に同一に保つ、現状もっとも信頼できる方法です。

プロンプトは参照画像の「変換」として書き、新規記述としては書かないこと：

Using the provided reference image, keep the subject's face, hairstyle, and outfit 100% identical. Only change the scene to a sunlit Parisian café at golden hour. Same person, same clothing, new environment. Photorealistic, 50mm lens, shallow depth of field.

重い仕事をするフレーズ：「keep … 100% identical」「only change …」「same person」。どの次元が固定でどれが自由かをモデルに明示しているのです。

手法2 —— アイデンティティアンカー（テキストのみの一貫性）

参照画像が使えないとき——たとえば新規キャラをゼロから生成するとき——はアイデンティティアンカーを作ります：固定された超具体的な属性のブロックで、毎回のプロンプトに一字一句そのまま貼り付けます。キャラクターのDNA文字列のように扱ってください。

弱い記述は多くを運任せにします。強いアンカーは、モデルが本来ランダム化する特徴を釘付けにします：

• 顔：正確な年齢、顔の形、肌の色、際立った特徴（小さなほくろ、そばかす、傷跡）——際立った特徴は一般的なものより強く固定する
• 髪：正確な色・長さ・質感、そして具体的な髪型（「乱れた高めのポニーテール、前に二筋のほつれ毛」）。単なる「茶色のロングヘア」ではない
• 衣装：素材とフィットまで描いた看板の服装——顔が少し揺れても、繰り返す服装は同じキャラとして読まれる
• 一貫して使う短いキャラクター名——被写体に名前を付けると、特徴を結びつける単一の概念をモデルに与えられる

そしてこのアンカーブロックを毎回プロンプトの先頭で再利用し、その下のシーンだけを変えます。アンカーが珍しく具体的であるほど、モデルは即興しません。

手法3 —— 一発のキャラクターシート

10枚生成して一致を祈るのではなく、必要なビューをすべて含む1枚を生成します。GPT Image 2 は構造化されたマルチパネルレイアウトに強いため、キャラクターの回転シートはすべての角度を完璧に一貫させます——すべて同じパスで描かれているからです。

Character reference sheet for a single original character on a clean neutral background. Show, in one image: front view, 3/4 view, side profile, and back view, all the SAME character with identical face, hairstyle, and outfit across every pose. Add two facial expression close-ups (neutral and smiling). Consistent proportions, model-sheet style, even lighting, no text labels.

出来上がったシートそのものを、以降のシーン生成の参照画像として使います。実質的に、無から安定したアイデンティティをブートストラップしたことになります。

手法4 —— 作り直さず、反復する

画像が90%正しいなら、捨ててリロールしないこと。それを参照画像として戻し、外科的な編集を頼みます：「same image, but change only the jacket color to deep green; keep everything else pixel-identical.」各ラウンドはうまくいった部分を保持し、変数を1つだけ変えます。テキストからやり直すと、せっかく消した乱雑さをすべて再導入してしまいます。

よくある失敗と対処

• 実行ごとに顔がブレる → テキスト記述から参照画像へ切り替える。テキストだけで多数の画像にわたり顔を保つのはまず無理
• 毎回衣装が変わる → 衣装をアイデンティティアンカーに入れ、色だけでなく素材＋フィットを記述する
• 参照が無視される → プロンプトを明確に変換にする（「using the provided image, keep X, change only Y」）。新規記述にしない
• キャラが「似ているが同一ではない」 → アンカーが一般的すぎる。モデルが掴める本当に際立った特徴を1〜2個加える
• マルチパネルのシートでパネルが不揃い → プロンプト内で「the SAME character」と明記し、1枚あたりのパネル数を減らす

要するに

最強のロックには参照画像。参照がないときはアイデンティティアンカー。新しいアイデンティティを一発で立ち上げるにはキャラクターシート。惜しい結果はリロールせず反復する。一貫性とは取り除かれた曖昧さであって、魔法のキーワードではありません。