シーンをまたいだキャラクター一貫性ワークフローの構築

キャラクターを一度生成することは簡単です。同じキャラクターを10シーンにわたって、同じ顔の構造・同じコスチューム・同じプロポーション・同じアートスタイルで生成することは、根本的に異なる問題です。生成モデルに新しいプロンプトを送信するたびに、モデルは高次元の確率空間からサンプリングします。同一のプロンプトでも、推論温度とサンプリングランダム性の微妙なバリエーションが目に見える違いを生み出します。わずかに異なる鼻の形・異なる髪のテクスチャ・異なる目の間隔などです。

これらのバリエーションがシーンセット全体で積み重なると、複数の文脈で登場する一貫したキャラクターではなく、ほぼ同一の見知らぬ人のキャストになってしまいます。唯一の構造的解決策は、すべての生成呼び出しに安定したリファレンスを渡すことです。モデルの出力空間を特定のビジュアルアイデンティティに向けて制約するアンカーです。Floniksの/editorでは、これはリファレンスノードとして実装され、その出力がグラフ内のすべてのシーン生成ノードに接続されます。リファレンスは一度定義され、すべてのブランチで一貫して強制されます。

/editorのキャラクター一貫性ワークフローは通常3層のノードを持ちます。第1層にはリファレンス定義が含まれます。テキスト説明ノード（丁寧に構造化されたキャラクタープロンプト）または正規のリファレンス画像を提供する画像アップロードノードです。このノードの出力（キャラクターの説明または画像）がグラフ内のすべての生成ノードに接続されます。

第2層にはシーン生成ノードが含まれます。各ノードが1つのシーンバリエーションを表します。都市の通りにいるキャラクター・森にいるキャラクター・室内空間にいるキャラクターなどです。すべてのノードが2つの入力を受け取ります。第1層からのキャラクターリファレンスと、環境とアクションを記述するシーン固有のプロンプトです。モデルはキャラクターリファレンスを制約として使用し、シーンプロンプトを変数として使用します。

第3層（オプションですが推奨）には品質強化ノードが含まれます。フェイス修復・アップスケーリング・またはスタイル一貫性パスで、最終出力が配信される前にノードレベルのバリアンスが修正されます。この3層構造により、シーンを変える柔軟性と、それらすべてにわたるキャラクターの一貫性の構造的保証の両方が得られます。

Floniksの/editorキャンバスを開き、以下の手順に従って機能するキャラクター一貫性ワークフローを構築します。まずキャラクターリファレンスノードを追加します。リファレンス写真または以前に生成した画像がある場合は画像入力ノードを使用し、ゼロからキャラクターを定義する場合はテキストプロンプトノードを使用します。外見を制約するのに十分な具体性を持ったキャラクター説明を設定してください。年齢範囲・顔の構造・髪・目・肌のトーン・服装・アートスタイルなどです。

次に、シーン生成ノードを追加します。1シーンにつき1ノードです。各ノードに対して、リファレンスノードの出力をキャラクターリファレンス入力ポートに接続します。そして、その特定のシーンの環境・アクション・照明を記述するシーン固有のテキストプロンプトを各ノードに追加します。次のノードに移る前に各シーンノードの設定を保存してください。すべてのシーンノードがリファレンスノードに接続されたら、オプションの強化ノード（フェイス修復・アップスケーリング）を追加し、各シーンノードの出力をその強化ノードに接続します。すべての最終出力を出力コレクションノードに接続し、ワークフローを実行します。結果を確認し、共有リファレンスノードに触れずに個別のシーンプロンプトを調整してください。

キャラクターリファレンスノードの品質がワークフロー全体の一貫性の品質を決定します。弱いリファレンス（「茶色い髪の若い女性」のような漠然とした説明）はモデルに多くの自由度を与え、一貫性が損なわれます。強いリファレンスは視覚的に重要なすべての属性を、モデルのアテンションメカニズムへの重要性の降順で指定します。

キャラクターリファレンスプロンプトを次のように構成してください：(1) キャラクターのアーキタイプとジェンダーの表現、(2) 年齢範囲、(3) 顔の構造の詳細（顔の形・顎・頬骨）、(4) 髪の色・長さ・テクスチャ、(5) 目の色と形、(6) 肌のトーンと目立つ特徴、(7) 服装とアクセサリーを正確な詳細で、(8) アートスタイルとレンダリングアプローチ。リファレンス画像がある場合は、テキスト説明に加えて、またはその代わりに使用してください。画像から画像へのモデルのほとんどは、テキスト説明単体よりもビジュアルアンカーにより確実に応答します。画像リファレンスを使用する場合は、高解像度で明るく照らされ、中立的なアングルからキャラクターが映っているものを使用してください。

キャラクター一貫性ワークフローにおける課題の一つは、照明と構図がシーン固有でありながらキャラクターのビジュアルアイデンティティを壊してはならないことです。森のシーンで上から照らされたキャラクターは、フロントライトのスタジオシーンと同じキャラクターとして認識可能でなければなりません。これはプロンプトをきれいに分離することを必要とします。リファレンスノードは固定のアイデンティティ属性（顔・体・コスチューム・スタイル）を扱い、各シーンノードは変数の環境属性（照明方向・背景・カメラアングル・ムード）を扱います。

リファレンスノードプロンプトに照明と環境の詳細を入れないでください。固定と変数の属性をリファレンスで混在させると競合が生まれます。モデルは固定のキャラクター定義とリファレンスに埋め込まれた環境照明の両方を満たそうとし、どちらかが損なわれます。リファレンスはクリーンでアイデンティティに集中したものにしてください。シーン固有のプロンプトで映像言語（スリーポイントライティング・ゴールデンアワー・リムライティング）を使用して、キャラクターのアイデンティティに影響を与えずに環境的な感覚をコントロールしてください。

よく設計されたキャラクター一貫性ワークフローでも、特にシーンの照明が極端だったり、カメラアングルがリファレンス画像のアングルと大きく異なったりする場合に、ノード間でフェイスドリフトが生じることがあります。最終出力を配信する前にドリフトのアーティファクトを修正するために、各シーンブランチの最終ステージにフェイス修復強化ノードを構築してください。

ワークフロー実行後、一貫性レビューを行います。すべての出力画像を並べて表示し、最も一般的な5つのドリフトポイントを確認します。目の間隔・鼻梁の幅・唇の形・肌のトーンのシフト・髪のテクスチャです。ほとんどのシーンで特定の属性に系統的なドリフトが見られる場合は、リファレンスノードプロンプトを更新してその属性をより明示的に補強し、影響を受けたシーンノードのみ（ワークフロー全体ではなく）を再実行します。このターゲットを絞った反復アプローチは、個々の単発プロンプト実行に対するワークフロー構造の主要な利点の一つです。