【AI初心者向け】理想のキャラを無料AIで無制限に作成！頭と服と背景を合成しポーズや体型を指定して画像生成する！モデルはSFWとNSFWから選択可。
なぜ、頭と服と背景を合成する必要があるのか？
映画やドラマ、ミュージックビデオなど、ストーリー性のあるコンテンツを作る場合は、シーンごとにキャラクターの見た目が変わってしまうと、作品の世界観や没入感が崩れてしまいます。
そのため、顔・髪型・服装・体型だけでなく、背景や雰囲気、声も含めて、一貫性を維持することがとても重要になります。
そこでよく使われるのが、入力画像を使った「Image to Video（i2v）」による動画制作です。
入力画像側でキャラクターの一貫性を保っておけば、その画像をもとに生成される動画側でも、一貫性を維持しやすくなるためです。
今回の記事では、頭（顔と髪型）・服（体型）・背景を組み合わせて、一貫性のあるキャラクターを作っていく方法について紹介していきます。
動画解説はこちら
この記事は、自分のパソコンにComfyUIを導入している方向けに、無料・無制限で使える画像生成環境の構築方法を紹介します。
ローカル環境で動かすため、月額課金などは不要で、回数制限もありません。
ComfyUIを未導入のかたは
GPUありパソコン（ゲーミングPC）の場合は
GPUなしパソコンの場合はGoogle ColabにComfyUIを構築
※Google Colab（15GB）には今回ご紹介するQwen-Image-Edit-Rapid-AIO（28GB）は入りませんので、別のモデルを入れて使用します。
なお、NSFW系チェックポイントはcivitai.redもしくはHugging Faceで探します。
導入が面倒な方は
※ChatGPTは１日で無料生成できる枚数に制限があります。
※制限は厳しめです。SFW…〇 体型変更…△ 服変更…△ NSFW…×
推奨スペック
自分のPCで動かすための推奨スペックとしては、
GPU：VRAM 8GB以上
RAM：32GB以上
あると快適に動作します。
まずはモデルをダウンロード
まず最初に、モデルをダウンロードするためにHugging Faceへアクセスします。
今回使用するモデルは、
「Qwen-Image-Edit-Rapid-AIO」
です。
ページを開いたら、
「Files and versions」
のタブをクリックしてください。
このページから必要なモデルファイルとワークフローをダウンロードできます。
「Hugging Face Qwen-Image-Edit-Rapid-AIO」
ワークフローは、
Qwen-Rabbit-A10.jsonという名前のファイルになります。
下向きのダウンロードアイコンをクリックすると保存できます。
モデルはV23を使用
モデルはV9からV23まで複数のバージョンがありますが、今回は最新のV23を使用します。
V23には、
NSFW版
SFW版
の2種類があります。
「NSFW版」と「SFW版」の違い
NSFW = Not Safe For Work
→ 職場や公共の場では見ない方がよい成人向け・刺激の強いコンテンツ
※周囲への配慮とルールを守ったうえで、個人でこっそりお楽しみください。
SFW = Safe For Work
→ 職場や公共の場でも安全に見られる一般向けコンテンツ
SFW版には成人向けコンテンツは含まれていないため、
未成年の方
成人向けコンテンツを表示したくない方
はこちらを選びましょう。
モデルファイルを保存する
ダウンロードが完了したら、モデルファイルを以下へ保存します。
ComfyUI/models/checkpoints※環境によって場所は異なります。
ワークフローを読み込む
次にComfyUIを起動します。
起動後、先ほどダウンロードした
Qwen-Rabbit-A10.jsonをComfyUIの画面へドラッグ＆ドロップしてください。
すると、自動的にワークフローが読み込まれ、すぐに使用できる状態になります。
Qwen-Rapid-A10のワークフロー
ワークフローを開くと、最初に赤い枠が3つ表示されると思います。
これはエラーではなく、チェックポイントや入力画像がまだ読み込まれていないために表示されています。
チェックポイントを読み込む
まず、
「Load Checkpoint」
の部分で、先ほど保存したチェックポイント
Qwen-Rapid-AIO-NSFW-v23.safetensorsを選択してください。
赤い表示はそのままでOK
画像入力部分については、あとから画像を指定するため、この時点では赤いままでも問題ありません。
実際に使用する画像を設定して実行すれば、正常に動作します。
最初は赤い表示が出ているので不安になるかもしれませんが、必要なファイルを読み込めば正常に動作しますので安心してください。
Kサンプラー推奨設定
V23の場合、サンプラー「euler_ancestral」、スケジューラ「beta」が強く推奨されています。
2種類の画像を組み合わせることが可能
この公式ワークフローのままでも、2種類の画像を組み合わせて生成することは可能です。
例えば、
「頭＋体」
「人物＋背景」
といった形で、2つの要素を組み合わせた画像生成ができます。
今回は「頭・体・背景」の3つを合成
今回は、
頭
体
背景
の3つを別々に指定して組み合わせることをテーマにしているため、
「Optional Input Image」ノードを1つ追加します。
Optional Input Imageノードを追加する方法
追加方法は簡単です。
まず、既に配置されている
Optional Input Imageノードのどちらか1つをクリックします。
するとメニューが表示されるので、縦3点の
「その他のオプション」
をクリックしてください。
その中にある
「Clone（クローン）」
をクリックします。
ノードを複製する
すると、同じ「Optional Input Image」ノードがもう1つ複製されます。
最初は元のノードと重なった状態で表示されるので、ドラッグして見やすい位置へ移動してください。
ノード同士を接続する
最後に、新しく追加したノードの「画像」出力端子をドラッグして、
Text EncodeQwenImageEditPlusノードの「画像3」入力端子にドロップして接続します。
3種類の画像を別々に入力可能に
これで、
頭
体
背景
の3つの画像を別々に入力できる構成になります。
Save Imageノードを追加する
この状態でも「Image Preview」に生成画像は表示されますが、画像ファイルは自動保存されません。
毎回手動で保存するのが面倒な場合は、「Save Image」ノードを追加しておくと便利です。
Save Imageノードの追加方法
まず、
VAE Decodeノードの画像出力端子をクリックし、そのまま何もない場所までドラッグします。
すると、ノード追加用のサブメニューが表示されます。
その中から「Save Image」をクリックしてください。
すると、「Save Image」ノードが自動的に追加され、生成した画像を自動保存できるようになります。
ワークフロー完成！
これでワークフローは完成です。
この構成にすることで、
好きな顔
好きな服装や体型
好きな背景
を自由に組み合わせながら、ポーズ指定付きの画像生成ができるようになります。
実際にワークフローを使ってみる
それでは早速、このワークフローを使って画像を生成してみましょう。
まず初めに、入力画像を3種類用意します。
用意する画像は3種類
必要になるのは、次の3つです。
ヘッドショット画像
ヘッドレスショット画像
背景画像
① ヘッドショット画像
1つ目は、頭用のヘッドショット画像です。
これは、なるべく
顔だけ
頭だけ
が写っている画像を使用してください。
キャラクターの顔や髪型のベースになります。
② ヘッドレスショット画像
2つ目は、ヘッドレスショット画像です。
こちらは、
首から下〜つま先まで
なるべく頭を含まない画像
なるべく背景を含まない画像
を使用します。
もし頭が入っている場合は、頭部分をマスクした画像でもOKです。
※ペイント系ソフトなどで、頭部を黒い楕円などで覆ってください。
洋服や体型のベースとして使われます。
③ 背景画像
3つ目は背景画像です。
こちらは、
AI生成画像
フリー素材サイト
自分で撮影した写真
など、好きなものを使用できます。
例えば、
Pixabay
Unsplash
などのフリー素材サイトでもOKです。
入力画像を持っていない場合
すでに画像を持っている方は、それをそのまま使用できます。
もし持っていない場合や、まずはテストしてみたい場合は、チャッピー（ChatGPT）やGeminiなどのAIを使って作ることも可能です。
ヘッドショット画像を作る例
例えばChatGPTに、
「日本人の若くてかわいい女性の顔写真（ヘッドショット）を４人分横にならべて作って」
とお願いすると、次のような画像を作ってくれます。
キャラシートを作る
さらに、
「この画像の一番左のロングヘアの女子の前後左右のヘッドショットを横に並べて作成して」
このような画像をキャラシートとして使用することで、より安定した顔を作りやすくなります。
ヘッドレスショット画像を作る例
洋服については、例えば、
「夏服を着た４人の日本人の若い女性のヘッドレスショット（顔は不要、首からつま先まで）を並べて作成して」
とお願いすると、次のような画像を作ってくれます。
ここから好きな服装や体型を選び、体のベースとして使用します。
背景画像を用意する
最後に背景画像を用意します。
背景については、
AIで生成
フリー素材
写真
など自由です。
この3種類が揃えば、画像生成の準備は完了です。
ワークフローに画像をセットする
まず、
ヘッドショット
ヘッドレスショット
背景
の3つをセットします。
その後、プロンプトを書きます。
プロンプトを書く時の重要ポイント
ここで非常に重要なのですが、
入力画像に関する内容は書かない
ようにしてください。
例えば、
髪型
顔
洋服
背景
などをプロンプトに書いてしまうと、入力画像よりもプロンプトの内容が優先され、画像が上書きされてしまいます。
プロンプトには「ポーズ」だけを書く
そのため、ここでは
ポーズ
表情
画像品質
程度のシンプルな内容だけを書くのがおすすめです。
なるべく短く簡単に書いた方が、入力画像を維持しやすい印象があります。
英語プロンプトでもOK
プロンプトは日本語でも書けますが、今回は英語で記述しています。
例えば、
「両手でピースサインをしている」
という内容を書いて実行しました。
実行結果
こちらが実際に生成された画像です。
入力画像とプロンプトに従って画像が生成されているのが分かります。
ヘッドショットだけ変更してみる
それでは次に、ヘッドショットだけを別の人物へ変更して実行してみます。
実行結果はこちらです。
頭だけが変更され、その他は維持されているのが分かります。
ヘッドレスショットだけ変更してみる
次に、ヘッドレスショットを変更して実行してみます。
こちらが実行結果です。
今度は体や服装だけが変更され、頭や背景はそのまま維持されています。
背景だけ変更してみる
次に背景画像だけを変更して実行します。
実行結果はこちらです。
背景だけが変更されているのが分かります。
最後にポーズを変更してみる
最後に、ポーズのプロンプトだけを変更してみます。
最初は、
「両手でピースサインをしている」
という内容でしたが、
今回は、
「片手でピースサインをしている」
に変更して実行します。
こちらが実行結果です。
ポーズだけが変更されているのが分かります。
また、
プロンプトで体型の変更も
できます。
まとめ
このように、
ヘッドショット
ヘッドレスショット
背景
ポーズや体型
を自由に組み合わせることで、自分だけのオリジナルキャラクター画像を簡単に作ることができます。
もちろん、OpenAIのChatGPT 5.5やGoogleのGeminiでも同様のことは可能ですが、実際に使ってみると分かるように、制限が比較的厳しく、思い通りの表現ができない場面も少なくありません。
一方でLTX2.3はローカル環境で動作するため、
無料
無制限
回数制限なし
で何度でも試せるのが大きな魅力です。