キャラクター制作ログ#1｜一貫性のあるキャラクターを作る｜Midjourney/Nano Banana/Kling Elements/Higgsfield Soul ID
Tokii（トッキー）です。
AI音楽、AIアーティストについてリサーチを続けてきましたが、
AIアーティストは人間に愛されるのか？
・分析#1：Tata Taktumi
・分析#2：HAVEN.
・分析#3： Xania Monet
リサーチばかりではなく自分でも「やるしかないじゃん！」ということで、
キャラクター制作を始めました。
自分用の記録でもありますが、一貫性のあるキャラクター制作において、沼ったポイント、やらなくても良かった工程、効率の良い制作ステップ、実際のプロンプトなどを共有しつつ、できるだけ意味のあるログにしたいと思います。
Step 1: 画像生成
photo realistic Japanese 20-year-old beautiful woman with long black ponytail wearing a pastel blue and pastel pink vanity jacket, hoop earings, pastel pink lipstick, tight blue denim jeans and stylish boot heels. Tokyo Tower visible in the distant background. --ar 3:4 --raw --profile 9hpl985 --v 7
Midjourneyではどうしても別人になってしまう🐱
最初の1枚のプロンプトが"photo realistic〜"で、実写系のパーソナライズONにも関わらずイラスト調になったのは、パステル系のワードが効いた？のか、それともニューレトロ感/シティポップ感のあるキャラをイメージしたのでAIもそう認識した？のかもしれません。
同プロンプトで実写素材も出ましたが、このキャラクターに惹かれたのでこれらの画像をベースに実写化することにしました。
Step 2: バリエーション画像生成
これが後の横顔、斜め、ウェストアップ、全身画像の基準になる
まず最初に正面の顔がはっきりと分かるバストアップ（orクローズアップ）画像を作るのが効率良いです。全身から作ると生成の度に顔がブレてしまうのでオススメしません。
また、視線がしっかりカメラ目線のものを選ぶことが超重要です！！
ずっと左を見てるモデルになってしまった、、（数時間のロス⏰️）
なので基準となる画像は全身ではなく、バストアップ（orクローズアップ）正面、カメラ目線の奇跡の1枚を選びましょう。
バストアップ画像ができたら、その画像を起点に横顔のベストショットを選びます。
この2枚をリファレンスにして別角度の画像を作り、それらをリファレンス画像に追加してウェストアップ、全身と広げていくと顔の一貫性が保ちやすいです。
好みの表情の差分も作っておくと、後の画像/動画生成の際に好みの表情を保ちやすいです。
このようにシート1枚にまとめる必要はないです📝
（人間に見せる時は分かりやすいです）
Step 3: Elements（キャラクター）登録
様々な角度や画角の画像ができたら、Klingの"Elements"、Higgsfieldの"Soul ID"にそれらの画像をアップロードして登録します。
Kling Elements →画像4枚まで登録可 ※1枚からバリエーション生成も可
Higgsfield Soul ID →画像20〜80枚まで登録可
今回は画像のみで登録（声も作らないとですね🗣️）
Klingは1枚の画像からバリエーション生成も可能ですが、生成はガチャですので、好みの横顔、全身画像を用意する方が圧倒的にオススメです。
（画像の準備がなかなか大変です、、）
(生成プラットフォームはFlow/Higgsfield)
Create a photorealistic studio image of the same woman shown in the reference images.
Use image 1 as the main facial identity reference.
Use image 2 as the left-profile facial structure reference.
Use image 3, image 4, image 5, and image 6 as the full-body proportion, outfit, hairstyle, and silhouette consistency references.
Preserve the exact same character identity across every image: same face, same high ponytail, same large gold hoop earrings, same pink satin bomber jacket, same white crop top, same pink jogger pants, same white sneakers, same slim body proportions, same realistic skin texture, same clean white studio background, same soft diffused studio lighting.
Do not invent a new face. Reconstruct only the same woman from the reference images. Keep the anatomy realistic, the head size proportionally correct, the shoulders natural, the hands accurate, and the outfit unchanged.
Single subject only, no text, no collage, no props, no background elements, no stylization, no anime look, no cartoon rendering.
image 1 = バストアップ左
image 2 = バストアップ前
image 3 = 全身右
image 4 = 全身後
image 5 = 全身左
image 6 = 全身前
Elements（キャラクター）をBind（結びつける）することで一貫性が保たれる
登録したElementsを使ってKling Video 3.0で生成した動画がこちら↓
ちなみにエレメンツがないとサングラス男性はもちろん、女性の顔もブレてしまいます↓
GoogleはVeo訛り、Veo顔になりがちで、Soraはサングラスのない女性ですら別人ですね。。（Sora 2は最後、女優も笑てもてるやんw）
昨年末は実写系での人物の一貫性を諦めて主役をアニメキャラにしたりしていたのですが↓
ようやく動画でもキャラクターの一貫性をキープできるようになりましたね。
まとめ：作る時のコツ、時短ポイント＆注意点
・キャラクター画像はバストアップ（orクローズアップ）正面から始める
→全身から作ると顔の一貫性が保ちにくい
・ベースになる画像はしっかりカメラ目線にする
・バリエーション画像生成はNano Banana Pro/2が最強
→ほぼ一択かと（Seedreamも良い時はありますが）
・バリエーション生成時は参照画像も増やしていくと一貫性が保ちやすい
・常にかけないサングラスやヘッドホン等は外しておく
・ファッションはキャラ生成時には拘りすぎなくてもOK
・1枚のキャラクターシートはElements登録には不要
→1枚に1キャラの画像をアップロードするため
・Kling Elements は画像4枚登録可能
→画像1枚からのKling自動生成（AI Multi-Shot）は一貫性が保ちにくい
・Higgsfield Soul ID Character は画像20〜80枚登録可能
・声も登録することができる（また次回チャレンジ予定）
思っていた以上にボリュームのある作業でしたが、一度登録しておけば簡単に呼び出せますので、一貫性のあるキャラクター動画を作りたい方はKlingのElements機能やHiggsfield Soul IDは今のところベストな選択肢かと思います。
できることが増えれば増えるほど、後は「何を作るのか？」という根っこの部分がますます問われますね。
（名前にコンピューター関連ワードを見つけたらコメントへ😽）
次は声作って、その前に音楽も作りたいし、
2人のストーリーもいるし、、
やるしかないじゃん？
というわけでこの2人を使って実験、検証だけでなく、音楽や物語を作っていこうと思う。
冒険はまだまだ続く…
Tokii
