AI 画像生成のキャラクター一貫性

調査時点: 2026-04。ツールの機能名・パラメータ・学習コストはその時点のもの。

2 つのアプローチ#

系統	やり方	向き
推論時参照	参照画像を 1〜数枚渡して「この人物で」と指示する	手軽。細部の再現は限定的
学習	キャラの画像で LoRA / DreamBooth を訓練し、モデルに覚えさせる	再現度が高い。枚数と GPU 時間が要る

Character Reference(--cref): 2024-03 導入。--cw 0〜100 で、100 は顔・髪・服装を一致、0 は顔だけ一致させて服を変える。V6 以前のモデル専用。Midjourney 自身の生成画像を元にすると精度が高く、実在人物の写真には制限がある。そばかすのような細部は再現できない。
Omni Reference(--oref): V7 専用で 2025-05 に公開テスト開始。--ow 0〜1000(デフォルト 100)で強度を調整し、人物・物体・乗り物・動物に使える。V7 では --cref が使えないので --oref への移行が必須。クレジット消費は通常生成の 2 倍で、Vary Region や Zoom と併用できない。
Moodboards(2024-12): 複数画像からのスタイル個人化が目的で、キャラの同一性固定には向かない。

実務でよく見る数字。

データセット: 15〜30 枚が最適とされる。角度・表情・照明・服装のバリエーションが枚数より効く。fal.ai の公式解説は 20〜1,000 枚。
ツール: kohya-ss/sd-scripts(FLUX.2 対応は 2025 年末)、ai-toolkit(Ostris、設定が簡単)。
学習時間: 12GB VRAM(GGUF Q8)で約 2,000 ステップ・60〜90 分。A100 のクラウドなら 30〜45 分。
コスト: RunPod / Vast.ai で $0.50〜$1.50/時、1 回 $1〜$3 程度。
使い方: LoRA(学習済みモデルの一部に小さな追加パラメータを学習させる調整手法) weight 0.5〜0.6 で適用し、PuLID(顔固定)と ControlNet(ポーズ固定)を重ねる 3 層構成が 2026 年の実務手法。

DreamBooth(少数の参照画像から特定の人物や対象を追加学習する手法) + LoRA の few-shot 手法は 2025-10 に arXiv で論文化され、5〜20 枚から一貫したキャラ生成ができることが学術的に検証された。

Imagen 3 はシーン内で最大 14 オブジェクトの整合性を保つが、複数カット間の同一人物一貫性は 2026-04 時点で専用機能がない。動画の Veo 3 は最大 3 枚の参照画像によるキャラ制御を 2025 年に追加した。

AI 生成画像の著作権は 2026 年時点でグレーゾーンが続く。純粋な AI 生成物の保護を否定する判断が米国で報じられており、人間の創作的改変を加えると保護の可能性が高まると指摘されている。モデル側のライセンスは別ページ。