目次
MiniMax H3でキャラクターの一貫性を保つには、動画を生成する前の準備が重要です。整理された参照素材を用意し、キャラクター説明を固定して、ショットごとに変更する要素を1つに絞ります。こうすることで、繰り返し登場するキャラクターの顔、衣装、画風のずれを抑えやすくなります。
キャラクターの一貫性とは、どのショットでも視聴者が同じ人物だと認識できる状態です。髪型が同じだけでは十分ではありません。
一貫したキャラクターでは、次の基本要素が保たれます。
カメラアングル、表情、ポーズ、照明は変えても構いません。ただし、キャラクターを見分ける特徴は変えないようにします。
MiniMax H3は、テキスト、画像、動画、音声の入力に対応しています。公式資料では、参照画像と参照動画を中心に、必要に応じて音声参照を視覚素材と組み合わせる「Reference Generation」ワークフローが説明されています。
H3-Context-IRの役割は異なります。マルチモーダル入力を解釈して強化プロンプトを返す機能で、動画自体は生成しません。参照素材は連続性の維持に役立ちますが、MiniMaxがすべてのショットで完全に同じ人物を保証しているわけではありません。
1枚のポートレートだけでは、多くの情報が未確定のままです。分かるのは1つの角度、1つの表情、衣装の一部に限られ、フレーム外の情報はモデルが推測することになります。
連続したショットを生成する前に、次のような必要最小限の参照セットを用意します。
すべての画像で同じデザインを使用します。髪の長さやジャケットの細部が食い違う参照セットは、制御しやすくなるどころか曖昧さを増やします。
参照セットを修正する必要がある場合は、 マルチモデル画像生成ツール＆エディタ を利用できます。GPT Image 2、Nano Banana 2、Nano Banana Proが用意されており、Nano Banana Proは1回のセッションで最大9枚の参照画像を受け付けます。複数の参照を使うキャラクター制作やスタイル調整に向いています。
最初のキャラクターシートは DomoAI テキスト→画像生成でも作成できます。アニメカード風の素材が必要なら、 Anime Card Maker も出発点として使えます。
すべてのショットで維持すべき情報を、再利用できる1つのブロックにまとめます。
Character name:
Face:
Hair:
Eyes:
Outfit:
Body silhouette:
Color palette:
Signature prop:
Visual style:
Do not change:
Allowed changes per shot:
各項目は、画面で確認できる表現にします。「印象的なヒーロー」だけでは指示が曖昧です。「青緑色のボブに細い金色のメッシュが1本、琥珀色の目、金色の縁取りがある黒のクロップドジャケット、アイボリーのハイウエストパンツ、三日月形のペンダント」と書けば、目に見える制約を示せます。
キャラクターの同一性を定義する文章を1つ作り、各ショットのプロンプトにそのまま貼り付けます。変化を付けようとして書き換えないでください。小さな言い換えでも、モデルが重視する特徴が変わることがあります。
Keep the same character: an adult anime singer with a teal bob and one thin gold streak, amber eyes, a black cropped jacket with gold trim, ivory high-waisted pants, teal ankle boots, a crescent pendant, slim silhouette, soft cel-shaded anime style, and the same face proportions in every shot.
この文章は、ショットごとに変える動作の前に置きます。連続するプロンプトでも語順を変えないようにします。
マスコットや商品キャラクターにも、同じ構成を使えます。
Keep the same mascot: a small cobalt-blue fox with rounded ears, one white tail tip, a yellow messenger bag, three dark cheek marks, and the same flat graphic style in every shot.
この文章の役割はキャラクターを特定することです。シーン全体を説明する必要はありません。
各ショットを、条件を絞ったバリエーションとして扱います。キャラクター情報は固定し、動作、カメラ、環境の変更は別の文に分けます。
Same character and outfit as the reference. Change only the action: she turns toward the camera, lifts the microphone, and takes one step forward under blue stage lights. Keep face shape, hair length, jacket, ivory high-waisted pants, crescent pendant, and color palette unchanged.
短いクリップでは、意味のある動作を1つに絞ります。ポーズ、衣装、場所、天候、レンズ、画風、感情を一度に変えると、モデルが同時に判断すべき項目が多すぎます。
3ショットの例は次のとおりです。
| ショット | 固定する要素 | 変更する要素 |
|---|---|---|
| クローズアップ | 同一性、衣装、画風、パレット | 視線をカメラに向ける |
| ミディアムショット | 同一性、衣装、小道具、照明の系統 | キャラクターがマイクを持ち上げる |
| ワイドショット | 同一性、衣装、ステージデザイン、パレット | キャラクターがスポットライトの中へ踏み出す |
この方法は、問題の原因を特定する際にも役立ちます。カメラだけを変えた後に顔がずれたなら、新しく加えた変数を切り分けやすくなります。
テキストは特徴の種類を説明し、参照素材は具体的な視覚関係を示します。言葉だけでは顔、小道具、衣装の柄、動きのイメージを維持できないときに参照メディアを使います。
視覚参照が必要なショットや、視覚素材と音声参照を組み合わせるショットには、MiniMax-H3 Reference Generationを使用します。現行ワークフローでは、画像は最大9枚、動画は最大3本、音声は最大3本まで使用でき、混在する参照入力は合計12ファイルが上限です。動画と音声は1本あたり2～15秒で、参照動画の合計時間と参照音声の合計時間は、それぞれ15秒が上限です。MiniMaxのH3参照ドキュメントによると、音声は単独の参照入力ではなく、少なくとも1枚の画像または1本の動画と組み合わせる必要があります。
H3-Context-IRは、生成前に複雑なマルチモーダル入力を整理できます。非同期で処理され、動画ではなく強化プロンプトを返します。
目的に合わせて参照素材を選びます。
使える画像をすべて追加する必要はありません。参照素材は、互いに矛盾しない場合にのみ効果を発揮します。重複や食い違うバリエーションは取り除いてください。
シーン全体を作る前に、小規模な連続性テストを行います。異なるリスクが表れる3つのショットを使います。
3本のクリップを横に並べて確認します。最もきれいな1フレームだけで判断しないでください。
次のチェックリストでずれを確認します。
| 確認項目 | 合格条件 | よくあるずれ |
|---|---|---|
| 顔 | 比率と年齢が同じ | 顎、目、鼻の形が変わる |
| 髪 | 長さとシルエットが同じ | 前髪、ボリューム、色が変わる |
| 衣装 | 形と細部が同じ | 袖、ロゴ、アクセサリーが消える |
| 体 | 身長と体格が安定している | 手足や体の比率が変わる |
| パレット | 主要な色が固定されている | ジャケットや目の色が変わる |
| 画風 | 描画表現が同じ | 写実度や線の太さが変わる |
| 小道具 | 形と位置を判別できる | 大きさや持つ手が変わる |
同じ項目が2回失敗したら、参照素材か同一性の説明を改善します。むやみに再生成しても、原因はほとんど分かりません。
問題の種類によって、修正方法も異なります。
| 問題 | 考えられる原因 | 次に試すこと |
|---|---|---|
| 角度を変えると顔が変わる | 横顔の参照が弱い、または顔の比率が曖昧 | 斜め向きの画像を追加し、顔の形を固定する |
| 髪が伸びる、または色が変わる | 髪の説明に長さやシルエットがない | 長さ、前髪、質感、正確な色を指定する |
| 衣装の細部が失われる | 全身画像では細部が見えない | 衣装の拡大画像を追加し、固定要素を明記する |
| キャラクターが写実的になる | プロンプトごとに画風の表現が変わっている | 同義語に置き換えず、同じ画風の文を再利用する |
| 手や小道具が崩れる | 動作によって重要な形が隠れている | ジェスチャーを簡単にし、小道具が見える状態を保つ |
| 背景の影響で衣服の色が変わる | 被写体と背景の明度が近い | 元画像のコントラストを上げる |
複数の項目が同時に崩れる場合は、ショットの要求を減らします。まず安定した構図から始め、その後でカメラや体の動きを加えてください。
同じ同一性管理の仕組みをどの形式にも使えますが、想定する視聴者やキャラクターによって崩れやすい点は異なります。
線の太さ、目のデザイン、髪のシルエット、衣装の重なり、特徴的なアクセサリーを保ちます。会話するクローズアップと全身動作は別々にテストしてください。ある画角では安定していても、別の画角ではデザインがずれることがあります。
顔の比率、見た目の年齢、髪型、体格、繰り返し使う衣装のルールを固定します。カメラや照明の変化は現実的な範囲に保ちます。同じ説明を繰り返しても、極端なレンズ変更によって顔が変わることがあります。
ブランドの細部を制作上の制約として扱います。正確な色、形、マーク、小道具の位置を記録してください。記憶ではなく、承認済みのスタイルガイドと並べてマスコットを確認します。
予定している照明条件とカメラ距離ごとに参照素材を用意します。夜のクローズアップと昼のワイドショットでは、連続性のリスクが異なります。照明の説明を変えても、同一性の説明は固定してください。
どの種類のキャラクターでも、本制作の前に少数のショットを承認しておきます。そのセットが、後続シーンとレビュー担当者の視覚基準になります。
MiniMax H3は近日DomoAIに追加予定です。利用可能になり次第お知らせします。現在は Omni ReferenceのSeedance 2.5 を利用できます。
キャラクターから動画へ は、元動画の動きを新しいキャラクターに反映したいときに使います。元動画と対象キャラクターの画像を入力し、Subject Onlyモードでは主な被写体だけを抽出できます。
AIアバター は、会話や歌唱のショットに向いています。画像または動画と音声を入力でき、多言語出力にも対応しています。同一性を保つため、会話クリップでは同じ承認済みポートレートを使ってください。
これらはそれぞれ異なる課題を解決するワークフローです。MiniMax H3はプロンプトと参照素材から新しい動きを生成します。DomoAIのキャラクターから動画へは既存の動きを再利用し、AIアバターは安定したキャラクター素材に会話や歌声を組み合わせます。
整理された参照素材、固定した同一性の説明、ショットごとに1つの要素だけを変えるプロンプトを使います。長いシーケンスを生成する前に、短いクリップでテストしてください。
はい。MiniMaxの公式ドキュメントには、画像と動画を使うReference Generationと、視覚素材に組み合わせる任意の音声参照が記載されています。H3-Context-IRは生成タスクではなく、任意で使えるプロンプト強化ステップです。
すべてのケースに共通する最適な数はありません。まずキャラクターを明確に定義できる最小限のセットを使い、不足する角度、衣装の細部、動作の要件を補う場合にだけ追加します。最終入力を準備するときは、上記の技術上限に従ってください。
より鮮明な顔の参照を追加し、顔の比率を固定して、カメラと表情を同時に変えないようにします。同じ開始条件から生成した短いテストを比較してください。
参照素材を中心としたキャラクターワークフローに利用できますが、適性は画風と求める一貫性によって異なります。顔の比率、線の表現、衣装の細部、動きを別々にテストしてください。
既存の演技でキャラクターの動きを制御したい場合は、「キャラクターから動画へ」を使います。プロンプトと参照メディアから新しいショットを作る場合はH3を使います。
一貫したシーケンスは、長いプロンプトではなく安定した入力から生まれます。承認済みの参照セット、同一性の説明、品質管理表を1つの制作基準として保存してください。クローズアップ、ミディアム、ワイドの各画角で同じキャラクターが合格してから、最初のテストを広げます。
最近の記事
