同じキャラを何枚も出したいなら、2026年は参照画像を編集する系のモデル——Qwen-Image-Edit 2511 か FLUX.1 Kontext——を使うのが第一選択です。プロンプトの作り込みとシード固定だけでは一貫性は保てません。ここを取り違えて延々とガチャを回している人が多い領域です。
プロンプトを一字一句同じにしても、ポーズを変えた瞬間に別人が出てくる。シードを固定したら今度は全く同じ絵しか出ない——キャラクターの一貫性は、プロンプト設計とは別系統の問題です。この記事では4つの手法を目的別に整理し、どれをいつ使うかの判断軸をまとめます。
なぜプロンプトを固定しても同じキャラにならない？
text-to-imageのモデルは、プロンプトから毎回ゼロから絵を作っているためです。「黒髪ロング・青い目・赤いリボン」と指定すれば条件は満たされますが、顔の骨格や目の形といった言葉にできない特徴は指定できません。結果、条件は合っているのに別人になります。
シード値の固定も解決になりません。シードを固定すると生成の初期ノイズが同じになるため、プロンプトが同一なら同じ絵が出ます。しかしポーズや背景を変えた瞬間に構図全体が変わり、顔も一緒に変わります。同じ絵は作れても、同じキャラの別カットは作れないのがシード固定の限界です。
「一貫性」には2種類ある
①同じ絵を再現したい（再現性）と、②同じキャラで違う絵を出したい（一貫性）は別問題です。①はシード固定で解決しますが、②には別のアプローチが要ります。この記事は②を扱います。
4つの手法はどう使い分ける？
| 手法 | 向くケース | 手間 | 一貫性 |
|---|---|---|---|
| プロンプト作り込み | ざっくり似ていればいい | 小 | 低 |
| シード固定 | 同じ絵の微調整 | 小 | △（同構図のみ） |
| 参照画像編集（Kontext／Qwen-Image-Edit） | 数枚〜数十枚のバリエーション | 中 | 高 |
| LoRA学習 | 数百枚規模・長期運用 | 大 | 最高 |
2026年時点で費用対効果が最も高いのは3番目です。学習が不要で、参照画像1枚から始められます。漫画やストーリー用に数十枚必要という程度なら、ここで十分足ります。
参照画像編集モデルはどちらを選ぶ？
Qwen-Image-Edit 2511
キャラの顔立ちを保ったまま、服装・背景・ライティングを自由に変えられます。VRAM 12GB以上のGPUでローカル実行が可能で、表情違いのキャラクターシート4枚を40秒前後で生成できます。ローカル運用ならまずこれです。
FLUX.1 Kontext
参照画像のキャラや物体の特徴を、別のシーンへ引き継ぐ機能を持ちます。Dev（12Bのオープンモデル・ライセンスは非商用・ComfyUIでローカル実行可）、Pro、Max の3系統があり、品質重視ならAPI版のMaxが最上位です。
ライセンスは必ず確認する
FLUX.1 Kontext Dev は非商用ライセンスです。商用利用する場合はPro／Max（API）か、商用可能な別モデルを選ぶ必要があります。生成物を仕事や販売に使う予定があるなら、モデルを決める前にライセンス条項を確認してください。
実際にどう指示すれば一貫性が保てる？
ポイントは、text-to-imageの書き方をやめてedit-styleの書き方に切り替えることです。
まず正面・素直な表情のキャラ画像を1枚だけ、納得いくまで作ります。ここが全ての基準になるため、妥協するとあとで全部やり直しになります。
複数枚を参照させると特徴が平均化されて似なくなります。キャラクターシートを渡す場合も、1枚の画像にまとめたものを使います。
Change the pose to sitting on a chair. のように、今の画像を変えろという指示にします。「黒髪ロングの少女が椅子に座っている」というtext-to-image的な書き方をすると、参照を無視して別キャラが出ます。
「帽子をかぶせないで」ではなく「髪をそのまま見せて」と肯定形で書きます。編集系モデルは否定形の解釈が弱く、逆の結果が出ることがあります。
JSON構造化プロンプトとの併用
基準画像を作る工程では、属性を分離して制御できるJSON構造化プロンプトが効きます。「基準画像はJSONで精密に設計 → バリエーションは参照画像編集で量産」という役割分担が、2026年現在いちばん破綻しにくい組み立てです。
ローカルで動かすには何が必要？
Qwen-Image-Edit 2511 はVRAM 12GB以上が実用ラインです。ただし12GBぎりぎりだと解像度やバッチ数で詰まりやすく、キャラシートのような複数枚生成では16GB以上に余裕があります。
手持ちのGPUで足りるか怪しい、あるいは環境構築でつまずきたくないという場合は、GPU不要で使えるクラウド環境から試すのが早いです。ConoHa AI CanvasでComfyUIを動かす手順にまとめてありますが、月額課金で試して合わなければ止められるため、GPU購入前の見極めに向いています。
LoRA学習に進むべきラインはどこ？
参照画像編集で足りなくなるのは、次のようなケースです。
- 数百枚単位で使い続ける——毎回参照を渡すより、モデルに覚えさせたほうが速くなります。
- 特殊な衣装やギミックを完全に固定したい——編集系モデルは細部の装飾を落とすことがあります。
- 他のワークフローに組み込みたい——LoRAならComfyUIの任意のワークフローに差し込めます。
逆にいえば、そこまでの規模でなければLoRAは過剰です。学習データの用意と試行錯誤で数時間は溶けるため、まず参照画像編集で足りるか確かめてから判断してください。進む場合はキャラクターLoRAの作り方が入口になります。
まとめ
キャラの一貫性は、プロンプトの精度を上げても解決しません。基準画像を1枚作り込み、参照画像編集モデルで「変える部分だけ」を命令形で指示する——これが2026年時点の最短ルートです。
ローカル運用ならQwen-Image-Edit 2511、商用利用や最高品質を求めるならKontextのPro／Max。規模が数百枚に達したときに初めてLoRAを検討する、という順番で考えれば無駄がありません。
コメント