複数のAI動画クリップで同じ人物を扱うとき、出力の違いだけを見ていても、参照画像、プロンプト、テンプレート、モデルのどの変更が影響したのか分かりません。
この記事では、人物の同一性を完全に保証する方法ではなく、入力を管理して差分を追えるようにする方法を整理します。性能比較や実測の成功率は扱いません。例に登場するショット、ファイル名、設定値は説明用です。
利益相反の開示:筆者はMovmixチームのメンバーです。手法は特定製品のAPIや内部仕様に依存しません。記事内のPythonはローカルの入力管理用であり、動画生成サービスへの接続・送信は行いません。
1. テキストだけでは人物の指定が一意にならない
「短髪、濃い色のシャツ、白い襟」という記述を満たす人物画像は一つではありません。文言を固定しても、顔の輪郭や服の形を完全には定義できません。
画像を入力に加えれば、少なくとも比較の基準となる外観を用意できます。ただし、参照画像も正解を強制する制約ではありません。画像にない横顔や背面を生成する場面では、見えていない情報の補完が必要になります。モデルの違いや演出の指示も結果に影響し得ます。
ここでは処理を次の二段階に分けます。
- 入力の同一性:同じ画像と、記録した設定を使ったか。
- 出力の適合性:生成された人物が意図する外観を保っているか。
入力が同じでも、出力が同じになるとは限りません。この二つを混同しないのが出発点です。
2. 参照画像を不変の入力資産として扱う
基準画像を決めたら、ショットの途中で黙って上書きしない運用にします。
project/
references/
character_a_v1.png
prompts/
shot_01_v1.txt
shot_02_v1.txt
outputs/
shot_log.csv
参照画像を選ぶ際は、次を確認します。
- 一人の主題を明確に識別できるか
- 顔、髪形、維持したい衣装が読めるか
- 強い影や遮蔽で重要な情報が失われていないか
- 素材の使用権限と、必要に応じた被写体の同意があるか
画像を修正する必要があるなら、v2として別ファイルにします。複数枚を管理しても、サービスが複数画像を同時入力できると仮定してはいけません。実際の画面で許される入力範囲に合わせます。
ファイル名だけでなくハッシュを残す
同名の画像を差し替えた事故は、名前の記録だけでは見つけられません。Python標準ライブラリでSHA-256を取得できます。
from hashlib import sha256
from pathlib import Path
import json
reference = Path("references/character_a_v1.png")
prompt = Path("prompts/shot_01_v1.txt")
record = {
"shot_id": "shot_01",
"reference_file": str(reference),
"reference_sha256": sha256(reference.read_bytes()).hexdigest(),
"prompt_file": str(prompt),
"prompt_sha256": sha256(prompt.read_bytes()).hexdigest(),
}
print(json.dumps(record, ensure_ascii=False, indent=2))
プロジェクトのルートで、実際に用意した二つのファイルに対して実行します。SHA-256はファイルのバイト列の照合用です。再圧縮やメタデータ変更でも値は変わりますし、人物の見た目が同じかを判定する指標ではありません。また、ローカルの記録だけでサービス側の処理内容まで証明することはできません。
3. 固定条件とショット差分を分離する
比較の途中で外見の形容詞を毎回書き直すと、どれが意図的な変更だったか分からなくなります。
次のように二つに分けます。
固定条件
- 基準画像のファイルとバージョン
- 同じ人物として扱う衣装・髪形の確認項目
- 選択するモデルとテンプレート
- 画面比率など、UIで指定可能な設定
ショットごとの変更
- 動作
- 背景
- 構図・カメラの動き
説明用のプロンプトは、まず固定カメラで小さな動作にします。
参考画像の人物が作業台の前に立ち、ゆっくり視線を右へ向ける。
胸から上の構図。カメラは固定。背景は簡素な室内。
次のショットでは同じ参照画像を使い、動作だけを「視線を正面へ戻す」に変更する、という設計です。これが必ず良い結果になるという主張ではなく、変更点を追える入力例です。
テンプレートに大きな動きが含まれる場合、文章の「静止」と矛盾しないかも確認します。比較中の条件がそろえられないときは、その違い自体をログに残します。
4. UIの機能名と、検証したい目的を対応させる
製品の機能をすべて試すのではなく、目的に対応する入力経路を選びます。Movmixで資料上確認されている名称を例にすると、以下のように整理できます。
| 機能名 | この作業での位置付け |
|---|---|
| Text to Video | 文字から始める経路。特定人物の外観をテキストだけで一意に指定できるとは考えない |
| Image to Video | 画像を起点にした映像化を検討する経路 |
| Reference to Video | 人物の参考画像を用いる今回の検討対象 |
| Video Extend | 同一場面の続きを検討する場合の選択肢。人物ドリフトの修復は保証しない |
MovmixのReference to Videoを利用する場合も、指定できる入力と設定は操作画面で確認します。Video to Video、AI Motion Control、AI Recastもありますが、基準条件を整理する段階で同時に追加すると、変更要因が増えます。
モデルとしてKling、Wan、Seedance、MiniMax、GPT Images、Nano Bananaが資料に記載されています。ただし、これらを同一用途の動画モデルとして扱うわけではなく、利用可能な機能・モデルはプランと画面に依存します。今回の手順にはAPI、固定seed、非公開のパラメーターを仮定していません。
5. ショットログには「変更理由」も残す
最低限の列は次のとおりです。
shot_id,reference_file,reference_sha256,prompt_file,prompt_sha256,model,template,settings_note,output_file,decision,reason
各欄には実際に選択・生成した値だけを書きます。設定が表示されていない項目を推測で埋める必要はありません。
人物の外観がずれたときは、一回の比較で主要な変更を一つに絞ります。
- 同じ参照画像と設定の記録を残す。
- 動作を減らす、またはカメラを固定するなど、一つだけ変更する。
- 出力を同じ観点で見比べる。
- 採用・保留・不採用と、その理由を記録する。
一回の生成差だけでは、変更の効果と生成時のばらつきを区別しきれません。比較を追加する場合も、利用できる時間やクレジットの範囲で行い、試行回数を残します。この記事は最適な試行回数や成功率を提示するものではありません。
6. 検品は冒頭・動作中・末尾に分ける
冒頭の一枚が似ていても、回転や遮蔽の後まで同じ外観が続いているとは限りません。各クリップの冒頭、動作の途中、末尾を確認します。
| 観点 | 確認する内容 |
|---|---|
| 人物 | 顔の輪郭、髪形、衣装の構造が基準と大きく違わないか |
| 動作 | 手と物体の関係、姿勢、要求した動作が読み取れるか |
| 接続 | 前後のショットで色、位置、向きが不自然に飛ばないか |
これは人手による確認の枠組みです。数値ベンチマークや本人認証精度を意味しません。
特に注意したいのは、生成した動画のフレームを次の参照画像にする場合です。前の出力に含まれた変化を、そのまま基準として引き継ぐ可能性があります。元画像から新しい基準へ変更した場合は、バージョンを分け、変更理由を記録します。
チェックリスト
- 基準画像を確定し、上書きを避けた
- 画像とプロンプトのファイル・ハッシュを記録した
- 固定条件とショット差分を分けた
- テンプレートと文章の指示に矛盾がない
- 実際の画面にない設定を仮定していない
- 冒頭・動作中・末尾を基準画像と比べた
- 入力の一致と、出力の人物一致を別々に判断した
- 不採用の理由と、次に変更する一項目を残した
参照画像は、同じ人物を必ず生成するための鍵というより、判断の基準を共有する入力資産です。入力を追跡可能にし、検品の観点を固定することで、少なくとも「何を変えて、何が起きたのか」を説明できる制作工程にできます。