AIインタラクティブ映像ゲームでキャラクターの顔の変化を減らすには：キャラクターの一貫性を保つワークフロー

適用範囲：本記事は複数のモデルにまたがって使うワークフローを紹介します。初回合格率、平均生成回数、人件費は提示せず、どのツールについても「完全な一貫性」を実現できるとは保証しません。

AIインタラクティブ映像ゲームは、同じ親ショットから複数の分岐に進み、各分岐が異なる時点で生成される場合があるため、一本道の映像よりキャラクターの一貫性が崩れやすくなります。解決策は形容詞を追加し続けることではなく、キャラクター、衣装、シーン、分岐での継承をバージョン管理されたアセットにすることです。

属性を不変項目と可変項目の2つに分けます。不変項目には顔の構造、年齢範囲、髪型の輪郭、顕著な特徴、体型、基本の声を含めます。可変項目には衣装、メイク、負傷、感情、時間に応じた状態を含めます。すべての項目を映像または音声で検証できるようにします。

同じ基本の外見で、正面、側面、斜め45度、全身、主要な表情を保存します。衣装ごとに個別の番号を付け、適用する章、汚れや損傷の状態、アクセサリー、前のショットでの出所を記録します。互いに矛盾するスタイル画像を1つの参照パッケージに混ぜないようにします。

各分岐を生成する前に、親ノードの最終フレーム、人物の状態、小道具、移動方向、照明を読み取ります。分岐が合流するときには「維持する項目のリスト」を作り、傷、小道具の紛失、着替えが引き続き反映されるかを確認します。合流はリセットを意味しません。

動作を修正するときは、キャラクターの参照、シーン、モデルのバージョン、パラメータを固定します。顔を修正するときは、動作と構図を固定します。一度に多くの項目を変更すると、どの項目がドリフトを引き起こしたのか判断できず、良い結果を安定して再現することもできません。

手、アクセサリー、背景に誤りがある場合は、部分的な描き直し、遮蔽、リアクションショットの挿入、クリップの短縮を優先します。区間全体を再生成すると、承認済みの顔、声、空間関係まで一緒に崩してしまいやすくなります。

重要なクローズアップは、すべての項目に合格する必要があります。短い遠景ショットでは、人物の識別に影響しない軽微な差異を許容できます。検収の基準は生成前に決めるべきであり、結果を見てから基準を下げてはいけません。

チームが自分たちの制作コストを評価する場合は、モデルとバージョン、サンプルショット数、生成回数、部分修正にかかった時間、最終結果に残っている差異を記録できます。本記事は架空のサンプルや合格率を提示しておらず、読者もワークフローそのものからコストを推測すべきではありません。

「美しい、冷徹、映画的」といった表現は判定に使えません。顔の形の比率、眉と目、鼻筋、顎、肌の色の範囲、生え際、よく見せる表情、体型、立ち姿、声の範囲に分解し、起きてはいけない変化の例を示します。衣装もさらにシルエット、色、素材、アクセサリー、摩耗に分け、各外見に固定の番号を使います。

マスター参照には、少なくとも正面、左右の側面、斜め45度、全身、主要な表情を含めます。新しい参照をアセットライブラリに入れる前にマスターと比較し、スタイルがより美しくなっても人物の同一性が変わらないようにします。キャラクターの設定が実際に変わる場合は、新しいバージョンを作り、どのストーリーノードから有効になるかを明記します。古いアセットを直接上書きしてはいけません。

各ショットについて、親ノード、キャラクターのバージョン、衣装、負傷、小道具、時間、場所、生成に使った参照を保存します。抜き取り検査では、分岐の前後、日をまたぐ着替え、負傷後、合流地点を重点的に確認します。一方のルートで小道具を失い、もう一方では持ち続けている場合、合流ショットではバリエーションを維持するか、合流を遅らせるか、物語上の説明を加える必要があります。

同じショットが連続して失敗する場合は、まず原因がキャラクター参照の矛盾、難しすぎる動作、構図による遮蔽、モデルの能力のどれなのかを判断します。キャラクターは正しいものの手に誤りがある場合は、インサートショットや部分修正を使えます。人物の同一性と空間関係が同時に誤っている場合に、全体を作り直す価値があります。修正の優先順位は、物語の情報、人物の識別、連続性、装飾的な細部の順にします。

1回目は音を消して顔、衣装、小道具、方向を確認します。2回目は音声だけを聞き、声質、呼び方、感情を確認します。3回目は実際のルートに沿って連続再生し、ショット間の急な変化を観察します。誤りについては、ノード、重大度、修正方法、ほかの分岐に影響するかどうかを記録します。一貫性とはピクセルが完全に同じであることではなく、変化を物語で説明でき、観客がキャラクターを別人と取り違えないことです。

本記事が提供するのはドリフトを減らすワークフローであり、同じモデルバージョンのサンプル統計は提示せず、最良の結果を一般的な能力として扱いません。チームが独自に検証する場合は、成功、失敗、残存する差異をすべて記録し、最良の結果だけを選んで手順の有効性を証明しようとすることを避けるべきです。

ショットの一群を選んだら、モデルとパラメータを固定し、初回の結果、再試行、部分修正、人が作業した時間（分）、最終評価をショットごとに記録します。途中でモデルや参照を変更した場合は別の実験群を設け、同じ統計に混ぜてはいけません。サンプルが非常に少ない場合は、割合だけでなく実数を報告するべきです。

最終的にはキャラクターの比較ボードと誤りの分類を公開します。ただし、許可を得ていない顔や声、プロジェクトの機密に関わるアセットは、事前に許可を得るか匿名化する必要があります。方法の透明性のために権利の境界を犠牲にしてはいけません。

• Vixel：一貫したキャラクター
• Vixel：ショットを修正する