キャラクターシート、スタンプ、ブランドタレントのグリッドを作るとき、最初の1枚は難しくありません。難しいのは2枚目からです：目の間隔がずれ、年齢が飛び、髪が変異——6枚が6人に見える。検索「GPT Image 2 でキャラクター一貫性を作る方法」では「参照を足せ」と書かれがちですが、本当に効くのは順序です：何を先に固定し、次に何を変えるか。
本教程は GPT Image 2 での キャラクター一貫性 の本番フローです。顔ドリフトを診断し、IDカードを書き、アンカーを出し、参照をピン留めし、フレームごとに変数を1つだけ変え、崩れたら復旧します。目標は単純——表情・衣装・シーンを替えても gpt-image-2 作業台で同じ人物だと分かることです。
読みながら手を動かしましょう：IDカード → アンカー → 表情バリエーション → 横並び顔QA。
📌 以下のプロンプトは英語です（GPT Image 2 は Identity lock / Change only / Keep unchanged を安定して扱います）。シリーズ前にIDカード欄を凍結してください。実在の肖像やブランドタレントは権利を確認してください。
1. なぜ顔がドリフトするか——まず症状を合わせる
GPT Image 2（別名 GPTImage2 / gpt-image-2）では、不一致は「記憶不足」ではなく、たいていブリーフの問題です：
| 見える現象 | 想定原因 | 先に直すこと |
|---|---|---|
| 骨格／目の間隔が変わる | IDが曖昧——または一度に変更しすぎ | IDカードを締める + 変更は1つだけ |
| 年齢が跳ぶ | 年齢帯なし／「老化禁止」なし | IDカードで年齢帯を固定 |
| 毎フレーム髪型が変わる | 髪が未ロック、または参照無視 | Keep hair unchanged |
| 似た他人に見える | アンカー／参照なし——純粋な再抽選 | アンカーを出し、参照ロック |
結論：一貫性は運ではなく制約の問題です。
2. 一貫性ツールキット（教程の核心）
1) キャラクターIDカード
シリーズの全フレームに同じブロックを貼る——記憶から書き直さない：
Character ID (MUST stay identical across the series):
East-Asian woman, mid-20s, oval face, warm ivory skin,
dark brown almond eyes, soft double eyelid, straight black shoulder-length hair with curtain bangs,
small silver stud earring on left ear only, natural makeup, freckle under right eye.
Same bone structure, same eye spacing, same nose bridge — do not beautify into a different person.
下書きは母語でも構いません。GPT Image 2 に送るときは英語構造を保つと、ID欄がより安定しやすいです。
2) アンカーフレーム（Frame 0）
正面または3/4、クリーンな光、顔が隠れない構図。後続の全バリエーションが「この人」と読めること。
3) 1フレーム1変数
表情 または 衣装 または シーン または カメラ——1本のプロンプトで「大笑い＋イブニングドレス＋雨の街」は禁止。
3. 標準チュートリアルフロー（6ステップ）
-
IDカードを書く — 年齢帯、顔型、目の色、髪、肌、サイン（ほくろ／ピアス）、ハード禁止（老化なし、骨格書き換えなし）。
-
アンカーを生成 — ソフトボックス、胸上、クリーン背景；最も安定した構造をアーカイブ。
-
任意の参照ピン — アンカーを Reference A にアップロード；
face identity from reference/Keep face unchangedと書く。 -
表情バリエーションを走らせる — 表情だけ変更；他はすべて Keep unchanged。
-
次に衣装またはシーン — まだ1変更；衣装替えと同時に髪型を変えない。
-
横並び顔QA — 目の間隔、生え際、サインを比較；ドリフトは多ターン編集で戻し、セットごと黙って再抽選しない。
4. コピペ用プロンプト6本
IDカードがある前提——[PASTE Character ID] を第2節の全文に置き換えてください。
1. アンカーポートレート（シリーズ Frame 0）
Create the anchor portrait for GPT Image 2 consistent characters.
[PASTE Character ID]
Framing: chest-up, facing camera, neutral soft smile, clean studio softbox,
seamless light-gray backdrop, sharp eyes, natural skin texture.
Photoreal commercial headshot, GPTImage2 quality.
No other people, no watermark, no heavy beauty filter that changes bone structure.
結果：再利用できる「標準顔」。
2. 表情のみ
GPT Image 2 character consistency — expression variant ONLY.
[PASTE Character ID]
Keep face identity identical to the anchor / Reference A.
Change only: expression → calm professional look, lips gently closed, soft eye contact.
Keep unchanged: hairstyle, earrings, age, skin tone, framing (chest-up), gray studio backdrop.
Do not change wardrobe yet. Do not restyle hair. Do not age the face.
Photorealistic, GPT Image 2 commercial portrait.
結果：気分は変わるが同一人物——最初の一貫性証明。
3. 衣装のみ
GPT Image 2 same-character outfit swap (identity locked).
[PASTE Character ID]
Keep face, hair, freckle, left stud earring identical to Reference A / anchor.
Change only: outfit → ivory knit sweater, minimal gold necklace, soft daylight feel.
Keep unchanged: expression (soft smile), camera height, head angle, age.
Studio or simple indoor wall, shallow depth of field.
Do not change face shape. Do not add bangs volume. No extra face accessories.
GPTImage2 fashion lookbook quality.
結果：ワードローブの物語が進み、顔はロックされたまま。
4. シーンのみ
GPT Image 2 character consistency — scene change ONLY.
[PASTE Character ID]
Keep exact face identity from Reference A.
Change only: environment → sitting by a cafe window, warm afternoon light, blurred cups background.
Keep unchanged: face, hairstyle, freckle, earring, age; keep the ivory knit sweater if continuing the story.
Medium shot, lifestyle photography, natural contact light on cheek.
Do not redesign the face. Do not switch to a different actress lookalike.
Photorealistic, GPT Image 2 lifestyle quality.
結果：場所は変わるが人物の連続性は保たれる——1日グリッド向き。
5. カメラ角度のみ（3/4）
GPT Image 2 consistent character — camera angle ONLY.
[PASTE Character ID]
Keep face identity locked to Reference A.
Change only: camera to gentle three-quarter view, same chest-up crop family.
Keep unchanged: expression, outfit, age, hair, earring, freckle.
Soft studio light matching the anchor.
Do not invent a new nose bridge or eye spacing.
GPT Image 2 multi-angle character lock.
結果：角度は変わるが新しい顔にはならない——反復練習の価値あり。
6. 多ターン復旧（フレームがドリフトしたとき）
Multi-turn edit on the CURRENT image with GPT Image 2.
Change only: pull face identity back toward Reference A / Character ID —
restore eye spacing, nose bridge, freckle under right eye, left stud earring.
Keep unchanged: current outfit, pose, crop, and background.
Do not beautify into a different person. No watermark.
GPTImage2 identity recovery pass.
結果：アイデンティティ復旧パス——セット全体の再抽選より安い。
5. 汎用穴埋めテンプレート
どのシリーズ拍も同じ骨格に落とします：
GPT Image 2 consistent character frame.
[PASTE Character ID]
Reference: face identity from anchor / Reference A.
Change only: [expression OR outfit OR scene OR camera].
Keep unchanged: [face / hair / age / signature marks / list].
Do not: [age drift / bone rewrite / hair restyle / new person lookalike].
Output: one series frame, GPTImage2 quality.
6. いつ十分か——いつ LoRA を訓練するか
| 手法 | 最適な用途 | コスト |
|---|---|---|
| 本教程：ID + アンカー + 1変数 | IPパイロット、週次コンテンツ、短いブランドシリーズ | 低——今日すぐ実行 |
| GPT Image 2 マルチ参照融合 | シーン横断の同顔、バーチャルECモデル | 中——参照の整理が必要 |
| キャラクター LoRA を訓練 | 長期固定IP、大量バリエーション | 高——データセットが必要 |
7. 誰がこの教程を使うべきか
IP／バーチャルタレント運用
「ペルソナ顔」をロックし、カレンダーでスタンプとシーンを出す——毎週ホストが入れ替わった印象をファンに与えない。
ブランド＆ECビジュアル
タレントやバーチャルモデルはヒーロー・ポスター・フィード広告で同じ顔が必要；毎回そっくりさんをキャスティングするよりIDロックが勝る。
フィクション／漫画／コンセプト班
ターンアラウンドとムードボードは顔が崩れないこと；IDカードは軽量のバイブル。
ソロクリエイター
学習予算がなくても、gpt-image-2 のIDカードとこの6ステップで固定ヒーロー感は売れる。
8. 落とし穴
-
「若い美人」だけ書くIDカード——制約が少なすぎ、自由発明が多すぎる。
-
表情・衣装・シーン・髪を1本で同時変更——GPT Image 2 はしばしば別人を発明する。
-
横並び顔QAを飛ばす——1枚は「きれい」でも九宮格では6人に見える。
-
無断の実在顔の商用利用——画質よりコンプライアンスリスクが大きい。
9. まとめ
「GPT Image 2 でキャラクター一貫性を作る方法」は謎のスライダーではありません——IDカード → アンカー保存 → 参照ロック → 1フレーム1変数 → ドリフト時は多ターン復旧です。第2節のIDカードと第5節テンプレを保存し、シリーズ開始を抽選ではなくロックチェックリストにしましょう。
次：アンカープロンプトを GPT Image 2 作業台に貼り、Frame 0 を選び、表情のみセットを走らせて顔を横並び比較してください。
例は学習・テスト専用です。商用はプラットフォーム規則・肖像権・商標法に従ってください。GPTImage2 hk は GPT Image 2 の教程とツールリンクを提供します——最新情報は製品ページをご覧ください。
