【保存版】AI美女動画の「顔が変わる」を減らす！参照画像プロンプト7選｜Kling 4.0・Gemini Omni 向け

こんばんは
こやす69です。

今日は、AI美女を「動画にしたとき顔が変わる問題」の話です。

結論から言います。
動画AIに渡す前の「参照画像」を、先にきちんと作っておく。
これが、顔のブレを減らす近道になりそうだと僕は考えています。

ただし、先に正直に書いておきます。
この記事のプロンプトは、まだ動画まで通して確かめきれていません💦
効くかどうかは、このあと僕の検証結果を書きます（第6章）。
「これで必ず顔が固定される」とは言えません。ご了承ください。

最近の動画AIは、参照画像を何枚も渡せるようになりました。
だから、渡す画像の作り方で差が出やすい時期なんですよね。

【目次】
1．今週の動画AIの話題（Kling 4.0 と Gemini Omni）
2．なぜ動画にすると顔が変わるのか（僕の見立て）
3．まず全体の流れ
4．参照画像プロンプト7選
5．動画AIへの渡し方（公式で確認してほしいところ）
6．僕の検証結果
7．まとめ

1．今週の動画AIの話題（Kling 4.0 と Gemini Omni）

まず、最近の動きを整理します。
ここは公式の発表や報道で確認できた範囲だけ書きます。

Kling 4.0（快手）

• 2026年10月15日に公開され、10月19日に快手が発表しました。

• 1回の生成で最長30秒まで作れます。

• Omni Reference という機能で、参照素材を最大15個、キーフレームを最大10個まで組み合わせられます。

• 激しい動きやカメラワークでも、映像のつながりが滑らかになったと説明されています。

Gemini Omni（Google）

• Gemini の公式ページによると、写真を最大5枚まで使って、10秒の動画を作れます。音声も一緒に作れます。

• 使うには Google AI のサブスクリプションが必要で、18歳以上が対象です。

• 動画には、AI生成だと分かる見えない透かし（SynthID）が入ります。

• Omni 自体の開始は2026年5月19日で、Kling 4.0 よりは前です。

注意してほしい点です。
Kling 4.0 の解像度や音声、使える料金プランは、僕が開いた発表文には書かれていませんでした。
別の解説ブログには「先行提供は年間プランの人だけ」といった話もありますが、公式で確認できていません。
自分のプランで使えるかは、公式で見てくださいね。

大事なのはここです。
どちらの動画AIも「参照画像を渡して使う」方向に進んでいます。
つまり、渡す画像を作る力が、そのまま動画の出来に関わってくるんです。

2．なぜ動画にすると顔が変わるのか（僕の見立て）

ここは公式の説明ではなく、僕の見立てです。
言い切れる根拠はまだありません。

動画AIは、1枚の画像から、動きの途中のたくさんの絵を作ります。
そのとき、渡された情報が少ないと、AIは足りない部分を想像で補うはずです。

たとえば、こんなときです。

• 正面の顔しか渡していないのに、動画で横を向く

• 全身がないのに、体や服まで動かす

• 始点の画像だけ渡して、終わりの形を決めていない

足りない所を想像で補えば、顔が変わるのも自然なことだと思います。
だから先に、顔の基準・角度違い・全身・始点と終点を作っておく。
これが今回の考え方です。

3．まず全体の流れ

流れは3ステップです。

1. 顔の基準を1枚作る

2. その顔のまま、角度違いと全身を足す

3. 動画の始点と終点の2枚を作る

あとは、できた画像を動画AIに渡すだけです。

人物は、必ず架空の成人にしてください。
実在の人物や有名人、既存のキャラクターに似せるのは避けましょう。

4．参照画像プロンプト7選

使い方の約束を3つ書きます。

• 人物の設定（年齢・髪・服）は、毎回同じ文章をコピペします。

• ②〜④は、①で作った画像を同じ会話に添付して使います（ChatGPT の場合）。⑤は、①と④の2枚を添付します。

• 画像のモデルは ChatGPT の画像生成を想定していますが、Gemini でも同じ文章で試せます。

プロンプトは英語です。
日本語に直すときは、意味がずれないように注意してください。

① 顔の基準になる正面の1枚

Photorealistic candid portrait photo of a fictional adult Japanese woman, 24 years old, shoulder-length dark brown hair with soft see-through bangs, small mole under her left eye, natural makeup, wearing a cream knit cardigan over a white t-shirt. She faces the camera straight on with a relaxed neutral expression, chest-up framing. Plain light gray wall behind her, soft diffused daylight from a window on the left, natural skin texture with visible pores, no heavy retouching.

ポイントは、背景を無地にして、表情を普通にすることです。
顔以外の情報を減らして、「この人」の基準を作ります。
目の下のほくろのような小さな特徴を1つ入れると、同じ人かどうか見分けやすくなります。

② 斜め45度の1枚

Use the attached image as the reference for this exact woman. Do not change her face, facial features, skin tone, hairstyle, or identity in any way. Create a photorealistic portrait of the same woman turned about 45 degrees to her right, chest-up framing, same cream knit cardigan and white t-shirt, same plain light gray wall, same soft daylight from the left, natural skin texture with visible pores.

顔が横を向くと、正面の情報だけでは足りなくなるのでは、というのが僕の見立てです。
そこで動画AIにも、斜めの顔を渡しておく狙いです。
できた画像が①と別人に見えたら、やり直しましょう。

③ 全身の1枚

Use the attached image as the reference for this exact woman. Do not change her face, hairstyle, or identity. Create a photorealistic full-body photo of the same woman standing naturally, wearing the same cream knit cardigan, white t-shirt, light blue jeans and white sneakers. Plain light gray background, soft even daylight, full body visible from head to shoes, natural proportions.

全身があれば、動画で歩いたり体を動かしたりするとき、服や体型の情報を渡せます。
手や足先が崩れていないかも、ここでチェックしてください。

④ 動画の始点にする1枚

Use the attached image as the reference for this exact woman. Do not change her face, hairstyle, or identity. Photorealistic candid photo of the same woman sitting at a window seat in a quiet cafe in the afternoon, holding a white coffee cup with both hands and looking down at the cup. Same cream knit cardigan and white t-shirt. Camera at eye level, medium shot from the waist up, soft window light from the left, shallow depth of field, natural skin texture.

⑤ 動画の終点にする1枚

Use the attached image as the reference for this exact woman. Do not change her face, hairstyle, or identity. Photorealistic candid photo of the same woman in the same cafe window seat, same camera position, same framing and same light as the reference scene. Only her pose changes: she looks up toward the camera with a slight natural smile, one hand still holding the white coffee cup.

始点と終点で変えるのは、表情と目線だけにします。
背景やカメラの位置まで変えると、動画AIが「間」を作るとき迷いやすくなるはずです（これも僕の見立てです）。
Kling 4.0 はキーフレームを最大10個まで使えますが、まずは2枚で試すのがおすすめです。

⑥ 1枚にまとめた参照シート

Character reference sheet of a fictional adult Japanese woman, 24 years old, shoulder-length dark brown hair with soft see-through bangs, small mole under her left eye, wearing a cream knit cardigan, white t-shirt and light blue jeans. Five views in one image arranged in a row on a plain light gray background: front face, left three-quarter face, right profile, back of the head, and full body standing front. The same face, hairstyle and outfit in every view, even soft lighting, photorealistic, natural skin texture, no text, no labels.

①〜③をバラバラに作るのが手間なときの近道です。
ただ、1枚に5つ入れると、1人ずつの精度が下がることがあります。
僕はまだこの形の安定度を確かめていません。切り出して使うなら、顔の部分は拡大して確認してください。

⑦ 直すたびに顔が変わるときの一文

画像を直すたびに顔が変わってしまうときは、毎回この一文を付けます。

Do not change her face, facial features, skin tone, or identity in any way. Preserve her exact likeness.

これは OpenAI の公式ガイドに載っている形です（出典は最後に載せます）。
同じ人のまま直すための書き方で、顔が固定されると約束するものではありません。

5．動画AIへの渡し方（公式で確認してほしいところ）

ここから先は、僕が実際に操作できていない部分です。
画面の位置や名前は変わることもあるので、あくまで考え方を書きます。

Kling 4.0 の場合

• 発表では、Omni Reference に参照素材を最大15個、キーフレームを最大10個まで渡せるとされています。

• 考え方としては、参照素材に①〜③（顔・斜め・全身）、キーフレームに④⑤（始点・終点）を割り当てるイメージです。

• 画面での入れ方は、Kling の公式ヘルプで確認してください。

Gemini Omni の場合

• 写真は最大5枚までです。

• ①②③に、④（またはお好みの1枚）を足すくらいの枚数が目安になります。

• 音声も作れるので、動きの指示に加えて、雰囲気も書いてみる価値はありそうです。

どちらの場合も、動画の指示文は短く具体的に書くのがおすすめです。
たとえば、こんな感じです。

The woman slowly lifts her head from the cup and looks toward the camera with a slight smile. Camera stays still. Soft natural window light.

動きを盛りすぎると、それだけ顔が変わる場面も増えるはずなので、最初は動きを小さくして試すのがよいと思います。

6．僕の検証結果

【ここは社長が、画像と動画を作ってから書く欄です。未生成のまま公開しない】

書く内容の候補です。

• ①〜⑥を ChatGPT で作った結果（①と②が同じ人に見えたか、③の全身に崩れがなかったか）

• 参照画像ありと、なしで動画を作ったときの違い（Kling 4.0 または Gemini Omni）

• 顔が変わったカット、変わらなかったカットの具体例

• 作った回数（1回の成功を「できる」とは書かない。何回中何回かを書く）

見るポイントのチェックリスト（読者向けにそのまま載せられます）

• 顔：目・鼻・口の形、ほくろの位置は同じか

• 髪：長さ・前髪・色は同じか

• 服：色・形は最初から最後まで同じか

• 手：指の本数は正しいか

• 背景：途中で別の場所に変わっていないか

7．まとめ

今日のポイントです。

• Kling 4.0 や Gemini Omni のように、参照画像を渡す動画AIが増えている

• 動画で顔が変わるのは、渡す情報が足りないからではないか、というのが僕の見立て

• 顔の基準・斜め・全身・始点・終点の順で、参照画像を先に作る

• 直すたびに顔が変わるときは、⑦の一文を付ける

• 効き具合は、まだ検証中。1回の結果で「できる」とは言えない

人物の設定を毎回コピペして整えるのは、地味に手間なんですよね💦
僕はその手間を減らすために、選ぶだけで英語プロンプトを組み立てるアプリ「KIRAVA」を作っています。
今回のような参照画像づくりでも、人物の設定を使い回すときに役立つと思っています。
詳しくは、こちらの記事に書きました♪

次回は、Google の Nano Banana 2.1（2026年10月6日発表）と ChatGPT に、同じプロンプトで人物を作らせて比べる予定です。
被写体の一貫性が良くなったと説明されているので、実際どうなのか見てみます♪

最後まで読んでいただきありがとうございました！！

確認日：2026年10月30日
画像はすべてAI生成の架空の成人です

#生成AI #AI美女 #AI動画 #Kling #Kling4 #GeminiOmni #ChatGPT #Gemini #プロンプト #AI画像生成 #AI動画生成画像 ｜ChatGPTで生成した図解です。