Krea AI｜Train機能でDAZモデル動画から一貫性のあるキャラを学習し画像生成
一般的なLoRA学習では多くの画像や手間とPCリソースが必要ですが、今回はKrea AIのTrain機能を使い、動画から抜き出した３枚の画像フレームで学習し、一貫性のあるキャラ画像を生成してみたので紹介します。
元画像を動画フレームから用意
今回は以前の以下の記事で紹介している、Krea AIのリップシンクで生成したDAZモデルの動画から３フレームを抜き出しました。
Krea AI - Lip Sync（クローズアップ画像 x 音声ファイル） pic.twitter.com/H0VVAO8jgL
— DAZgen X (@dazgen48) February 19, 2026
画像を高画質化
３枚の動画フレーム画像をKrea AIの「Enhancer」機能で高画質化します。
「Upload」をクリックし、３枚の画像をアップロード。
「Prompt」には、日本語プロンプトをGoogle翻訳で英訳したものをコピーし、「Describe」をクリックして画像の特徴を追加。
Describe前
Facial images for character learning with Krea AI's Train
（Krea AIのTrainでキャラクターを学習するための顔画像）
Describe後
Facial images for character learning with Krea AI's Train. The image depicts a person with long, dark hair holding an object near their face, wearing a white shirt against a plain, neutral background.
（Krea AIのTrainを使ったキャラクター学習用の顔画像。この画像は、無地のニュートラルな背景に、長い黒髪の人物が白いシャツを着て、顔の近くに何かを持っている様子を描いています。）
「object」を「iPhone」に書き換えました。
Facial images for character learning with Krea AI's Train. The image depicts a person with long, dark hair holding an iPhone near their face, wearing a white shirt against a plain, neutral background.
（Krea AIのTrainを使ったキャラクター学習用の顔画像。この画像は、無地のニュートラルな背景に、長い黒髪の人物が白いシャツを着て、顔の近くにiPhoneを持っている様子を描いています。）
「Enhance」をクリックすると、10秒程度で完了。
画像の中央のスライダーを左右に移動すると、左側の高画質化前と右側の後との違いを確認できます。
高画質化 前
左右を比較
高画質化 後
実際にTrainで学習に使った後で、Enhanceのパラメーターについて検討しようかと思います。今回は、他の２枚の画像も同じプロンプトとパラメーターで行いました。
キャラクターを学習
「Train」に移動します。
「Train a new model」をクリック。
「Next Step」をクリック。
「Upload images 0/50」をクリック。
「Name」は「EG-Kin」とし、「Model」は「Flux」のままで、「Optimize for」は「Chraracter」に変更し、他はとりあえずデフォールトのままで「Train Image」をクリック。（246 CUを消費予定）
約２分ほどで完了。
学習キャラクターによる画像生成
デフォールトスタイル
マウスカーソルを左の学習画像の上に移動し「Generate」をクリック。
とりあえず、デフォールトのスタイル（プロンプト）のまま、右下のGenerateボタンをクリックしてみました。
数秒で４枚の画像が生成されました。
ちなみに、この時のプロンプトは以下です。
A young woman with short black hair, sitting on top of an eagles wing in the style of Rembrandt lighting, with detailed costumes in dark red and light gold, black background, digital illustration, minimalist realism, baroque lighting, chiaroscuro, flat background, hyperreal, dutch master influence, cinematic shadowplay, painterly realism, deep chiaroscuro folds, muted palette, staged formality, matte surface aesthetics
（レンブラントの照明スタイルで鷲の翼の上に座っている黒髪ショートの若い女性、濃い赤と明るい金色の詳細な衣装、黒の背景、デジタルイラスト、ミニマリストリアリズム、バロック照明、明暗法、フラットな背景、ハイパーリアリズム、オランダの巨匠の影響、映画の影絵、絵画的なリアリズム、深い明暗法の襞、落ち着いた色調、演出された形式、マットな表面の美学）
数秒で４枚の画像が生成されたにしては十分な画質とキャラクターの一貫性を感じます。３枚の画像による数分の学習ですが、こだわらなければ、これで必要十分だと思います。
セーラー服の日本人女性（Flux.1 Krea）
以下の記事でKrea AIのノードを用いたワークフローでFlux.1 Kreaで生成した画像は以下です。
トリガーワードによる画像生成（Flux）
これと同じプロンプトに「krea」というトリガーワードを指定して、プリーツスカートであることを明示し、以下のプロンプトとしました。
krea, a young Japanese woman wearing a winter sailor uniform with pleated skirt, is standing straight and looking directly at the camera with a neutral expression, doing nothing. The image is photorealistic with a solid gray background. Soft and neutral studio lighting illuminates her. The camera angle captures her full body.
プリーツスカートの冬用セーラー服を着た若い日本人女性、クレアは、まっすぐに立って、無表情でカメラを見つめ、何もしていない。この画像は、単色のグレーの背景を背景に、フォトリアリスティックな印象を与えている。柔らかくニュートラルなスタジオ照明が彼女を照らし、カメラアングルは彼女の全身を捉えている。
トリガーワード（Trigger Word）は、Trainで学習したキャラクターをプロンプト中で呼び出すためのもので、Trainページの「EG-Kin」を開くとわかります。（今回は「krea」）
左下の「Use with Flux」をクリックし、上記の英語プロンプトを貼り付けて、Fluxモデルで画像生成してみます。
サムネイル画像にマウスカーソルを移動すると下に表示される「Download all」をクリックしてZIPファイルをダウンロードし展開します。
スタイルの適用度を変更（Flux）
スタイルの適用度は80%なので、試しに50%に下げて試してみました。
適用度による変化は感じられませんでしたが、右手にスマートフォンを持っているような仕草が感じられる画像も含まれているので、学習した画像のポーズの影響も多少は現れるようです。
フォトリアルな画像生成
従来のプロンプトの末尾に「2k. high quality. detailed. cinematic lighting.」を追加し、画像生成してみました。
krea, a young Japanese woman wearing a winter sailor uniform with pleated skirt, is standing straight and looking directly at the camera with a neutral expression, doing nothing. The image is photorealistic with a solid gray background. Soft and neutral studio lighting illuminates her. The camera angle captures her full body. 2k. high quality. detailed. cinematic lighting.
Enhanceの2xで高画質化した画像が以下です。
トップスのシャツの襟が、学習に使ったモデルの襟周りとセーラー服の襟が重なっていたり、ソックスと靴が不自然だったりしていますが、Flux.1 Kontextなどで部分的に修正できるかを今後試したいと思います。
まとめ
Krea AIのTrainによるキャラクターの学習を、Dg WebGPU PlayerのDAZサンプルポージングモデルである「EG-Kin」のリップシンク動画から３枚ほどフレームをピックアップして試してみたので紹介しています。
３枚と最小限の枚数の画像から学習したキャラクターでも、こだわらなければ十分に実用的だと感じました。
今後は、Realtimeページで、Stable Defusionなどの「ControlNet」のようなポージング機能などを試してみたいと思います。
