【別物化を止める】Agentic Visionで画像の一貫性を守る「微改変」設計/G-Satellite改良の記録
画像生成AIでいちばんしんどいのは、直したいだけなのに別物になることです。
目を少しだけ優しくしたいだけなのに、顔つきも年齢感も髪型も変わってしまう。
服のシワを整えたいだけなのに、服の形そのものが変わってしまう。
背景の色温度や時間帯がズレて、同じシーンに見えなくなる。
軽い修正のつもりで触ったのに、なぜか別物になる。
結局、軽い修正のはずが作り直しに近くなって、試行回数だけが増えていきます。
ここで崩れるのが、画像の一貫性です。
私はこの画像の一貫性を、なんとかできないものかとずっと考えていました。
そして形にしたのが、G-Satelliteというアプリです。
これは、私が勝手に提唱しているスライダー理論？を、実際に動く道具として具現化しようと思って作りました。
狙いは、生成AIを「作る道具」ではなく「直す道具」に寄せることでした。
出来上がったものは、ある一定満足のいくものでした。
ただ、根本的な不安も残っていました。
それは、AIが画像を見て確認しているわけではない、という点です。
制約はかけられても、最後の最後はAIの解釈に任せる部分が残るので、ほんの少しのズレが出ることがありました。
ところが2026年に入り、GoogleがAgentic Visionというものを発表しました。
一言でいうと、AIの眼を持って、画像を見た上で判断できる仕組みです。
これを知った瞬間、私の中でピースがはまりました。
スライダーで変化量を縛るだけでは足りなかった部分を、画像を見て「守るべき核」を確認できるなら埋められる、と感じたからです。
こうして私は、Agentic Visionを最も上手く活用できないかと考えながら、アプリを一気に作り直し、微改変専用へ寄せたチューニングを進めました。
🔷 この記事は「生成」ではなく「微改変」の話です。
先程 述べた通り、テーマは画像の一貫性です。
同一キャラの顔つき、髪型、服、年齢感、背景の色温度、時間帯、天気、質感、構図のズレ。
このどれかが崩れると、漫画や動画の連続カットは一気に成立しなくなります。
だから私は、生成AIを「作る道具」ではなく「直す道具」に寄せて使うことを考えました。
ここで言う微改変は、派手に変えることではありません。
元の絵をベースにして、必要最小限だけ直して、同じ絵として使える状態に戻すことです。
この記事では、その微改変で崩れやすいポイントを整理した上で、私が作ったアプリのv1.0→v1.1→v1.5で、何をどう変えたのかを順に説明します。
🔷 微改変が難しい本当の理由
微改変で困るのは、直したい箇所そのものではありません。
困るのは、直してほしいのは一部なのに、AIが画像全体を「別の絵として組み立て直そう」とすることです。
つまり、こちらの意図は「部分修正」なのに、AIの動きは「全体の描き直し」に寄りやすい。
このズレが起きた瞬間、画像の一貫性は崩れやすくなります。
だから微改変の敵は「修正」ではなく、AIの勝手な再解釈です。
🔺 連続カットでは「わずかなズレ」が致命傷
一枚絵だけなら、少しのズレは「そういう絵」で済みます。
でも漫画や動画は、同じ主人公が同じ世界の中を、カットを跨いで生き続けます。
ここで効いてくるのが、ズレの種類です。
ズレには、大きく3つあります。
人物のズレ
・顔の印象が変わる。
・目の形や距離が変わる。
・頬の厚みや顎の角度が変わる。
・年齢感が変わる。
このズレは、同一キャラが崩れたと認識されやすいです。世界観のズレ
・背景の色温度が変わる。
・夕方が昼っぽくなる。
・曇りが晴れっぽくなる。
・空気の粒子感やノイズ感が変わる。
このズレは、同じ場所・同じ時間の続きに見えなくなります。構図のズレ
・カメラ位置が微妙に動く。
・画角が少し広がる。
・被写体の大きさが変わる。
・視線の方向がずれる。
このズレは、連続カットの「つながり」を切ります。
そして厄介なのは、どれも「少し」でも崩れることです。
少しの違和感が積み重なると、視聴者は無意識に引っかかって離脱します。
だから微改変では、派手な変化よりも、画像の一貫性を守るほうが優先になります。
🔺 だから「変える前に、変えないを決める」に寄せた
微改変で成功率を上げるコツは、修正点を語る前に「固定」を置くことです。
顔はそのまま。
髪はそのまま。
体型と年齢感はそのまま。
構図はそのまま。
光源方向と影はそのまま。
色温度とトーンはそのまま。
画風と線の太さとノイズ感はそのまま。
この固定が先に入ると、AIは「ここは触らない」前提で動きやすくなります。
逆に固定が弱いと、AIは親切のつもりで全体を整え直してしまいます。
そしてその親切が、微改変では事故になります。
まず固定する。
次に変える点を1〜2個に絞る。
最後に整合だけ取る。
この順序を守るだけで、微改変の成功率は目に見えて上がります。
そして私は、この順序をアプリの中に組み込み、誰でも同じやり方で再現できるように考えました。
🔷 「微改変の型」スライダー理論
🔺 微改変はセンスじゃなくて、上限設定
微改変で一番大事なのは、上手い言葉を思いつくことではなく、「どこまで変えていいか」を先に決めて、AIの自由度を狭くすることです。
この上限が曖昧だと、AIは良かれと思って絵を整え直します。
その整え直しが、同一キャラと世界観のズレを生みます。
だから私は、微改変を「上限設定の技術」として扱うことにしました。
🔺 私は「パラメータ宣言」します
といっても、何のことか分かりませんよね？「なに勝手に宣言しとんねん」ってなもんですよねｗ
ここで言う「パラメータ宣言」は、難しい仕組みの話ではありません。
一言でいうと、微改変のルールをパラメータ化して、AIへのプロンプト冒頭で先に宣言するということです。
なぜ最初に宣言するのか。
微改変で一番怖いのは、AIが画像を勝手に再解釈して、直したい場所以外まで作り直してしまうことだからです。
だから私は、最初の一行でこう釘を刺します。
どれくらい似せるか。
どこまで変えていいか。
どんな盛りを禁止するか。
画風や光や質感は固定するか。
この「上限」と「固定」と「禁止」を、先に決めてしまう。
これが、私の言うパラメータ宣言です。
たとえば、こんな一行から始めます。
PARAM SIM=0.95 CHANGE=0.06 CRE=0.08 STYLE_LOCK=1 ADD_COUNT=1この一行だけで、AIへの態度が変わるんです。
ただし、ここは誤解されやすいので先に言っておきます。
この一行は「どの画像生成AIにも、そのまま貼って効く魔法の呪文」ではありません。
これはG-Satelliteの中で解釈するための、いわば内部用のパラメータ宣言です。
G-Satelliteは、この数値を「どこまで似せるか」「どこまで変えていいか」「どこを絶対固定するか」に読み替えます。
そして最後に、選んだ画像生成AIごとの文法に合わせて、通る形のプロンプトへ変換して渡します。
だから、ここを手でSIM=0.92みたいに書き換えて、別のツールに直貼りしても同じ動きにはなりません。
数値そのものが大事というより、数値をどう解釈し、どう翻訳してAIに渡すか。
そこまで含めて、微改変の成功率を上げる設計にしています。
そして次に、「やること」「追加」「禁止」を続けて書きます。
この3つが揃うと、微改変が“作り直し”に化けにくくなります。
ここでポイントは、パラメータ宣言が「指示の飾り」ではないことです。
これは、AIに対する操作モードの切り替えで、生成モードではなく、編集モードに入ってもらうための合図です。
だから私は、パラメータ宣言の直後に、必ず次の3つを並べます。
🔺 1つ目は「やること」
ここには、今回の修正の目的を書くわけですが、盛りすぎないのがコツです。
理由は単純で、目的が盛られるほどAIが全体を整えようとして、微改変が作り直しに寄るからです。
目的は「直したい一点」を中心に、短く、強く、逃げ道を残さない形にします。
構図は維持する。
ズレは最小限にする。
変更は色味と明るさと微細修正に限定する。
雰囲気の言語化は短く行い、盛りすぎない。
画風、質感、光源トーンは完全に維持する。
ここで効いているのは、限定と維持です。
AIに自由な再解釈を渡さず、微改変の範囲だけを通すための言葉です。
🔺 2つ目は「追加」です
追加は、必要なときだけ使います。
小物をひとつ足す。
背景にだけ要素を少し足す。
そういうケースでは便利ですが、画像の一貫性を最優先にする場面では、基本は空欄で良いです。
追加が増えるほど、巻き込みが増え、別物化の確率が上がります。
だから私の運用では「追加なし」が基準になります。
🔺 3つ目は「禁止」
ここが、微改変の成功率を一段上げます。
AIは、禁止されていないことは、平気でやります。
そして微改変で困る行動は、だいたい決まっています。
構図変更は禁止
別場所化は禁止
文字追加は禁止
人物追加は禁止
過度な加工は禁止
この「禁止」を先に塞いでおくと、AIは余計なおせっかいをしにくくなります。
つまり、勝手な再解釈を起こしにくくなります。
ここまでが、パラメータ宣言の意味です。
先に枠を作る
枠の中でやることを言う
枠の外を禁止する
そして、そのあとに、ようやく普通の文章で「この絵は何が写っているか」を書きます。
🔷 なぜ「4つのスライダー」なのか
🔺 画像の一貫性が崩れる原因は 4つに分解できる
画像の一貫性が崩れやすいのは、だいたい次の4つです。
同一キャラが崩れる
構図がズレる
画風が変わる
光と色がズレる
これらはまとめて一つの指示で縛るより、ズレ方ごとに分けて縛ったほうが成功率が上がります。
だから私は、スライダーを4つに分けました。
🔺 SIMは 同一性と構図を守るための軸
SIM(Similarity)は、元画像への一致を優先する軸です。
ここが低いと、AIは「似せる」より「解釈して描き直す」に寄ります。
同一キャラを守りたい場合は、SIMは基本的に高めです。
🔺 CHANGEは 変化の上限を決めるための軸
CHANGEは、どこまで変えていいかの上限です。
微改変で一番危ないのは、変化の上限が曖昧なことです。
上限が曖昧だと、AIは勝手に全体を整えてしまいます。
だから微改変ではCHANGEは低めが基本になります。
🔺 CREは 盛りすぎを止めるブレーキ
CRE(Creativity)は、AIの「盛り(創造性)」を抑えるブレーキです。
背景を勝手に作り込む
装飾を増やす
表情をドラマチックにする
こういう余計なおせっかいは、微改変では事故になりやすい。
だからCREは、基本的に低めで抑えます。
🔺 STYLE_LOCKは 画風の一貫性を守る固定具
STYLE_LOCKは、画風と質感と線の太さを固定するための軸です。
ここが弱いと、同じキャラでも別作品に見えます。
連続カットでは、STYLE_LOCKは最大寄りが基準になります。
🔺 4つを同時に触る意味
SIMで同一性と構図を守りながら、CHANGEで変化量を抑える。
CREで盛りを止めて、STYLE_LOCKで画風を固定する。
この組み合わせで、AIの自由度を削る場所が整理されます。
結果として、画像の一貫性が崩れにくくなります。
🔷 実例で見る パラメータ宣言の効き方
ここでやりたいのは「作り直し」ではありません。
元の絵は使う
構図も使う
空気感も使う
その上で、必要なところだけ直す
つまり、画像の一貫性を保った微改変です。
🔺 パラメータ宣言は 「ここから先は編集だ」と伝える
パラメータ宣言は、AIに対して編集モードを宣言する役目です。
ここを入れないと、AIは生成モードのまま走りやすい。
走ると何が起きるか。
顔を整えようとして別人になる。
光を整えようとして時間帯が変わる。
背景を整えようとして別の街になる。
微改変では、この親切が事故になります。
🔺 この例での狙いは 変更の局所化
ここで狙っているのは、次の3点です。
構図を維持する。
変更は色味と明るさと微細修正に限定する。
画風と光源トーンを固定する。
つまり「直すけど再解釈するな」という指示です。
🔺 ここで大事な注意
先程述べたように、パラメータ行は、どの画像生成AIにも直貼りして効く呪文ではありません。
G-Satelliteの中で解釈され、選んだ画像生成AIの文法に合わせて変換されたプロンプトとして渡されます。
だから数値だけを真似しても同じ結果にはならないということを理解しておいてください。
効いているのは、数値の意味づけと、文法への翻訳まで含んだ設計です。
どれもある一定のレベルで改変されています・・・いやオリジナルを保っていますと言ったほうが良いのかもしれません。
🔷 スライダー理論だけでは埋まらない違和感
🔺 制約で縛っても 残るズレがある
パラメータ宣言で「上限」「固定」「禁止」を置くと、微改変の成功率は確かに上がりますが、それでも残る違和感があります。
それは「狙った一点は直ったのに、なぜか全体の印象が微妙にズレる」みたいなやつです。
顔は同じに見える
構図もほぼ同じ
画風も大きく変わっていない
それなのに、空気感だけが薄く違う。
このズレが積み重なると、連続カットで違和感になります。
🔺 原因は AIが画像を見て確認していないこと
ここで私がずっと引っかかっていたのは、これです。
制約は書ける
禁止も書ける
でも、AIが「今の出力は本当に元画像と同じに見えるか」を目で確認しているわけではない。
つまり、こちらは「一貫性を守れ」と言っているのに、AIは言葉だけで頑張っている状態です。
この状態だと、どうしても微妙な再解釈が入り込む余地が残ります。
🔷 私が「手順」を変えた理由
🔺 初期版は ルールを書いて AIに渡す構造だった
最初は、私がルールを言語化して、AIに渡すやり方でした。
人が「守ること」を書く → AIがそれを読んで直す
この構造は分かりやすい一方で、弱点もあります。
AIが画像を見て確認しているわけではないので、ルールの解釈がわずかにズレたときに、説明しづらい違和感が残ることがありました。
🔺 改良版は 画像を見てから ルールを確定する構造に変えた
次に私がやったのは、発想そのものを変えるのではなく、微改変が崩れる順番を入れ替えることでした。
まず「こう直して」と命令する前に、元画像を見せて、この絵の核は何かを先に確定させます。
核とは、同一キャラに見えるための顔や髪の特徴であり、同じカットに見えるための構図であり、同じ世界に見えるための光と色と質感です。
その核を言葉にして固定条件として先に宣言し、壊してはいけない枠を作ってから、最後に変更点だけを許可します。
この「核の確定」と「固定条件の自動強化」を、Agentic Visionに寄せました。
結果として、AIが微改変を作り直しに寄せてしまう入口を、最初の段階で狭くできます。
🔺 改良版の処理は 5ステップで動く
ステップ1 観察
AIが画像を見て、顔の特徴や髪型や雰囲気や構図とサイズや光源と影や色温度や質感といった「一貫性の芯」を言葉にして拾い上げ、その言語化が強いほど固定条件が締まり、微改変が作り直しに寄りにくくなります。ステップ2 固定
拾った核を固定条件として先に宣言し、その時点で画像の一貫性を守る枠を作ります。ステップ3 変更は一点に絞る
変更は「ここだけ」と一点に絞り、再解釈の入口を増やさず変更を局所化します。ステップ4 整合で馴染ませる
変更箇所が浮かないように、最後に影の方向や色温度や彩度や黒レベルを揃えて光と色を整合させ、合成っぽさを抑えます。ステップ5 チェック
最後にもう一度見て核が崩れていないか確認し、崩れていれば変更量をさらに小さくしてやり直すことで、微妙な違和感の取りこぼしを減らします。Temperatureが効いてくる
TemperatureはAIの振る舞いのブレを増減させるつまみで、大胆さは発想を増やす一方で微改変では画像の一貫性を壊しやすいので、この流れでは暴れにくい方向へ寄せてから微改変させます。
🔷 各画像生成AIの文法へ翻訳する
🔺 同じ意図でも AIごとに通る言い方が違う
微改変で厄介なのは、こちらの意図が曖昧なときだけではありません。
意図が明確でも、画像生成AIごとに通りやすい書き方が違うので、同じ文章を使い回すと画像の一貫性が安定しません。
短い事実文が強いタイプもあれば、タグ的な列挙が強いタイプもあり、同じ日本語でも解釈の癖が変わります。
🔺 だから 数値とルールを 内部で翻訳する設計にした
パラメータ宣言で決めた変化量の上限と固定と禁止は、その行自体を外へ投げるのではなく、G-Satelliteの中で数値とルールとして解釈されます。
そして選んだ画像生成AIの文法に合わせた形へ翻訳してから渡すので、ユーザーの意図は一つでもプロンプトはAIごとに最適化されます。
Gemini(NanoBanana Pro)のプロンプト
PARAM SIM=0.95 CHANGE=0.06 CRE=0.08 STYLE_LOCK=1 ADD_COUNT=1
やること: 構図は維持し、ズレは最小限にする。
変更は色味・明るさ・微細修正に限定する。
雰囲気の言語化は短く行い、盛りすぎない。画風・質感・光源トーンは完全に維持する。
追加: なし
禁止: 構図変更、別場所化、文字追加、人物追加、過度な加工は禁止。
茶色の髪と、琥珀色に輝く瞳を持つ少女が、真剣な表情でこちらを見つめています。
彼女は鈍い光沢を放つ金属製の鎧を身に纏い、肩からは白いマントが風になびいています。
背景には夕日に照らされた高層ビル群が広がり、強い逆光が彼女の輪郭を黄金色に縁取っています。
アニメ調の繊細な描写で、空気中に舞う光の粒子やレンズフレアが画面全体に描かれています。ChatGPTへのプロンプト
An anime-style illustration of a young woman with medium-length brown hair and glowing amber eyes.
She wears a suit of metallic silver armor and a flowing white cape that billows behind her.
The character is positioned in the foreground against a backdrop of tall city skyscrapers during a bright sunset.
Strong golden light rays emanate from behind her,
creating a rim light effect on her hair and shoulders,
while small glowing embers float in the air.Stable Diffusionへのプロンプト
(extremely consistent with base image:1.5), (static composition:1.4),
(original style consistency:1.5), anime illustration,
cel shaded, young woman, brown hair, glowing amber eyes,
silver armor, white cape, city skyscrapers, sunset background,
golden hour, backlighting, lens flare, floating particles,
(minor subtle addition:0.6), (factual description:1.3),
(no new characters:1.3), (no new objects:1.2),
(no text:1.2), (avoid interpretation:1.2),
(avoid overprocessing:1.2), (keep original composition:1.4),
(no location change:1.2)🔺 翻訳が効くのは 「固定条件」と「禁止事項」
翻訳で一番効くのは、直したい指示そのものより、同一キャラや構図や画風や光を守る固定条件と、構図変更や別場所化や人物追加や文字追加を塞ぐ禁止事項です。
この固定と禁止がモデルの癖に合わせて通る形に揃うほど、画像の一貫性が安定します。
🔺 Agentic Visionと組み合わせる意味
Agentic Visionが核を見て固定条件を強め、その条件を翻訳して各AIに刺さる形で渡します。
だから見て決めた核がそのまま実行に落ち、微改変が作り直しに寄りにくくなります。
🔷 実際に使って体感してほしい
🔺 読んだだけでは分からない部分がある
一貫性を保つための微改変は、理屈を理解した瞬間に終わる話ではありません。
一番の差は「同じ画像のまま直せる率」と「試行回数」が、実運用でどれだけ変わるかに出ます。
だからここから先は、文章よりも実際の挙動を見たほうが早い。
🔺 この記事で話したことは アプリの中で再現できる
微改変のルールをパラメータ化して冒頭で宣言し、上限と固定と禁止で自由度を削る。
Agentic Visionで核を見て固定条件を強め、最後にチェックで違和感の取りこぼしを減らす。
さらに各画像生成AIの文法へ翻訳して、同じ意図を通しやすくする。
この流れは、手作業で毎回やると面倒ですが、G-Satelliteではアプリ側の手順として使える形にしてあります。
🔺 まず試すなら こういう人に向いている
同一キャラを崩したくない
連続カットで世界観を揃えたい
直したいのは一箇所なのに別物になって困っている
試行回数を減らして制作スピードを上げたい
こういう人ほど、体感が速いです。
🔷 「書くこと」から「選ぶこと」へ変わる AIの価値観
画像生成AIの技術がどれほど進化しても、最後に「これでいい」と決めるのは私たち人間です。
以前の私は、思い通りの画像が出るまでプロンプトを書き換えては生成を繰り返し、気づけば「言葉の迷宮」に時間を溶かしていました。
でも今は、必要なのは書くスキルだけではなく、提示された候補から「この一瞬」を選び取る力だと感じています。
大量の言葉で押し切るより、可能性を引き出し、余計な方向へ行かないように絞り込み、最後に判断できる状態を作る。
少なくとも今の私には、プロンプトを複雑にする努力より、制御しやすい環境を整える努力のほうが価値があります。
🔷 制作の拠点としての GLIM for Mac
実は、この記事で紹介している微改変ロジックの実験と運用の土台には、私が自作したもう一つのツールであるGLIM for Macがあります。
このアプリは、Google Gemini APIを通じて高精度なGemini(Nanobanana Pro)をMacから直接コントロールするために開発しました。
プロンプト生成には最新のGeminiを使い、その指示をNanobananaへ渡して画像を生み出す流れを、手元のMacの中で完結させています。
また、G-Satelliteで書き出した制御済みプロンプトをGLIMへ流し込むことで、画像の一貫性を保ったままの微改変がよりスムーズになります。
⬆️ GLIM for Mac はこちらで紹介販売しております ⬆️
🔷 試行錯誤が生んだ「手触り」と 仕組み化の価値
私がこうしたツールを作るに至ったのは、既存のウェブサービスでは「自分だけの手触り」を最後まで詰めきれなかったからです。
サブスクの制限やブラウザ越しのもどかしさが、どこかで創造性を鈍らせているように感じることがありました。
直感的に、軽快に、必要最小限でAIと対話できる環境を整える。
その「仕組み化」によって、迷う時間が減り、浮いた時間をアイデアや構成に回せるようになります。
私にとっては、それが自由な時間を手に入れるための現実的なハックでした。
🔷 誠実に向き合うための注意点とリスク
G-Satelliteは、私が自分のために作った尖ったツールです。
意外性だけを純粋に楽しみたい方には、「制御」という考え方は少し窮屈に感じられるかもしれません。
一方で、頭の中のイメージをミリ単位で現実に落とし込みたい編集者気質の方には、真価が伝わるはずです。
また、このアプリはMac専用として開発しています。
動作の軽快さと操作感を優先した結果、Windows環境では動かすことができません。
🔺 完璧を求めすぎないという勇気
スライダーで数値を細かく設定できるからといって、常に100パーセントの再現性を保証するものでもありません。
AIは状況によって挙動が変わり、APIの状態でも結果は微妙に揺れます。
この記事は網羅的な技術解説ではなく、今の私がツールを触って掴んだ手触りを言語化した記録です。
この通りにやれば絶対に失敗しないという地図ではなく、試行錯誤を共有するための地図として読んでいただければ嬉しいです。
🔷 もう一度 購入リンクを置きます
ここまでの内容にピンと来た方は、まずは一度、実際に触って確かめてください。
ここから先は
¥ 1,680
フォローしてくれたら喜びます。コーヒーを御馳走してくれたらもっと喜びます！
