キャラクターを生成する。結果が気に入る。同じキャラクターを別のシーンで得ようと、もう一度生成を実行する。返ってくるのは別の女性だ。 これは2026年のアダルトAI動画における最大の問題であり、一貫した視覚世界を構築したいユーザーの多くが数日で諦める理由です。
このガイドは、技術的になぜこれほど難しいのか、どう客観的に測定するのか、そして2026年4月時点でどのサービスが最も上手く扱えるのかを説明します。
問題、具体的に
画像生成モデル（Stable Diffusion、FLUX、Pony、Illustrious）と動画モデル（Wan 2.1、HunyuanVideo、LTX）は統計的な関数です。テキストを入力として受け取り、もっともらしい結果の確率分布を出力します。同じプロンプトに同じシードなら、同じ結果が出ます。同じプロンプトに異なるシードなら、異なる結果が出ます — ときに大きく異なります。
人間のキャラクターの場合、これらのばらつきは主に顔（目と目の距離、鼻の形、唇のライン、表情）と体のプロポーション（肩幅、腰の形）に出ます。肉眼では、これらのパラメータの10〜15%のばらつきが、「2つの状況にいる同じ女性」を「なんとなく似ている2人の女性」に変えてしまいます。
これが問題になるのは：
- ストーリーテリングのため — キャラクターがクリップからクリップへ認識できなければ、複数クリップの物語は構築できません
- 没入感のため — 人間の脳は同じ人物でないことを瞬時に検知し、感情のつながりを断ち切ります
- ブランディングのため — 公開コンテンツ（AI支援のOnlyFans、ファンアートなど）を作っているなら、キャラクターの認識可能性は文字どおりあなたのブランドです
一貫性を強制する3つの技術
技術1 — 固定シード
原理。 拡散モデルにおけるすべての生成は、シード — モデルが起点とするランダムノイズを初期化する数値 — によって決まります。同じプロンプト＋同じシード＝同じ出力、ピクセル単位で同一です。
限界。 これはプロンプトが厳密に同一のままである場合にのみ機能します。キャラクターを別のシーンへ移そうと単語を1つでも変えた瞬間、出力は完全に乖離します。固定シードは画像を複製することはできますが、バリエーションを構築することはできません。
実践的な用途。 失くした画像を再生成するのには便利ですが、世界を構築するのには向きません。
技術2 — IP-Adapterによる顔／キャラクターのロック
原理。 IP-Adapterと呼ばれる追加モジュールを通じて、顔（またはキャラクター全体）の参照画像をモデルに与えます。するとモデルは、その参照の視覚的特徴を尊重しながら新しい画像を生成します。この技術はCandy.aiで、また簡略化された形でSeduced.AIで使われています。
限界。 一貫性は確率的であり、完璧ではありません。新しいシーンの複雑さによっては、顔が5〜20%ドリフトすることがあります。InsightFaceの測定値（顔どうしのコサイン類似度）は、最良の生成での0.95から最悪の生成での0.70まで下がります — 人間の目が「別人」と見え始める閾値を下回ります。
実践的な用途。 これは2026年に主流サービスで最も上手く機能する技術です。Candy.aiはこの機能を透過的に公開しており（「永続的なキャラクター」）、Seduced.AIは同様のシステム（AI Characters）をやや弱い結果で提供しています。
技術3 — 画像から動画へのチェーン（スライディングウィンドウ）
原理。 動画では、i2v（image-to-video）モデルが開始画像を受け取り、そこから続く短い動画を生成するという事実を活用できます。クリップNの最後のフレームを取り、それをクリップN+1の開始画像として与えることで、自然な視覚的連続性が得られます — キャラクターが急に変わることがありません。
限界。 ドリフトは蓄積します。3〜4本のクリップをチェーンすると、キャラクターの見た目は通常、最初のクリップから15〜25%ドリフトしています。これに対抗するには技術2（毎回の生成で顔ロック）と組み合わせられますが、技術的な複雑さが急速に上がります。
実践的な用途。 クラウドAPI（fal.ai Wan 2.1のi2vモード）やセルフホスト構成を扱う上級ユーザー向けです。2026年4月時点で、主流サービスのどれも自社インターフェースでi2vチェーンを公開していません — まさにこれが、私たちが皆いまだに5〜10秒の単発クリップに留まっている理由です。
私たちが一貫性を客観的に測定する方法
私たちのテストプロトコルは、オープンソースの顔認識モデルInsightFaceを使い、生成された顔どうしのコサイン類似度を計算します。
手順。 テストする各サービスについて、サービスの「永続的なキャラクター」機能（利用可能な場合）を使うか、同じシードで再実行して（公開されている場合）、同じプロンプトから3本の連続したクリップを生成します。各クリップの最初のフレームを抽出し、InsightFaceで顔を検出し、512次元の埋め込みを計算し、それから3つの埋め込みを2つずつ取ってコサイン類似度を計算します。
スコアの読み方。
| 類似度 | 解釈 | MyB-AIカテゴリ |
|---|---|---|
| > 0.90 | 同一人物、軽微なばらつき | 非常に高い |
| 0.85 – 0.90 | 同一人物、通常のばらつき | 高い |
| 0.75 – 0.85 | 同一人物、顕著なばらつき | 中〜高 |
| 0.65 – 0.75 | 強く似ているが同一ではない | 中〜低 |
| 0.55 – 0.65 | 弱い類似、明らかに別人 | 低い |
| < 0.55 | 別人 | 非常に低い |
採点における私たちの分類の閾値：
high= 平均スコア ≥ 0.85medium= 平均スコアが0.70から0.85のあいだlow= 平均スコア < 0.70
一貫性の軸でのサービスランキング（2026年4月）
上記のプロトコルで測定した、比較ツールのスコア：
| 順位 | サービス | 一貫性スコア | 平均コサイン類似度 | 使用技術 |
|---|---|---|---|---|
| 1 | Candy.ai | 85 | 0.88 | IP-Adapter ＋ 永続的キャラクターシステム |
| 2 | Seduced.AI | 80 | 0.82 | AI Charactersシステム |
| 3 | DreamGF | 68 | 0.76 | 基本的な永続性 |
| 5 | MyBabes.AI | 65 | 0.68 | 明確な機能なし |
| 6 | FapAI | 60 | 0.71 | 基本的な永続性 |
| 7 | Promptchan | 60 | 0.58 | 機能なし |
| 8 | Pornify | 42 | 0.55 | 機能なし |
| 9 | PornJoy | 45 | 0.52 | 機能なし |
| 10 | Pornpen.ai | 40 | N/A（画像のみ） | 機能なし |
重要な観察： 2つのリーダー（専用インフラに投資したCandy.aiとSeduced.AI）と、その他の集団とのあいだには、はっきりとした分断があります。この差は、キャラクターロック技術が標準化するにつれて2026〜2027年にかけて縮まるはずですが、2026年4月時点では確かに存在し、測定可能です。
どのサービスでも一貫性を最大化する実践的なコツ
専用機能を公開していないサービスでも、結果を改善できます：
- ベースのプロンプトを一語まで固定し、動く要素（アクション、設定）だけを変えましょう。生成のたびにキャラクターの説明を言い換えてはいけません。
- 髪、目、体型についてまったく同じ形容詞を使いましょう — 人間には同等に思える同義語でも、モデルの内部では別のニューロンを発火させます。
- 顔が少しドリフトしてもアイデンティティをつなぎ止める特徴的な視覚的目印（タトゥー、ほくろ、特定のアクセサリー）を追加しましょう。
- シードが公開されていないサービスでは、複数のバリエーションを生成し、最も似て見えるものを手作業で選びましょう — ドリフトはランダムなので、一貫性がたまたま自然に成立することもあります。
- 有料プランを優先しましょう。 無料プランでは公開されていない永続性機能が、有料プランで解放されることが多いからです。
そして、あなたのサービス水準では何をしても上手くいかない難しいケースでは：この機能に本気で投資した唯一の存在であるCandy.aiやSeduced.AIへ移行するか、カスタムのi2vチェーンパイプラインでセルフホストへ移りましょう — これが、サービスが追いつくまでのあいだ、問題を本当に解決する唯一の道です。
このガイドは2026年のアダルトAIの技術的課題に関する私たちのシリーズの一部です。あわせて読みたい：フランス語でのNSFWプロンプトエンジニアリング、AIポルノ動画の作り方。