Nano Banana 2.1で複数の参照画像を組み合わせる方法

複数の参照画像を1枚の説得力ある画像にまとめるのは、単にファイルを増やしてアップロードするほど簡単ではありません。各画像には明確な役割を割り当てる必要があります。1枚はアイデンティティを管理し、別の1枚は衣装を管理し、さらに別の1枚は環境を管理します。この役割マップがないと、モデルがディテールを混ぜ合わせたり、アクセサリーを落としたり、1つの参照が構図を支配したりする可能性があります。

WeShop Nano Bananaジェネレーターで、架空の人物ポートレート、平置きのコーディネート、雨の京都の通りを使った3参照のワークフローをテストしました。最終画像では、キャラクターの主要なアイデンティティマーカーを維持し、指定した衣類をすべて反映し、シーンの暖かい窓明かりと冷たい通りの照明のコントラストも保持しました。唯一の目立った不一致はフレーミングです。指定した3/4身のポートレートは、ほぼ全身に近い構図になりました。

複数の参照画像に役割を割り当てる必要がある理由

「これらの画像を組み合わせて」という言葉だけでは、未決定の事項が多すぎます。より強力なプロンプトでは、結果の各要素をどのソースが担うかをモデルに伝えます。また、ほくろ、スカーフの柄、ポケット数、1つの提灯、特定の色のコントラストなど、必ず残すべき少数のディテールを繰り返し指定します。

GoogleのNano Banana 2.1モデルカードでは、複数参照編集、キャラクター一貫性、製品一貫性、一般的な編集について専用評価が報告されています。そのため、役割ベースの合成は理にかなったユースケースですが、各結果を確認する必要がなくなるわけではありません。このテストは1回の観測結果であり、成功率を示すものではありません。

このテストで使用した3つの参照画像

参照画像は意図的にクリーンで、情報が重複しないものを選びました。ポートレートには競合する衣装やロケーションは含まれていません。衣装は人物なしの平置きで示しています。シーンには人物がいません。これにより、プロンプト作成前の曖昧さを減らせます。

3つの参照を組み合わせたプロンプト

画像1はアイデンティティの参照です。画像2は衣装の参照です。画像3はロケーションの参照です。
画像1の女性そのものを、ブルーアワーの画像3にある書店の外に立たせ、画像2の完全な衣装、すなわち焦げたオレンジ色の4ポケット・ワックスドジャケット、クリーム色のリブタートルネック、ネイビーのパンツ、小さな金色のドット柄が入ったティール色のスカーフ、タン色のアンクルブーツを着用させた、完成された4:5のリアルなエディトリアル風旅行ポートレートを作成してください。
彼女を左3分の1の位置に3/4身で配置し、閉じたクリーム色のノートを脇に持たせ、暖かい店の窓を見つめさせてください。顔の形、肩までの黒髪、サイドパート、左目の下のほくろを維持してください。通りのレイアウト、赤い提灯1つ、濡れた石畳の反射、暖かい窓明かりと冷たい通りの色のコントラストを維持してください。
50mmレンズによる自然な旅行写真、弱い雨。人物の追加、バッグ、帽子、追加アクセサリー、読める看板、テキスト、ロゴ、透かしは不要です。衣装を背景に混ぜ込んだり、女性のアイデンティティを変えたりしないでください。

この構成が機能するのは、ソースの対応付け、出力の概要、維持すべきアンカー、除外事項という4つの層があるためです。どの画像がどの特徴を管理するかを、モデルに推測させる必要がありません。

Nano Banana 2.1が維持できたことと、できなかったこと

COMBINED RESULT

最も高い再現性が得られたのは、ソース内で視認でき、かつテキストでも明示したディテールでした。スカーフ、4ポケットのジャケット、ほくろは、視覚的な推論だけに任せていません。フレーミングの不一致は、完成度の高い画像でも制作上の制約の1つを満たせないことがあるという注意喚起です。

再現可能な複数参照ワークフロー

1. 各参照に1つの主要な責任を持たせます。 アイデンティティ、衣装、製品、ポーズ、ライティング、環境などのラベルを使用します。
2. 可能な限り競合する情報を取り除きます。 別の人物やロケーションを含む情報量の多いファッション写真よりも、クリーンな衣装の平置きの方が解釈しやすくなります。
3. アイデンティティの固定要素を繰り返します。 ���更されると出力を受け入れられなくなる顔、物体、衣服のディテールを指定します。
4. 最終構図を独立して説明します。 参照画像は素材を提供しますが、プロンプトにはフレーミング、被写体位置、視線、カメラ、光も必要です。
5. 起こりやすい失敗に対応する除外事項を追加します。 余計な人物、アクセサリー、テキスト、重複した物体、混ざった素材を防ぎます。
6. 参照ごとに確認します。 全体の雰囲気だけで判断せず、まずアイデンティティ、次に衣装、最後に環境を比較します。

自分の画像用プロンプトテンプレート

画像1は[アイデンティティ / 製品]の参照です。
画像2は[衣装 / 素材]の参照です。
画像3は[ロケーション / ライティング]の参照です。
[最終シーン]を表現する、1枚の[アスペクト比] [画像タイプ]を作成してください。
画像1から[被写体]、画像2から[ディテール]、画像3から[環境]を使用してください。
次を正確に維持してください：[アイデンティティアンカー]、[物体のディテール]、[色 / パターン]、[シーンのランドマーク]。
構図：[フレーミング]、[位置]、[視線 / 動作]、[カメラ]。
ライティング：[キーライト]、[色のコントラスト]、[時間帯]。
[一般的な追加要素]を加えないでください。[固定する特徴]を変更しないでください。テキスト、ロゴ、透かしは不要です。

よくある失敗と修正方法

• 人物が変わる： アイデンティティアンカーを2つか3つ繰り返し、ソースセットから他の顔を除外します。
• 衣装が不完全： 必要な衣類をすべて列挙し、それぞれの特徴的な色または素材を指定します。
• 参照が混ざる： 画像ごとに明示的な役割を1つ割り当て、ディテールが競合する場合にどのソースを優先するかを指定します。
• シーンがありきたりになる： 「夜の京都」のような雰囲気だけでなく、構造的なランドマークを2つか3つ挙げます。
• トリミングがずれる： トリミングと、フレーム内に必ず残す要素の両方を指定し、外れた場合は再生成します。

まとめ

複数参照の生成は、小さなアートディレクションシステムとして扱うと最も効果的です。画像は根拠を提供し、プロンプトは役割分担を指定して最終ショットを定義します。このテストでは、Nano Banana 2.1はアイデンティティ、衣装、ロケーションを説得力ある形で組み合わせましたが、フレーミングには依然として人によるQAが必要でした。

より幅広いプロンプトのフレームワークについては、Nano Banana 2.1プロンプトガイドをお読みください。検証済みのキャラクターワークフローについては、一貫性のあるキャラクターストーリーボードの作成方法をご覧ください。