写真があるとします。AIを使って、顔はそのままに、ビキニ姿やランジェリー姿、あるいはより過激な姿に変身させたいと考えるかもしれません。Midjourneyで試すと拒否され、DALL-Eではソフト化やフィルタリングをされ、デフォルト設定のStable Diffusionでは生成開始前にセーフティフィルターでブロックされてしまったはずです。
これはツールの不具合ではなく、設計上の決定です。主要なプラットフォームはすべて、モデルレベルでコンテンツモデレーション層を適用しています。人々が「アンセンサー（検閲なし）」の画像生成AIを検索する際、まさにこの層の削除を求めているのです。ツール自体は存在しますが、問題は「コンテンツを変化させながら、いかにしてアイデンティティを正しく維持するか」という点にあります。
メインの画像生成AIが「アンセンサー」コンテンツをブロックする理由
主要な画像生成プラットフォームはすべて、プロンプト入力層とモデル出力層の2段階でコンテンツフィルタリングを行っています。NSFW（性的表現）用語を含むプロンプトを入力すると、モデルが実行される前に入力フィルターが拒否します。万が一プロンプトがすり抜けても、出力フィルターが生成された画像を検出し、結果を非表示にするかぼかします。
これは能力不足ではありません。ほとんどの画像生成ツールに採用されているStable Diffusionのアーキテクチャには、NSFW出力を制限する技術的な制約はありません。フィルタリングは、プラットフォーム事業者がモデルの上位レイヤーで適用しているものです。このフィルターを取り除けば、ベースとなるモデルはそのままコンテンツを生成します。
画像生成AIの文脈における「アンセンサー」とは、このコンテンツモデレーション層が削除されている状態を指します。モデルは、生成されるコンテンツに対して能動的な介入を行わず、プロンプトと画像を処理します。Atlas Cloudの画像生成カタログでは、この設定でモデルが稼働しており、ポートレート編集と顔の維持に特化したSeedreamシリーズなどが含まれます。
変換中に顔のアイデンティティが崩れるという2つ目の問題は、コンテンツフィルタリングとは別個の、モデルの学習上の課題です。このガイドの後半では、その対処法を解説します。
アンセンサーAIで顔が変わってしまう理由とその解決策
写真をアップロードして変換のプロンプトを書くと、モデルは画像のどの部分が「変更禁止」なのかを知りません。モデルは意味的な重みに基づいて全体的に変更を適用します。ポートレートにおいて最も意味的な重みが大きい顔部分は、モデルの注目を強く集めるため、他の部分と一緒に描き直されてしまうのです。
顔の変化量は、以下の2つの変数で制御できます。
guidance_scaleは、モデルが元の画像をどれだけ尊重し、プロンプトにどれだけ従うかを決定します。値が低いと参照画像が維持され、高いとプロンプトが優先されます。guidance_scaleが10以上になると、プロンプトが生成結果をほぼ完全に支配し、顔は元の画像ではなくプロンプトが示唆するものに変わってしまいます。
モデルアーキテクチャはより大きな要因です。ほとんどの画像編集モデルは、変換中に顔のアイデンティティを分離するように学習されていません。しかし、Seedreamシリーズは違います。Seedreamは顔の維持とコンテンツ生成を明確に分けて学習されているため、元の顔の特徴、肌のトーン、照明を維持したまま、服装や背景だけを変えることができます。
実用的な組み合わせとして、Seedreamモデルとguidance_scale 5〜7の間で使用することで、軽度から重度のコンテンツ変更まで、安定した顔の出力を得ることができます。
アンセンサー画像生成AIのモデル比較
| モデル | 価格 | 顔の維持能力 | おすすめ用途 |
|---|---|---|---|
| Seedream v5.0 Lite Edit | USD0.032/枚 | ★★★★★ | 軽度〜重度の変換、メインの作業用 |
| Seedream v5.0 Lite Edit Sequential | USD0.032/枚 | ★★★★★ | 元画像からのバリエーションの一括作成 |
| Seedream v4.5 Edit | USD0.036/枚 | ★★★★★ | 最終制作物、最大級のディテール |
| Flux Kontext Dev | USD0.025/枚 | ★★★☆☆ | テキストで記述可能な特定のシーン変更 |
| GPT Image-1 Mini Edit | USD0.004/枚 | ★★☆☆☆ | プロンプトのコンセプトテスト |
Seedream v5.0 Lite Editが推奨の選択肢です。Atlas Cloudの公式説明によると「顔の特徴、照明、色調を維持しつつ、プロ品質の修正が可能」とされています。ほとんどのアンセンサー画像変換タスクはここから始め、最終的な高解像度出力が必要な場合のみv4.5に切り替えるのが良いでしょう。
ワークフロー1：軽度のコンテンツ変換（水着やランジェリー）
guidance_scale： 6
num_inference_steps： 25
この層は、服装を水着やランジェリーに変更するようなケースをカバーします。コンテンツは過激ですが、変換の範囲は中程度です。体は覆われたままであり、変化は「何で覆われているか」という点に限られます。
guidance_scale 6では、Seedream v5.0 Liteは元画像を主要なリファレンスとして扱い、プロンプトを使用して変更点だけを定義します。顔、体のプロポーション、肌のトーン、照明は元画像から継承され、服装部分だけが変換されます。
プロンプト構造：
plaintext1[服装の詳細説明], photorealistic, same face, same body proportions, same skin tone, same lighting
プロンプト例：
plaintext1wearing a black lace lingerie set, photorealistic, high detail, same face, same body proportions, same skin tone, same lighting direction as source
この層で顔が崩れる原因：
- guidance_scale 8以上。 Seedreamであっても、これを超えるとプロンプトが元画像のアイデンティティ信号を上書きし始めます。
- 元の状態を説明すること。「服を脱がせる」といった用語を追加すると、モデルの注意が服の部分に向き、顔を含む周囲の領域が不安定になります。
- 曖昧な体の記述。「セクシーな体」のような言葉は、モデルにプロポーションを再解釈する自由を与えてしまいます。体の記述は「same body proportions（元の体のプロポーションのまま）」のように、元画像に固定してください。
ワークフロー2：中程度の変換（透け感や大胆な露出）
guidance_scale： 7
num_inference_steps： 28
この層は、薄手の生地、部分的な露出、大胆なカットなど、より肌の露出が多い出力に対応します。プロンプトは、保守的な解釈に陥らないようにしつつ、露出度を伝える必要があります。
guidance_scaleを7に上げてください。モデルが元画像の元々の服に抗って変換を行うには、より強いプロンプトの力が必要です。この設定では、プロンプト全体がモデルを制御するため、アイデンティティのアンカー（固定）を明示的に指定することが重要になります。
プロンプト構造：
plaintext1[カバー範囲の詳細を含む具体的な衣服], photorealistic, ultra detailed, same face, same facial features, same body proportions, same skin tone, soft natural lighting
プロンプト例：
plaintext1wearing a sheer white mini dress with no undergarments, visible through fabric, photorealistic, ultra detailed, same face, same facial features, same body proportions, same skin tone, soft natural lighting
プロンプト戦略： 直接的な裸の描写ではなく、どのような衣服を着ていて、それが何を見せているかを説明してください。「薄手の生地、透けて見える」という表現は衣服の描写として受け取られ、モデルに一貫した視覚的ターゲットを与えます。「もっと露出を増やして」のような抽象的な指示は、具体的な視覚状態を記述していないため、解釈が不安定になります。
ワークフロー3：重度の変換（過激なコンテンツ）
モデル： Seedream v4.5 Edit
guidance_scale： 5
num_inference_steps： 30
この層は、フルヌードや過激なポーズなど、最も過激な出力に対応します。このレベルでは、元画像からの大幅な乖離が求められるため、モデルが元画像を無視しようとする圧力が最大になります。ここが、顔のアイデンティティが最も損なわれやすいポイントです。
逆説的ですが、解決策は**guidance_scaleを下げる（5にする）**ことです。コンテンツ変換が極端なほど、モデルはアイデンティティ信号のために元画像をより強く参照する必要があります。顔のアンカーは元画像に任せ、プロンプトはコンテンツの駆動に集中させます。
この層では、v5.0 LiteではなくSeedream v4.5 Edit (USD0.036/枚)を使用してください。v4.5アーキテクチャはより高い解像度と精細な顔のディテールを出力するため、画像全体が大きく変換される場合に重要です。
プロンプト例：
plaintext1nude, full body, photorealistic, 4k, same face as source, identical facial features, same body proportions, same skin tone, same hair, natural lighting
複数のバリエーションを生成する（一括生成）
モデル： Seedream v5.0 Lite Edit Sequential
同じ元画像から複数の出力（異なる衣装、異なるシーンなど）が必要な場合、シーケンシャル（逐次）モデルを使用すると、バッチ全体で顔の一貫性を維持できます。個別生成を繰り返すとわずかなアイデンティティのズレが蓄積されますが、このバリアントはすべての出力を同じソースに固定します。
元画像を一度アップロードし、返されたURLをすべての呼び出しで再利用してください。価格は1枚あたりUSD0.032で変わりません。
無料のアンセンサーAI画像生成について
無料のアンセンサーAIジェネレーターも存在しますが、以下の3つの制約があります。
- 顔維持アーキテクチャの欠如： 無料層のモデルは古いバージョンであることが多く、Seedreamのような顔の分離学習が行われていません。
- 解像度制限： 512x512や768x768では、顔のアイデンティティを保つための細かいディテール（目の形、顎のライン、皮膚の質感など）が消失してしまいます。
- 待機時間： 試行錯誤には迅速なフィードバックが不可欠ですが、1回の生成ごとに数分の待機が発生すると非現実的です。
プロンプトのバリデーションには、Atlas CloudのGPT Image-1 Mini Edit (USD0.004/枚)を検討してください。無料ツールよりも遥かに効率的で、一貫したレスポンスが得られます。
FAQ
Atlas CloudはNSFWコンテンツをサポートしていますか？
はい。SeedreamファミリーやFlux Kontext Devなど、Atlas Cloudのアンセンサーモデルにはコンテンツモデレーションフィルターは適用されておらず、過激なコンテンツも生成可能です。
顔を安定させるためのguidance_scaleは？
軽度なら6、中程度なら7、重度なら5です。重度の変換ではプロンプトの力が強く働くため、guidance_scaleを下げることで元画像による「顔の固定」を優先させる必要があります。
体のプロポーションが崩れる場合は？
プロンプトに「same body proportions（元の体のプロポーションのまま）」を追加してください。Seedreamであっても、体は顔よりも衣服の変化の影響を受けやすいため、明示的なアンカーが必要です。
結論
アンセンサーな画像生成に対する障壁は技術的なものではなく、ポリシーによるものです。フィルターを取り除けば、主要な画像生成ツールを支える拡散アーキテクチャがそのまま制限なく機能します。
唯一の課題である顔のアイデンティティ維持には、Seedream v5.0 Lite Editを推奨します。まずはGPT Image-1 Mini Editでプロンプトのテストを行い、成功したら本番モデルへ移行してください。さらなる詳細は、各種モデルカタログでご確認いただけます。
