お手持ちの写真を、AIを使って水着やランジェリー姿、あるいはより過激な内容へ変換したいとします。その際、顔立ちを維持したいと考えますよね。Midjourneyを試しても拒否され、DALL-Eではフィルタリングされて描写が弱まり、Stable Diffusionのデフォルト設定では生成開始前にセーフティフィルターに阻まれてしまったという経験があるかもしれません。
これはツールの失敗ではなく、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レイヤーを適用しています。「アンセンサード（検閲なし）」な画像生成AIを検索する人が求めているのは、まさにこのフィルターが存在しないツールです。技術的には可能であり、問題は「コンテンツを変化させながら、いかにして正確に本人というアイデンティティを維持するか」にあります。
主要な画像生成AIがアンセンサードな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、入力プロンプトとモデル出力という2つのレイヤーでコンテンツフィルタリングを適用しています。NSFW（不適切なコンテンツ）に関連する言葉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インプット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、アウトプットフィルターが生成画像を検出し、結果を抑制またはぼかします。
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のアーキテクチャ自体には、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、プラットフォーム運営者がモデルの上位レイヤーで適用しているものです。フィルターを解除すれば、基盤となるモデルはコンテンツを生成します。
価格やフィルター解除状況に基づいた、NSFW対応の最適な生成AIの比較は、アンセンサードNSFW AI画像生成ツールガイドで、クラウドAPIからローカルオプションまであらゆる階層を網羅しています。
画像生成AIの文脈における「アンセンサード」とは、コンテンツモデレーションレイヤーが削除されていることを意味します。モデルは、生成されるコンテンツに介入することなく、プロンプトと画像を入力として処理します。Atlas Cloudの画像編集カタログは、この構成でモデルを実行しており、その中には顔の維持に特化して設計されたSeedreamファミリーも含まれています。
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「モデル学習」の問題です。これについては本ガイドの後半で解説します。
アンセンサードAIで顔が変わってしまう理由と対策
写真をアップロードしてコンテンツを変換するようプロンプトを出しても、AIは画像のどの部分が「変更してはいけない部分」かを知りません。モデルはセマンティック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重要な領域である「顔」は非常に大きな重みを持つため、モデルの注目を強く浴び、結果として他の部分と一緒に再描画されてしまうのです。
顔の変化を制御する変数は2つあります。
guidance_scaleは、モデルがどの程度プロンプトに忠実に従うか、あるいは元の画像を尊重するかを決定します。値を低くすると参照元が維持され、高くするとプロンプトの優先度が高まります。guidance_scaleが10を超えると、出力はほぼ完全にプロンプトに支配されます。顔は元画像とは似ても似つかない、プロンプトが示唆するものに変化してしまいます。
もう一つの重要な要因はモデルアーキテクチャです。多く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ファミリーは違います。その学習プロセスでは、顔の維持とコンテンツ生成が明示的に切り離されているため、服装やシーンを変化させても、元画像の顔の特徴、肌の質感、照明を維持することが可能です。
実用的な組み合わせとして、Seedreamモデル + guidance_scale 5〜7 を使用すると、軽い変換から激しい変換まで、安定した顔の出力を得ることができます。
アンセンサードAI生成のためのモデル選定
| モデル | 価格 | 顔の維持能力 | 用途 |
|---|---|---|---|
| Seedream v5.0 Lite Edit | USD0.032/枚 | ★★★★★ | 軽い変換から激しい変換まで、メインとして使用 |
| Seedream v5.0 Pro Edit | USD0.054/枚 | ★★★★★ | プロ向け編集、レイヤー分離、領域とアンカー制御 |
| Seedream v5.0 Lite Edit Sequential | USD0.032/枚 | ★★★★★ | 1枚の元画像からのバリエーション作成 |
| Seedream v4.5 Edit | USD0.036/枚 | ★★★★★ | 最終制作レンダリング、最高精細度 |
| Flux Kontext Dev | USD0.025/枚 | ★★★☆☆ | テキストで細かく記述したシーン変更 |
| GPT Image-1 Mini Edit | USD0.004/枚 | ★★☆☆☆ | プロンプトのコンセプトテスト用 |
Seedream v5.0 Lite Editがデフォルトの選択肢です。Atlas Cloudの公式説明にもある通り、「顔の特徴、照明、色調を維持しつつ、プロレベルの変更を可能にする」モデルです。ほとんどのアンセンサード画像変換ユースケースでは、ここから開始し、最終用途でより高い解像度が必要な場合にのみv4.5へ移行してください。
Lite Editで不十分な場合は、プロ向けのSeedream 5.0 Pro Editへステップアップしましょう。同じくアンセンサードな編集機能に加え、領域制御、正確な色と素材のマッチング、PNGへのレイヤー分離が可能です。
アンセンサードAIプロンプトガイドでは、本ガイドの3つの階層すべてに適用できる「5要素の法則」を解説しています。
ワークフロー1：水着やランジェリーへの変換（ライト）
guidance_scale： 6
num_inference_steps： 25
ライト階層は、衣服を水着、ビキニ、ランジェリーなどに変更する変換です。内容は過激ですが、変換の範囲は中程度であり、体は隠れたままで、その「装い」が変わるというものです。
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内容を定義します。顔、体のプロポーション、肌の色、照明はすべて元画像から継承されます。
プロンプト構成：
plaintext1[詳細な服装の説明], 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
この階層で顔が崩れる原因：
- guidance_scaleが8を超える場合。 これを超えると、Seedreamであってもプロンプトが元画像のアイデンティティを上書きし始めます。
- 元の状態を過剰に記述する場合。「服を脱ぐ（remove clothing）」といった指示は、AIの注目を衣服領域に強く向けさせ、顔を含む周囲の領域を不安定にします。
- 曖昧な体の表現。「セクシーな体」といった言葉は、モデルにプロポーションを再解釈する余地を与えてしまいます。体の記述は「same body proportions（元の体の比率で）」のように元画像にアンカーを打つのが鉄則です。
ワークフロー2：露出度の高いスタイルへの変換（ミディアム）
guidance_scale： 7
num_inference_steps： 28
ミディアム階層は、シースルー素材や部分的な露出など、肌の露出が増える変換です。保守的な解釈に陥らないよう、モデルに適切な度合いを伝える必要があります。
guidance_scaleを7に上げます。元画像の衣服と矛盾する変換を行うには、モデルに対してより強力なプロンプトの指示が必要です。ただし、モデルがプロンプトに従う度合いが強まるため、顔の維持という「アンカー」も明示的に記述することが非常に重要です。
プロンプト構成：
plaintext1[カバー詳細を含む具体的な衣類], 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
顔の崩れが発生した場合の対策：
もし顔が変わってしまう場合は、アイデンティティのアンカーをプロンプトの後方ではなく前方へ移動してください。モデルはプロンプトの先頭にある単語をより重視します。
plaintext1same face as source, same facial features, [衣類の説明], photorealistic, same body proportions, same skin tone
ワークフロー3：露骨なコンテンツへの変換（ヘビー）
モデル： Seedream v4.5 Edit
guidance_scale： 5
num_inference_steps： 30
ヘビー階層は、ヌードや過激なポーズを含む変換です。このレベルでは、元画像からの乖離が最大になるため、モデルは元画像を無視しようとする圧力を最も強く受けます。
あえてguidance_scaleを5まで下げるのが解決策です。変換が過激であるからこそ、アイデンティティの指標として元画像を尊重させる必要があります。元画像に「顔」をアンカーさせ、プロンプトには「内容」を指示させる分離が肝です。
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解像度で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化する場合でも、誰であるかを認識可能なレベルで維持できます。
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
バッチ処理による効率的なバリエーション作成
モデル： Seedream v5.0 Lite Edit Sequential
1枚の元画像から複数の出力（異なる服装やポーズ）を得る場合、Sequential（シーケンシャル）モデルを使用することで、すべての結果で一貫した顔立ちを維持できます。個別にリクエストを送ると、わずかなアイデンティティの変化が蓄積される可能性があるため、このモデルで同一の元画像をアンカーにするのが正解です。
無料のアンセンサードAIの限界
無料のアンセンサードAIも存在しますが、このユースケースには3つの課題があります。
- 顔維持アーキテクチャの欠如： 無料モデルは古いことが多く、顔の分離学習がなされていません。
- 解像度の制限： 512x512や768x768では、個人のアイデンティティを構成する細かなディテール（目、顎のライン、肌の質感）が消えてしまいます。
- 長い待機時間： 試行錯誤には迅速なフィードバックが必要です。数分待たされる環境でのパラメータ調整は実用的ではありません。
まずGPT Image-1 Mini EditでUSD0.004という安価なコストでプロンプトを検証し、納得できるプロンプトを見つけてからSeedreamで本番生成を行うのが、最も賢い運用方法です。
よくある質問（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、コンテンツモデレーションフィルターなしで稼働するアンセンサードなモデルを多数提供しています。
体のプロポーションが崩れる場合は？
プロンプトのアンカーセクションに「same body proportions（元の体の比率で）」を明示的に追加してください。衣服の形状に引きずられやすい体のプロポーションも、明示することで維持しやすくなります。
結論
アンセンサードな生成の障壁は技術的なものではなく、プラットフォーム側のポリシーによるものです。フィルターを解除すれば、同じアーキテクチャであっても制約なく生成が可能です。
重要なのは顔の維持です。汎用モデルではなく、Seedream v5.0 Lite Editのように顔の分離に特化したモデルを選んでください。ライトな変換ならguidance_scale 6、ミディアムなら7、過激な内容であれば5へと調整するのが最適です。
Atlas Cloudのモデルカタログから最適なモデルを選択し、効率的な画像生成をお楽しみください。
