頭の中に特定のシーンがあるとします。5人の登場人物、特定の舞台設定、小道具、そして過去の作業から固定されたカラーパレット。参考資料として計14枚の画像を収集済みで、これらすべてを統合し、登場人物の顔が他人のように変化することなく、単一のフレームを生成したいと考えているとしましょう。手作業でこれを試したことがある人なら誰でも知っている通り、難しいのは構図ではありません。モデルがこれほど多くの入力を一度に扱う中で、いかにして全キャラクターの個性を維持するかという点です。
本ガイドでは、Nano Bananaファミリーがどのようにマルチ画像参照合成を処理するのか、5人の異なるキャラクターの一貫性を保つための参考資料とプロンプトの構成方法、そしてRAW品質を最適化するのか、あるいは特定の14枚の画像を扱うワークフローに最適化するのかによって、どのティアを選択すべきかを解説します。
マルチ画像参照合成の仕組み
ほとんどの画像モデルでは、1つの参照画像を入力して出力を調整できますが、マルチ画像参照合成はさらにその先を行きます。複数の画像を同時に提供することで、モデルは新しいフレームを作成する際、それぞれの画像を視覚情報のソースとして活用します。ある画像がキャラクターの顔を、別の画像が衣装を、また別の画像が部屋の照明を、さらに別の画像が小道具の形状を寄与するといった具合です。
複数キャラクターが登場するシーンにおいて、その価値は明らかです。5人の顔を言葉で説明してモデルが近いものを生成することを期待するのではなく、各キャラクターの実際の参照画像を直接渡すのです。モデルは作業のベースとなる直接的な視覚的アンカーを得ることができ、これが一貫性を可能にする鍵となります。
Atlas Cloud上のNano Bananaファミリー内では、この機能は[Nano Banana 2 Lite](https://www.atlascloud.ai/models/nanobanana-2)で提供されており、最大14枚の参照画像と14種類のアスペクト比に対応し、2秒未満のレイテンシでマルチ画像合成が可能です。「14枚の参照を組み合わせる」というタスクに直結する機能セットを持つのはこのティアです。[Nano Banana Pro](https://www.atlascloud.ai/models/nanobanana)は、入力数よりもフレームの仕上げが重要な場合に、1K、2K、4Kの出力を提供するより高品質なラインです。両者の選択基準については後述します。
キャラクターの一貫性はタグ付けと記述の問題
モデルに14枚の画像を渡すのは作業の半分に過ぎません。構造化せずに5人分のキャラクター参照をリクエストに放り込むと、モデルはどの顔がどのキャラクターに対応しているのかを判断できず、アイデンティティが混ざったり入れ替わったりしてしまいます。
解決策は、各キャラクターを匿名入力ではなく、ラベル付けされたエンティティとして扱うことです。以下の3つのテクニックが有効です：
- キャラクターごとの参照タグ付け： プロンプト内で各キャラクターに安定した名前やラベルを付け、各ラベルをその参照画像と関連付けます。「カフェにいる5人」ではなく、「（参照1の）マラ、（参照2の）デヴォン、（参照3の）プリヤ、（参照4の）アリ、（参照5の）カイトが隅のテーブルに座っている」と記述します。名前付きのアンカーが、どの視覚ソースがシーン内のどの役割に対応するかをモデルに伝えます。
- 一貫したプロンプト記述子： 各キャラクターを言及する際、髪型、体格、服装、特徴的なアクセサリーなど、識別用の記述子を毎回固定します。あるプロンプトでマラを「短い銀髪で緑のスカーフ」と表現したら、次のプロンプトでも全く同じ言葉を使います。シリーズを通して記述子を再利用することが、キャラクターをフレーム間で維持する秘訣です。
- 編集および参照画像モード： キャラクターやシーンの優れたバージョンが既に存在する場合は、白紙のテキストプロンプトから始めるのではなく、参照画像モードや編集モードを使用してください。以前の出力をモデルに参照として提供することで、キャラクターの再構築を求めるのではなく、既に達成した見た目を固定できます。
これには秘密のパラメータは必要ありません。キャラクターに名前を付け、各名前を参照画像に紐付け、記述子の言葉を一切変えないという構造的な規律がすべてです。
14枚の画像、5人のキャラクターを扱うための主要な手順
プロセスを管理可能にする再現性の高い手順は以下の通りです。
- 作業前に14枚の参照資料を役割ごとに分類します： 5枚はキャラクターの顔、残りは背景、衣装、小道具、パレットとグループ化します。各画像が何に寄与するかを把握することで、それらを曖昧にすべてを説明する事態を防ぎます。
- 5人のキャラクターそれぞれに安定したラベルを割り当てます： 生成のたびに逐語的に再利用できる1行の記述子を作成します。
- 構図プロンプトを記述します： 各キャラクターをラベルで参照し、「左から右へ」「前景に」「カウンターの背後に」のようにシーン内での位置を明確にします。空間的な指示は、2人のキャラクターが混ざり合う可能性を低減します。
- リクエストに参照を添付し、各グループの目的を説明します： どの画像が維持すべき「顔」で、どの画像が「照明を借りる部屋」なのかをモデルに認識させます。
- 生成後、5人それぞれの顔を個別に検証します： 一貫性の問題は通常、5人全員ではなく1人か2人のキャラクターに現れます。
- 変化してしまったキャラクターがいれば、フレーム全体を最初から生成するのではなく： その領域やキャラクターに対してのみ編集または参照画像モードを実行し、正しい参照を再度入力します。
正確なリクエストの形式（参照の添付方法、フィールド数、命名規則など）はAPI仕様に依存し変更される可能性があるため、固定的な想定をコードに書くのではなく、atlascloud.ai/docsの画像モデルセクションで現在の構造を確認してください。上記のテクニックは、フィールド名に関わらず有効です。
Atlas Cloudでの実行
Atlas Cloudは、OpenAI互換のエンドポイントの背後で、テキスト、画像、動画を網羅する300以上の最先端モデルをキュレートするフルモーダルAI推論プラットフォームです。Nano Bananaファミリーはすべて同じエンドポイントに存在し、1つのAPIキーと1つの請求アカウントで利用できます。複数キャラクターのプロジェクトでは、反復作業中にティアを切り替える必要があるため、これは重要です。
このタスクでは、2つの適切なティアがあります：
- Nano Banana 2 Lite は、効率性重視のティアで、最大14枚の参照画像、マルチ画像合成、14種類のアスペクト比をサポートし、1画像あたりUSD0.04（開発者ティアではUSD0.028、30%削減）で利用可能です。2秒未満のレイテンシにより、生成し、5人の顔を確認し、1人を修正して再生成するといった反復的なワークフローに最適です。文字通り「14の参照を組み合わせる」タスクには、このティアが適しています。
- Nano Banana Pro は、1K、2K、4K出力を備えたより高品質なProライン（GoogleのGemini 3 Image Proファミリー）です。標準のテキスト・トゥ・イメージおよび編集は1画像あたりUSD0.14、UltraバリエーションはUSD0.15であり、開発者ティアでは標準価格がUSD0.07になります。Liteティアの14枚の利便性よりも、最終フレームの品質を優先したい場合に選択してください。
実用的なパターンは、Liteティアで構図の決定と反復を行い、最後に必要な解像度でProティアで仕上げることです。各モデルのライブ価格はPlaygroundの「Run」ボタンの横に表示されるため、コードを書く前に正確な単価を確認でき、全カタログは atlascloud.ai/models で閲覧可能です。エンドポイントはOpenAI互換であるため、OpenAI SDKで構築された既存アプリであれば、書き直し不要で base_url とAPIキーを変更するだけでこれらのモデルにアクセスできます。
5人のキャラクターの一貫性を保つためのヒント
- 記述言語を早期に固定します： 5つの1行のキャラクター説明文を一度書き、保存し、すべてのプロンプトにそのまま貼り付けてください。プロジェクトの途中で言葉を変えることが、一貫性の崩れる最も一般的な原因です。
- 各顔の最高品質の参照を維持します： 明瞭で明るく、正面を向いた参照画像は、ぼやけたクロップ画像よりもはるかに強固なアンカーとなり、キャラクターが登場するすべてのフレームで効果を発揮します。
- 単一フレーム内の競合を減らします： 5人のキャラクターと14の参照のバランスをとるのは困難です。2人のキャラクターが混ざり続ける場合は、より密集した配置で生成するか、シーンを分割して合成する方が、無理に1つに詰め込むよりも効果的です。
- 最良の出力を参照として再利用します： キャラクターが正しく生成されたら、そのフレームを参照画像モードでフィードバックし、後の生成でそのルックを継承するようにします。
- 全体ではなく局所的に修正します： 1人の顔が崩れたら、構成全体を再生成するのではなく、そのキャラクターだけを編集してください。これにより、正しく生成されている他のキャラクターを守ることができます。
よくある質問
Q: どのNano Bananaティアが14枚の参照画像をサポートしていますか？ A: Nano Banana 2 Liteは、最大14枚の参照画像とマルチ画像合成をサポートしており、1画像あたりUSD0.04です。Nano Banana Proは1K/2K/4Kの高品位ライン（USD0.14〜USD0.15）で、納品レベルの最終フレームに適しています。
Q: キャラクターの顔が入れ替わるのを防ぐにはどうすればよいですか？ A: 各キャラクターに安定したラベルと固定の1行の記述子を付け、それぞれのラベルを参照画像に紐付け、すべてのプロンプトでその正確な言葉を再利用してください。名前があり一貫して説明されたキャラクターは、混ざり合う可能性がはるかに低くなります。
Q: 参照を添付するために特別なAPIパラメータが必要ですか？ A: このテクニックは概念的なものです。キャラクターに名前を付け、それぞれを参照にタグ付けし、既存のルックには編集または参照画像モードを使用します。正確なリクエストの形状やフィールド名については、権威ある情報源である atlascloud.ai/docs の画像モデルのドキュメントを参照してください。
Q: アカウントを分けずに両方のティアを1つのプロジェクトで使用できますか？ A: はい。Nano Banana 2 LiteとNano Banana Proの両方が同じAtlas Cloudエンドポイント上にあるため、1つのAPIキーと請求アカウントで、Liteでの反復とProでの仕上げの両方が可能です。
Q: 混雑したシーンで2人のキャラクターが混ざり続ける場合はどうすればよいですか？ A: 1パスあたりの負荷を減らしてください。プロンプトで空間的な配置を明示し、問題のある2人をより明確なグループとして生成するか、シーンを分割して合成してください。
結論
14枚の参照を組み合わせながら5人のキャラクターの一貫性を維持することは、隠し設定を探すことではなく、構造の問題です。参照を役割ごとに分類し、各キャラクターに固定ラベルと再利用可能な記述子を与え、すべてのラベルを参照に紐付け、編集または参照画像モードを活用して既に達成したルックを固定してください。Atlas Cloudでは、Nano Banana 2 Liteが14枚のマルチ画像合成ワークフロー（USD0.04）に適しており、Nano Banana Proが高解像度の仕上がり（USD0.14〜USD0.15）を提供します。どちらもOpenAI互換のキーで利用可能です。Liteで安価に反復し、Proで仕上げを行い、構築前にドキュメントで正確なリクエストの形状を確認してください。
