縦読みのコマ割り見本と、原作からネーム・作画・清書までの半自動パイプラインを並べたOG画像

AIで漫画を作るときにキャラの顔と設定を保つ方法:ネーム工程を分けたパイプライン

Kojiro Tanaka (更新: )

AIで漫画を出すと、顔がコマごとに別人になり、フキダシは画像に焼き付いて消えず、話は1ページで詰みます。連載にすると、3話ほどで設定を忘れます。モデルが足りないから、ではありません。ページを一枚絵として出し、設定がチャットのメモで終わり、記憶が会話履歴のままだからです。

そこで yomi を作りました。読み、兼ねて黄泉。原作の散文を絵に還す変換です。意味を持つ側にナレッジを置き、同じレコードがネームにも絵にも届くようにします。切れ目はネームのあとです。そこから先は人間が WebUI を回します。顔だけ良くしても、コマの因果と設定の台帳は直りません。

きっかけは、好きな漫画家が過労で倒れるのを見ていたことです。海外では AI を使った作品が先に出ています。そのあいだで、縦読みとコマの因果と網点に沿った補助がありません。代替ではなく補助です。道具が無いなら作ります。

oto-nari.com の Comics は縦読みの置き場として枠だけあります。中身はまだ空です。32ページを最初から手で描く予定はありません。1枚絵を漫画と呼ぶのも違います。

1ページ生成では、漫画にならない

最初にやったのは、ページを丸ごと出してみることでした。プロンプトに「漫画の1ページ、コマ割り、縦読み」と書けば、画像は出ます。ただしコマは3つに潰れ、同じ顔が隣の枠に漏れ、セリフは画像の一部になって取れません。ページを一枚絵として扱った時点で、漫画の作業単位を外しています。

漫画の作業単位はページではなくコマです。コマの単位は「この0.1秒」で、シーンの要約ではありません。手を伸ばしている途中、視線の宛先、体重の向き。立ち姿の説明だけを書いたコマは、瞬間を選べていません。

パイプラインは作業の順に切りました。切れ目はネームのあとです。

【AI】
設定(characters / locations / facts …)
  → 原作(story/第N話.md)
  → ネーム(name/第N話.json)
【人間 + WebUI】
  → 絵入れ: H3 が候補を出す(動画の全フレームが履歴)→ ベストを選んで確定
  → 仕上げ: 選んだ1枚に Anima i2i で作品の質感を乗せる
  → オーサライズ(フキダシの清書)
  → 確認(縦スク / 見開き)→ PNG書き出し

切れ目は作業の分担で、本体はナレッジです。設定は JSON です。キャラも場所も用語も関係も、facts も入ります。エージェントが意味を理解してメンテし、ネームを書き、同じレコードが WebUI の作画まで届きます。絵入れから先は人間が yomi を回します。ComfyUI のノードは触りません。触らなくていいように組んであります。人間がやるのは、候補を見て、選んで、仕上げて、フキダシを置くことです。ここを全部チャットにすると、あとで戻せない生成が溜まります。チャット履歴は会話の履歴であって、制作の履歴ではありません。賢さより、検証がすぐそこにあることです。

作品はデータ。エンジンは器

ブラウザは React です。開発サーバを Express が抱えます。GPU は別マシンで、ブラウザから ComfyUI には直接届きません。

yomi は作品の中身を知りません。テトリスを知らないゲームエンジンと同じで、境界実習が何の話か、何人出てくるかは、エンジンの問題ではありません。作品データは全部 content/<作品ID>/ に置きます。

content/<作品ID>/
  work.json          メタとハーネス(月刊1話ぶん)
  story/第N話.md     原作の散文
  name/第N話.json    コマ割りネーム
  settings/          キャラ・場所・用語・関係
  facts/             話ごとに確定した事実(追記専用)
  assets/            立ち絵と美術資料の参照画像

作品の追加はサイドバーの「+新規作品」です。ディレクトリが切られ、空のレジストリと work.json が入ります。切り替えはセレクタです。API は全部 /api/works/<作品ID>/ にスコープされます。エンジン側に『境界実習』専用コードを焼くと、次の作品でエンジンを書き換えることになります。それはエンジンではなく、その作品用のツールです。

最初の作品が『境界実習』です。カクヨム向けの原作を、月刊1話ぶんのネームに落とします。ネームに落とした1話目は32ページ、112コマです。本編は4話まで書いてあります。生成画像は git 管理外です。候補フレームを残すと、すぐディスクが膨らみます。

ネームの1コマは、だいたいこんな形です。

{
  "id": "1-1",
  "subject": "カーテンの隙間から差す朝の光",
  "promptEn": "sunbeam through curtain gap, floating dust motes, quiet morning",
  "cast": [],
  "direction": "読者を日常に置く。次コマの異変の対照"
}

subject は人間用の設計意図です。promptEn が生成に渡る本体です。direction に「前のコマの何に応えているか」を一言で書きます。小説の文をコマに振り分けただけではネームになりません。フックと応答が切れると、読者は何を見ていいか分かりません。ここは何度か切れ、切ったあとでルールになりました。

中間表現には、手が届かない

関心の中心は絵そのものではなく、ネームを LLM に考えさせるときに、ページの因果を推論する途中で中間表現が生まれることです。フックは何か、応答は何か、次のコマは何に応えるか。その経路の途中に、意味の塊ができます。

モデル内部の計算経路を読む研究を、メカニスティック解釈可能性と言います。2026年、MIT Technology Review のブレイクスルー技術に入りました。特徴と経路を地図にする話です。因果介入までいくと、中間の発火をいじって出力を変えられます。

クラウドの LLM では、それができません。重みも活性化も向こう側で、触れるのはプロンプトだけです。だから、推論結果に直接寄与する中間表現に対して効くプロンプトを書きます。direction がそれです。前のコマの何に応えているかを外に出させます。出させないと、因果の中間表現は内部で溶け、次のコマが別の話になります。「いい感じにコマ割りして」は、効く場所を決めない指示です。

第1話が、全部のルールになった

運用ガイドラインの条文は、ほとんど第1話の事故の記録です。仕様を先に書いて実装したのではありません。作って、壊して、壊れた理由を条文にしました。

gender を設定していないモブを相手に「腕を引いて盾にする」と書いたら、男子が描かれず、動作ごと消えました。1コマにフキダシを4個束ねたら、会話のキャッチボールが等間隔の朗読になり、絵本化しました。同じ高さの2分割を3行重ねたら、均等格子で間が死にました。斜め枠を意味なく使うと、読者は「なぜ斜めか」としか聞きません。白抜きの呼吸コマをシーンの途中に置くと、転換の効力を失います。

これらはあとで機械検査に落としました。いま lint が拾うのは構造とスキーマです。衝突、紙面外、未登録の form、フキダシ過積載、呼吸コマの締め不一致、無信号の場所転換、参照画像が1枚も解決しない、あたりです。物語の進行(変身が戻っていないか、クールダウンの向き)は機械判定が誤るので見ません。回想と未来視がある作品で時系列を機械に読ませると、嘘を吐きます。検証していないものを検証済みとは呼びません。

原作の文は周辺の段落が支えて自立しています。フキダシは1コマで完結する朗読単位なので、前提を刈ると残った文が立ちません。キレている文ほど周辺依存が強く、真っ先に死にます。間引いてよく、間引いたら dialogue[].src に原文を全文残します。npm run coverage は src を収録判定に使います。原作のほうをネームに合わせて変形させません。主従は原作が上です。ここをサボると、あとで「この台詞はどこへ行った」が原作側の事故になります。

静止画なのに、動画モデル

絵入れの既定エンジンは MiniMax H3 の参照動画生成です。ここで決めるのは「何を描くか」です。構図、演技、身元。参照画像を食わせて短い動画を出し、全フレームを履歴候補にしてベストを選びます。静止画モデルの一発生成ではありません。

身元は参照で決めます。立ち絵、form、小物の設定画、場所の美術資料。足りない枠は投入時に削ります。1枚でも、枠が余っているテンプレがそのまま使えます。参照は足すほど効くわけではありません。身元が濁るので、要る分だけにします。

動画モデルを静止画に使う理由は、演技が候補として並ぶからです。到達の途中、髪の慣性、体重移動、表情の途中。全フレームが履歴になります。そのうち1枚が、立ち絵のままではないコマになっていることがあります。一発生成だと立ち絵のまま終わります。候補を残して選びます。ここが半自動の「半」の本体です。全自動にするならベストフレームも機械に選ばせることになります。まだやっていません。目で見たほうが速いからです。

ドメインの錨もここで打ちます。モノクロ、アニメ様式。線の質感は、まだ触りません。触る段が違います。

GPU は RTX 3080 20GB です。モデルが大きいので、全部同時には載りません。量子化して、必要なときだけ載せます。足りなくなったら精度を落とすか、小さく出します。ComfyUI は別マシンで常駐します。生成のゴミは GPU 側に残さず、正本は yomi が回収します。

日本語が、絵に書かれた

H3 に日本語の本文をそのまま載せると、プロンプトが画像の中の文字やフキダシとして描画されることがあります。序盤のコマで連続しました。鏡のコマに説明文が浮かびます。演出ではなく、事故でした。

対策は単純で、英語の足場に固定しました。日本語の設計メモは本文に載せません。再発しなくなりました。

キャラ一貫性の本命は、グレースケール専用のキャラ LoRA です。まだありません。参照画像ファーストで先に回し、LoRA は後から足します。資料が足りないコマは、タグ盛りで誤魔化しません。先に立ち絵か美術資料を足します。足した過程は assets/<種>/prompts.md に残ります。アプリの資料タブから生成して「採用」すると、テンプレートとシードとプロンプト全文が自動で追記されます。ログを残さない生成は再現できません。再現できない生成は、連載の素材になりません。

何を描くか、どう描くか

パイプライン上の位置が違います。H3 は候補生成です。動画の全フレームが履歴になって、ベストを選びます。i2i は確定後の仕上げです。選ばれた1枚に、作品単位の質感を乗せます。beret mix Anima Manga が、そこの線と網点です。

H3(MiniMax・動画R2V)              i2i(Animaスタイリング)
「何を描くか」の決定                 「どう描くか」の仕上げ
構図(カメラ・人物配置)              線質(ペン入れの質感)
演技(動作の進行・表情の候補)        トーン(網点・濃度配分)
身元(立ち絵・form・小物・美術資料)  全コマ共通の固定運用
ドメイン錨(モノクロ・アニメ様式)    モノクロ保証(保存時の機械処理)

H3 が決めて、Anima が整えます。かけ方をコマごとに変えると質感が揺れるので、仕上げは全コマ同じにします。1話を通して隣のコマと紙が別物になると、読んだ瞬間に分かります。

Anima は DiT で、IPAdapter を注入できません。身元を i2i にやらせると、別人になります。だから身元は H3 の参照で先に決めます。物と記号だけ Anima 直、は例外です。例外は例外として書いてあります。書いていない例外は、ただの事故です。

仕上げの結果も履歴に並びます。元フレームと見比べて、確定し直せます。残さないと、線を揃えたつもりが顔を壊しているのに気づけません。モノクロは、モデルにお願いして終わりではありません。保存のときに機械で落とします。お願いだけだと、たまに色が漏れます。

確定画像はコマの中で拡大して、位置を動かせます。最初は余白の計算を間違えて、拡大しないと掴めませんでした。実寸から出すように直しました。

lint がテストランナー

yomi にも検証の口を先に据えました。画面を開かなくても回ります。型、割付、フキダシ、原作との対応、ナレッジの整合。コマンド一発です。問題のあるページには印が付き、クリックで該当コマへ飛びます。

ネームの保存は、別タブや CLI と食い違ったら黙って上書きしません。外から直した変更は、開いている画面へすぐ流れます。制作の履歴を会話の履歴と取り違えない、の実装側です。

ネームはエージェントが書きます。この口がテストになります。通らない割付はマージしません。機械が拾えるのは構造までです。読みの因果は、通読しないと分かりません。

設定は、絵まで届かないと設定ではない

重要なのはパイプラインの切れ目だけではありません。AI が意味を理解し、長期連載に耐えるナレッジベースを持ち、それが WebUI と一本で繋がっていることです。設定をテキストで書いて終わり、ではありません。同じレコードがイラスト生成まで届きます。エージェントが構造を自分でメンテし、ネームを書くときに破綻しないシナリオを出します。そこまでやって、初めて設定があります。チャットにキャラメモを貼って覚えさせるのは、設定ではありません。

一条の素性は characters.json に一本化してあります。bio、danbooru タグ、立ち絵の参照、全部同じレコードです。場所も同じです。エージェントが原作を書くとき、resolve で関与エンティティだけを取ります。ネームを書くとき、cast にその ID を置きます。WebUI が絵入れするとき、同じ ID からタグと参照画像を解決して H3 に渡します。資料タブで立ち絵を「採用」したら、その ref が次のコマから効きます。テキスト用の設定と生成用の設定を、二度書きません。二度書くと、必ずずれます。

メンテもエージェントの仕事です。話が終わったら、確定した事実を facts に append します。上書きと削除のコマンドはありません。破壊は人間承認です。新しい存在は entity fact で生まれ、絵に使う tags と ref が要るようになったら promote で characters.json へ昇格します。digest は派生物です。手で名前空間を増やしません。話数が増えても、今の状態は facts の末尾から決まります。誰が何を知っているかも、変身がどこまで進んでいるかも、チャットの記憶ではなく台帳です。

だからネームが破綻しにくいです。前話で死んだ設定を、今話のコマに出せません。出そうとすると ID がありません。ID が無いものは絵にも届きません。届かないものを promptEn のタグ盛りで補わない、がルールです。資料を足してから描きます。

入れる量だけは削ります。全文をコンテキストに積むと、執筆より資料の読み込みが先に死にます。設定はいくら膨らんでもよいです。膨らんでよいのはディスクで、コンテキストではありません。

執筆前  今の話に出てくるものだけ取る
  → 本文
  → 執筆後  確定した事実を追記
  → 整合チェック
  → 概要を作り直す(膨らみすぎたら、糸が多すぎる)

資料は厚く、注入は薄くします。設定を貧しくしてコンテキストを守るのは、本末転倒です。

「半」がどこか

全自動ではありません。半自動です。切れ目はネームのあとです。隠しません。

AI の領分は、ナレッジをメンテして、原作とネームを書くことです。人間の領分は、そこから先の出力です。yomi の WebUI はそのナレッジを食って絵を出します。プロンプトも参照も、さっきの ID から組みます。チャットに貼ったメモは、H3 に届きません。届くのは ID と ref です。ComfyUI を直接いじる作業でも、ノードグラフを組む作業でもありません。

フキダシは短くします。1コマに詰め込みすぎません。3個目が必要なら、返しの顔のコマを挟んで割ります。清書ではドラッグで位置を動かし、枠だけ拡げて、改行も手で直せます。書体はキャラ別です。擬音も別パラメータです。ここを生成画像に焼き込むと、直せなくなります。焼き込んでからフキダシの位置を変えるのは、もう一回生成する話になります。

確認ビューは縦スクと見開きを切り替えます。見開きは右綴じで、1・3・5…ページ目が右です。画面の左半分が次、右半分が戻る。本と同じです。書き出しはここからのみで、見た目は清書レンダリングのまま PNG になります。プレビューと書き出しが別物だと、確認したつもりで裏切られます。

サイトには、まだ置いていない

Comics の枠は作りました。縦読みで置きたい、とも書きました。現状、oto-nari.com の Comics は「まだ漫画がありません」です。いまネームがあるのは1話目だけで、32ページあります。絵は大半まで載っています。本編は第4話まで書いてあります。絵入れの途中で、公開の手前で止まっています。

止まっている理由は、パイプラインの完成が先に来たからです。漫画はネームから絵まで yomi の中で育っていて、サイトに置くのは最後の書き出し1本です。半自動の「半」は確認のことです。パイプラインは一本通っていて、コマは確定済みで、書き出しは確認ビューのボタン1個です。あとは1話ぶんを見ながら判断するだけです。その判断はまだ終わっていません。目で通す前の「できている」は言いません。

作品の中身、境界実習が何を視て何に作り変えられるか、は別で書きます。こちらは、顔と設定が保たれない原因を、ネームと台帳の側から組み直した話です。公開が追いついていないのは、そのとおりです。

シェア

関連記事

定番の記事

新着記事