【ComfyUI】MinimaxH3アニメ用キャラクターシートの作り方！三面図プロンプト解説

🗓️ 公開日: 2026年9月21日　 🔄 最終更新日: 2026年9月21日

今回は、Minimax H3のREF2VAモードでAIアニメ動画を作る際における「キャラクターシートの作り方と運用術」を解説していきます。

巷では「Minimax H3にキャラクターシートは意味がない」と言われることもありますが、それは適切なプロンプト指示や設計ができていないケースがほとんどで、実際には極めて効果的です（ただし作り方・使い方にコツがあります。※後述します）。
なので、REF2VAモードでアニメ動画を作るのであればキャラクターシートは必須だと言っても過言ではありません。

適切なプロンプト指示がイマイチよく分からないという方は、僕が作成した自動プロンプト作成ノード【H3PromptDirector】を是非使ってみいただけたらと思います。

キャラクターシート（設定資料）とは？

一般的にキャラクターシート（設定資料集 / Model Sheet）といえば、以下のような「キャラクターの正面・横・後ろ姿・表情・衣装構造を1枚にまとめた設計図」を指します。

商業アニメの現場でも、複数のアニメーターが作画した際に絵柄やパーツのズレを起こさないための「共通ルール（マスターデータ）」として使われています。

AIアニメ・動画制作でキャラクターシートが「必須」な理由

1枚の静止画を出力するだけであれば、プロンプトを整えればそれらしいイラストは作れます。しかし、「AIでアニメーション（動画）を作る」「複数カットで同一人物を動かす」となると、途端に大きな壁にぶつかります。

• アングルを変えると服の装飾やボタンの数が変わる
• イラストに描かれていない部分を生成する為、安定した出力が行えない
• 手足のメカパーツ（義手など）や傷の位置が左右逆になったり消えたりする
• 走る・振り返るなどの動作で顔立ちや年齢感が別人になる

Minimax H3などの動画生成モデルやComfyUIによるアニメーション生成において、キャラクターシートはAIに対する「このキャラの標準構造はこれだ」という絶対的な参照データ（リファレンス）の役割を果たします。

キャラクターシートに含まれる主な要素

要素	役割	AI生成でのメリット
三面図（Turnaround）	正面（Front）・側面（Side）・背面（Back）の全身立ち絵	360度の形状をAIに覚えさせ、カメラワークによる破綻を防ぐ
衣装・小物の詳細構造	装備品、襟の開き方、ベルト、特殊な義手や傷跡などのアップ	アニメーション中に小物が消滅・変形するのを防ぐ
表情集（Expressions）	喜怒哀楽・真剣・戦闘時の表情バリエーション	シーンごとの感情表現でも「同じ顔のまま」演技させられる

「声の固定」と「見た目の固定」が揃って初めてキャラクターが生まれる

以前解説したIrodoriTTSによる音声の固定（声質リファレンス）と同様に、見た目の固定には画像のリファレンス（キャラクターシート）が欠かせません。

両方の設計図が揃うことで、AIがどれだけ激しく動いたり喋ったりしてもキャラクターの同一性が崩れなくなり、商業アニメのような一貫したクオリティを維持できるようになります。

IrodoriTTSの解説は以下の記事で解説しています。

次項からは、ComfyUIを使ってブレないキャラクターシートを生成する具体的なプロンプト構造とワークフローを解説していきます。

キャラクターシートの作り方

それでは実際にキャラクターシートを作っていきます。

キャラクターシートを作るにはまず三面図（または四面図）と表情差分のイラストを用意する必要があります。
まずは三面図の作り方について解説していきます。

三面図の作り方

キャラクターの全身のプロンプトを用意します。

今回はサンプルとしてこちらのキャラクターのプロンプトを用意しました。

# --- ベース / 品質 ---
__quality__, anime style, cel-shaded, crisp outlines, clean white background, simple background, character reference, studio lighting, sharp focus, vibrant colors, detailed clothing folds, 

# --- 主題 / ポーズ ---
1girl, solo, cute young girl, full body, whole body shot, standing pose, looking at viewer, slight smile, 

# --- 顔 / 髪 ---
amber eyes, large expressive eyes, teal hair, purple gradient hair ends, two-tone hair, side ponytail on one side, messy bangs, brass star hair clip, 

# --- 上半身 ---
steampunk academy uniform, fantasy scholar, navy blue hooded short capelet, brass buttons, off-shoulder white blouse with puffy sleeves, brown leather underbust corset, large brass buckle, 

# --- 下半身 ---
layered pleated skirt, navy and brown, leather utility belt with small pouches, brass compass hanging from belt, 

# --- 脚/ 足 ---
asymmetric legwear, mismatched socks, black thigh-high sock on one leg, striped knee-high sock on other leg, brown lace-up leather ankle boots

※__quality__はimpactpackのImpactWildcardEncodeで使える品質タグやLoRAのトリガーワードを一つにまとめたショートコードです。
※# —●●—のコメントアウト記述はComfyUI標準ノードのCLIP Text Encodeでは一つのトークンとして認識されてしまいます。

一発で三面図を生成する方法

 # --- ベース/ 品質 ---
__quality__, anime style, cel-shaded, crisp outlines, clean white background, simple background, character reference, studio lighting, sharp focus, vibrant colors, detailed clothing folds, 
character sheet, model sheet, three views turnaround, 3 views, full body, standing pose, neutral pose, t-pose, a-pose, front view, side view, back view,

# --- 主題 / ポーズ ---
1girl, solo, cute young girl, full body, whole body shot, standing pose, looking at viewer, slight smile, 

# --- 顔 / 髪 ---
amber eyes, large expressive eyes, teal hair, purple gradient hair ends, two-tone hair, asymmetric twin tails, side ponytail on one side, messy bangs, brass star hair clip, 

# --- 上半身 ---
steampunk academy uniform, fantasy scholar, navy blue hooded short capelet, brass buttons, off-shoulder white blouse with puffy sleeves, brown leather underbust corset, large brass buckle, 

# --- 下半身 ---
layered pleated skirt, navy and brown, leather utility belt with small pouches, brass compass hanging from belt, 

# --- 脚/ 足 ---
asymmetric legwear, mismatched socks, black thigh-high sock on one leg, striped knee-high sock on other leg, brown lace-up leather ankle boots

キャラクタープロンプトに上記の太字のプロンプトを挿入する事により、三面図が簡単に作れます。

アングル1枚1枚作っても良いですが、全体の整合性が取りやすい一発生成で三面図を作る事をオススメします。

今回はアスペクト比4：5で生成しました。
多くの動画の生成アスペクト比である16：9で作ると楽なんですが、16：9で全身絵を出力すると、キャラクターの等身が短くなったり、クオリティが劣化する事が多々ある為、三面図を作る際は5：4で作ると良いと思います。

表情差分を作る方法

 # --- ベース / 品質 ---
__quality__, anime style, cel-shaded, crisp outlines, clean white background, simple background, studio lighting, sharp focus, vibrant colors, 

# --- 構図 / シート設定 ---
character sheet, facial expression sheet, expression sheet, expressions compilation, 6 expressions, 3x3 grid, multiple views, headshot compilation, bust shot, looking at viewer, 

# --- キャラクター特徴（顔・髪） ---
cute young girl, amber eyes, large expressive eyes, 
teal hair, purple gradient hair ends, two-tone hair, asymmetric twin tails, side ponytail on one side, messy bangs, brass star hair clip, 

# --- 首元・衣装（最小限の統一） ---
navy blue hooded short capelet, brass collar button, off-shoulder white blouse collarbone, 

# --- 6種類の表情指定 ---
variation of expressions, different expressions:
neutral slight smile, 
happy laughing mouth open, 
surprised wide eyes open mouth, 
smug confident smirk, 
pouting cheeks puffed, 
embarrassed blushing cheeks looking away, 

今回は同時に6種類の表情を生成しました。
表情のプロンプトはすべてが完璧に反映されないことも多いため、出したい数より少し多め（10個程度）に指定しておくのも有効です。
今回も5：4で生成しましたが、10個設定していても６～９つまでの表情までしか出力されないはずです。

ここが重要：AI動画における「真のキャラクターシート」とは？

ここで、実際に制作を進める上で極めて重要なポイントをお話しします。

世間一般のキャラクターシートというと、「三面図＋表情集＋小物のアップ」をすべて1枚の巨大なキャンバスにまとめた豪華なシートを思い浮かべる方が多いはずです。設定資料集としての見栄えは抜群ですし、全体像を一望できる良さもあります。

しかし、AIアニメーションや動画生成（特にMiniMax H3のREF2VAなど）の実制作においては、1枚にすべてを詰め込むスタイルはデメリットの方が大きくなります。

最大の原因は「ピクセル解像度の不足」です。

例えば 1536×1024 や 2048×1024 といった限られた解像度の中に「全身三面図」「表情6種」「小物アップ」を詰め込むと、全体が縮小され、瞳のハイライトやボタン、装飾1つあたりのピクセル数が極端に削られてしまいます。

これを動画生成AIにリファレンスとして読み込ませると、AIは「縮小されてぼやけた顔やパーツ」を参照することになり、ディテール不足から輪郭や顔立ちが崩れるメルト現象（映像が溶けて崩れてしまう現象）を引き起こす原因になります。

もちろん1枚絵のキャラクターシートが無駄というわけではありません。しかし、破綻のない映像を作る上での大事なのはは、「用途ごとに分けた3つのリファレンス画像を個別に用意して連携させること」です。

1. 三面図（全身のプロポーション・衣装構造）
2. 表情差分（高解像度な顔・感情表現）
3. キーアイテム（装飾品や武器の単体アップ）

それぞれを独立した画像として高解像度で生成・保持しておくことで、AIに余計なノイズを渡さず、必要な情報だけを鮮明に参照させることができます。

この役割を分担させた「3種類のリファレンス画像群」を揃えて、僕は「キャラクターシート」と呼んでいます。

1枚に無理やり詰め込むのではなく、目的別にアセットを分けて運用する。このアプローチこそが、AIアニメ制作においてキャラクターの一貫性を高める一番の近道です。

※どうしても1枚のシートとして手元に残したい場合は、個別に高解像度で書き出した画像をPhotoshopなどの画像編集ソフトで並べるか、ChatGPT・Gemini等にレイアウト指示を出してコラージュ画像を作るのがおすすめです。

今回の三面図と表情差分を使ったサンプル動画

せっかくなので、今回作ったキャラクターを使ってMinimaxH3でアニメ動画を生成してみました。
動画生成には自作ノード「H3PromptDirector」と自作ワークフロー「MinimaxH3_workflow_V2.2」を使っています。

 subject_definitions:
[Subject 1: Rilul]
A cute young anime girl with large expressive amber eyes. Her hair is teal with purple gradient hair ends, styled in an asymmetric side ponytail on one side with messy bangs, fastened with a brass star hair clip. She wears a steampunk academy scholar uniform consisting of a navy blue hooded short capelet with brass buttons, an off-shoulder white blouse with puffy sleeves, and a brown leather lace-up underbust corset with a large brass buckle. She has a navy blue and brown layered pleated skirt, a leather utility belt equipped with small pouches, and a brass compass hanging from the belt. Her legwear is mismatched and asymmetric, featuring a black thigh-high sock on one leg and a striped knee-high sock on the other leg, paired with brown lace-up leather ankle boots.
Reference sheets for Rilul include <Picture 0>, <Picture 1>, and <Picture 2>.

[Subject 2: Rilul's voice reference]
(Audio 1) is the vocal reference for Rilul.

summary:
Rilul in a astronomy classroom, confidently spinning around to show her outfit and back hood. She approaches the camera with an assertive smile, introducing herself. However, after her watch suddenly rings loudly, she panics and runs off-screen.
retention_analysis:
Strictly 2D flat cel-shaded anime style. No 3D CGI rendering. Maintain positions: Rilul spinning around to show outfit and back hood, then approaching the camera with an assertive smile.

detailed_description:
[Shot 1 | 0:00.0-0:03.0]
In a background of clock tower and astronomy classroom.
Fixed camera.
Spinning gracefully in one turn (turn).
Cloak and pleated skirt flaring outward, showing her back view with hood and waist pocket watch beautifully.
Facing the front to stand straight with a confident pose.
S1: <d>[Japanese] 星術学年首席！ </d>

[Shot 2 | ]
Camera zooms in on Rilul’s face.
Proudly expanding chest with full of confidence, winking at the camera while touching her star brooch.
Making eye contact and confidently declaring herself as an astronomy student.
S1: <d>[Japanese] 天文学科のリリムだよ！ どんな難問だって、この私が—— </d>

[Shot 3 | ]
A comical focus line effect on the screen.
Her waist pocket watch rings loudly, “Jiriririri!” causing her to freeze with a surprised face turning into panic.
S1: <d>[Japanese] ……えっ？ </d>

[Shot 4 | ]
A shaky pull-out shot.
Turning blue in embarrassment for being late despite being the top student, frantically running off-screen while flapping her cloak.
S1: <d>[Japanese] うわぁぁ次の講義始まっちゃうー！！ </d>

overall_soundscape:
Ambient noise of the astronomy classroom and Rilul’s watch.
non_diegetic_music:
N/A

さいごに

今回はアニメ用キャラクターシートの作り方や三面図・表情差分の作り方について紹介しました。

キャラクターの同一性を維持したAIアニメーション制作は、一見ハードルが高そうに見えますが、「用途ごとに分けたリファレンス画像（三面図・表情差分・キーアイテム）を用意する」こと、そして「モデルの特性に合わせた適切なプロンプト指示を行う」ことさえ押さえれば、今回紹介した動画のように驚くほど安定してキャラクターを動かすことができます。

1枚のシートにすべてを詰め込んでメルト現象に悩まされていた方は、ぜひ今回のアセット分割運用を試してみてください。

プロンプトの組み立てやタイムライン設計が難しく感じる場合は、今回使用した自作ノード【H3PromptDirector】もあわせて活用していただければ幸いです。