
小説からMuseが見せ場を選び、挿絵をNovelAIで自動生成される仕組み
Muse×NovelAIの配布キット ―見せ場の選び方と、キャラクターがブレない作り方―
前回までの記事では、小説の設定管理から漫画化まで、そしてキャラチャットとその派生について紹介してきました。今回は、もう少し地味で、けれど実務ではいちばん効いてくる機能の話です。小説の本文から、挿絵を作る機能についてです。
「本文を渡せば、AIが適当にいい場面を選んで絵にしてくれる」――ではありません。このリポジトリでは、挿絵作りを3つの工程に分けて設計しています。
登録された小説を読み解くこと、それを絵の設計図として言語化すること、そしてNovelAI Diffusion V5でビジュアル化すること。今日は、その中身――見せ場の判断の仕方と、同じキャラクターを何枚描いてもブレさせないための内部的なコツ――を、できるだけ具体的に紹介します。
※題材には成人向け作品も含まれますが、本記事では仕組みだけを紹介します。作中の文章や画像は載せていません。
下記はMuse×NovelAIによるオート挿絵生成を使って挿絵を入れた小説のサンプルです(pixivにて掲載中)。
文章も自作文章or過去のGrok文章をMuseで改稿、調整しています。
※配布キットは本記事の添付、または下記リンクからどうぞ。
※2026/11/07更新
これまでの記事はこちら:
第1回(全体像と導入)
第2回(キャラチャット)
挿絵は「本文の要約」ではない
まず前提です。この仕組みで作る挿絵は、原則として「セリフ付きの1枚絵」です。コマ割りはしません。1枚の絵は、物語の流れの中の「1つの時点」だけを描きます。
ここで大事なのは、守るべきは原文の文章そのものではなく、「その瞬間に読者へ渡す効果」だという考え方です。原文と一字一句同じであることよりも、その1枚が単体で読めること、人物同士の関係と力関係が伝わること、決め台詞が生きていること。この3つが崩れなければ、発話の長さや相手の切り取り方は変えてよい、という設計にしています。
見せ場の判断:凍結点という考え方
候補は「絵になる瞬間」+「支える一言」
見せ場の候補は、文章の構造だけを抜き出して探します。誰が、どこで、何をしていて、決め台詞はどこで、服装や場所はどう確定しているか。そのうえで候補になるのは、次の2つが揃った箇所だけです。
絵になる瞬間であること(動作や表情に「動き」がある)
その瞬間を一言で支える発話があること
雰囲気だけが漂う地の文は、それ単体では候補にしません。表情や、手の位置や、二人の距離へ置き換えられるときだけ、候補として残します。
文章を「振り分ける」
候補の前後にある文章は、要素ごとに振り分けます。視覚化できるもの、動作、表情、小道具、発話、内心、効果音、そして「今回は使わない」と判断して送るもの。1枚に載せる発話は1〜2だけに絞り、地の文を無理に台詞へ変換することはしません。長い独白も、最も強い1文だけを残して、残りは送ります。
同じ体勢のまま会話だけが続く場面は、1枚に圧縮します。逆に、体勢や関係が変わる転換は、そこで枚を分けます。「原作○○字だから挿絵○枚」という換算はしません。枚数は、転換の数で決まります。
「途中」を凍結する
選んだ瞬間は、静止した記念写真にはしません。手や髪や衣服の動きが「途中」で止まっていること。着地し切ったポーズは失敗とみなします。1枚はあくまで1時点なので、構えたところと結果を同じ絵に混ぜることもありません。
差分を作るときも同じ考え方で、構図の軸は維持したまま、表情と動きの方を変えます。「同じ絵に要素を足しただけ」の差分は作りません。
ブリーフという「中間の言語」
こうして選んだ見せ場は、いきなり画像生成には回さず、まず日本語の設計図(作画ブリーフ)に落とします。欄は決まっていて、凍結する時点、配置、フキダシのための余白、動き、表情、その時点で見える「読める事実」、残す発話(誰が、誰に、何をさせるために言うか)。さらに各枚には、絶対に外してはいけないと、作画側に任せてよいを分けて書きます。
このブリーフを保存した時点で一度止まり、作者の確認を待ちます。絵の設計を日本語で読める形にしておくことで、「思っていた場面と違う」が生成前に直せる。これがこの工程のいちばんの利点です。
キャラクターの再現性を担保するコツ
挿絵を1枚だけ描くなら、再現性はあまり問題になりません。問題になるのは、何十枚、何百枚と描くときです。同じ人物が、枚ごとに別人になっていく。ここにはいくつか、泥臭いけれど効くコツがあります。
作品ごとに「外見固定」のファイルを持つ
作品ごとに、キャストの固定情報を1つのファイルにまとめます。人物ごとに、既成キャラクターのタグで固定するのか、外見の記述(髪、目、体型、識別点)で固定するのか。画風(artistタグ)のセット。衣装のルール。このファイルが、その作品のすべての挿絵と漫画の正本になります。プロンプトを作るたびに、このファイルから転記する決まりです。
Characterカードには、毎回フルの外見を書く
NovelAI V5へのプロンプトは、全体の情報を持つ「Base」と、人物ごとの「Characterカード」に分かれます。ここでの鉄則は、カードに書く外見は省略しないこと。前のページで書いたから、は通用しません。1枚ごとに、髪、目、体型、今の服装を色まで含めてフルで書きます。
とくに衣装は事故が起きやすいところです。既成キャラクターのタグを使う場合、タグ側の「元の衣装」が画面に漏れてくることがあります。対策はシンプルで、衣装を未指定のカードを作らないこと。その場面の服装や状態を必ず明記し、競合する要素はカードの中で打ち消します。「キャラは固定、服は本文どおり」を徹底するだけで、絵の統一感は大きく変わります。
位置は言葉ではなく、ピンで決める
人物の立ち位置は、文章の指示ではなく、キャンバス上の番号付きピン(百分率の座標)で記録します。同じ場面では左右や上下の軸を固定し、位置が変わるときは距離が分かる絵を挟む。言葉の解釈に任せないことで、連作でも画面の約束事が崩れません。
なお、挿絵は既定が縦長(832×1216)ですが、人物が左右に並ぶ構図や、空間の広がり自体が情報になる場面では、横長(1216×832)を選ぶこともあります。総ピクセル数は同じなので、生成コストは変わりません。漫画ページは常に縦長です。
セリフは、置き場所が決まっている
日本語のセリフは、プロンプト全体の中で「話者のCharacterカードの末尾」だけに置きます。それ以外はすべて英語タグです。生成前にドライランで、セリフの配置やピンの取得元、契約違反がないかを機械的に検査します。生成は公式API経由で、トークンは安全な入力画面から登録する方式なので、配布物に混ざる心配もありません。
リポジトリの設計:読解→言語化→ビジュアル化
ここまでの話を支えているのが、リポジトリ全体の設計です。役割は、スキル単位ではっきり分かれています。
読解:登録された小説本文、キャラクターシート、文体サンプル、世界観と現在状態の台帳を読む。挿絵の情報源には優先順位があり、作者の指定、キャラクターシート、小説本文、添付画像の順に正とします
言語化:見せ場を選び、作画ブリーフとして日本語で書き出す(スキル名でいうと novel_to_dialogue_illust)。漫画ページにしたい場合は、姉妹の仕組みでページ脚本にします
ビジュアル化:ブリーフをNovelAI V5のプロンプトへ変換し、ドライランを通してから公式APIで生成する(nai_v5_prompt_designer)
工程を分ける意味は3つあります。第一に、AIの推測が入り込む場所が見えること。ブリーフの段階なら、間違いは文章の修正で済みます。第二に、確認のタイミングが設計に組み込まれていること。ブリーフでも、プロンプトでも、保存したら一度止まって承認を待ちます。第三に、固定情報やテンプレートが資産として残ること。外見固定も、よく使うシチュエーションのテンプレートも、作品を重ねるほど育っていきます。
実際、この仕組みで既存作品の挿絵を100点規模で差し替えたこともありますし、9話分の挿絵を全面リニューアルしたこともあります。枚数が増えても人物がブレなかったのは、才能や運ではなく、この「固定をファイルに持ち、毎回転記する」という地味な設計のおかげです。
Museだから回る、という話
この設計は、Museのような「ファイルを持ち、長い資料を読み、手順をスキルとして保持し、スクリプトとAPIまで実行できる」環境でこそ回ります。長い小説と台帳を読解し、日本語のブリーフで確認を取り、英語タグのプロンプトへ変換して、その場で生成し、チャット上でそのまま出来栄えを確認する。ブラウザでもスマホアプリでも同じです。作る場所と読む場所が同じ、という前回の話は、挿絵作りでもそのまま当てはまります。
挿絵は、小説の飾りではありません。
見せ場の選び方ひとつで、読者に渡る効果は変わります。その判断の部分を「なんとなく」ではなく設計として言語化しておくこと。
それがこのリポジトリの、漫画化やキャラチャットよりもっと根っこの部分にある考え方です。