はじめに

ユーザーが古い写真を着色する際、通常、顔は画像の中で最も重要な部分です。衣類や壁、空、背景などは多少の色の間違いを許容できますが、あまりにもオレンジ色すぎたり、滑らかすぎたり、現代的すぎたり、人工的すぎたりする顔は、画像全体をすぐに偽物っぽく見せてしまいます。

優れたAI画像着色プロンプトは、単に「この写真をカラー化して」と言うだけでは不十分です。AI写真カラー化ツールに対して、元の顔、身元、肌の質感、影、年齢のディテール、そしてヴィンテージの雰囲気を維持するように指示する必要があります。これは、家族、祖父母、ポートレート、結婚写真、学校写真、あるいは歴史上の人物の白黒写真を着色する際に特に重要です。

プロンプトがシンプルすぎると、仕上がりはプラスチックのような肌、間違った目の色、明るすぎる唇、現代的なメイク、あるいは元の人物に似ていない顔になってしまう可能性があります。プロンプトが明確であれば、古い写真のカラー化はより自然で、敬意が感じられ、信頼できるものになります。

基本的な顔着色プロンプトの構成

顔に焦点を当てた強力なプロンプトには、次の6つの部分を含める必要があります。

身元（Identity）: 元の顔と顔立ちの構造を変更せずに維持する
肌のトーン（Skin tone）: 自然でリアルな、時代に適した肌の色を使用する
質感（Texture）: 毛穴、シワ、そばかす、フィルム粒子、年齢のディテールを維持する
顔の特徴（Facial features）: 目、唇、眉、鼻、表情を正確に保つ
光（Lighting）: 元の光の方向と影に従う
スタイル（Style）: 現代的な美肌補正、厚化粧、彩度の高すぎる色を避ける

例：

この白黒のポートレートを、自然でリアルなカラー写真に着色してください。元の顔、身元、顔立ちの構造、表情、ポーズ、年齢のディテールを変更せずに残してください。自然な影を伴う、柔らかく信頼できる肌のトーンを使用してください。シワ、毛穴、フィルム粒子、目のディテール、髪の質感、そしてヴィンテージ写真の雰囲気を維持してください。肌を滑らかにしすぎず、現代的なメイクを施さず、人物の顔の特徴を変更しないでください。

自然な肌トーンのプロンプト

古い写真のカラー化において、肌のトーンはオレンジ、赤、ワックス状、あるいは過剰に磨き上げられたものではなく、柔らかく人間らしく見えるべきです。プロンプトは、元のライティングと人物の年齢を尊重するよう、AI画像着色ツールを導く必要があります。

例：

この古い白黒の顔写真を、自然な肌のトーンで着色してください。人物の元の顔の身元、年齢、表情、目の形、鼻、唇、顎のラインを変更せずに残してください。わずかな温かみのある柔らかくリアルな肌の色、自然な頬の影、目に見える肌の質感、維持されたフィルム粒子を使用してください。オレンジ色の肌、プラスチックのような滑らかさ、濃いチーク、ツヤのあるメイク、または現代的な美肌フィルターを避けてください。

このタイプのプロンプトは、家族のポートレート、パスポートスタイルのポートレート、アルバム写真、および顔が主な被写体であるクローズアップの白黒写真に使用してください。

目、唇、髪のプロンプト

AI写真カラー化ツールのワークフローにおいて、目、唇、髪は明るすぎたり、様式化されすぎたりすることがよくあります。顔を自然に保つために、これらのディテールは慎重に描写しつつ、過剰にコントロールしすぎないようにします。

例：

元の目、唇、眉、髪の質感を維持しながら、顔を自然に着色してください。目は現実的に、明るすぎないように保ってください。歴史的に適切であると思われる場合を除き、口紅ではなく、ほのかな自然な唇の色を加えてください。グレースケール写真に基づいた、柔らかいハイライトと自然な影を持つ、信頼できる髪の色を保ってください。人物の顔の形、表情、または元のキャラクターを変更しないでください。

これは、1人の人物の古い写真を着色し、最終的な結果を実在する本物のヴィンテージカラーポートレートのように見せたい場合にうまく機能します。

シワと年齢ディテールのプロンプト

多くのAIツールは、顔を自動的に「美化」しようとします。古い家族写真の場合、それは問題になることがあります。シワ、ほうれい線、目の下のディテール、肌の質感などは、その人の身元の一部です。

例：

すべての自然な年齢のディテールを維持しながら、この古いポートレートを着色してください。シワ、ほうれい線、目の下の質感、肌の毛穴、顔の影、そして元の表情が見えるように維持してください。穏やかでリアルな肌の色を使用し、顔を若く見せないようにしてください。加齢による跡を取り除かず、肌を過剰に滑らかにせず、人物の身元を変更しないでください。

これは、祖父母の写真、歴史的なポートレート、追悼写真、およびアーカイブスタイルの古い写真のカラー化に役立ちます。

集合写真の顔プロンプト

集合写真は、それぞれの顔のライティング、サイズ、ディテールが異なる場合があるため、より難易度が高くなります。プロンプトでは、同一ではなく一貫性のある肌のトーンを要求する必要があります。

例：

この古い白黒の集合写真を、自然でリアルな顔の色で着色してください。全員の身元、顔立ちの構造、表情、ポーズ、年齢を変更せずに残してください。元のライティングと影に基づいた、各顔に信頼できる肌のトーンを使用してください。フィルム粒子、ソフトフォーカス、ヴィンテージの質感を維持してください。すべての顔を同じ色にせず、小さな顔を過度にシャープにせず、現代的なメイクや人工的な滑らかさを追加しないでください。

これは、ユーザーが家族、結婚式、教室、チーム、または歴史的なグループの白黒写真を着色する場合に役立ちます。

悪いプロンプト vs より良いプロンプト

悪いプロンプト：

この顔写真をカラー化して、美しく見せてください。

より良いプロンプト：

この白黒のポートレートを、自然な古い写真のカラー化に着色してください。元の顔、身元、表情、髪型、肌の質感、年齢のディテールを変更せずに残してください。リアルな肌のトーン、ほのかな唇の色、自然な目のディテール、柔らかいヴィンテージのライティング、そして維持されたフィルム粒子を使用してください。顔を美化せず、肌を滑らかにしすぎず、色を現代的または彩度が高そうに見せないでください。

より良いプロンプトがうまく機能するのは、何を保護し、何を着色し、何を避けるべきかをAIに指示しているからです。

不自然な顔を修正するためのフォローアッププロンプト

最初のAI画像着色の結果が不自然に見える場合は、最初からやり直すのではなく、フォローアッププロンプトを使用してください。

肌がオレンジ色すぎる場合：

肌のトーンをより柔らかく、より自然にしてください。元の顔、影、ヴィンテージの質感はそのままに、オレンジと赤の彩度を下げてください。

顔が滑らかすぎる場合：

より自然な肌の質感、毛穴、シワ、フィルム粒子を復元してください。顔を現代的な美肌ポートレートのように見せないでください。

目が不自然にみえる場合：

目をよりリアルにし、輝きを抑えてください。元の目の形、視線の方向、顔の表情を変更せずに残してください。

人物が若すぎるように見える場合：

元の年齢、シワ、顔のライン、自然な肌のディテールを維持してください。その人物を若く見せないでください。

仕上がりが現代的すぎる場合：

カラーグレーディングをよりヴィンテージ風で、歴史的に信頼できるものにしてください。現代的なメイク、ツヤ肌、明るい唇、過剰に彩度の高い色を避けてください。

顔着色チェックリスト

最終的な画像をダウンロードする前に、以下の点を確認してください。

顔は依然として元の人物のように見えます。
肌のトーンは柔らかく、リアルで、オレンジ色ではありません。
シワ、毛穴、年齢のディテールは依然として見えています。
目と唇は自然で、明るすぎたり様式化されたりしていません。
髪の色は写真のヴィンテージな雰囲気にマッチしています。
ライティングは元の白黒写真に従っています。
画像には依然としてフィルム粒子と古い写真の質感が残っています。
仕上がりは現代的な美肌フィルターのようには見えません。

結論

自然な顔のカラー化は、控えめさに依存します。最高のAI写真カラー化の結果とは、最もカラフルなバージョンではなく、その人物が認識可能で、人間らしく、感情的に信頼できるバージョンです。

古い写真を着色する際、プロンプトはまず元の顔を保護する必要があります。身元、肌のトーン、顔の特徴、年齢のディテール、ライティング、ヴィンテージの質感について言及してください。その後、プラスチックのような肌、現代的なメイクなし、顔の変形なし、彩度の高すぎる色なし、といった明確なネガティブプロンプトを追加します。

家族写真、ポートレート、歴史的な画像において、このアプローチは古い写真のカラー化をより敬意が感じられ、現実的なものにします。優れたプロンプトは、その中の人物を変えることなく、AIが記憶に色を取り戻すのを助けます。

参考文献

Zhang, R., Isola, P. and Efros, A.A. (2016) ‘Colorful Image Colorization’, arXiv. Available at: https://arxiv.org/abs/1603.08511 (Accessed: 3 July 2026).

Zhang, R., Zhu, J.-Y., Isola, P., Geng, X., Lin, A.S., Yu, T. and Efros, A.A. (2017) ‘Real-Time User-Guided Image Colorization with Learned Deep Priors’, arXiv. Available at: https://arxiv.org/abs/1705.02999 (Accessed: 3 July 2026).

Xu, R., Tu, Z., Du, Y., Dong, X., Li, J., Meng, Z., Ma, J., Bovik, A. and Yu, H. (2022) ‘Pik-Fix: Restoring and Colorizing Old Photos’, arXiv. Available at: https://arxiv.org/abs/2205.01902 (Accessed: 3 July 2026).

Pang, Y., Jin, X., Fu, J. and Chen, Z. (2025) ‘Structure-preserving Feature Alignment for Old Photo Colorization’, arXiv. Available at: https://arxiv.org/abs/2508.12570 (Accessed: 3 July 2026).

Li, B., Wang, Z., Li, F., Xu, J., Guo, J., Pei, R., Li, X. and Chen, Z. (2026) ‘ColorFLUX: A Structure-Color Decoupling Framework for Old Photo Colorization’, arXiv. Available at: https://arxiv.org/abs/2603.28162 (Accessed: 3 July 2026).