AI生成エロ漫画 品質最速引き上げ2026
inpaint / 吹き出し / モザイク自動化 / 体験版設計 / キャラ一貫性

投資対効果の最適解: FaceDetailer設定を最適化（bbox_crop_factor=1.5、denoise=0.38）するだけで最大の改善が得られる。次点はUSDU 1024タイル / 0.25denoise。全処理合計で5点満点中+3点相当の品質ジャンプが可能。

LoRA化の推奨タイミング: キャラ3体以上 × シーン10枚以上生成して「売れるか確認」してからLoRAを作る。それ以前はIP-Adapter FaceID (scale=0.68) + seed固定 + 髪色NEG冗長固定で代替。

2.1 FaceDetailer + HandDetailer 最適設定値

2.2 Ultimate SD Upscale 推奨設定

2.3 局所inpaint の denoise レンジ（部位別）

2.4 anytestv4 refine 推奨 strength 値

• ControlNet Weight (strength): 0.25 〜 0.40
• Ending Step: 0.75（後半25%はControlNet拘束を解放してwaiIllustriousのクリアなアニメ調に委ねる）
• 0.85超 → 過処理でプラ肌化（実証済み）。「盛りすぎ」が最大の敵
• MEMORY実証: strength 0.65→0.38 gentle 2段階がベスト（0.85/0.50は色破綻増幅）

2.5 処理別スコア改善実測

3.1 視線誘導と余白設定（右開き漫画の黄金比）

3.2 ページレイアウトテンプレート種別

3.3 Python実装コード（コマ矩形計算・ノンブル付与）

from PIL import Image, ImageDraw, ImageFont

def create_manga_page(page_num, images, layout_type="4_grid",
                      width=2480, height=3508):
    """
    layout_type: "4_grid" | "3_vertical" | "spread_1"
    images: list of PIL.Image objects (順番は読み順に並べる)
    """
    canvas = Image.new("RGB", (width, height), "white")
    draw   = ImageDraw.Draw(canvas)

    M_TOP, M_BTM, M_L, M_R = 120, 120, 100, 100
    G_X, G_Y = 24, 40         # コマ間隔
    usable_w = width - M_L - M_R
    usable_h = height - M_TOP - M_BTM
    rects = []

    if layout_type == "4_grid":
        w_box = (usable_w - G_X) // 2
        h_box = (usable_h - G_Y) // 2
        # 右開き視線誘導: 右上→左上→右下→左下
        coords = [
            (M_L + w_box + G_X, M_TOP),            # 1コマ (右上)
            (M_L,               M_TOP),             # 2コマ (左上)
            (M_L + w_box + G_X, M_TOP + h_box + G_Y), # 3コマ (右下)
            (M_L,               M_TOP + h_box + G_Y), # 4コマ (左下)
        ]
        for x, y in coords:
            rects.append((x, y, x + w_box, y + h_box))

    elif layout_type == "3_vertical":
        h_top  = int(usable_h * 0.5)
        h_btm  = usable_h - h_top - G_Y
        w_half = (usable_w - G_X) // 2
        rects = [
            (M_L, M_TOP, M_L + usable_w, M_TOP + h_top),
            (M_L + w_half + G_X, M_TOP + h_top + G_Y,
             M_L + usable_w, M_TOP + h_top + G_Y + h_btm),
            (M_L, M_TOP + h_top + G_Y,
             M_L + w_half, M_TOP + h_top + G_Y + h_btm),
        ]

    # 画像配置（アスペクト比維持クロップ）
    for i, rect in enumerate(rects):
        if i >= len(images): break
        img = images[i]
        tw, th = rect[2]-rect[0], rect[3]-rect[1]
        ir, tr = img.width/img.height, tw/th
        if ir > tr:
            nw = int(th * ir); img_r = img.resize((nw, th), Image.LANCZOS)
            img_r = img_r.crop(((nw-tw)//2, 0, (nw-tw)//2+tw, th))
        else:
            nh = int(tw / ir); img_r = img.resize((tw, nh), Image.LANCZOS)
            img_r = img_r.crop((0, (nh-th)//2, tw, (nh-th)//2+th))
        canvas.paste(img_r, (rect[0], rect[1]))
        draw.rectangle(rect, outline="black", width=6)

    # ノンブル（偶数=左下, 奇数=右下）
    try:   font = ImageFont.truetype("yumin.ttf", 36)
    except: font = ImageFont.load_default()
    ty = height - 75
    if page_num % 2 == 0:
        draw.text((M_L, ty), str(page_num), fill="black", font=font)
    else:
        draw.text((width - M_R - 40, ty), str(page_num), fill="black", font=font)
    return canvas

3.4 FANZA売れ筋107ページ・550円作品の設計法則

• 差分ページ3〜5連続 × 複数シチュエーションでページ数確保（AIの量産コスト優位を活用）
• 盛り上がりシーンは必ず見開き1枚（2ページ分使用）
• 推奨内訳: 導入12P + 前哨30P + 絡み本編50P + 余韻・差分15P = 107P
• スマホ読者8割のため 1440×2560 が2026年標準^[5]

4.1 吹き出し形状の使い分け

4.2 二重フチ（最重要・プロとの差を埋める1点）

4.3 しっぽ（tail）の実装 — 三角形+白塗りで枠線を消す

def draw_bubble(draw, rect, tail_xy, style="ellipse"):
    """
    rect: (x1, y1, x2, y2) - 吹き出し本体
    tail_xy: (tx, ty) - しっぽ先端座標（話者の口元）
    """
    cx = (rect[0] + rect[2]) // 2
    cy = (rect[1] + rect[3]) // 2
    w5 = (rect[2] - rect[0]) // 12  # しっぽ幅

    # 吹き出し本体
    if style == "ellipse":
        draw.ellipse(rect, fill="white", outline="black", width=5)
    elif style == "spiky":  # とげとげ
        for i in range(12):
            angle = i * 30
            import math
            r_out = min(rect[2]-rect[0], rect[3]-rect[1]) // 2 + 20
            r_in  = min(rect[2]-rect[0], rect[3]-rect[1]) // 2
            pts = [(cx + r_out * math.cos(math.radians(angle)),
                    cy + r_out * math.sin(math.radians(angle))),
                   (cx + r_in * math.cos(math.radians(angle+15)),
                    cy + r_in * math.sin(math.radians(angle+15)))]
            draw.line(pts, fill="black", width=3)
        draw.ellipse(rect, fill="white", outline="black", width=4)

    # しっぽ三角形
    bx = (rect[0] + rect[2]) // 2  # 吹き出し底辺中心x
    by = rect[3]
    tail_pts = [
        (bx - w5, by), (bx + w5, by),  # 吹き出し側 2点
        (tail_xy[0], tail_xy[1])         # 先端
    ]
    draw.polygon(tail_pts, fill="white", outline="black")
    # 吹き出し内側の枠線を白で消す（重なり部分）
    draw.line([(bx - w5, by), (bx + w5, by)], fill="white", width=6)

4.4 源暎アンチックで漫画写植を再現

• フォントパス: D:\projects\ai_manga_studio\fonts\GenEiAntiqueNv5-M.ttf (既配置・SIL OFL 1.1 商用可)
• 漢字ゴシック / 仮名明朝のアンチック混植 → 源暎アンチックは1フォントで実現（合成不要）
• 叫び/SFX: 源暎エムゴ Heavy / 喘ぎ崩し: 851手書き雑 / ホラー: 源界明朝

4.5 縦書き禁則処理（簡易実装）

VERTICAL_SWAP = {
    "ー": "丨", "―": "丨", "-": "丨",
    "（": "︵", "）": "︶",
    "「": "﹁", "」": "﹂",
}
KAKKO_SHIFT = {"、", "。"}  # 右上にシフト

def draw_vertical_text(draw, text, x, y, font, font_size, line_height=1.2):
    """x,y = テキストブロック右上基点"""
    char_h = font_size
    spacing = int(char_h * (line_height - 1))
    col_x = x
    for line in text.split("\n"):
        cy = y
        for ch in line:
            ch = VERTICAL_SWAP.get(ch, ch)
            offset_x, offset_y = 0, 0
            if ch in KAKKO_SHIFT:
                offset_x = font_size // 2
                offset_y = -(font_size // 3)
            draw.text((col_x + offset_x, cy + offset_y), ch,
                      fill="black", font=font,
                      stroke_width=6, stroke_fill="white")
            cy += char_h + spacing
        col_x -= (char_h + spacing)

5.1 FANZA vs DLsite モザイク特性比較

5.2 NudeNet + OpenCV 完全自動モザイクコード

# pip install nudenet opencv-python numpy
import cv2, numpy as np
from nudenet import NudeDetector
from pathlib import Path

TARGET_CLASSES = {
    "FEMALE_GENITALIA_EXPOSED", "MALE_GENITALIA_EXPOSED",
    "FEMALE_BREAST_EXPOSED", "ANUS_EXPOSED",
    "FEMALE_GENITALIA_COVERED",  # 薄着でも念のため処理
}

def apply_mosaic_fanza(image_path: str, output_path: str,
                       platform: str = "fanza") -> dict:
    """
    platform: "fanza" (厳格・長辺/60・margin+30%) or "dlsite" (長辺/100・+20%)
    戻り値: {"tile_size": int, "detections": int, "output": str}
    """
    detector = NudeDetector()
    img = cv2.imread(str(image_path))
    if img is None:
        raise FileNotFoundError(f"画像が見つかりません: {image_path}")
    h, w = img.shape[:2]

    # 2026年基準: プラットフォーム別タイルサイズ
    divisor = 60 if platform == "fanza" else 100
    tile_size = max(max(w, h) // divisor, 16)  # 最低16px
    margin   = 0.30 if platform == "fanza" else 0.20

    detections = detector.detect(str(image_path))
    det_count = 0

    for det in detections:
        if det["class"] not in TARGET_CLASSES:
            continue
        if det["score"] < 0.40:  # 信頼度閾値
            continue

        x1, y1, x2, y2 = [int(v) for v in det["box"]]
        bw, bh = x2 - x1, y2 - y1

        # 安全マージン拡張（輪郭線を必ず含める）
        x1 = max(0, int(x1 - bw * margin))
        y1 = max(0, int(y1 - bh * margin))
        x2 = min(w, int(x2 + bw * margin))
        y2 = min(h, int(y2 + bh * margin))

        roi = img[y1:y2, x1:x2]
        rh, rw = roi.shape[:2]
        if rh < 1 or rw < 1:
            continue

        # ピクセル化（縮小→拡大）
        small_w = max(1, rw // tile_size)
        small_h = max(1, rh // tile_size)
        small   = cv2.resize(roi, (small_w, small_h),
                             interpolation=cv2.INTER_NEAREST)
        mosaic  = cv2.resize(small, (rw, rh),
                             interpolation=cv2.INTER_NEAREST)
        img[y1:y2, x1:x2] = mosaic
        det_count += 1

    Path(output_path).parent.mkdir(parents=True, exist_ok=True)
    cv2.imwrite(str(output_path), img,
                [cv2.IMWRITE_JPEG_QUALITY, 95])
    print(f"[mosaic] {det_count}箇所処理 | tile={tile_size}px | {output_path}")
    return {"tile_size": tile_size, "detections": det_count, "output": output_path}


# バッチ処理例
def batch_mosaic(input_dir: str, output_dir: str, platform: str = "fanza"):
    import glob
    for path in glob.glob(f"{input_dir}/**/*.png", recursive=True):
        out = path.replace(input_dir, output_dir)
        apply_mosaic_fanza(path, out, platform=platform)

6.1 ページ数別コンバージョン効果（市場傾向）

6.2 購買意欲を最大化する 8P 体験版の黄金構成

6.3 AI生成作品特有の体験版注意点

• 体験版でも モザイクは本編と同等以上（審査落ちで公開遅延のリスク回避）
• 体験版ZIP内のファイル名に ComfyUI ワークフロー情報や個人情報が混入しないよう注意
• 体験版は FANZA側で自動的にサムネイル表示 される。P1〜P3を全力で処理すること
• 奥付に「本作品はAI生成画像を使用しています」「登場人物は全員18歳以上」を明記

7.1 FANZA 審査通過チェックリスト

• AI生成作品タグ・説明文の「AI生成」記載 — 漏れ = 即リジェクト^[1]
• 月間登録枠確認 — 今月すでに3本登録していないか
• 表紙・サンプル画像に乳首・性器の露出が一切ないか
• モザイク透過率 0%（ブラシ薄消し・透過率のあるぼかし禁止）
• モザイクタイルサイズが長辺/100 以上（推奨: 長辺/60）
• 結合部・密着部の漏れ確認（NudeNet自動後に目視1周）
• キャラ等身・設定が児童想起表現に抵触しないか
• ZIP内のメタデータ（ComfyUIワークフロー情報等）の削除
• 推奨解像度 1440×2560（スマホ標準）or 2480×3508（A4）に統一
• ファイル形式: ZIP（JPEG品質95以上）

7.2 DLsite 審査通過チェックリスト

• タイトルまたは紹介文に「[AI生成]」記載
• 児童を想起させる服装・設定・体型の排除
• モザイク修正箇所の目視確認（密着部・結合部を特に念入りに）
• AI生成ロゴ・奥付記載（「本作品は生成AIを使用しています」）
• ZIP内に不要ファイル（ワークフローJSONなど）を混入しない
• サムネイル（560×420px）の画質確認

7.3 審査落ち最頻出理由 TOP5 と対処法

8.1 seed固定の限界と克服法

seed固定だけでは「構図・ポーズを変えた瞬間に顔が変わる」。SDXL は seed を空間ノイズとしてデコードするため、プロンプト変化で別人になる。対策: キャラ固定属性をプロンプト先頭に高密度配置。

8.2 属性の Weight 強調法（waiIllustrious 最適値）

8.3 逆色NEGテンプレート（カラーブリーディング防止）

8.4 IP-Adapter FaceID Plus v2 — 設定値と導入コスト

8.5 キャラ定義 JSON 標準フォーマット（CC間共有用）

このJSONをPythonでパースしComfyUI API経由の CLIPTextEncode に流し込むことで、LoRA未使用でも全ページにわたってキャラ一貫性を維持した高速バッチ生成が可能。