プロンプトの基本構造と、モデルごとの書き分け

画像生成の品質は、使うモデルだけでなく、指示の型でも変わります。どのツールでも共通して効きやすい骨格と、モデルごとに向く書き方を分けておくと、同じテーマを持ち運ぶときに迷いにくくなります。

共通の骨格は4つ

プロンプトは、次の要素を意識して組むと再現しやすくなります。

1. 被写体。 何が主役か。人数、年齢感、持ち物、場所まで具体的に書く。
2. 画風。 写真風、水彩、フラットなイラスト、3Dなど。必要なら画材や時代も添える。
3. 構図と光。 距離（クローズアップ、全身）、角度、時間帯、影の強さ。
4. 制約。 縦横比、文字を入れる／入れない、変えてはいけない要素。

「きれいなカフェの絵」より、「夕方の光が斜めに入る、席が三つだけの小さな喫茶店。写真風。文字は入れない。横長」の方が、やり直しは減ります。品質を表す飾り言葉（8k、masterpiece など）は、モデルによっては効きますが、先に具体的な視覚情報を書いた方が安定しやすいです。

公式のGPT画像プロンプトガイドも、背景や場面、被写体、細部、制約の順で一貫して書くこと、用途（広告、UI、図解など）を先に伝えることを勧めています。写真らしい仕上がりを狙うときは、photorealistic のような語を直接書く方が効きやすい、という案内もあります。カメラの型番まで細かく書いても、物理的に正確な再現までは期待しない方がよい、ともされています。

モデルごとの書き分け

同じ内容でも、渡す文の形を変えた方がよいことがあります。

ChatGPT Images など、会話型・自然文型。 日本語の説明文で構いません。用途と制約を文章で書く方が通りやすいです。文字を描かせる場合は、別記事の通り、文字列を鉤括弧で切り離してください。編集するときは、「背景だけ変える。商品の形は変えない」のように、変える点と残す点を分けます。手順はOpenAIヘルプが詳しいです。

Midjourney。 短い英語の句を並べ、比率は --ar などのパラメータで先に指定する使い方が扱いやすいです。長い物語文より、見えるものだけを具体的に書く方が安定しやすい、という報告が多くあります。バージョンや参照機能は更新が速いので、古いブログの指定をそのまま使わず、公式ドキュメントを確認してください。

Stable Diffusion 1.5 / SDXL と、そのイラスト系派生。 英語の単語やタグをカンマで並べる型が基本です。ネガティブプロンプト（ぼやけ、透かし、余分な指、不要な文字など）を別欄に書く習慣も、こちら側で特に効きやすいです。

Stable Diffusion 3.5 や FLUX 系。 英語の自然文が向くことが多いです。タグを大量に並べるより、場面を文章で説明する方が意図が通りやすい、という整理が現場では使われています。公式のモデルカードや発表（例：Stable Diffusion 3.5）で、想定されている使い方を確認してください。

Gemini アプリ。 日本語の指示で試作しやすい入口です。公式ヘルプに、生成と編集の手順があります。通称と正式なモデル名、無料枠と有料枠の差は、時期によって変わるので、作業前にヘルプを見てください。

持ち運ぶときのコツ

一つのプロンプトを全ツールに使い回すより、骨格だけ共通にして、型を訳す方が結果は安定します。たとえば「夜の路地のラーメン屋台、湯気、ネオンの反射、シネマティックな照明、文字なし、16:9」を核にして、会話型には日本語の文章、Midjourneyには短い英語と --ar 16:9、タグ型には単語列とネガティブ、と書き分ける、という手順です。

日本語で指示できることと、画像の中の日本語が正しいことは、ここでも別問題です。公開用の文字は、後工程に回すか、人が照合する前提にしておくと安全です。