gpt-image-2

GPT Image 2 — RunComfy の Pro Pack

runcomfy.com · テキストから画像を生成 · 編集 · GitHub

RunComfy Model API でホストされる OpenAI GPT Image 2（ChatGPT Images 2.0）です。OpenAI のキーは不要で、非同期 REST を利用します。

npx skills add agentspace-so/runcomfy-skills --skill gpt-image-2 -g

このモデルを選ぶ場面（同系モデルとの比較）

GPT Image 2 の際立った強みは、指示への忠実さです。複数の要素を含むプロンプト、レイアウトの指示、画像内テキストの指示に、ほかのモデルより確実に従います。スタイルよりもキャンバス上の内容が重要な場合に選んでください。

目的	使用するモデル
画像内テキスト、ロゴ、看板、多言語タイポグラフィ	GPT Image 2
ブランドに配慮した、EC／広告／UI モックアップ画像	GPT Image 2
構図を安定させた反復的な調整	GPT Image 2
強い様式化、絵画的な見た目	Flux 2
超リアルなポートレート	Nano Banana Pro
映画的な、または美しさを優先したヒーロー画像	Seedream 5

ユーザーが GPT Image 2／ChatGPT Image 2／Image 2 を明示的に指定した場合は、モデル選択を再検討せず、必ずこちらに誘導してください。

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy アカウント — runcomfy login を実行すると、ブラウザーでデバイスコードによる認証が始まります。
3. CI／コンテナー — runcomfy login の代わりに RUNCOMFY_TOKEN=<token> を設定します。

エンドポイントと入力スキーマ

同じモデルを使用するエンドポイントが 2 つあります。

openai/gpt-image-2/text-to-image

フィールド	型	必須	デフォルト	備考
prompt	string	はい	—	生成したい内容を指定するプロンプト
size	enum	いいえ	1024_1024	1024_1024（1:1）、1024_1536（2:3 縦長）、1536_1024（3:2 横長）— この 3 種類のみ

openai/gpt-image-2/edit

フィールド	型	必須	デフォルト	備考
prompt	string	はい	—	自然言語による編集指示
images	string[]	はい	—	参照画像の URL（最大 10 件。HTTPS で公開され、取得可能なもの）
size	enum	いいえ	auto	auto（入力画像の比率を維持）、または上記の固定サイズ 3 種類のいずれか

編集時に size=auto を指定すると、入力画像のアスペクト比が維持されます。編集でフレーミングを明示的に変更する場合を除き、強く推奨します。

呼び出し方法

テキストから画像を生成：

runcomfy run openai/gpt-image-2/text-to-image \
  --input '{"prompt": "<user prompt>", "size": "1024_1536"}' \
  --output-dir <absolute/path>

編集（参照画像 1 枚）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "<edit instruction>",
    "images": ["https://..."]
  }' \
  --output-dir <absolute/path>

編集（参照画像複数、最大 10 枚）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "compose subject from image 1 into the room from image 2; match the lighting of image 2",
    "images": ["https://...subject.jpg", "https://...room.jpg"]
  }' \
  --output-dir <absolute/path>

CLI はリクエストを送信し、2 秒ごとにポーリングして処理の終了を確認した後、結果に含まれる *.runcomfy.net／*.runcomfy.com の URL からファイルを --output-dir にダウンロードします。標準出力には結果の JSON が出力され、標準エラー出力には進捗が表示されます。

パイプでの利用に適した方法：

runcomfy --output json run openai/gpt-image-2/text-to-image \
  --input '{"prompt":"..."}' --no-wait | jq -r .request_id

プロンプト — 実際に効果のある方法

以下は、出力品質を実証的に向上させるモデル固有のパターンです。テキストからの画像生成と編集のどちらにも適用できます。

被写体＋設定＋雰囲気を明確に指定します。「温かみのあるリネンの上に置かれた、つや消し仕上げのセラミック製ウォーターボトルのクローズアップ。柔らかな窓からの光。ニュートラルな背景」のように、具体的な指示を3つ示す方が、「素敵なボトルの商品写真」より効果的です。

画像に含めるテキストは正確に引用し、短く保ちます。 GPT Image 2 は、このクラスで最も優れたテキスト描画モデルですが、文字をそのまま引用符で囲んだ場合に限ります。長いテキストブロックは出力品質を低下させます。多言語のテキストでは、使用する文字体系を指定してください：「日本語のかな」、「キリル文字」、「右から左に書くアラビア文字」。

構図に関する表現をそのまま使います。「三分割法」、「クローズアップ」、「空撮」、「被写体を中央に配置」、「被写界深度を浅く」などの表現は、モデルが意味を学習しています。

調整は一度に1つの属性だけにします。 改良する際は、1回の反復で1つだけ（照明、または背景、またはポーズ、またはテキスト）を変更し、プロンプトの残りの部分はそのままにします。変更する要素が1つだけであれば、モデルは反復を通して構図を維持します。

指示を矛盾させないでください。「テキストなし」と「ラベルに『AQUA+』という文字を入れる」は矛盾しており、モデルはどちらか一方を選びますが、どちらを選ぶかは制御できません。

スタイルを詰め込みすぎないでください。「浮世絵＋水彩＋8K＋映画的＋ミニマル」は互いに打ち消し合います。スタイルの軸は多くても1つか2つに絞ってください。

特に編集エンドポイントでは：

• 維持するものを明示します。「人物のポーズと顔の特徴を維持する」、「パッケージのブランドマークとタイポグラフィを維持する」、「全体のフレーミングを維持する」。モデルには、何を変更してはいけないかを伝える必要があります。
• 空間的な編集には方向を示す表現を使います。「見出しを右上から下中央に移動する」と指定し、「見出しの位置を変更する」とは書きません。
• 複数の参照画像を使う場合：プロンプト内で画像に番号を付けます。「画像1の被写体、画像2の照明と背景」のように指定すると、モデルは手掛かりを適切に使い分けます。

得意な用途

用途	GPT Image 2 が適している理由
Eコマースの商品写真	ラベル上のテキストを安定して描画し、ブランドに配慮した照明を実現し、SKU 間で一貫性を保ちます
コンバージョン率の高い広告	見出しとビジュアルを一度に統合できます
ブランドアセットのローカライズ	1つのソースアセットから、同じ見出しの複数言語版を作成できます
看板、ポスター、パッケージのモックアップ	複数のサイズで高精度にテキストを描画できます
UI モックアップ、科学イラスト	レイアウトの精度が高く、ラベルも読みやすく描画できます

サンプルプロンプト（良好な結果が得られることを確認済み）

テキストからの画像生成 — 商品のメインビジュアル：

A minimal hero product still life: a matte ceramic water bottle on warm linen,
soft window light, the word "AQUA+" in clean sans-serif on the label,
subtle rim highlights, e-commerce ready, 8K detail, neutral background

テキストからの画像生成 — 多言語の看板：

A small Tokyo café storefront at dusk, warm interior glow,
the sign reads "コーヒー" in bold Japanese kana on a wooden plaque,
shallow depth of field, rule of thirds, cinematic

編集 — 元の要素を維持しながら背景を差し替え：

Turn the background into a bright minimal white-to-soft-gray studio sweep
with gentle floor shadow; add a large headline in-image that reads
"OPEN STUDIO" in a bold clean sans-serif, high contrast, centered;
keep the main person or product, pose, and face identity unchanged

制限事項

• テキストからの画像生成で選べるサイズは固定の3種類のみです（編集では同じ3種類に加え、auto を使用できます）。極端なアスペクト比は、最も近い対応サイズに自動でリサイズされます。
• プロンプトの長さは数千トークン程度です。画像に含める長いテキストブロックは出力品質を低下させます。
• 編集の複数画像サポートは、「最大10枚の参照画像からのガイダンス」であり、ControlNet のようなスタックではありません。最初の画像が主要画像として扱われ、残りは補助的な手掛かりとして使われます。
• ポートレートのフォトリアリズムは最も得意とする分野ではありません。この点の直接比較では Nano Banana Pro が優れています。

終了コード

runcomfy CLI は sysexits 形式のコードを使用します。

コード	意味
0	成功
64	CLI 引数が不正
65	入力 JSON が不正、またはスキーマが一致しない（例：size: "2048_2048" は 422 になります）
69	上流で 5xx エラーが発生
75	再試行可能：タイムアウト／429
77	サインインしていない、またはトークンが拒否された

詳細なリファレンス：docs.runcomfy.com/cli/troubleshooting。

仕組み

1. スキルは、上記のスキーマに一致する JSON ボディを使って runcomfy run openai/gpt-image-2/<endpoint> を実行します。
2. CLI は、ユーザーのベアラートークンを使って https://model-api.runcomfy.net/v1/models/openai/gpt-image-2/<endpoint> に POST します。
3. Model API は request_id を返し、CLI は 2 秒ごとに GET .../requests/<id>/status をポーリングします。
4. 終了状態になると、CLI は GET .../requests/<id>/result を取得し、ホスト名が .runcomfy.net または .runcomfy.com で終わる URL のファイルを --output-dir にダウンロードします。それ以外の URL は一覧に表示されますが、取得されません。
5. ポーリング中に Ctrl-C を押すと、POST .../requests/<id>/cancel が送信されるため、停止した GPU の利用料金が発生しません。

このスキルでできないこと

OpenAI API の直接的なクライアントではありません。機能を利用する権限を付与するものではなく、RunComfy アカウントが有効である必要があります。マルチテナントには対応していません。

セキュリティとプライバシー

• トークンの保存：runcomfy login は API トークンを ~/.config/runcomfy/token.json にモード 0600（所有者のみ読み取り・書き込み可能）で書き込みます。CI／コンテナでファイルを完全に使わないようにするには、環境変数 RUNCOMFY_TOKEN を設定します。
• 入力の境界：ユーザープロンプトは --input を使い、JSON 文字列として CLI に渡されます。CLI はプロンプトをシェル展開せず、JSON ボディを HTTPS 経由で Model API に直接送信します。プロンプトの内容によるシェルインジェクションの危険性はありません。
• サードパーティのコンテンツ：指定した画像／マスク／動画の URL を取得するのは、手元の CLI ではなく RunComfy モデルサーバーです。外部 URL は信頼できないものとして扱ってください。画像によるプロンプトインジェクションは、あらゆる画像編集／動画編集モデルで知られているリスクです。
• 送信先エンドポイント：model-api.runcomfy.net（リクエストの送信先）と、生成結果のダウンロード許可リストである *.runcomfy.net／*.runcomfy.com のみです。テレメトリーやコールバックはありません。
• 生成ファイルのサイズ上限：悪意のあるモデル出力や制御不能なモデル出力によってディスクがいっぱいになるのを防ぐため、CLI は 2 GiB を超える単一のダウンロードを中止します。