ideogram4

Ideogram 4 スキル

Ideogram 4（93億パラメーター、オープンウェイト、2026年6月リリース）によるテキストから画像への生成です。その最大の強みは、画像内テキストのレンダリングが業界最高水準であることです。読みやすい看板、ロゴ、キャプション、複数行のテキストの描画では、はるかに大規模なモデル（FLUX.2 dev 320億、Qwen-Image 200億、Hunyuan 800億）を上回ります。さらに、カラーパレットとバウンディングボックスを正確に制御できます。

この強みを引き出すには、構造化されたJSONキャプション形式が必要です。プレーンテキストのプロンプトではFLUX並みの結果にとどまり、このモデルを使う意味を活かせません。このスキルでは、ユーザーの気軽なリクエストを、Ideogram 4 の学習に使われたJSONキャプションに変換する「マジックプロンプト」の拡張役をClaudeが担えるようにします。

バックエンド： このツールキットはIdeogramのホスト型v4 APIを使用します（セルフホスト型の重みではありません）。APIは構造化されたjson_promptを受け付けるため、このスキルで説明する内容をそのまま適用できます。Claudeがキャプションを作成し、ツールがjson_promptとして送信します。有料APIプランには商用ライセンスが含まれます。セルフホスト可能な重みは非商用利用のため、APIを使用しています。料金は1枚あたり約0.03ドル（ターボ）から約0.10ドル（クオリティ）です。

このスキルを使う場面

画像に次の要素が必要な場合は、FLUX.2ではなくIdeogram 4を使います。

• 画像上の読みやすいテキスト — タイトルカード、サムネイル、ローワーサード用背景、看板、ロゴ、引用カード、見出し入りのCTA
• 正確なブランドカラー — 要素ごとの16進数カラーパレットによる条件付け
• レイアウトの制御 — バウンディングボックスを使って、テキストやオブジェクトを特定の領域に配置
• 画像内の多言語テキスト

画像に重要なテキストが含まれない場合、商用ライセンス付きの出力が必要な場合、または雰囲気のある背景を手早く作りたい場合は、代わりにFLUX.2を使います。FLUXは自然言語のプロンプトを受け付けますが、IdeogramはJSONを必要とします。tools/flux2.pyを参照してください。

重要なポイント

必ずプレーンな文ではなく、構造化されたJSONキャプションを出力してください。 モデルは、すべての要素を明示的に指定するJSONキャプションのみを使って学習されています。ClaudeはIdeogramの無料ホスト型マジックプロンプトより優れた拡張役です（公式ドキュメントでも、提供されるものは「本番環境で使われているものと同じではない」と説明されています）。そのため、生のテキストを渡すのではなく、このスキルを使って自分でキャプションを作成してください。

最小限の有効なキャプション：

{"high_level_description":"A sailboat at sunset on calm water.","style_description":{"aesthetics":"serene, warm, golden hour","lighting":"golden hour backlighting","photo":"wide angle, f/8","medium":"photograph","color_palette":["#FF6B35","#F7C59F","#004E89"]},"compositional_deconstruction":{"background":"Calm ocean at low horizon with orange-pink sky.","elements":[{"type":"obj","desc":"White triangular sail silhouetted against the setting sun."}]}}

完全なスキーマ、キーの厳密な順序付けルール、バウンディングボックスの座標系については、**prompting.mdを参照してください。タイトルカード、サムネイル、引用カードの作成例については、examples.md**を参照してください。

クイックリファレンス — tools/ideogram4.py

Ideogramのホスト型v4 APIを呼び出す薄いラッパーです。.envにIDEOGRAM_API_KEYが必要です（キーはdeveloper.ideogram.aiから取得）。--jsonはキャプションをAPIのjson_promptフィールドとして送信します（サーバー側のマジックプロンプトはありません。拡張役はClaudeです）。--promptはtext_promptを送信します。

# Hand-authored JSON caption (the recommended path for text/layout) — Claude writes caption.json
uv run tools/ideogram4.py --json caption.json --output title.png

# Caption from stdin (Claude can pipe it directly)
cat caption.json | uv run tools/ideogram4.py --json - --output title.png

# Plain prompt — Ideogram's server-side magic prompt expands it (weaker; prefer --json)
uv run tools/ideogram4.py --prompt "Title card: 'AI ENGINEERING REVIEW' bold white on dark" --output title.png

# Inject brand hex colors into the caption's palette (JSON mode)
uv run tools/ideogram4.py --json caption.json --brand digital-samba --output cta.png

# Quality tier + resolution
uv run tools/ideogram4.py --json caption.json --speed QUALITY --resolution 2048x2048 --output slide.png

Ideogram 4.5（オプトイン）

--model 4.5 を指定すると、v2 API（POST /v2/image/generate/ideogram-4-5、v1 の呼び出しと同様のマルチパート形式）で、同じフラグを Ideogram 4.5 に送信します。実際に動作を確認しています。 JSON キャプションではほぼ完璧にテキストが描画されますが、通常のプロンプトでは文字化けした余分なテキストが追加されるため、4.5 には必ず JSON キャプションを送信してください。Ideogram 4.5 では画像サイズが 32 の倍数でなければならず、YouTube の正確なサイズである 1280x720 は指定できません（/thumbnail ではこのサイズに 4.0 を使うため）。このため、Ideogram 4 がデフォルトのままです。

uv run tools/ideogram4.py --model 4.5 --json caption.json --speed QUALITY --resolution 1440x2560 --output card.png

• プロンプト： どちらのモードでも、4.5 の単一の prompt フィールドに送信します。--json はキャプションをコンパクトな JSON として送信します。4.5 は Ideogram 4 のキャプション形式を読み取るため、有効なキャプションを指定するとサーバー側のマジックプロンプトは適用されません。--prompt のテキストには、v1 と同様にマジックプロンプトによる拡張が適用されます。

• --speed は quality に対応します：TURBO、DEFAULT、QUALITY は Ideogram 4 と同じ価格です。Ideogram 4 では価格が設定されていない FLASH は low に対応します（Ideogram の公開価格。2026-10-12 確認済み。1K と 2K のサイズは同額です）。

  --speed	4.5 quality	画像あたり
  FLASH、TURBO	low	$0.03
  DEFAULT（デフォルト）	medium	$0.06
  QUALITY	high	$0.10

  4.5 の very_low ティアにはソース画像が必要なため、このツールは送信しません。--model 4 では FLASH はそのまま送信されますが、Ideogram のドキュメントによると、現時点では HTTP 400 が返されます。

• --resolution は size として送信されます： auto、または両辺が 32 の倍数かつ 256px 以上で、総画素数が 2048x2048 以下、アスペクト比が最大 6:1 の WIDTHxHEIGHT を指定します。省略すると、Ideogram がプロンプトに基づいてサイズを選択します。このツールは API 呼び出し前にこれらのルールを確認し、サイズが条件を満たさない場合は 2 で終了します。1440x2560（9:16 のカードサイズ）と 2048x2048 は条件を満たします。Ideogram 4 の 6 つのプリセットは条件を満たさず、エラーには代わりのサイズが提示されます：720x1280（1440x2560）、1280x720（2560x1440）、720x1440（1440x2880）、1440x720（2880x1440）、1296x3168（1280x3072）、3168x1296（3072x1280）。ソース画像なしの場合、Ideogram はサポート対象の 1K／2K プリセットのいずれかも必要としますが、その一覧は公開されていないため、サイズのチェックを通過しても HTTP 400 が返されることがあります。

主要ファイル

• prompting.md — JSON スキーマ全体、厳格なキー順序、bbox 座標系、パレットのルール
• examples.md — タイトルカード、サムネイル、引用カード、ブランド CTA のキャプション例

動画制作への適性

ツールキットにおける Ideogram 4 の得意分野は、テキストを画像に組み込んだスライドやサムネイルです。FLUX と LTX-2 はどちらも文字化けしたテキストを描画するため、こうした用途には向きません。

用途	Ideogram 4 を使う理由
見出しテキスト入りのタイトルカード／CTA 背景	読みやすいテキストと正確なブランドの HEX カラーを一度に指定できます
印象的なフレーズを入れた YouTube／ソーシャル向けサムネイル	大きく読みやすいテキストが最も得意です
引用カード／統計カード	複数行のテキストと bbox によるレイアウト制御が可能です
製品デモのシーン内の看板／ロゴ	他のモデルでは描画できない画像内テキストを扱えます

その後、静止画を Remotion（<OffthreadVideo>／Img）に渡すか、tools/ltx2.py --input でアニメーション化します。