image-generation-enhanced

画像生成

エージェントが画像を生成または編集する必要がある場合に、このスキルを使用します。

前提条件

• OpenRouter API キー — 画像生成モデルには OpenRouter 経由でアクセスします。このスキルを使うには、OpenRouter API キーが必要です。

このスキルの目的は、特定のツールを使うことではなく、よりよい画像を得ることです。環境にすでに nimage ツール、SDK、またはラッパーが用意されている場合は、それを使用してください。エージェントに OpenRouter API キーがあり、ほかの画像ツールが提供されていない場合は、軽量な minibanana から始めるのがおすすめです。

このスキルでは、プロンプトの長さを最小限にすることよりも、画像の品質を重視します。基本的な考え方はシンプルです。

モデルにキーワードを詰め込むのではなく、クリエイティブディレクターのように画像を演出しましょう。

このスキルの用途

• ゼロからのテキスト画像生成
• 参照画像に基づく画像生成
• 画像の編集と合成
• 商品写真、ポスター、キーアート、コンセプトアート、SNS 向けクリエイティブ、モックアップ
• 構図、照明、素材、カメラ、またはテキスト描画を意図的に制御する必要がある画像

基本原則

1. プロンプトの品質が、たいてい最も大きな効果をもたらします。 プロンプトを改善するほうが、モデルを少し変更するより効果的なことがよくあります。
2. 意図を最初に示します。 create、render、photograph、illustrate、design、edit、transform、replace、remove などの強い動詞から始めます。
3. 目に見える結果を具体的に指定します。 主題、場面、構図、照明、スタイル、素材を明示します。
4. 肯定的な表現を優先します。 除外するものだけでなく、表示すべきものを説明します。
5. 参照画像を意図的に使います。 それぞれの参照画像に役割を割り当てます。
6. 必要な箇所だけを繰り返し調整します。 生成のたびに、必要最小限のプロンプト部分だけを変更します。
7. 複雑な作業には構造化プロンプトを使います。 JSON を使ったハイブリッドプロンプトは、複数の要素を含む場面や精密な編集で非常に効果的です。

ツールの選択肢

環境にすでに用意されているインターフェースを使用してください。

• 既存の画像ツール
• 直接利用できる SDK または HTTP クライアント
• リポジトリ内ですでに利用可能なローカルラッパー
• エージェントに OpenRouter API キーがあり、ほかの画像ツールがない場合の軽量な代替手段 minibanana

minibanana を使う場合は、まず環境内で現在の CLI の動作を確認してください。

minibanana --help

最小限の例：

minibanana --prompt "A friendly whale" --model "bytedance-seed/seedream-4.5" --out image.png

minibanana を使う際の実用的な既定値：

• 編集、グラフィック、タイポグラフィ、図表、JPEG のアーティファクトに影響されやすいものには、PNG を優先します。
• 可逆出力よりもファイルサイズが重要な場合は、JPEG を優先します。
• 簡単ではないプロンプトはファイルに記述し、たとえば --prompt @prompt.md のように渡します。
• 参照画像が必要な場合は、画像入力を繰り返し指定し、プロンプト内でそれぞれの役割を割り当てます。

作業の流れ

常に次の流れで進めます。

1. タスクを分類する

   • テキストから画像を生成
   • 参照画像に基づく生成
   • 編集／インペイント／削除／置換
   • タイポグラフィを重視したグラフィック
   • 図解／インフォグラフィック

2. 用途に応じてアスペクト比を選ぶ

   • アバター、タイル、コンセプトスクエアには 1:1
   • SNS 投稿や商品広告には 4:5
   • ストーリー、リール、壁紙には 9:16
   • 映画のようなシーン、サムネイル、ヒーロー画像には 16:9
   • バナーやパノラマ風のシーンには 21:9

3. 用途に合ったモデルを選ぶ

   • ユーザーがモデルを指定している場合は、そのモデルを使います
   • それ以外の場合は、タスクに適したモデルファミリーを優先します

4. 明確な指示を盛り込んだ最初のプロンプトを書く

   • シンプルなシーンには物語形式のプロンプト
   • 複雑なシーンには物語形式と JSON を組み合わせたプロンプト
   • 画像編集には、変更しない要素を明示した編集用プロンプト

5. 画像を生成して確認する

   • モデルが複数の画像を出力する場合、どれを使うか決める前に、出力された画像を一枚残らず確認します。最初の画像をそのまま選ばないでください
   • 被写体を確認する
   • 構図を確認する
   • 照明を確認する
   • 素材やテクスチャを確認する
   • テキストが含まれる場合は、テキストの描画を確認する
   • 画像が想定した用途に実際に合っているか確認する

6. 必要な箇所だけを修正する

   • 構図が不適切な場合は、まず構図に関する表現を変更します
   • 雰囲気が不適切な場合は、まず照明と配色を変更します
   • 人体の形状が不適切な場合は、ポーズとフレーミングをシンプルにします
   • テキストが不適切な場合は、短くして、より明確に指定します

モデル選択のヒューリスティクス

特に変更すべき強い理由がない限り、ユーザーが明示的に指定したモデルを使います。自分で選ぶ場合は、タスクに基づくシンプルなヒューリスティクスを使います。

現時点で有力な出発点

• bytedance-seed/seedream-4.5

  • ビジュアルの美的品質に優れています
  • 編集時の一貫性が向上しています
  • ポートレートの仕上げに適しています
  • 多くの画像モデルより小さな文字の描画に優れています

• google/gemini-3-pro-image-preview

  • 複数画像の推論とブレンドに優れています
  • テキストの描画に優れています
  • 複数の被写体にわたるアイデンティティの保持に優れています
  • ストーリーボード、合成画像、複雑なシーンのデザインに適しています

• google/gemini-3.1-flash-image-preview

  • 品質と速度のバランスに優れています
  • 反復編集や素早い調整に適しています
  • OpenRouter で拡張アスペクト比をサポートしています

• openai/gpt-5-image

  • 指示への追従性に優れています
  • テキストの描画に優れています
  • 詳細な編集に優れています

• sourceful/riverflow-v2-pro および sourceful/riverflow-v2-fast

  • テキストの描画やグラフィック中心の作業に優れています
  • Sourceful 固有のフォント入力や超解像リファレンスが関係する場合に適しています

タスクに応じたモデル選択

• 素早い反復／コンセプトの検討： 通常は高速な画像モデルで十分です
• 忠実度の高いエディトリアル／コンセプトアート： 美的品質と構図の品質で定評のあるモデルを優先します
• 精密な編集／複数画像の合成： マルチモーダル推論で定評のあるモデルを優先します
• タイポグラフィを重視したポスター／広告／インフォグラフィック： テキストの描画に優れたモデルを優先します

プロンプトの形式：適切な形を選ぶ

次の場合は、通常の物語形式のプロンプトを使います

• シーンがシンプルな場合
• 素早くアイデアを出したい場合
• スタイルの方向性を大まかに探りたい場合
• 画像が多数の個別制約に左右されない場合

次の場合は、ハイブリッド形式のプロンプトを使います

• 依頼の重要度が高い場合
• 複数の被写体やレイヤーが重要な場合
• 参照画像ごとに異なる役割がある場合
• 商品、ブランド、素材の具体性が求められる場合
• 構図を厳密に制御する必要がある場合
• テキストの描画が重要な場合
• 後から特定の箇所だけを修正しながら反復することが想定される場合

本格的な作業での最適なデフォルト：

1. ビジュアルの目標を明確に示す、自然言語による1～2文
2. 正確な仕様を記述する、構造化された JSON ブロック

自然言語の導入文で全体的な意図を伝え、JSON で安定した構造をモデルに与えられるため、JSON だけを使うより効果的な場合が多くあります。

プロンプトの構成要素

優れた画像プロンプトには、通常、次の要素をおおよそこの順序で盛り込みます。

1. 操作 — 作成、レンダリング、撮影、イラスト化、編集、置き換え、削除、変換
2. 主な被写体 — 画像の主役となる人物や物
3. 動作／ポーズ／状態 — 被写体が何をしているか
4. 環境／背景 — シーンの舞台となる場所
5. 構図 — ショットの種類、フレーミング、角度、焦点、奥行きのレイヤー
6. ライティング — 光源、方向、柔らかさ、コントラスト、時間帯、雰囲気
7. スタイル／媒体 — エディトリアル写真、ファンタジーリアリズム、水彩画、3D レンダリング、映画のワンシーン
8. 素材／質感 — レザー、苔むした石、磨かれたクローム、ツイード、霧、濡れた舗道
9. カラーパレット／カラーグレーディング — 暖色系のニュートラルカラー、落ち着いたティール、豊かなコントラスト、彩度を抑えた SF 風
10. テキストの指示 — 正確なテキスト、フォントの雰囲気、配置、行数、言語
11. 制約 — アスペクト比、リアリズムの度合い、背景の維持、人物の同一性の保持、モーションブラーなし
12. ネガティブプロンプト — 大量の不要要素を並べるのではなく、特定のアーティファクトを抑制する場合に限ります

最もシンプルで効果的な形式

参照画像を使わないテキストから画像生成の場合：

[Verb] + [Subject] + [Action] + [Location/context] + [Composition] + [Lighting] + [Style] + [Materials/details] + [Output/use-case]

例：

Create a high-end editorial fashion portrait of a confident model wearing a tailored brown dress, sleek boots, and a structured handbag, standing in a statuesque pose against a seamless deep cherry-red studio backdrop. Medium-full shot, center-framed, photographed at a low three-quarter angle with soft cinematic key light and subtle rim light. Shot like a luxury fashion magazine campaign on medium-format analog film with pronounced grain, rich color, and realistic fabric texture.

クリエイティブディレクターのようにプロンプトを書く

名詞を並べるだけで終わらせず、シーンを意図的にコントロールしましょう。

1. 構図を指定する

次のような用語を使います。

• 極端なクローズアップ
• クローズアップ
• ミディアムショット
• ミディアムフルショット
• ワイドショット
• 空撮
• 真上からの視点
• ローアングル
• ハイアングル
• 肩越しの視点
• シンメトリーなフレーミング
• 被写体を中央に置いた構図
• 三分割法に基づく配置
• 前景／中景／背景のレイヤー

2. カメラとレンズを指定する

便利な表現：

• 24mm wide-angle で環境の広がりを表現
• 35mm で自然な映画風のフレーミング
• 50mm でニュートラルな人間の視点
• 85mm portrait lens で自然な圧縮効果のあるポートレート
• macro lens で製品や質感のディテールを表現
• shallow depth of field (f/1.8) で被写体を際立たせる
• deep focus で環境のディテールを鮮明に描写

3. ライティングを指定する

便利な表現：

• ゴールデンアワーの逆光
• 曇天の昼光
• 柔らかなスタジオ用ソフトボックス照明
• 3 点照明
• 強いキアロスクーロ照明
• ボリューメトリックな光芒
• 霧による拡散光
• ネオンのエッジライト
• ろうそくに照らされた室内
• 濡れた表面の反射

4. 素材感を指定する

これは、品質を高めるうえで見過ごされがちな要素の一つです。表面の素材や傷みを具体的に指定しましょう。

例：

• 風化し、ひび割れ、苔に覆われた石
• 織り目が見えるネイビーブルーのツイード
• 微細な擦り傷があるヘアライン仕上げのアルミニウム
• 看板の光を反射する、雨に濡れたアスファルト
• 釉薬に細かなむらがあるマットな陶器
• しわと経年変化のある使い込まれたレザー

5. 色のストーリーを指定する

例：

• 落ち着いたティールと琥珀色の映画風カラーグレーディング
• 暖色系のモノクロームニュートラルカラー
• 深いエメラルドグリーンとゴールドのアクセント
• 柔らかなブルームを加えたパステルカラーのキャンディパレット
• シルバーハレーションのある高コントラストのモノクロ

細かく制御する作業向けの JSON プロンプト

複雑なプロンプトや高い忠実度が求められるプロンプトには、構造化されたブロックを使います。特に、次のような場合に便利です。

• 複数の被写体が登場する複雑なシーン
• 素材やレイアウトを正確に指定する製品写真
• 維持する要素と変更する要素を明確に指定する画像編集
• タイポグラフィを多用した構図
• 後から特定のセクションだけを修正する必要がある反復的なワークフロー

ハイブリッド JSON テンプレート

Create a polished, high-fidelity image that feels intentional, cinematic, and production-ready.

```json
{
  "task": "text-to-image",
  "goal": "one-sentence visual objective",
  "subject": {
    "primary": "main subject",
    "secondary": ["supporting elements"]
  },
  "scene": {
    "location": "where it takes place",
    "time": "time of day",
    "weather": "weather or atmosphere",
    "story_moment": "what moment is being depicted"
  },
  "composition": {
    "framing": "wide shot / portrait / macro / etc.",
    "camera_angle": "low angle / eye level / aerial / etc.",
    "focus": "what the eye should land on first",
    "depth_layers": ["foreground", "midground", "background"]
  },
  "lighting": {
    "primary": "main light source",
    "secondary": ["secondary light sources"],
    "mood": "desired emotional tone"
  },
  "style": {
    "genre": "photorealistic / fantasy realism / 3D / watercolor / etc.",
    "visual_aesthetic": ["keywords"],
    "rendering": {
      "detail_level": "high",
      "sharpness": "high",
      "dynamic_range": "wide"
    }
  },
  "materials_and_textures": {
    "subject": "surface/material notes",
    "environment": "environment texture notes"
  },
  "color_palette": {
    "dominant": ["main colors"],
    "accents": ["accent colors"]
  },
  "text_rendering": {
    "enabled": false,
    "text": [],
    "placement": "",
    "style": ""
  },
  "technical_preferences": {
    "aspect_ratio": "16:9",
    "lens": "35mm",
    "depth_of_field": "moderate",
    "realism": "high"
  },
  "negative_prompt": ["blurry image", "flat lighting", "text or watermark"]
}
```

構造化プロンプトのガイダンス

• 最も重要な制約を先に書きます。
• 階層を整理して分かりやすくします。
• minimalist と highly cluttered のような、矛盾する指示は避けます。
• ネガティブプロンプトは、対象を絞り、関連性のある内容にします。
• プロンプトが長くなりすぎて失敗し始めたら、視覚的な優先順位における必須要素に絞って短くします。

参照画像を使ったプロンプト

参照画像には --in を使います。

ベストプラクティス：入力画像ごとに役割を割り当てる

複数の参照画像を使う場合は、各画像が何を提供するのかを明示します。

適切な形式：

Use reference image 1 for the composition and camera angle.
Use reference image 2 for the fabric texture and color palette.
Use reference image 3 for the product silhouette only.
Do not copy the background from references 2 or 3.

強力なマルチモーダル形式

[Reference images] + [role of each reference] + [what must remain unchanged] + [new scenario] + [style and quality target]

例：

Using the first attached image for the room layout and camera position, and the second attached image for the velvet texture and olive-green color, create a high-end interior design render of a reading chair in a sunlit minimalist living room. Keep the composition and scale consistent with the layout reference, but redesign the chair into a premium sculptural form with realistic stitching, soft shadows, and polished oak legs.

参照画像の使用ルール

• これらの参照画像を使ってください とだけ書かず、それぞれから何を取り入れるかを指定します。
• 必要に応じて、何をコピーしないかも明記します。
• アイデンティティに関わる編集では、変更せずに維持する要素を明記します。顔、ポーズ、カメラアングル、衣装の色、ロゴの配置、製品の形状などです。
• 参照画像同士が矛盾する場合は、優先順位を明記します。

編集プロンプト

編集プロンプトは、新規生成のプロンプトとは異なります。

編集の基本ルール

何を変更し、何をまったく変えずに維持するのかを明確にします。

不明確な例：

Make this image better.

より良い例：

Remove the man from the background while keeping the street, perspective, lighting, shadows, storefront signage, and camera position unchanged.

編集の定型

[Edit verb] + [specific target] + [exact change] + [what to preserve] + [quality/style target]

例：

Replace the cloudy sky with a dramatic golden-hour sunset while keeping the building, camera angle, reflections, and street activity unchanged.

Transform this product photo into a premium studio advertisement while preserving the exact bottle shape, label wording, brand colors, and front-facing composition.

Remove the table lamp from the nightstand. Keep the bed, wall art, shadows, color palette, and image framing identical.

編集のヒント

• 変更する対象を明確に指定します。
• 維持する要素を平易な言葉で明記します。
• 部分的な編集では、変更箇所が自然になじむように周囲の状況も伝えます。
• 写実性を高めるには、影、反射、遠近感、粒子感を一致させて維持するよう指示します。

テキストの描画とローカライズ

画像内のテキスト描画は以前よりずっと良くなりましたが、具体的に指示するとさらに効果的です。

テキストをうまく描画するためのルール

• 正確なテキストを引用符で囲みます。
• できるだけ短いテキストにします。
• 行数を指定します。
• 配置を指定します。
• フォントの雰囲気や、認識しやすいフォントスタイルを指定します。
• テキストがデザインになじむよう、グラフィックデザインの文脈を説明します。

例：

Create a premium skincare advertisement. On the right side of the frame, render three lines of text with exact spelling: "GLOW" on the first line in an elegant flowing brush-script style, "10% OFF" on the second line in a bold block sans-serif style, and "Your First Order" on the third line in a thin minimalist geometric sans-serif. Keep the product jar large and centered-left, with warm studio lighting and clean luxury packaging aesthetics.

ローカライズ用プロンプトのパターン

Render the poster text in Korean and Arabic with correct script rendering and natural layout. Keep the brand hierarchy identical, with the Korean text as the main headline and the Arabic text as the supporting line.

タイポグラフィのヒント

• 正確な語句を引用符で囲みます。
• コピーは、想定より短くします。
• 視覚的な階層を指定します。見出し、小見出し、キャプション、バッジ、CTA などです。
• ポスターの場合、テキストが実物に印刷されているのか、レイアウト上に浮かんでいるのか、背景から切り抜かれているのかを指定します。
• テキストの描画がうまくいかない場合は、テキストを短くしてレイアウトをシンプルにします。

5 つのプロンプトフレームワーク

1. 参照画像なしのテキストから画像への生成

何もない状態から始める場合に使います。

定型：

[Subject] + [Action] + [Location/context] + [Composition] + [Lighting] + [Style]

2. 参照画像を使った生成

一貫性を保ちたい場合や、複数のインスピレーションを組み合わせたい場合に使います。

定型：

[Attached references] + [role of each] + [new scenario] + [what to preserve] + [style target]

3. 会話形式の画像編集

ベース画像があり、その一部を変更したい場合に使います。

定型：

[Edit action] + [what changes] + [what stays the same]

4. スタイル転送／構図転送

一方の画像から内容を、もう一方の画像から見た目を取り入れる場合に使います。

定型：

[Base image content] + [style source] + [what must remain recognizable]

5. テキストを中心にしたデザインプロンプト

ポスター、広告、ラベルのモックアップ、グラフィックに使います。

定型：

[Design type] + [layout] + [exact text in quotes] + [font/style guidance] + [placement] + [background/subject]

高度なプロンプト作成のテクニック

絶対に譲れない要素を先に書く

プロンプトの最初に、モデルが残りの指示を無視したとしても正しく表現されなければならない要素を記載します。

必須要素とあると望ましい要素を分ける

次のような構成が有効です。

• 必須： 被写体、構図、照明、テキスト、アイデンティティの維持
• あると望ましい： 追加の雰囲気、小さな小道具、補助的なストーリーの細部

品質が下がった場合は、まず「あると望ましい」要素を削ります。

矛盾する要素を詰め込みすぎない

相反する形容詞を重ねるほど、結果はありきたりになります。

組み合わせの悪い例：

• ミニマル + あらゆる場所に細部が詰め込まれている
• ドキュメンタリーのようなリアリズム + スタイライズされたアニメのセルシェーディング
• 柔らかく拡散する霧 + あらゆる場所に差し込む、鋭く硬い日差し

物語のある瞬間を加える

単なる物体ではなく、ある瞬間を捉えると、画像はより興味深くなります。

例：

• 寺院の仕掛けが動き出す直前の瞬間
• 雨の中へ踏み出す途中
• シャンパンのコルクが抜けた直後
• 雲間から日の出が差し込む直前の一瞬

素材感を使ってありきたりな見た目を避ける

画像が人工的、あるいは安っぽく見えるときは、リアルにしてください だけでは解決しないことがよくあります。素材、微細な不完全さ、表面、光の振る舞いを指定します。

ネガティブプロンプトは控えめに使う

適切なネガティブプロンプトは、よくあるアーティファクトを取り除きます。不適切なものは、無関係な不安を寄せ集めたものになります。

適切な例：

negative_prompt: ["blurry image", "distorted hands", "flat lighting", "text or watermark"]

あまり適切でない例：

negative_prompt: [dozens of unrelated items that are unlikely to appear anyway]

症状 → 解決方法ガイド

問題：構図が意図と違う

次の要素を指定して修正します。

• ショットの種類
• カメラアングル
• 焦点となる被写体
• 被写体の配置
• レンズの選択
• 奥行きのレイヤー

問題：画像が平坦、または安っぽく見える

次の方法で改善します：

• 主光源を強める
• 補助的なリムライトまたはバウンスライトを加える
• 素材や表面のディテールを加える
• リアルな影や反射を加える
• カラーグレーディングの方向性を指定する

問題：要素が多すぎる／焦点が定まらない

次の方法で改善します：

• 主役を1つにする
• 背景をシンプルにする
• 焦点を明確に指定する
• 脇役となるオブジェクトを減らす

問題：人体や手の描写が不自然

次の方法で改善します：

• ポーズをシンプルにする
• 手が必須でなければ、見える指や手を減らす
• 手の極端なクローズアップではなく、ミディアムショットにする
• 四肢の位置が明確な自然な動きを指定する

問題：文字のスペルが間違っている、または見栄えが悪い

次の方法で改善します：

• 文章を短くする
• 正確なテキストを引用符で囲む
• 改行位置を指定する
• ポスターや広告のレイアウトを指定する
• テキスト描画に優れたモデルを選ぶ

問題：参照画像が無視される

次の方法で改善します：

• 参照画像の数を減らす
• 参照画像ごとに役割を1つ明確に割り当てる
• ベース画像から維持すべき要素を明示する
• 参照画像同士が矛盾する場合の優先順位を指定する

問題：画像にありきたりな印象がある

次の方法で改善します：

• 物語性のある瞬間を加える
• 素材を具体的に指定する
• カメラやレンズの設定を加える
• 雰囲気、天候、時間帯を加える
• 曖昧なスタイルの指定を、具体的なビジュアルの方向性に置き換える

制御性の高いプロンプトの例

この例では、複雑なシーンで優れた結果を生み出すことの多い、一般的なプロンプトの書き方を示します。

Create a cinematic fantasy-realist image with a clear focal point, believable lighting, and rich environmental detail.

```json
{
  "title": "Bioluminescent Jungle Temple at Dawn",
  "style": {
    "genre": "fantasy realism",
    "visual_aesthetic": ["cinematic", "ultra-detailed", "atmospheric", "mythic"]
  },
  "scene": {
    "location": "ancient jungle temple courtyard",
    "environment": "dense tropical rainforest",
    "time_of_day": "early dawn",
    "weather": "light mist after rainfall"
  },
  "composition": {
    "camera_angle": "low three-quarter angle",
    "framing": "wide shot",
    "focus": "central altar and lone explorer",
    "depth_layers": [
      "foreground wet roots and glowing fungi",
      "midground broken steps and altar",
      "background towering ruins and canopy"
    ]
  },
  "lighting": {
    "primary_light_source": "soft golden dawn light through the canopy",
    "secondary_light_sources": [
      "warm lantern glow",
      "subtle bioluminescent cyan glow"
    ],
    "mood": "mysterious, sacred, awe-inspiring"
  },
  "technical_preferences": {
    "aspect_ratio": "16:9",
    "lens": "24mm cinematic wide-angle",
    "realism": "high"
  },
  "negative_prompt": [
    "cartoon style",
    "low detail",
    "flat lighting",
    "text or watermark"
  ]
}
```

最終品質チェックリスト

作業を終える前に、画像が次の条件を満たしていることを確認してください：

• 焦点が明確である
• 用途に合った構図である
• 意図したムードを引き立てる照明である
• 素材やテクスチャに説得力がある
• 目立つアーティファクトや意図しない雑然さがない
• テキストが含まれる場合、スペルが正しい
• 出力先に適したアスペクト比である
• 重要なタスクの場合、再現性を確保するためにプロンプトファイルが保存されている

エージェント向け最小限の手引き

ユーザーが画像を依頼した場合：

1. 成果物の種類とアスペクト比を推定する
2. 適切な画像モデルを選ぶ
3. 依頼が単純でない場合は、プロンプトをファイルに記述する
4. 複雑なシーンや編集では、構造化したプロンプトを使う
5. 1回生成する
6. モデルが複数の出力画像を生成した場合は、どれを使うか決める前にすべての出力を1枚ずつ確認する — 最初の画像を選ぶだけで済ませない
7. 問題点を確認する
8. 必要な箇所だけを修正する
9. 手当たり次第にモデルを切り替えるより、プロンプトの改善を優先する

重要：最先端の画像生成モデルは高価です。画像を修正する前に、ユーザーに確認してください。

より良い画像を最短で生成するには、通常、より明確な指示、整理された階層、そしてより練られたビジュアル表現が鍵となります。