image-generation

画像生成・編集スキル

AI（Google Gemini Nano Banana Pro、OpenAI DALL-E 3）を使って画像を生成・編集します。

機能：

• 🎨 生成：テキストの説明から新しい画像を作成します
• ✏️ 編集：既存の画像を変更します（要素の追加・削除、色の変更）
• 🛍️ 商品配置：商品をシーンに配置します
• 🎭 スタイル変換：写真にアートスタイルを適用します
• 🖼️ 合成：複数の画像を1つにまとめます

簡単な使用例

ユーザーは希望する内容を指定できます。

ユーザーの指示	モード	動作
「夕日の画像を生成して」	生成	テキストから画像を生成します。参照画像は不要です
「コーヒーショップのロゴを作成して」	生成	テキストから画像を生成し、テキストを描画します
「この画像を編集して：猫に帽子をかぶせて」	編集	ユーザーが画像を提供し、AI が変更します
「この写真の背景を削除して」	編集	ユーザーが画像を提供し、AI が編集します
「この商品をキッチンカウンターに置いて」	商品	ユーザーが商品と、必要に応じてシーンを提供します
「この写真をゴッホが描いたようにして」	スタイル	ユーザーが写真を提供し、AI がスタイルを適用します
「これらの写真を組み合わせて集合写真にして」	合成	ユーザーが複数の画像を提供します

前提条件

API を利用するには、環境変数を設定する必要があります。少なくとも1つの API キーが必要です。

• OPENAI_API_KEY - OpenAI DALL-E 3 による画像生成用
• GOOGLE_API_KEY - Google Gemini（Nano Banana / Nano Banana Pro）用

設定手順については、リポジトリの README を参照してください。

利用可能な API

OpenAI GPT Image（画像の新規生成におすすめ）

• モデル：
  • gpt-image-1.5（最先端、最高品質）
  • gpt-image-1（高品質でコスト効率に優れています）
  • gpt-image-1-mini（最速、最も低価格）
• 最適な用途：高品質な生成、透過、テキスト描画、画像編集
• サイズ：1024x1024（正方形）、1536x1024（横長）、1024x1536（縦長）、または auto
• 品質：low（高速）、medium（バランス型）、high（最高品質）、または auto
• 背景：transparent、opaque、または auto
• 出力形式：png（デフォルト）、jpeg（高速）、webp
• 圧縮率：0～100％（jpeg/webp 用）
• 機能：
  • 最大16枚の入力画像を使った画像編集
  • 透過背景
  • 部分画像を含むストリーミング
  • 顔やロゴを保持する高い入力忠実度
  • マスクを使ったインペインティング
  • 32,000文字のプロンプト

⚠️ 注：DALL-E 2 と DALL-E 3 は非推奨となっており、2026年5月12日にサポートが終了します。

Google Gemini ネイティブ画像生成（編集におすすめ）

• Nano Banana（gemini-2.5-flash-image）：高速で効率的、1K 解像度、最大3枚の参照画像
• Nano Banana Pro（gemini-3-pro-image-preview）：プロ品質、最大4K、思考モード、最大14枚の参照画像（デフォルト）
• アスペクト比：1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9
• 解像度（Pro のみ）：1K、2K、4K
• 機能：
  • 画像編集（要素の追加・削除、色の変更）
  • 商品の配置と合成
  • スタイル変換
  • 高度なテキスト描画
  • Google 検索によるグラウンディング（Pro のみ）
  • 複雑なプロンプト向けの思考モード（Pro のみ）

ワークフロー

ステップ 1：要件の確認（必須）

⚠️ 対話形式で質問し、一度に質問は1つだけにしてください。

質問フロー

⚠️ 以下の各質問には、AskUserQuestion ツールを使用してください。 回答に質問を表示するだけではなく、表示されている選択肢を使って対話形式のプロンプトを作成してください。

Q0：モデルの選択

"どの画像生成モデルを使用しますか？

• Google Gemini（Nano Banana Pro）- 最大4K、参照画像14枚、スタイル転送、思考モード（推奨）
• OpenAI GPT Image 1.5 - 最先端、透過、ストリーミング、入力画像最大16枚
• OpenAI GPT Image 1 - 高品質、透過、画像編集
• OpenAI GPT Image 1 Mini - 最速、最も手頃な価格"

回答を待ちます。ユーザーに希望がない場合、編集や参照画像を使うタスクにはGemini、純粋な画像生成にはGPT Image 1.5を推奨してください。

Q1：参照画像

"画像を生成します！まず、参照画像はありますか？

• 含めたい製品写真
• スタイルの参考画像
• 編集する画像
• いいえ、一から生成"

回答を待ちます。

Q2：アスペクト比

"アスペクト比はどれにしますか？

• 1:1（正方形）
• 16:9（横長／ワイドスクリーン）
• 9:16（縦長／縦向き）
• 4:3 / 3:4（標準）
• その他（2:3、3:2、4:5、5:4、21:9）
• または指定"

回答を待ちます。

Q3：解像度

"解像度はどれにしますか？

• 1K（高速）
• 2K（バランス重視）
• 4K（最高品質）"

回答を待ちます。

Q4：スタイル

"スタイルの希望はありますか？

• フォトリアリスティック
• アーティスティック／絵画風
• カートゥーン／イラスト
• 3Dレンダリング
• または自由に指定"

回答を待ちます。

クイックリファレンス

質問	決定する内容
参照画像	生成モードと編集モードのどちらを使うか
アスペクト比	画像の寸法
解像度	品質レベル
スタイル	プロンプトの調整方針

解析：

• ユーザーが参照画像を提供した場合 → 画像編集モードを使用
• ユーザーがすべての質問に回答しなかった場合 → 適切なデフォルトを使用し、想定した内容を明記
• 解析する内容：被写体、スタイル、雰囲気、特別な要件（色、テキスト、構図）

ステップ2：プロンプトを作成する

ユーザーのリクエストを、効果的な画像生成プロンプトに変換します。

1. 具体的にする：ユーザーが明示していない詳細を追加
2. スタイルを記述する：「デジタルアート」、「油絵」、「写真」、「3Dレンダリング」
3. 照明を含める：「柔らかな照明」、「ドラマチックな影」、「ゴールデンアワー」
4. 品質を指定する：「非常に精細」、「8k」、「プロフェッショナル」

変換例：

• ユーザー：「宇宙にいる猫」
• 改良後：「カラフルな星雲と遠くの星々に囲まれ、宇宙空間に浮かぶ堂々としたオレンジ色のトラ猫。小さな宇宙飛行士ヘルメットを着用。デジタルアート風、非常に精細、鮮やかな色彩、映画のような照明」

ステップ3：APIを選択する

Q0でユーザーが選択したモデルを使用します。

1. 環境で設定されているAPIキーを確認します。

   • OPENAI_API_KEY → GPT Imageモデルを利用可能
   • GOOGLE_API_KEY → Gemini（Nano Banana Pro）を利用可能

2. ユーザーが選択したモデルを利用できない場合：その旨を伝え、代替案を提示します。

3. Q0の選択肢とモデルの対応付け：

   • "Google Gemini (Nano Banana Pro)" → gemini.py と gemini-3-pro-image-preview を使用
   • "OpenAI GPT Image 1.5" → openai_image.py と gpt-image-1.5 を使用
   • "OpenAI GPT Image 1" → openai_image.py と gpt-image-1 を使用
   • "OpenAI GPT Image 1 Mini" → openai_image.py と gpt-image-1-mini を使用

Step 4: 画像を生成する

${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/ の適切なスクリプトを実行します。

OpenAI GPT Image - テキストから画像を生成する場合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/openai_image.py \
  --prompt "your enhanced prompt" \
  --model "gpt-image-1" \
  --size "1024x1024" \
  --quality "high" \
  --output "/path/to/output.png"

OpenAI GPT Image - 透明な背景を使用する場合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/openai_image.py \
  --prompt "A product icon with no background" \
  --model "gpt-image-1" \
  --background "transparent" \
  --quality "high" \
  --output "/path/to/output.png"

OpenAI GPT Image - 画像を編集する場合（参照画像あり）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/openai_image.py \
  --prompt "Add a wizard hat to this cat" \
  --model "gpt-image-1" \
  --image "/path/to/cat.jpg" \
  --input-fidelity "high" \
  --output "/path/to/output.png"

OpenAI GPT Image - 複数の参照画像を使用する場合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/openai_image.py \
  --prompt "Create a gift basket containing these items" \
  --model "gpt-image-1" \
  --image "/path/to/item1.png" \
  --image "/path/to/item2.png" \
  --image "/path/to/item3.png" \
  --output "/path/to/output.png"

OpenAI GPT Image - マスクを使用する場合（インペインティング）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/openai_image.py \
  --prompt "Replace the pool with a garden" \
  --model "gpt-image-1" \
  --image "/path/to/scene.jpg" \
  --mask "/path/to/mask.png" \
  --output "/path/to/output.png"

OpenAI GPT Image - 部分画像をストリーミングする場合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/openai_image.py \
  --prompt "A beautiful sunset over mountains" \
  --model "gpt-image-1" \
  --stream \
  --partial-images 2 \
  --output "/path/to/output.png"

Google Gemini（Nano Banana Pro） - テキストから画像を生成する場合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/gemini.py \
  --prompt "your enhanced prompt" \
  --model "gemini-3-pro-image-preview" \
  --aspect-ratio "1:1" \
  --resolution "2K" \
  --output "/path/to/output.png"

Google Gemini - 参照画像を使用する場合（編集、製品の配置など）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/gemini.py \
  --prompt "Add a wizard hat to this cat" \
  --image "/path/to/cat.jpg" \
  --aspect-ratio "1:1" \
  --resolution "2K"

Google Gemini - 複数の参照画像を使用する場合（構図、スタイルの変換）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/gemini.py \
  --prompt "Place this product on the kitchen counter in this scene" \
  --image "/path/to/product.png" \
  --image "/path/to/kitchen.jpg" \
  --aspect-ratio "16:9" \
  --resolution "2K"

Google Gemini（Nano Banana - 高速ですが、機能は限定的）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/image-generation/scripts/gemini.py \
  --prompt "your enhanced prompt" \
  --model "gemini-2.5-flash-image" \
  --aspect-ratio "1:1"

Step 5: 結果を提供する

1. 生成した画像をユーザーに表示します
2. 使用した改善済みプロンプトを提示します（ユーザーが反復して調整できるようにします）
3. 次のことを提案します。
   • バリエーションを生成する
   • 別のスタイルを試す
   • 別の API／モデルを使用する
   • プロンプトを調整する

エラー処理

API キーがない場合：必要なキーと設定方法をユーザーに伝えます。

• OpenAI：https://platform.openai.com/api-keys
• Google：https://aistudio.google.com/apikey

API のレート制限：しばらく待つか、もう一方の API を試すよう提案します。

コンテンツポリシー違反：より適切なプロンプトに言い換えます。

生成に失敗した場合：プロンプトを簡略化するか、別の API で再試行します。

参照画像の使用例

OpenAI GPT Image と Google Gemini はどちらも、高度な編集で参照画像をサポートしています。

OpenAI GPT Image：最大 16 枚の入力画像に対応し、顔やロゴを保持するために input_fidelity: high を指定できます
Google Gemini：Nano Banana（最大 3 枚）、Nano Banana Pro（最大 14 枚）

画像の編集

• 「この人物にサンタの帽子を追加する」＋ person.jpg
• 「背景を削除して、ビーチのシーンに置き換える」＋ product.jpg
• 「ソファの色を青に変える」＋ living_room.jpg

製品の配置

• 「この製品を大理石のキッチンカウンターに置く」＋ product.png ＋ kitchen.jpg
• 「この時計を人物の手首に着けて見せる」＋ watch.png ＋ arm.jpg

スタイルの変換

• 「この写真をゴッホの『星月夜』風に変換する」＋ photo.jpg
• 「これを水彩画風にする」＋ landscape.jpg

複数画像の合成

• 「この人たちがオフィスにいる集合写真を作成する」＋ person1.jpg ＋ person2.jpg ＋ person3.jpg
• 「これらの要素を一貫性のあるシーンにまとめる」＋ element1.png ＋ element2.png ＋ background.jpg

キャラクターの一貫性

• 「このキャラクターを別の角度から見せる」＋ character.jpg
• 「この人物にスーパーヒーローの衣装を着せる」＋ person.jpg

ヒント：参照画像を使って最良の結果を得るには、保持したい要素と変更したい要素を具体的に指定してください。

プロンプトエンジニアリングのヒント

写実的な画像にする

• 「photograph」、「DSLR」、「35mm film」を含めます
• 「shallow depth of field」、「bokeh」など、カメラの設定を指定します
• 「natural light」、「studio lighting」など、照明を追加します

芸術的なスタイルにする

• 「impressionist」、「art nouveau」、「cyberpunk」など、芸術運動を指定します
• 「in the style of Studio Ghibli」、「Moebius style」など、アーティストのスタイルを指定します
• 「watercolor」、「oil painting」、「pencil sketch」など、画材を指定します

一貫性を保つ

• 利用可能な場合はシード値を使用します
• 成功したプロンプトを記録しておきます
• 類似のリクエストで、どの API が最良の結果を生成したかを記録します

API の比較

機能	GPT Image 1.5	GPT Image 1	GPT Image 1 Mini	Nano Banana	Nano Banana Pro
プロバイダー	OpenAI	OpenAI	OpenAI	Google	Google
モデル ID	gpt-image-1.5	gpt-image-1	gpt-image-1-mini	gemini-2.5-flash-image	gemini-3-pro-image-preview
最適な用途	最先端の性能	品質と価格のバランス	速度と低コスト	高速な生成	プロ仕様の素材
サイズ	1024², 1536x1024, 1024x1536, auto	同上	同上	1K のみ	最大 4K
品質オプション	low, medium, high, auto	同上	同上	該当なし	該当なし
アスペクト比	3 種類 + auto	同上	同上	10 種類	10 種類
参照画像	最大 16 枚	最大 16 枚	最大 16 枚	最大 3 枚	最大 14 枚
画像編集	対応	対応	対応	対応	対応
インペインティング（マスク）	対応	対応	対応	対応	対応
透過背景	対応	対応	対応	非対応	非対応
ストリーミング	対応	対応	対応	非対応	非対応
入力の忠実度	high/low	high/low	low のみ	該当なし	該当なし
出力形式	png, jpeg, webp	同上	同上	png	png
圧縮率	0-100%	同上	同上	なし	なし
テキスト描画	優秀	優秀	良好	良好	優秀
思考モード	なし	なし	なし	なし	あり
プロンプトの最大長	32,000 文字	32,000 文字	32,000 文字	該当なし	該当なし
速度	約30～60秒	約20～40秒	約10～20秒	約10～20秒	約30～60秒

⚠️ DALL-E 2 と DALL-E 3 は非推奨となっており、2026/05/12 にサポートが終了します。代わりに GPT Image モデルを使用してください。