image-prompt-builder-nl

画像プロンプトビルダー — 自然言語

ユーザーが漠然としたアイデア、意図のスケッチ、タグのリスト、既存の粗いプロンプトを、正確で印象的な自然言語による英語の画像プロンプトに変換できるよう支援します。このスキルは、意図的にモデルに依存しない設計になっています。特定の画像モデルの名前を挙げたり、特定のモデルを前提にしたり、それに応じて処理を分岐したりしないでください。以下のワークフローに従った段落であれば、自然言語に対応するあらゆる画像モデルで使用できます。ユーザーは好みの実行環境に渡します。

このスキルの対象と対象外

対象： 汎用的で、モデルに依存しない自然言語プロンプトの作成。

対象外：

• Danbooru タグの生成や、重み構文の作成ではありません。1girl, blue_eyes のようなリスト、(tag:1.5)、{{tag}}、[tag]、<lora:...> は使用しません。
• 実行環境についてのアドバイス（サンプラー、CFG、シード、ネガティブプロンプト、ディスパッチ）ではありません。実行環境でそれらが必要な場合は、実行環境向けのスキルに任せるか、別途ユーザーに確認してください。
• コンテンツポリシーの判定役ではありません。許容されるかどうかはパイプラインの別の場所で判断します。このスキルでは、プロンプトの作成にのみ取り組みます。

重要なコンテンツルール（常に適用）

ユーザーが画像内のテキストを明示的に求めていない限り、画像内にテキスト、文字、単語を描写しないでください。 画像モデルは、読める看板、ロゴ、キャプションなどに言及したプロンプトを受けると、意味不明な文字を生成しがちです。そのため：

• ユーザーがテキストを求めていない場合 → プロンプトにテキストの内容を含めないでください。看板、本、画面、メニューボードなどがシーンに登場する場合は、「読めるテキストがない」、「判読できない文字がある」、*「ピントが外れて不鮮明」*のような表現を優先するか、その表面自体を省略してください。単に 「不鮮明」 とするだけでは不十分な場合がよくあります。読み取れる文字を明示的に否定しないと、部分的に判読できる文字を描写するモデルが多いためです。
• ユーザーがテキストを求めている場合 → 正確な文言を二重引用符で囲み（例：the words "URBAN EXPLORER"）、タイポグラフィのスタイル（例：太字のサンセリフ体、流れるような筆記体）を指定し、意図した位置に配置してください。
• 編集時の例外：ユーザーが既存の画像を編集していて、その画像にすでにテキストや看板が含まれており、それらの変更を求めていない場合は、テキストの内容を説明するのではなく、その領域を元画像のまま保持するようモデルに指示してください（例：「左側の既存の看板は元画像のままにする」）。これにより、判読可能な文字を再描画させることなく、元画像のピクセルを維持できます。

推論フロー（下書きの前に、これをよく考えてください）

プロンプト作成は、複数の層を積み重ねる作業として捉えます。以下の8つの層を頭の中で順に確認し、それぞれが何を加えるのかを判断してください。割合は、一般的な依頼における大まかな注意配分です。

1. コンセプトの抽出（約15%） — 核となるイメージを一つ取り出します。競合するアイデアは取り除き、残りは応用案として扱います。
2. スタイルと媒体の融合（約15%） — 媒体と、組み合わせる要素を決めます（映画のような写真、線画を重ねたガッシュ画、アイソメトリックなベクターアート、厚塗りを用いたムーディーな油絵など）。プロンプトはこれらの要素から始めます。
3. 技術と技法の錬成（約15%） — 媒体に適した技法の言葉を選びます。写真ならカメラ、レンズ、絞り、イラストなら筆、線、陰影、グラフィックデザインならレイアウト、階層、線の太さ、配色です。
4. 構図（約20%） — 最も比重の高い層です。ショットの種類やフレーミング、視点、目線、奥行きの層、レイアウトのルール（三分割法、中央対称、誘導線、黄金螺旋、ネガティブスペースによるフレーミング）を決めます。
5. 感覚的な魅力（約10%） — 画像にリアリティをもたらす、感覚をまたぐ手がかりを加えます。温度、空気（湿った／乾燥した／煙の多い／埃っぽい）、触感のある素材、暗示される音や静けさなどです。
6. 物語の小さな魔法（約10%） — 直前や直後の気配をフレームに織り込みます。動きが止まったばかりの姿勢、場違いな物、二つの感情の間にある表情などです。
7. 色と質感（約10%） — 配色と、主な素材や質感（生成りのリネン、ブラッシュ仕上げの真鍮、風化したコンクリート、水彩紙のにじみ）を指定します。
8. 芸術の系譜（約5%、任意） — 適切であれば、スタイルの系統や運動（アール・ヌーヴォー、浮世絵、ミッドセンチュリー・モダンのポスターアート）を手がかりにします。存命のアーティスト名よりも、芸術運動を優先してください。

この頭の中での確認を終えたら、選んだ層を統合した一つの流れるような段落を書きます。リストとして出力しないでください。各層は思考を支える足場であり、プロンプトの形式ではありません。

ワークフロー

以下の4つのフェーズは、推論フローを実行するためのものです。単純な依頼では素早く、複雑な依頼では慎重に進めてください。

1. 意図を抽出する

以下を特定します。

• 視覚的な主役 — 見る人に最初に何を見せるべきか。単一の被写体、被写体同士の関係、環境、製品のグループ、グラフィックレイアウトなどが考えられます。ほとんどのプロンプトでは、明確な主役を一つ設定すると効果的です。
• 動作／ポーズ／表情 — 被写体は何をしているのか、どんな気持ちなのか。
• 舞台設定 — 場所、時期、天候、時間帯はどうか。
• ムード／物語 — どんな感情や小さな物語を表現するのか。
• 媒体 — 写真／イラスト／3D／絵画／グラフィックデザインのどれか。フェーズ3で使う語彙を左右します。
• 制約 — アスペクト比、スタイルの系統、禁止要素、ブランドやキャラクターの一貫性。

重要な詳細が欠けており、妥当なデフォルトを選ぶと結果が大きく変わる場合は、焦点を絞った質問を一つしてください。それ以外の場合は、妥当なデフォルトを選び、ユーザーが変更できるようにその旨を伝えます。

2. コアの公式を使って下書きする

文レベルの標準的な構成：

[Style / medium] → [Subject + key descriptors] → [Action / expression]
→ [Setting / environment] → [Lighting / atmosphere] → [Camera or medium-specific craft / composition]
→ [Color & texture details]

自然な英語の一つの流れるような段落として書きます。一般的な長さは60～180語です（短めは40～80語、中程度は80～160語、長め／複雑なものは160～250語です。フェーズ4のチェックリストを参照してください）。印象的な名詞句または動詞で始めます（例："映画のようなクローズアップ写真で…"、"ムーディーな油絵の情景として、…を描写する"*）。

シナリオ別の表現（テキストから画像生成、複数の参照画像、編集、リアルタイム／ウェブ検索に基づく生成、画像内テキスト）については、references/formulas.mdを参照してください。

3. シーンを演出する（メディアに合わせる）

汎用的な形容詞を具体的な制作現場の用語に置き換えると、下書きは素晴らしいプロンプトになります。選ぶべき語彙はメディアによって異なります。

• 写真／映画風／フォトリアルな3D／商品撮影 — 撮影技法の語彙を幅広く使います。照明のセットアップ、カメラ本体、レンズ／焦点距離、絞り／被写界深度、カラーグレーディング／フィルム銘柄、素材感を指定します。
• イラスト／絵画／アニメ／コミック／コンセプトアート — カメラに関する表現を、次の語彙に置き換えます。画材（油彩／水彩／ガッシュ／インク／デジタルペイント）、線の質、筆致、陰影技法（セルシェーディング／ソフトシェーディング／ハッチング）、色のパレット、芸術運動や特定の伝統様式（例：アール・ヌーヴォー、浮世絵、スタジオジブリ風の背景）、さらに、ショットのフレーミングと視点を明示します（クローズアップのポートレート／ミディアムの半身ショット／広角の導入ショット／オーバーショルダー、アイレベル／ローアングル／鳥瞰）。イラストモデルは「奥行き」や「フレーミング」からショットのスケールを推測しないため、明示してください。⚠️ ユーザーがイラスト／アニメモデルを選んでいる場合、「85mm f/2.0」のような写真用語は大まかに解釈されたり、無視されたりすることがあります。ユーザーがシーンを映画風に表現していても、代わりにこの項目の語彙を使ってください。
• グラフィックデザイン／ロゴ／ベクター／ポスター／UIモックアップ／ピクセルアート／アイコン／図表 — カメラに関する表現を、レイアウト／視覚的階層、ネガティブスペース、線の太さ、タイポグラフィの扱い（ユーザーがテキストを希望する場合のみ）、配色システム、幾何学的な形状の表現に置き換えます。ベクターやピクセルアートの出力では、レンズや絞り値を指定しないでください。

各カテゴリの具体的な語彙や、その他のメディアについては、references/director-toolkit.mdを参照してください。

下書きを見直し、曖昧な描写（良い照明、素敵な色、美しい）を探し、選んだメディアに適したツールキットの具体的な選択肢に置き換えます。

4. 批評して洗練する

次のチェックリストに照らして草案を見直し、弱い表現を書き直します。

• 力強く具体的なスタイル／媒体の説明で始まっています（「美しい」「素晴らしい」ではありません）。
• 優先順位：最も重要な被写体と動作、スタイルの制約が最初の文に含まれています。後続の文では照明、構図、素材感を補足し、競合する概念を持ち込まないようにします。
• 被写体／焦点が明確です。複数の被写体がいる場合は、主役となる焦点を示しています。
• 生成プロンプトでは肯定的に表現します。フレームに「ないもの」ではなく「あるもの」を描写します（「車がない」ではなく「人けのない通り」）。編集プロンプトは例外です。明示的な「削除」「保持」「変更なし」といった表現は使用でき、通常は必要です。
• 「良い照明」だけで済ませず、照明を明記しています（方向＋質＋色温度）。写真以外の媒体では、その媒体に適した要素（配色、線の太さ、筆致など）に置き換えています。
• 媒体に適した技法の用語を少なくとも1つ含めています（写真ならカメラ＋レンズ、イラストなら筆致／線／陰影、グラフィックデザインならレイアウト／視覚的階層／ネガティブスペース）。
• 具体的な素材または質感を表す言葉を少なくとも1つ含めています（純粋なベクター／フラットデザインの出力では不要です）。
• タグ／重み付けの構文を使っていません。{}、[]、(tag:1.5)、<lora:>、カンマ区切りのキーワードの羅列は使いません。
• 意図しない文字描画の指示がありません（ユーザーが文字を求めている場合を除きます。「重要なコンテンツに関するルール」を読み直してください）。
• ショットのフレーミングが明確です。クローズアップ／ミディアム／ワイドに加え、視点（アイレベル／ローアングル／俯瞰／肩越し）も指定します。「奥行き」や「フレーミング」だけで示唆するのは避けます。
• 物語を感じさせる小さな手がかりを少なくとも1つ含めています。視線の止まる具体的な物理的ディテールを1つ加えます（カップから立ち上る湯気、落ちた花びらが1枚、書きかけの紙、ガラスに残った指紋など）。ロゴ／アイコン／ベクターのみの場合に限り省略できます。
• 美術的系譜の手がかりを含めています（推奨、必須ではありません）。スタイルの系統、ムーブメント、美的伝統を示します（スタジオジブリ風、アール・ヌーヴォー、浮世絵、ミッドセンチュリーモダンのポスターなど）。存命のアーティストの名前より、ムーブメントやスタジオを優先します。ユーザーがニュートラル／一般的なスタイルを明示的に求めている場合に限り省略します。
• 長さが適切で、フェーズ2に沿っています。シンプルな被写体は短め（40～80語）、映画的なシーンは中程度（80～160語）、複数の要素からなる複雑な構図は長め（160～250語）です。通常、約250語を超えるとモデルの性能を損ないます。
• 参照画像がある場合は、各画像と出力の関係を明示しています（「画像Aのポーズを使い、画像Bの配色を使用する」など）。

任意：ユーザーに追加の選択肢を提案する

プロンプトを提示した後、具体的なバリエーションを1～3個、簡潔に提案します（例：「照明を真昼の強い日差しに変えますか？」、「9:16の縦長バージョンにしますか？」）。1行で記載し、別の草案は提示しません。

出力形式

ユーザーが別の形式を求めていない限り、次の形式を使用します。

Prompt:
<one-paragraph natural-language prompt, 60–180 words>

Notes (optional, ≤3 bullets):
- Aspect ratio / size recommendation if relevant
- Any assumption you made (so the user can override it)
- One suggested variation

ストーリーボード、広告キャンペーン、キャラクターシートなど、複数の独立したシーンがある場合は、各シーンの上に1行のキャプションを付けてプロンプトを1つずつ出力します。セット全体で被写体／スタイルの一貫性を保つ表現を使用します。

参照ファイルを読み込むタイミング

• 一般的な媒体のシンプルなテキストから画像へのプロンプト → このファイルの基本式で十分です。何も読み込まないでください。
• 参照画像、編集、画像内のテキスト、リアルタイム／ウェブ検索、またはキャラクターの一貫性を保つセット → シナリオに応じたテンプレートを確認するため、references/formulas.md を読み込みます。
• 草案がありきたり／「AIスロップ」になっている、または曖昧な形容詞を使いすぎている → references/director-toolkit.md を読み込み、弱い語句を具体的な語彙に置き換えます。
• 評価の高いプロンプトを参考に、トーン、長さ、構成を調整する必要がある → references/examples.md を読み込みます。

入力によって良い出力が得られにくい場合の対処方法

• 入力がタグだけの場合（「1girl, blue dress, beach, sunset」）→ タグを受け取ったことを伝えたうえで、ワークフローに沿って自然な英語の文章に書き換えます。タグをそのまま繰り返してはいけません。
• 入力が極端に曖昧な場合（「かっこいい画像を作って」）→ 下書きを作成する前に、焦点を絞った質問を1つします（通常は被写体と雰囲気について）。
• 入力が長すぎる場合／矛盾する形容詞が並んでいる場合 → 下書きを作成する前に、意図の要点を整理します。提示するプロンプトは、入力より簡潔にします。