layer-image

レイヤー画像生成

概要

ループは layer スキルで説明されているものです。filter.use_case: "text_to_image" を指定して list_base_models を実行し、get_base_model、見積もり、実行、ポーリングを行います。使える画像になるか、あと一歩の画像になるかを分けるのは、モデルの選択ではなく、プロンプトとモデルごとの仕様です。モデルの選択については、厳選されたランキングですでに対応しています。

すでにある画像を編集するのは、ルールの異なる別のユースケースです。layer-image-editing を参照してください。スプライト、アイコン、ゲーム UI にも固有の制約があります。layer-game-assets を参照してください。セット全体で統一感のある見た目にする方法については、layer-reference-sets を参照してください。

ここで名前を挙げた関連スキルが利用可能なスキルにない場合は、ユーザーにインストールを依頼してください（npx skills add layerai/skills --skill <name>）。無人で作業を続行する場合は、ツールのスキーマに基づいて進め、不足しているスキルについて明記してください。

プロンプトに含めるべき内容

モデルは、プロンプトにない情報を補います。その情報は、学習データに含まれる最もありふれた答えで埋められます。以下は、影響の大きい順に、おおよその優先度で並べた、明確に指定すべき要素です。

1. 具体的な被写体。「ファンタジーのキャラクター」よりも「ドワーフの鍛冶職人」のほうが適切です。
2. スタイルの方向性。アーティスト名ではなく、制作で使われる用語で指定します。手描き風、セルシェーディング、フラットベクター、絵画調のセミリアリズム、様式化された PBR レンダリング、ガッシュ、90 年代のエアブラシなどです。
3. ショットと構図：全身、スリークォーターのポートレート、俯瞰、アイソメトリック、極端なクローズアップ。これは最もよく抜け落ちる要素であり、再生成が最も頻繁に必要となる原因です。
4. ライティング：光源の方向、硬さ、時間帯、実用光源。「背後からのリムライトと、下から照らす暖かな炉の光」は具体的な指定ですが、「良いライティング」では指定になりません。
5. パレット。色を指定するか、使用を制限します。「彩度を抑えた青緑と錆色。アクセントカラーは 2 色のみ」などです。
6. 背景の処理：単色、透明背景で分離、環境を暗示、フルシーン。合成するアセットでは、背景の処理を暗黙の前提にせず、明示する必要があります。

重要でない要素は省きます。すべてを指定したプロンプトは、何も指定していないのと同じです。モデルは文字列全体をもとに生成するため、重視する要素が薄まってしまいます。

サイズとモデルごとに異なるフィールド

アスペクト比と解像度は、モデルごとの仕様です。どちらもテキストから画像を生成するモデルであっても、アスペクト比の文字列を受け取るのか、幅と高さを明示するのか、名前付きのサイズから選ぶのかはモデルによって異なります。そのため、前回うまくいった形式を使い回さず、get_base_model を確認してください。

成果物のアスペクト比が固定されている場合は、その比率で絞り込みます。filter.capabilities は名前のリストではなく、真偽値を指定するオブジェクトなので、{portrait_9_16: true} のように指定します。1 つの設定から複数の切り抜きを作成する場合は、square、portrait_9_16、landscape_16_9、または multiple_aspect_ratios を指定します。タスクに必要なものだけを指定してください。false はデフォルトではなく、フィルターとして機能します。

ネガティブプロンプト、参照画像、シード

negative_prompt は機能の一つであり、すべてのモデルに共通するパラメーターではありません。実行時に必要な場合に限って対応状況を確認し、むやみに送信しないでください。対応していないモデルでは無視されるかエラーになり、対応しているモデルでも、長いネガティブリストは得られる効果よりコストのほうが大きくなります。繰り返し発生する特定の不具合を抑えるために使いましょう。

テキストから画像を生成する実行では、3 種類の参照情報を指定できます。いずれもアップロード後に guidance_files で渡します。

• image_editing 機能と組み合わせる reference_image は、「この被写体を再現する」場合や、参照画像に合わせる必要がある新しいアートに使います。以前からある、スタイルのみを転送する style_reference は見た目を引き継ぎますが、被写体は引き継ぎません。そのため、キャラクターを固定する目的でこれを使うと、キャストが変わってしまうことがよくあります。
• character_pose 機能と組み合わせる pose は、「キャラクターをこのポーズにする」場合に使います。
• structure または outline 機能と組み合わせる depth、canny、lineart、scribble は、「このレイアウトを保つ」場合に使います。

参照画像は、形容詞を 3 つ並べるよりも効果があります。ユーザーが画像を持っていて、それを言葉で説明している場合は、画像をアップロードしましょう。

シードを使うと実行を再現できるため、反復作業に役立ちます。シードを固定して節を 1 つ変更すれば、その節が実際にどのような影響を与えるかを確認できます。ただし、異なるプロンプト同士の一貫性を保つことはできません。複数の画像で同じ見た目を保つには、学習させてください。layer-reference-sets を参照してください。

画像内のテキスト

ほとんどの画像モデルはテキストを正しく生成できません。読み取れる文字が必要な成果物では、説明にタイポグラフィ対応が明記されたモデルを選び、文字列を短くして、プロンプト内で引用符で囲んでください。それでも 2 回試して失敗した場合は、再生成を続けず、文字を入れずにアートを生成してから文字を合成しましょう。こうすれば、後から編集やローカライズもできます。

実例

「ローグライクゲームのキーアート。16:9、Steam ページ用。」

1. filter.use_case: "text_to_image" と filter.capabilities: {landscape_16_9: true} を指定して list_base_models を実行します。最初の結果を選びます。
2. get_base_model を実行し、受け付けるサイズ指定フィールドと、トリガーワードが必要かどうかを確認します。
3. 上記の 6 つのポイントを踏まえて、次のようなプロンプトを作成します。「フードをかぶった盗賊が、崩れかけた石橋を飛び越える瞬間。下から見上げる 3/4 アングル。手描きのセミリアリズム。左上から差し込む鋭い月光と、冷たい青のリムライト。下にたまる暖かな松明の光。くすんだスレート色と琥珀色。嵐に照らされた遺跡が、背後の霧の中へと消えていく。」
4. 1 つのアイデアから 4 つの構図を確認するため、batch_size: 4 を指定して estimate_forge_price を実行します。
5. 20 CU 未満なので実行し、poll_interval_seconds 間隔で状態を確認します。
6. 4 つすべてを提示します。1 つを選んでシードを固定し、節を 1 つずつ変更しながら調整します。

よくある間違い

• ショットやフレーミングを指定せず、違う切り取りを期待して同じプロンプトを再実行する。
• 参照画像をアップロードせず、言葉で説明する。
• 対応機能として宣言していないモデルに negative_prompt を送信する。
• get_base_model を読まずに、別のモデルで使ったサイズ指定フィールドを再利用する。
• N 個の異なるアセットを生成するために batch_size を使う。これは 1 つのプロンプトからバリエーションを作ります。
• 6 回目の再生成まで読み取れる文字を追い求め、合成する方法を使わない。
• 5 つのスタイル形容詞を重ね、どれにも当てはまらない中間的な結果にする。