prompt-images

Replicateで画像モデルにプロンプトを入力する

Replicateの画像モデルへのプロンプト入力に関するブログ記事（2024～2026年）から要点をまとめています。ここで紹介するテクニックは特定のモデルに依存せず、応用可能な原則に焦点を当てています。

記憶に頼らず、APIを使ってモデルを選ぶ

このスキルでは、一般的なプロンプト入力テクニックを説明します。モデルを選ぶには、find-modelsスキルを使ってReplicate APIを検索してください。画像モデルの状況は毎週変化します。以前見た名前だけを頼りに、特定のモデルが存在する、または今も最先端であると決めつけないでください。まずAPIで現在利用できる選択肢を検索し、実行前にスキーマを確認してください。

料金と機能の比較については、compare-modelsスキルを参照してください。

プロンプトの書き方

キーワードの羅列ではなく、自然な文章を使う

作りたいものを文章で説明します。最新の画像モデルは、キーワードを詰め込んだプロンプトよりも、文法や文脈をはるかによく理解します。

良い例：「夕暮れ時の東京の路地に立つ女性。濡れた舗道にネオンサインが反射している」 悪い例：「女性、東京、路地、夕暮れ、ネオン、濡れた舗道」

具体的かつ明確にする

正確な色、素材、照明の設定、カメラ機材、空間的な位置関係を指定します。「もっと良く」や「芸術的に」といった曖昧な言葉では、予測しにくい結果になります。

良い例：「雨上がり、完全に静止した水たまりに映るブルータリズム建築のコンクリートの建物。赤い傘を差した人物が一人、端に沿って歩いている。モノクロの風景の中で、赤だけが唯一の色。曇り空、均一に拡散した光、画面の端にティルトシフトレンズの効果。」 悪い例：「人が近くにいる、かっこいい建物、雨の日」

被写体を直接名指しする

「短い黒髪の女性」や「赤い車」のような描写的なフレーズを使います。代名詞は画像モデルにとって曖昧になりやすいため、避けてください。

長く、詳細なプロンプトを使う

多くの最新モデルは数千トークンを受け付けます。構成が明確な、長く描写的なプロンプトは短いものより優れた結果を出します。物体上のテキスト、ラベル付きの図、色分けされた要素、特定の素材など、12項目以上の具体的な要件を含むプロンプトでも、それぞれの要件が明確に記されていれば機能します。ただし、プロンプトが長く複雑になるほど、見落とされる要素が出る可能性も高くなります。

まずシンプルに始めてから、繰り返し調整する

最初は基本的な変更から始めます。小さな編集を試し、うまくいった内容をもとに発展させてください。多くの編集モデルは反復的な編集に対応しているため、それを活用しましょう。

写真撮影の用語

最新の画像モデルは、カメラや写真撮影に関する用語を深く理解します。こうした用語を使うと、見た目を正確に制御できます。

カメラとレンズ

• フィルム：Kodak Portra 800、Fuji Velvia 50、Ilford HP5
• レンズの特性：絞り開放の50mm Summilux、85mm f/1.4、24mm広角
• 被写界深度：浅い（被写体にピントを合わせ、背景をぼかす）、深い（すべてにピントが合う）
• 撮影テクニック：ゴールデンアワー、ブルーアワー、長時間露光、多重露光

照明の設定

• レンブラント照明：頬に三角形の光を作る、伝統的なポートレート照明
• 柔らかく拡散したスタジオ照明：くっきりしたハイライトと柔らかな影
• リムライト／バックライト：後ろからの光で被写体の輪郭を浮かび上がらせる
• 均一に拡散した光：曇天のような均一な照明で、影を最小限に抑える
• ボリューメトリック照明：目に見える光線、霧、もや

構図

• 三分割法、中央構図、対称性
• ワイドショット、ミディアムショット、クローズアップ、マクロ
• ハイアングル、ローアングル、目線の高さ、俯瞰
• ミニチュア効果のためのティルトシフト

テキストのレンダリング

画像内のテキストのレンダリングは、よくあるタスクです。これらの手法を使うと、モデル全体で精度が向上します。

• プロンプト内で、目的のテキストを二重引用符で囲みます："太字のコンデンスドサンセリフ体で「BLUE NOTE SESSIONS」というタイトルを入れたポスターをデザインしてください"
• 読みやすいフォントを使います。極端に装飾的なテキストは、うまくいかない場合があります。
• 既存の画像内のテキストを編集するときは、次のパターンを使います："「古いテキスト」を「新しいテキスト」に変更"
• 可能であればテキストの長さを合わせます。文字数が大きく変わると、レイアウトが変わることがあります。
• フォントスタイルの維持が重要な場合は、その旨を明確に伝えます。
• ポスターやエディトリアルレイアウトなど、複雑なタイポグラフィでは、テキストを上から貼り付けるのではなく、構図の一部として扱うモデルを探します。
• テキストのインペインティングに対応するモデルもあります。テキスト領域をマスクし、新しいテキストをプロンプトで指定すると、元のフォントとスタイルに合わせてくれます。

スタイルの変換

• スタイルを正確に指定します："印象派の絵画、「1960年代のポップアート」、「墨絵の水墨画」"
• より明確に指示するには、特定のアーティストや美術運動を挙げます。
• スタイル名だけではうまくいかない場合は、主な特徴を説明します："目に見える筆致、厚みのある絵の具の質感、豊かな色の深み"
• 何を維持するかを明記します："元の構図を維持"
• 言葉で説明しにくいスタイルの場合、例を使った編集に対応しているモデルもあります。編集前後の画像を用意し、その後に3枚目の画像を提示します。モデルが変換方法を推測して適用します。
• スタイル参照画像を受け付けるモデルもあります。希望するカラーパレット、質感、構図、雰囲気を捉えた画像をアップロードします。

キャラクターの一貫性

複数回の生成で同じキャラクターを維持することは、画像生成における最も難しい課題の一つです。

• 明確な参照説明から始めます："黒髪のショートヘアで緑の目をした、ネイビーのブレザーを着ている女性"
• 何を変えるか（設定、動作、スタイル）と、何を維持するか（顔、表情、服装）を伝えます。
• モデルが対応している場合は、参照画像を使います。複数の参照画像を同時に扱い、より高い一貫性を実現できるモデルもあります。
• 複雑なキャラクターの変更は、段階に分けて行います。まず服装を変え、その後でシーンを変えます。
• 合成トレーニングデータを生成します。キャラクターの画像を多数作成し、最良のものを選んで、ファインチューニングまたは参照画像として使います。

画像編集

基本原則

• 維持する要素を指定します。変更しない部分を明示します。「ポーズと表情を変えずに」や「元の構図を維持して」などの表現を使います。
• 動詞を慎重に選びます。「変換」は全面的な作り直しを示唆します。「服を青いジャケットに変える」や「背景をビーチに置き換える」など、具体的な操作を指定します。
• 範囲を明確にします：「背景をビーチに変更しつつ、人物の位置は正確に維持し、被写体の配置、カメラアングル、フレーミング、遠近感も同一に保ちます。周囲の環境だけを置き換えます。」

オブジェクトの削除

• 削除するものだけでなく、空いたスペースを何で埋めるかを説明します。
• 編集モデルによって、きれいに削除できるものもあれば、構造上のアーティファクトが残るものもあります。あるモデルでうまくいかない場合は、別のモデルを試します。

背景の編集

• 新しい背景について、照明、時間帯、環境を詳しく説明します。
• 被写体の位置と照明を正確に維持するよう指定します。

遠近感やアングルの変更

• これらは特に難しい編集です。すべてのモデルがうまく処理できるわけではありません。
• 初期の構図に固執し、新しいアングルを苦手とするモデルもあります。

インペインティングとアウトペインティング

• インペインティングでは、編集する領域をマスクし、その領域を何で埋めるかをプロンプトで指定します。
• 「マジックプロンプト」や自動書き換え機能を備えたモデルもあります。この機能がオンの場合は、編集領域だけを説明すれば十分です。オフの場合は、シーン全体を説明します。
• マスクした領域だけを説明すると、モデルがプロンプトをより重視するため、対象を絞った編集でより良い結果が得られることがあります。
• ControlNet 形式のコンディショニング（エッジ検出、深度マップ）は、生成中の構造の維持に役立ちます。

複数画像とストーリーボードの生成

モデルによっては、1つのプロンプトで関連する複数の画像を生成できます。

• 「一連の画像」や「セット」を依頼するか、グリッドレイアウトを指定します（例：「2x2のストーリーボードグリッド」）
• 各パネルを個別に説明し、キャラクターの説明に一貫性を持たせます
• 正確に同じ説明を繰り返し、スタイルとキャラクターの一貫性を保ちます
• モデルによっては、例を使った編集に対応しています。まず1枚の画像で編集前と編集後のペアを示し、同じ変換をほかの画像にも適用します

商品撮影と商用制作

• 素材を正確に指定します：「ブラッシュドスチール」「マットアルミニウム」「クラフト紙」「すりガラス」
• 照明の設定を説明します：「柔らかく拡散したスタジオ照明、鮮明なハイライトと穏やかな影」
• ブランド素材やアイコンには、ネイティブなSVG出力（実際に編集可能なベクターファイル）を生成できるモデルを選びます
• ブランド要素やコピーの配置を含むレイアウトには、タイポグラフィとデザイン構成に優れたモデルを選びます

ファインチューニングとLoRA

• 学習済みモデルのトリガーワードを、すべてのプロンプトで使用します
• 複数のLoRAを組み合わせる場合は、スケールパラメーターでそれぞれの影響のバランスを調整します（通常は0.9～1.1）
• 合成学習データを生成します。多数の画像を生成し、最良のものを選んで再学習します
• 一貫したキャラクターのワークフローを使い、1枚の参照画像から学習データを生成します

よくある落とし穴

1. キーワードを詰め込んだプロンプト：最新のモデルは、カンマ区切りのキーワードリストより自然な文章によく反応します。写真にタグを付けるようにではなく、シーンを説明するように書きます。

2. 小さな編集をしたいのに「変身させる」と指定する：「その人物をバイキングに変身させる」と指定すると、人物のアイデンティティ全体が置き換わることがあります。対象を絞った表現を使います：「顔と表情は変えずに、服装をバイキングの鎧に変える。」

3. 維持する要素を指定しない：編集時は、何をそのまま維持するかを必ず伝えます。明確な指示がないと、モデルは何でも変更する可能性があります。

4. その用途向けに学習されていないモデルでネガティブプロンプトを使う：ネガティブプロンプトを使って学習されていないモデルもあります。そのようなモデルで使うと、不要な要素が取り除かれるどころか、ノイズが生じます。モデルのドキュメントを確認してください。

5. ガイダンススケール（CFG）が高すぎる：コントラストが強すぎて画像が「焦げた」ように見える場合は、ガイダンススケールを下げます。推奨範囲はモデルごとに異なります。

6. リアルタイムの知識を期待する：画像モデルはインターネットにアクセスできません。学習データに基づく幅広い世界知識を持つモデルもありますが、リアルタイムではありません。

7. 複雑なシーンに短いプロンプトを使う：最新のモデルは数千トークンを受け付けます。多くの具体的な要件を含む複雑な構図では、その容量を活用します。

8. アスペクト比を無視する：ほとんどのモデルには、最適な解像度があります（一般的には約1メガピクセル）。大きすぎるとエッジにアーティファクトが発生し、小さすぎると切り抜きが粗くなります。モデルが推奨するアスペクト比を使用します。

9. タスクに合わないモデルを使う：すべてのタスクに優れたモデルはありません。テキスト描画は得意でもオブジェクトの除去が苦手なモデルもあれば、スタイル変換は得意でも背景編集が苦手なモデルもあります。モデルが特定の編集タイプに苦戦する場合は、プロンプトにこだわるのではなく、別のモデルを試してください。詳しくはcompare-modelsスキルを参照してください。

10. 反復しない：最良の結果は、反復的なワークフローから得られます。小さな変更を加え、評価し、調整して、繰り返します。1回の生成ですべてを完璧にしようとしないでください。

背景資料

上記のテクニックは、画像モデルへのプロンプト作成に関するReplicateのブログ記事をもとにまとめたものです。記事では当時の最新モデルを取り上げていますが、テクニックは現代の画像モデル全般に応用できます。詳しい情報を得るために以下の記事を参考にした後、find-modelsスキルを使って、現在のタスクに適したモデルを選んでください。

• Seedream 5.0へのプロンプト作成方法（2026年2月）
• Recraft V4（2026年2月）
• ReplicateでFLUX.2を実行する（2025年11月）
• Nano Banana Proへのプロンプト作成方法（2025年11月）
• どの画像編集モデルを使うべきか？（2025年9月）
• 一貫性のあるキャラクターを生成する（2025年7月）
• FLUX.1 Kontextで言葉を使って画像を編集する（2025年5月）
• Imagen 4（2025年5月）
• ReplicateのIdeogram 3.0（2025年5月）
• FLUX.1 Tools（2024年11月）
• Ideogram v2のインペインティング（2024年10月）
• 合成データを使ってFluxのファインチューニングを改善する（2024年9月）
• FLUX.1：第一印象（2024年8月）
• Stable Diffusion 3で最高の結果を得る方法（2024年6月）