scenario-ideogram

Scenario Ideogram Image

概要

Scenario の Ideogram 画像ファミリーは、モードを切り替えて使う単一のモデルではなく、用途ごとに特化したメンバーの集まりです。画像内のテキストを読みやすく生成する場合や、参照画像を使った編集には 4.5、ひとつの要素だけを変更してほかはそのままにする場合には 4.5 Precise Edit、ネイティブのアルファ出力には V3 Generate Transparent、フラットなグラフィックを編集可能なテキストレイヤーに変換する場合には V3 Layerize Text、複数のシーンで同じアイデンティティを維持する場合には Character、切り抜きには Remove Background を使います。V4 は引き続き検索結果に表示されますが、執筆時点では 4.5 を優先して非推奨とタグ付けされています。各メンバーは、仕組みの面でほとんど共通点がありません。同じ概念でも、メンバーによって名前、大文字・小文字、指定可能な値が異なるため、search で各メンバーを確認し、model_schema_get の結果を仕様として扱ってください。

接続と基本的な操作手順については、このリポジトリの scenario スキルを参照してください。モデルに依存しない画像処理（サイズの種類、参照画像の数、マスク）については、scenario-image スキルを参照してください。別のファミリーとの比較テストについては、scenario-model-comparison を参照してください。ここに記載された兄弟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 scenario-labs/skills --skill <name>）。無人で処理する場合は、ツールのスキーマに従って進め、不足している点を明示してください。

クイックリファレンス

用途に応じてメンバーを選択してください（名前はライブスキーマから取得。上限は執筆時点のものです）。

メンバー	用途	主な入力
4.5	テキスト中心の生成、参照画像を使った編集	prompt、referenceImages（最大 5 枚。最初の画像がソースです）、mask、aspectRatio（auto、source、3:1 から 1:3 までの 25 種類の比率）、resolution（1K、2K）、quality、magicPrompt、numOutputs（最大 8）
4.5 Precise Edit	ひとつの要素を変更し、ほかはそのままにする	image（出力は元のサイズを維持）、mask、referenceImages（最大 4 枚のガイド画像）、quality（デフォルトは medium）、numOutputs（最大 8）
V3 Generate Transparent	ネイティブのアルファ出力	prompt、negativePrompt、aspectRatio（15 種類の比率）、renderingSpeed（FLASH が追加されます）、expandPrompt、numOutputs（最大 8）、seed
V3 Layerize Text	フラットなグラフィックをレイヤーに変換	image、任意の prompt、各ティア（H1、H2、Body、Small）ごとの fontName* または fontFile*、seed
Character	同じキャラクターを新しいシーンに登場させる	prompt、characterReferenceImage、styleType（Auto、Fiction、Realistic）、aspectRatio または resolution、image と mask、renderingSpeed（Default、Turbo、Quality）、seed
Remove Background	背景を透明な PNG にして切り抜く	image（上限 10MB）

メンバー間で設定を引き継ぐことはできません。マスクの仕様もメンバーによって異なります。4.5 と Precise Edit では、白い部分が編集対象です。Character では、黒い部分が再描画され、白い部分はそのまま残ります。negativePrompt を使うのは V3 Transparent だけです。renderingSpeed は V3 Transparent ではすべて大文字で、Character ではタイトルケースです。Character の中間ティアは Default です。

4.5：ティア、サイズ、料金

qualityは、4.5の両モデルにおける価格調整つまみです（very_low、low、medium、high。very_lowには入力画像が必要ですが、Precise Editのimageで条件を満たせます。4.5ではreferenceImagesエントリーとして指定します）。執筆時点で、dry_runの見積もりはlowが7.75 CU、mediumが13.75 CU、highが41.75 CUでした。Precise Editのvery_lowは3.75 CUで、1Kと2K、さらに0.4 MP、4.3 MP、8.3 MPのソースでも同じ料金でした。実際に課金されたジョブは、どの見積もりよりも1.75 CU安くなりました。4.5のデフォルトは最上位かつ最も高価なhighです。Precise Editのデフォルトはmediumで、highでは複数の候補から最適なものを選び、料金は3倍になります。ティア名はモデルファミリー間で一致しません。Ideogramのhighは上限ですが、GPT Image 2.5のhighは5段階中3番目のティアで、Ideogramのmediumに近い価格です。ティア名ではなく、同じ価格でモデルファミリーを比較し、正確なペイロードでdry_runを実行してください。

執筆時点で確認された2K出力：2048×2048（1:1）、2560×1440（16:9）、2880×1440（2:1）、2944×1152（23:9）、3072×1024（3:1）。長辺は最大で約3072で、4Kはありません。1Kは約1 MP（16:9では1280×720が返されました）で、1:1、4:5、3:4、2:3、5:8、9:16、1:2と、それぞれの横向きの比率でのみ使用できます。1Kでの3:1はdry_runを通過しますが、実行時に失敗し、修正方法を示すヒントが表示されます。許可リスト外の比率（4:1）を指定すると、許可される値の一覧を示す400エラーが返されます。maskを指定する場合はaspectRatio: "auto"が必要です。

キャンバスを維持する編集

編集では、4.5のaspectRatio: "source"と、Precise Editのすべての実行で、比率の許可リストにない場合でもソースと正確に同じピクセルサイズが返されます。1326×313（4.24:1）のターンアラウンドシートは、どちらでも1326×313で返されましたが、autoでは3072×1024のシーンとして再構成されました。編集後のファイルをレイアウト、スプライトシート、ページテンプレートにそのまま戻す必要がある場合に使ってください。見出しの差し替えのような部分的な変更では、Precise Editにmaskは不要です。デフォルトのmediumでマスクなしで編集しても、シーンの残りの部分は変わりませんでした。GPT Imageファミリーは、代わりにこのようなソースの上下に白い帯を追加します（scenario-gpt-imageを参照）。

執筆時点で、同じソースを使ってGPT Image 2.5と1サンプルずつ比較したところ、看板のテキスト差し替えとオブジェクトの追加・削除を行う編集では、編集範囲外で変更されたピクセル数が4.5の各モデルのほうが2〜4倍少なく、指定した絵画風のスタイル（水彩画風への変更、ガッシュ画の風景）にもより忠実でした。実際に使ってみたところ、鉛筆スケッチでも同じ傾向が見られました。一方、フォトリアルな商品画像、キャラクターの設定への忠実さ、素材や色の変更ではGPT Image 2.5が優れていました。磨き上げた金色の鎧を指定したところ、4.5の両モデルともオリーブ色の真鍮を返し、Precise Editはプロンプトで維持するよう指示した剣の色まで変えました。用途に応じて使い分け、すべての編集プロンプトに「ほかはすべて正確にそのまま維持してください」と、残す必要があるものの一覧を含めてください。

正確なテキストを使う場合は展開をオフにする

デフォルトでは、生成前にジェネレーターがプロンプトを書き換えます。短い探索的なプロンプトには便利ですが、このモデルファミリーの得意分野には不利です。書き換えによって、画像に正確に表示する必要がある文言が言い換えられることがあります。画像に文字を入れる場合は、プロンプトの書き換えを無効にし（4.5ではmagicPrompt: "off"、V3 TransparentではexpandPrompt: false）、文言をそれぞれ引用符で囲んだうえで、位置とスタイルを指定してください（例：「見出しには、上部を横切る太字のコンデンス体の大文字で「GRAND OPENING」と表示します」）。magicPromptが適用されるのはテキストから画像を生成する場合のみです。4.5では、すべての編集が常に構造化された指示に変換されます。

透明化する2つの方法

ネイティブ：V3 Generate Transparentはアルファチャンネルを直接書き込むため、アイコン、ステッカー、UI要素は合成可能な状態で生成されます。切り抜き：4.5で生成してから、結果に対してRemove Backgroundを実行します。これはセグメンテーションではなく、部分的な透明度を持つエッジピクセルを再構成するため、髪、毛皮、ガラスを保持できます。アセットを独立した要素としてデザインする場合はネイティブ方式を、タイポグラフィや全体的な品質を優先する場合は切り抜き方式を使ってください。4.5には背景フィールドがないため、「transparent background」と指定しても不透明な画像が生成されます。

具体例：ローカライズ可能なポスター

1. target="models"、query="ideogram"、public=true を指定して search を実行します。メンバーは個別のヒットとして返されます。名前で照合します。たとえば、タイポグラフィには model_ideogram-v4-5 を使用します（執筆時点でのライブヒットです。セッションごとに再検索してください）。
2. その ID を指定して model_schema_get を実行し、ほかの操作を行う前に、フィールド名、許容値、デフォルト値を確認します。
3. コストを見積もるため、該当する model_id、dry_run=true、および parameters={"prompt": "Retro travel poster, warm dusk palette. The headline reads \"KYOTO IN BLOOM\" in bold serif across the top; caption \"April 2027\" bottom right.", "aspectRatio": "9:16", "resolution": "2K", "quality": "high", "magicPrompt": "off", "numOutputs": 2} を指定して model_run を実行します。
4. wait=false を指定して model_run を再度実行し、返されたジョブ ID を指定して jobs_wait を実行します。タイムアウトした場合は pending_job_ids を指定して再度呼び出します。model_run を再度実行してはいけません。
5. 出力を asset_display で表示し、1つ選びます。
6. コピーを編集可能にするには、同じ方法で Layerize メンバーを検索し（執筆時点では model_ideogram-v3-layerize-text）、スキーマを確認してから、parameters={"image": "<poster asset id>"} を指定して model_run を実行します。生成されたアセットの ID はファイル入力に直接渡せるため、再アップロードは不要です。出力はテキストが消去されたベース画像と、役割、位置、内容が設定されたテキストブロックです。
7. jobs_wait を実行し、その後 asset_display と asset_download を実行します。

よくある間違い

• あるメンバーのブロックを別のメンバーに引き継ぐこと：magicPrompt と resolution は 4.5 のフィールドです。V3 Transparent では aspectRatio と expandPrompt が必要です。Precise Edit では、ソース画像に referenceImages ではなく image を指定します。
• ドラフトでも 4.5 のデフォルトである high のままにすること：まず low または medium を使い、最終版で high にします。
• プロンプトに正確なコピーを指定しているのに、拡張を有効にしたままにすること：モデルが確認する前に、書き換えによって文言が変わる可能性があります。
• キャンバスを変更してはいけないのに、aspectRatio: "auto" を指定して編集すること：source または Precise Edit を使用します。
• 4.5 に透明な背景を指示すること：V3 Transparent で生成するか、Remove Background を後続で使用します。
• Character で image を指定しながら mask を指定しないこと：この2つはセットで指定します。characterReferenceImage も引き続き必須です。インペインティング中はサイズ指定フィールドが無視されます。
• Layerize で fontNameH1 と fontFileH1 を同時に指定すること：各ティアのフォントには、フォント名かフォントファイルのどちらかを指定します。両方は指定できません。upload_asset にはフォント種別がないため、ローカルのフォントファイルしかない場合はフォント名の方法を使い、この制約を明記します。