AI画像promptは、1つの長い説明文ではなく、対象、スタイル、ライティング、構図、技術的な修飾子から成る構造化されたスタックとして使うと最も効果的です。 Stable DiffusionとMidjourneyは内部でpromptを異なる方法で解釈しますが、基本的な構成要素はどちらでも結果を向上させます。求めるものを具体的に指定し、詳細を1つの長々としたフレーズに詰め込むのではなく、レイヤーのように重ねていきましょう。
画像生成の基本的なpromptスタック
| レイヤー | 例 |
|---|---|
| 対象 | 「背の高い草むらに座る赤いキツネ」 |
| スタイル | 「水彩イラスト」や「フォトリアル」 |
| ライティング | 「ゴールデンアワーの照明」や「柔らかなスタジオ照明」 |
| 構図 | 「クローズアップ」や「広角、三分割法」 |
| 技術的な修飾子 | アスペクト比、品質タグ、negative prompts（不要な要素の除外） |
Stable DiffusionとMidjourney：構文の基本
- Stable Diffusionはカンマ区切りのタグを好みます。キーワード形式のフレーズが効果的で、不要な要素を除外するnegative promptsは別のフィールドに入力します。
- Midjourneyはパラメーター付きの自然言語を好みます。文章に近い形で記述し、最後にアスペクト比やスタイル強度などのパラメーターを追加します。
- どちらも、具体的なスタイル参照を活用できます。アートスタイル、媒体、時代を指定すると、「美しい」や「素敵な」のような曖昧な形容詞よりも安定して出力を絞り込めます。
- どちらも、完璧なpromptを1つ作るより反復改善を重視します。生成し、一度に1つの変数だけを調整して、再生成します。
画像promptでよくある間違い
- 矛盾するスタイルを1つのpromptに詰め込みすぎる。「フォトリアルな漫画風水彩画」のような指定は、スタイルを融合するどころかモデルを混乱させます。
- 具体性のない曖昧な品質表現。「高品質」と言うより、実際のライティング設定や構図のスタイルを指定するほうが効果的です。
- negative promptsを省略する。余分な手足やぼやけた輪郭など、よくあるアーティファクトを明示的に除外すると、肯定的な詳細を追加するよりも結果が改善することがよくあります。
関連記事：prompt engineering 101。こちらもご覧ください：特定のタスクに適したChatGPTのAIチャットボット代替サービス。
よくある質問
Stable DiffusionとMidjourneyは同じprompt構文を使いますか？
いいえ。Stable Diffusionはカンマ区切りのタグを好み、Midjourneyはパラメータを後ろに付けた自然言語を好みますが、同じ内容上の原則がどちらにも当てはまります。
negative promptとは何ですか？なぜ重要なのですか？
negative promptは、余分な手足やぼやけた輪郭など、モデルに除外してほしいものを伝えます。結果を整えるうえでは、positive promptと同じくらい重要なこともよくあります。
画像promptは完全な文章で書くべきですか、それともキーワードのリストにすべきですか？
ツールによります。Midjourneyは自然な文章をうまく処理しますが、Stable Diffusionは構造化されたキーワードタグのほうが反応しやすいことがよくあります。
スタイルの参照はどの程度具体的にすべきですか？
かなり具体的にする必要があります。実際のアートスタイル、媒体、写真技法を指定すると、「美しい」や「素敵」のような一般的な言葉よりも、結果をはるかに確実に絞り込めます。
なぜ私の画像promptは一貫性のない結果ばかり生成するのですか？
1つのpromptに、競合するスタイルや被写体の指示を詰め込みすぎていることがよくあります。明確なスタイルと被写体を1つに絞り、その後は少しずつ調整しましょう。
要するに
優れたAI画像promptでは、すべてを1文に詰め込むのではなく、被写体、スタイル、照明、構図、技術的な修飾語を組み合わせます。使用するツール固有の構文上の特徴を把握し、negative promptsで結果を整え、変数は一度に1つずつ調整しましょう。
KissMySkillsのClaude skillsコレクションで、すべてのAIエージェントとLLM opsスキルを見る。