生成AIモデルから信頼性の高い結果を得るためのヒント
このガイドはプラットフォームのルール集ではありません。モデルがより良い結果を出しやすくするための実践的な手法をまとめたものです。生成の失敗の多くは、モデルができないことによるものではなく、入力が明確でなく、焦点が絞られておらず、実行可能な状態ではないために起こります。
1. プロンプトはチャットではなく「作成指示」として書く
モデルは、明確な創造的タスクを実行することを得意としています。以下のような、あいまいな依頼は避けるようにしてください。
- 「この画像を直して」
- 「どこがおかしいか見てみて」
- 「もっといい感じにして」
- 「絵コンテの問題を修正して」
このような言い回しをすると、モデルは画像を生成する代わりに、テキストで解説を返してしまうことがよくあります。
より効果的な書き方：
Create a new image based on the reference image.
Keep the same character and scene, but fix the duplicate panel number.
Remove the lower panel labeled 9.
Extend panel 10 to fill the empty space.
Do not add extra text, borders, or labels.
Output a clean final image.
核となる原則： モデルに対し、単に問題を伝えるのではなく、どのような画像を**作成（Produce）**すべきかを伝えてください。
2. 1つのタスクにつき、1つの主要な指示に絞る
1つのプロンプトで、キャラクターの変更、背景の入れ替え、テキストの修正、スタイルの維持、絵コンテの再配置、ディテールの強化、さらに構図の調整まで一度に求めると、モデルの焦点がぼやける可能性が非常に高くなります。
作業を小さなステップに分解しましょう：
- まず構図とレイアウトを修正する
- 次にキャラクターの一貫性を整える
- その後、スタイルとディテールを強化する
- 最後に、高解像度化や仕上げのパスを行う
特に画像編集や動画生成においては、1つの巨大なプロンプトを書くよりも、ステップ・バイ・ステップで進める方が通常は信頼性が高まります。
3. 長いプロンプトが常に良いとは限らない
長いプロンプトは複雑なニーズを表現できますが、長すぎると2つの問題が生じます：
- モデルによっては長さ制限がある
- モデルが後半の詳細を無視したり、曖昧にしたりすることがある
信頼性の高い構造：
Goal（目的）: 最終的に得たい結果
Reference（参照）: 維持すべき画像や要素
Changes（変更点）: 修正が必要な箇所
Style（スタイル）: 視覚スタイル、カメラ、ライティング、色
Avoid（除外事項）: 表示させたくないもの
例：
Goal: Create a cinematic 16:9 fantasy illustration.
Reference: Keep the same woman and dragon from the reference image.
Changes: Place them at an airship skyport during golden hour.
Style: Painterly realism, warm light, detailed brass and leather textures.
Avoid: No text, no watermark, no modern objects, no extra characters.
4. 参照画像を使用する際は、矛盾する入力を避ける
参照画像の数を増やせば、自動的に結果が良くなるわけではありません。モデルは次のような判断に迷うことがあります：
- どの画像がキャラクターを制御しているのか？
- どの画像がスタイルを制御しているのか？
- どの画像が構図を制御しているのか？
- どの画像が単なるインスピレーションなのか？
各参照の目的を明記しましょう：
Use image 1 for character likeness.
Use image 2 for clothing style.
Use image 3 only for background mood.
Do not copy the layout from image 3.
1つの画像だけを編集したい場合は、1つの主要な参照画像から始める方が、通常は成功率が高くなります。
5. 動画や音声の参照は短く具体的に
動画や音声のモデルは、クリップの長さに非常に敏感です。長い音声や動画ファイルは、全体が処理されない可能性があります。
推奨事項：
- 音声の参照は、最も重要な瞬間に絞ってトリミングする
- 動画の参照には短いクリップを使用する
- 動きやカメラワークの雰囲気だけが必要な場合は、長い動画をアップロードしない
- 声やサウンドのスタイルだけが必要な場合は、曲全体や長いナレーションをアップロードしない
より良いアプローチ：求めているものを最もよく表している5〜15秒間だけを提供してください。
6. サイズの大きい画像を扱う場合は、まず軽量版で編集する
非常に大きな画像、非常に高解像度な画像、そして複数の大きな画像を同時に編集しようとすると、失敗率が著しく上がります。
推奨事項：
- まずは中サイズの画像で結果を確認する
- 満足のいく結果が得られたら、高解像度版を作成する
- モデルが高解像度出力をサポートしている場合、必ずしも巨大な元画像をアップロードする必要はありません
- 複数の画像を編集する際は、関連性のない参照はカットする
7. 複雑なUIのスクリーンショットを「読み取って」正確に編集させようとしない
例えば：
- 「この絵コンテを見て、下にある9を消して、パネル10を大きくして」
- 「この画像の中に数字が2つあるけど、間違っている方を直して」
これらのタスクは、モデルにまず複雑なレイアウトを理解させ、その上で正確なローカル編集を行わせる必要があり、失敗しやすくなります。
操作を具体的に説明する方が賢明です：
Create a clean corrected storyboard layout.
There should be 10 panels in total.
Panel numbers must be 1 to 10, with no duplicates.
Remove the duplicate lower panel 9.
Make panel 10 wider to fill the remaining space.
Keep the same visual style and characters.
非常に精密なローカル編集が必要な場合は、プロンプトに加えて、明確なマスクや切り抜き画像を使用するか、変更が必要な領域のみをアップロードしてください。
8. モデルが画像の代わりにテキストを返してくる場合
これは通常、モデルがあなたの入力を「画像を生成するリクエスト」ではなく、**「質問や説明の依頼」**として解釈したことを意味します。
修正方法：
- 「Create a new image...（新しい画像を作成して...）」と付け加える
- 「Output only the final image.（最終的な画像のみを出力してください）」と付け加える
- 「〜を直せますか？」のような質問形式を避ける
- チャットでするような問題の説明をしない
- 最終的な画像がどのように見えるべきかを明確に述べる
例：
Create a new corrected image based on the reference.
Do not explain the changes.
Output only the final image.
9. エラー発生時に素早くリトライする方法
タスクが失敗したとき、同じ入力を何度も再試行するのは得策ではありません。以下のように調整する方が効果的です：
- プロンプトを短くする
- 参照画像の数を減らす
- 出力解像度を下げる
- 音声や動画を短くカットする
- 1つの複雑なタスクを2つの単純なタスクに分ける
- より直接的な「作成指示」として書き直す
10. 優れたプロンプトのテンプレート
Create a [image/video] of [main subject].
Keep from reference:
- [what must stay the same]
Change:
- [what should be changed]
Style:
- [visual style, camera, lighting, mood]
Constraints:
- No text
- No watermark
- No extra characters
- Keep composition clean
Output:
- Generate the final image/video directly.
良い入力とは、複雑にすることではありません。モデルに、**「何を見るべきか、何を維持すべきか、何を変えるべきか、何を避けるべきか、そして何を出力すべきか」**を明確に理解させることが重要です。