AIアートのプロンプト事例を、再現可能なテキスト・トゥ・イメージのワークフローに変える方法

多くの人がテキスト・トゥ・イメージと出会うのは、事例のリストを通してです。ブログから拾った一文をジェネレーターに貼り付けると、驚くほど良い画像になる。ところが自分で一文を書くと、何が何だかわからない結果が出てきて、あの事例は方法ではなく魔法だったのだ、と結論づけてしまう。

事例は魔法ではありません。うまくいくのは、どの事例も同じいくつかの問いに静かに答えているからです。どんな種類の画像か、被写体は何をしているか、どこにいるか、光はどうなっているか、そしてどんな画材に見えるか。これらの答えを事例から取り出し、別の被写体に当てはめ直すことができれば、自分でプロンプトを書けます。以下のワークフローは、まさにそれを決まった順序で行います。完成先を決め、事例を分解し、スロットを埋め、検証していない条件を固定し、1回につき1か所だけ変え、外れた原因を診断し、最後に書き出してレシピを記録する、という流れです。

一文を書く前に、完成先を決める

プロンプトは特定の1つのファイルに対する指示書なので、まずファイルから始めます。最初に決めておく4つのことが、後の試行の大半を節約します。第一にアスペクト比。横長のバナー、正方形の投稿、縦長のポスターは、同じ絵のトリミング違いではなく、それぞれ別の構図です。第二に被写体で、これは単数です。2つか3つの焦点を同時に求めるプロンプトは、たいていどれも解決しない画面になります。第三に視聴距離。サムネイルサイズでも残る必要があるものは何か。拡大して初めて見えるディテールは、構図の中では無駄なスペースです。第四に除外リスト。つまり、出てきたら画像を台無しにするものです。

比率は文章ではなくアプリ側の設定で保ちます。Ideogramのプロンプトのドキュメントはこの線引きを明示しています。アスペクト比と品質は設定で選ぶこと、なぜならプロンプトの文言は構図を記述するものであり、そうしたアプリの設定を変えるものではないからです。同じ分担はほとんどのジェネレーターに当てはまり、KOOX AIも例外ではありません。モデルと出力サイズはプロンプト欄の中ではなく、その隣に置かれています。

各事例を5つのスロットに分解する

AIアートのプロンプト事例として最も再利用しやすい形は、短い順序立ったテンプレートです。画像の種類、主要被写体、動作または配置、設定（場所）、そして光とスタイル。一行にするとこうなります。緑のガラス瓶の商品写真、クリーム色の台座の中央に配置、柔らかな窓の光、ミニマルなスタジオで撮影。

各スロットには役割があり、その役割を知っていることが事例を移植可能にします。

• 画像の種類は絵の文法を決めます。写真、油絵、鉛筆スケッチ、3Dレンダリング、フラットなベクターイラスト。プロンプトの中で最も影響の大きい語句です。他の言葉がどんな見え方を許されるかを決めるからです。
• 主要被写体は視覚的な事実を担います。色、形、素材、質感、状態。ここで名詞が曖昧だと、結果が題材としては合っているのに視覚的に空っぽになりがちです。
• 動作または配置は、被写体が画面の中でどう置かれるかを示します。静止した物体にも姿勢はあります。直立している、横たわっている、画面の左3分の1を占めている、などです。
• **設定（場所）**はどこで、いつかを答えます。被写体の後ろに何があるか、どれくらい離れているかも含みます。
• 光とスタイルは雰囲気を決めます。光の方向、硬さ、色温度、そして画材と仕上げです。

テンプレートが省いていることも同じくらい重要です。比率、モデル、ネガティブプロンプトは、文章ではなくインターフェース上の別々のコントロールです。文章としてはよく読めても、違う比率で生成された事例は、あなたのキャンバスでは再現しません。そしてそれは言い回しをどれだけ書き換えても直りません。

スロットを埋めてから、圧縮する

5つのスロットをすべて平易な言葉で埋めた下書きを書き、それから削ります。目安として、被写体と光のスロットは1文、残りはひとつの語句くらいが適切です。

弱い依頼「森の中のキツネの美しいアート作品」を例に、スロットを埋めてみます。苔むした倒木の上にじっと立つアカギツネの水彩画、手前に低いシダ、左からの冷たい青い夕方の光、のびやかで目に見える筆致。加えた節はすべて、結果の中で確認できる何かを指すようになりました。キツネの姿勢、倒木、シダ、光の方向、筆さばき。うまくいかない絵が返ってきたとき、全文を当て推量するのではなく、失敗した節を名指しできます。

圧縮はディテールと同じくらい重要です。「柔らかく」と「くっきり」、「ヴィンテージ」と「ミニマル」のように、異なる方向へ引っ張る形容詞は、打ち消し合うか、濁った表面を生みがちです。目に見える何かを描写している形容詞は残し、自分の依頼に対する感想を述べているだけの形容詞は削ります。

検証していないものはすべて固定する

拡散はランダムなプロセスです。同じプロンプトでも、実行するたびに違うピクセルが生成されます。Hugging Faceのdiffusersのドキュメントは、それをためらいなく書いています。拡散はランダムなプロセスであり、毎回異なる出力を生成すると述べており、だからこそ再現性は文言だけでなくシードの制御にもかかっているのです。

これは反復作業に直接の影響があります。プロンプトとシードを同時に変えると、どちらが改善の原因だったのか判断できず、関係のない変更を残すことになります。検証していないものは固定しましょう。同じモデル、同じアスペクト比、同じ品質設定、そしてツールがシードを公開しているなら同じシード。そのうえで1つのスロットだけを変え、再生成し、比較します。

シードを制御できない場合は、始める前に同一条件で2回生成し、どれだけ違うかを見ます。それがそのツールのノイズフロアであり、ノイズフロアより小さい変化は何の証拠にもなりません。

1回のパスで1つのスロットだけ変える

ループはわざと退屈にします。現在の画像で最も弱いと判断したスロットを選び、そのスロットだけを書き換え、再生成し、両方の結果を同じサイズで並べます。良いほうを残し、変えた内容を書き留めます。

同じスロットへの2〜3回のパスが妥当な上限です。それを超えると、たいてい原因はそのスロットではなく、次に取るべき正直な一手は、文章を長くすることではなく、別のモデルか別の構図です。

パスはコスト順に並べます。構図と被写体が先です。被写体が違う画像に光とスタイルの判断を費やすのは無駄だからです。スタイルは最後で、たいてい最も安く決着します。強い画材の語をひとつ入れれば、形容詞3つでも解けなかった雰囲気の問題が解決することが多いからです。

これが個人用プロンプトライブラリの作り方でもあります。何回かセッションを重ねると、文をゼロから書くのをやめ、すでに機能したスロットから組み立てるようになります。きれいな影が出ると知っている光、葉を思い通りに描く画材、見出しのための余白を残す配置。そういう部品です。

書き直す前に、外れた理由を診断する

1つが違うだけでプロンプト全体を書き直すと、プロンプトは長く不安定になります。まず外れ方を分類しましょう。分類ごとに、指し示すスロットが違うからです。

• 被写体は合っているが画面が違う。これは構図なので、配置と設定を直します。
• 画面は合っているが雰囲気が平坦。スタイルの語より先に光を直し、その光に方向を与えます。
• 被写体が判別できない、または背景に溶けている。被写体スロットが抽象的すぎるか、2つの被写体が競合しています。1つに絞り、その輪郭を描写します。
• 画面がごちゃごちゃしている。プロンプトから副次的な要素を削り、そのうえで設定自体を単純にする必要があるか判断します。
• 文字が崩れて返ってくる。正確な語句を引用符で囲み、短く保ちます。長い文字列や珍しい綴りは真っ先に崩れるからです。
• トリミングが違う。これはコントロールの問題で、プロンプトの問題ではありません。比率を変え、新しい画面に合わせて構図の文を書き換えます。

このうち2つか3つで、期待外れの結果のほとんどをカバーできます。どれも、全面的な作り直しではなく、1文の編集で済みます。

同じ事例を別のモデルでも試す

プロンプトをライブラリに入れる前に、別のモデルで一度実行します。ほとんどのプラットフォームは複数のモデルを用意しており、KOOX AIのtext to imageツールは、アスペクト比と解像度のコントロールとは別に複数のモデルを並べています。モデルは肌、文字、葉、細かい模様の描き方が異なり、あるモデルに合わせたプロンプトが別のモデルで自動的に再現するわけではありません。

プロンプトは固定したまま、モデルだけを変えます。どちらの結果を好むにしても、長く使えることを学べます。プロンプトがモデル固有で注記に値するのか、どこでも再利用できるほど頑健なのか、のどちらかです。

最終サイズで書き出し、レシピを記録する

生成設定は、そのファイルで後から何ができるかを決めます。生成前に最終寸法を決め、その比率でツールが許す最大サイズで生成します。小さな正方形は、構図を切り落とすか引き伸ばしてぼやけさせる以外に、横長のヒーロー画像にはなりません。レイアウトが別の比率を必要とするなら、リサイズではなくその比率で再生成します。

そのうえで、実際に参照する形でレシピを記録します。プロンプトのテキスト、モデル、比率、シードがあればシード、そしてその画像が何のためのものだったかの一行。名前のないファイルが並んだフォルダはライブラリではありません。画像ごとの一行のメモがライブラリです。

20分で回せるワークフロー

一連の流れは短いセッションに収まります。ファイルと除外項目を決める。1つの事例を5つのスロットに分解し、自分の被写体に合わせて埋める。設定を固定し、1回のパスで1つのスロットだけを変え、外れはすべて書き直すのではなく分類で診断する。勝ったプロンプトを別のモデルで実行し、最終サイズで書き出し、メモを書く。

目に見える成果はスピードです。見えない成果は、どの画像も自分が理解できるプロンプトを残すということ。それが、幸運な事例を集めることと、方法を築くことの違いです。