使用ガイド
gpt-image-2.5-flare/image-to-image プロンプトレシピ:すぐにコピー&ペーストできる編集プロンプト
参照画像の編集、被写体の保持、背景の差し替え、ネガティブリストの書き方
このページの内容
画像から画像へのプロンプトで説明すべきこととは
期待外れの編集結果のほとんどはモデルのせいではなく、リクエストの記述が不十分なことが原因です。参照画像に「もっとよく見えるように」とか「背景を変えて」といった短い指示を添えて送ると、モデルは何を残し、何を変え、どこまで逸脱してよいのかを、手がかりなしに推測しなければなりません。これまで見てきた失敗編集は、たいていこの3つの推測のどれかが外れた結果です。
画像から画像へのプロンプトには4つの役割があります:
- 参照の役割——入力画像を何に使うのかをモデルに伝えます。保持すべき被写体なのか、スタイルのサンプルなのか、構図の参考なのか、それとも仕上げるべき下書きなのか。同じ画像でも与える役割が違えば、生成結果は大きく変わります。
- 目標とする変更——主要な変更を1つだけ明確に示します。「背景をスタジオの壁面に差し替える」は目標ですが、「写真をもっとよく見えるようにする」は目標ではありません。
- 忠実性の制約——何を一致させ続けるかを示します:顔の形、商品ラベルの文字、ポーズ、ジャケットの色、正確なカメラアングル。これが欠けると、モデルはすべてを合成し直してしまいます。
- ネガティブリスト——「含めてはならない」内容を短く具体的に列挙します。これはガードレールであり、願望リストではありません。
1つのリクエストにこれら4層すべてが含まれていると、出力は反復改善できる程度に予測可能になります。1層しか含まれていない場合——たいていは目標とする変更だけ——モデルは欠けた層を独自のデフォルトで埋めますが、そのデフォルトが意図に合うことはほとんどありません。プロンプトを書く前に、前回の試行で欠けていた層を特定してください。それが次に調整すべき変数です。

プロンプトの骨組み:編集指示に再利用できる順序
毎回の編集で同じ順序の骨組みを使えば、異なる試行のプロンプト同士を比較できます。順序が固定されていれば、2回の試行の唯一の違いは変更した1文だけになり、デバッグが可能になります。
[1] 参照の役割:「提供された画像を{被写体 / スタイル / レイアウト}の参照として使い、」
[2] 目標とする変更:「{特定の要素}を{具体的な結果}に変更する。」
[3] 忠実性の制約:「{同一性 / ポーズ / 商品の文字 / 色 / 構図}を変えずに保つ。」
[4] スタイルとレンダリング:「{光、レンズ、色調、粒子}を参照画像と一致させる。」
[5] ネガティブリスト:「{アーティファクト1}、{アーティファクト2}、{アーティファクト3}を追加しない。」
記入済みの例:
提供された画像を被写体の参照として使い、背景を左上からの柔らかな斜光が当たる
無地の暖かいグレーのスタジオ壁面に変更する。人物の顔、髪、表情、服装を
変えずに保つ。ジャケットに見えるステッチも含める。被写体への光の方向を
元の画像と一致させ、新しい背景が貼り付けたように見えないようにする。
余分な指を追加せず、印刷されたロゴの文字を変更しない。
順序が重要なのは、前のスロットが後のスロットを制約するからです。参照の役割がベースラインを設定し、目標とする変更がその上で編集を行い、忠実性の制約がその編集の広がりを制限し、ネガティブリストが残った問題を片付けるだけです。無関係な変更をいくつもスロット2に詰め込んでいることに気づいたら、それらを複数のリクエストに分割してください——1ラウンドにつき1か所だけ変えることで、悪い結果を特定の1文に帰属させられるようになります。

被写体の忠実性レシピ:元の画像をそのまま保つ
被写体のドリフト——微妙に違う顔、変形したロゴ、ずれたポーズ——は、ほぼすべて曖昧な忠実性の表現から生じます。「そのまま保つ」はモデルに何の手がかりも与えません。具体的に名指しした属性だけが機能します。
同一性の保持(人物):
参照画像の人物の顔の構造、肌の色、髪型、表情を完全に保つ。
背景のみを変更する。
気にかけている属性を名指ししてください。クライアントが特定の特徴を重視しているなら、それを列挙します:「眉の形と左眉の上の小さな傷を保つ」。アンカーが具体的であるほど、しっかり固定されます。
商品の忠実性:
商品の形状、素材、ラベルのレイアウト、すべての印刷文字を変えずに保つ。
置かれている表面と周囲の光は変更してよいが、ラベルは
完全に鮮明で読みやすいままでなければならない。
文字はあらゆる編集の中で最も壊れやすい属性です。可読性が重要なら、それを明示し、対応するネガティブ項目を追加します(「ラベルの文字を描き直したり様式化したりしない」)。
ポーズと構図:
参照画像の正確な体のポーズ、手の位置、カメラアングルを保つ。
被写体を再構図したり、トリミングしたり、回転させたりしない。
同一性を失わないスタイル変換:参照画像が被写体の源でもスタイルの源でもある場合は、プロンプト内で両者を分けます:
提供された画像を被写体とスタイルの両方の参照として使い、レンダリングスタイルを
柔らかな絵画的な質感に調整しつつ、被写体の識別可能な特徴、ポーズ、服装は
変えずに保つ。
実用的なテスト:出力の中で変更された領域を隠し、残りの部分を参照画像と比較します。もし「変更されていない」領域がドリフトしていたら、忠実性のスロットが曖昧すぎるのです——モデルのせいではありません。

背景差し替えとシーン切り替えのレシピ
「ビーチに置いて」のような背景プロンプトでは、モデルが内容、光、融合方法を勝手に考案してしまいます。代わりに3つのことを記述してください:内容、光の方向、エッジ処理。
スタジオ差し替え:
背景を継ぎ目のない暖かいグレーのスタジオ背景布に差し替える。左上から
背景布に柔らかな光を当て、緩やかな減衰を持たせ、被写体に既にある光と
一致させる。被写体のエッジを背景布に自然になじませる。細い髪の毛の
ディテールを完全に保ち、硬い切り抜きの光輪を避ける。
環境シーン:
背景を夕暮れの屋外の街並みに差し替える。右側から暖かい低い角度の
日差しを当て、被写体の既存の影の方向に合わせ、中景は柔らかくぼかし、
前景ははっきりと分離させる。被写体の参照画像に対する比率で被写界深度を
もっともらしく保つ。
どの背景差し替えでも、エッジ処理には個別に1文を割く価値があります。最もよくある2つの失敗は貼り付け感(光の不一致)と光輪(エッジの分離しすぎ)です。両方に対処してください:
- 「背景の光の方向を被写体の既存のハイライトと一致させる」
- 「髪や布地のエッジなど細かいエッジのディテールを保つ。目に見える輪郭を出さない」
- 「新しい表面と一致する微妙な接地影を被写体の下に加える」
最後に、ネガティブスロットで背景に含めてはならないものを指定します——雑多なもの、競合する被写体、文字。シーン名はカテゴリを設定するだけで、内容、光、エッジが最終結果を決めます。
出力を実際に変えるネガティブリストの書き方
ネガティブリストは漠然としていると効果を失います。「画質が悪い、解像度が低い、醜い」では、モデルに何を抑制すべきかほとんど伝わらず、プロンプトのノイズを増やすだけです。効果的なネガティブ項目は具体的で、観察に基づき、短いものです——通常3〜6項目で、それぞれが以前の出力で実際に見たアーティファクトに対応しています。
表現をアーティファクトの種類に合わせてください:
- 解剖学的ドリフト:「余分な指を追加したり結合したりしない。手を参照画像と完全に一致させる」
- 文字の破損:「印刷された文字やロゴを再設計したり、ぼかしたり、描き直したりしない」
- 切り抜きの光輪:「被写体のエッジの周りに目に見える輪郭や発光を出さない」
- 光の不一致:「2つ目の光源を導入しない。参照画像の光の方向に合わせる」
- 構図の蔓延:「シーンに新しい物体、人物、文字を追加しない」
- スタイルの浸透:「写真をイラストや卡通に変えない」
3つの習慣がネガティブリストを有効に保ちます:
- 各ネガティブ項目を1つの観察に対応させる。そのアーティファクトを見たことがないなら、列挙しないでください。推測で追加したネガティブ項目はモデルの注意を散らします。
- 項目数を制限する。およそ6項目を超えると、プロンプトが自己矛盾を起こします。根本原因は忠実性スロットか目標スロットで修正してください。
- 削除項目を再テストする。ネガティブ項目を1つずつ外して、まだ重要かどうかを確認します。忠実性の表現を改善したことで消えるアーティファクトもあります。
ネガティブリストは片付けツールであり、矯正手段ではありません。あるネガティブ項目がずっと主役を担っているなら、主指示の記述が不十分なのです。
編集前後の出力を読み解いて反復改善する
毎回の編集を、1つの変数だけを変える実験として扱ってください。出力を参照画像と比較し、不一致を分類し、それから1か所だけ変更します。
簡単な3チャネルの判断基準:
- 文言の不一致——変更は起きたが、リクエストどおりではない(光の方向が違う、背景の内容が違う)。修正:目標とする変更の文を引き締める。
- 忠実性の不一致——変更は効いたが、被写体がドリフトした(顔、ポーズ、ラベル、色)。修正:忠実性スロットに名指しの属性を追加し、対応するネガティブ項目を加える。
- 能力の限界——文言に関係なく編集が繰り返し失敗する(例:極小の文字、極端なパース)。修正:プロンプトを書き換え続けるのではなく、参照画像を変える——よりきれいなクロップ、より高い解像度、より良い光の源画像など。
素材ごとに短い反復ログを残します:プロンプトのバージョン、何を変えたか、そして結論。2つのルールが時間を節約します:
- 1ラウンドにつき1か所だけ変える。背景プロンプトと忠実性の表現を同時に変えると、結果が解釈不能になります。
- 参照画像は固定しておく。参照画像を変えるのは能力の限界チャネルのみ。それ以外で参照画像を変えると比較の基準がリセットされます。
リクエストパラメータ(強度やアスペクト比の扱いなど)がある場合は、それを第4のチャネルとして扱います:文言と参照画像を使い果たした後にのみ変更し、ログに記録します。数ラウンド後には、結果を安定して再現できる小さなレシピ集が手に入ります。
本番環境でのプロンプトのバージョン管理とコード内プロンプト
本番環境では、プロンプトはコンソールにその場で打ち込む文字列ではなく、資産です。コードと同じように扱ってください:バージョン管理し、パラメータ化し、出力まで追跡可能にします。
名前付き変数を持つテンプレートファイル:
# templates/bg_swap_v3.txt
提供された画像を被写体の参照として使い、背景を {background_content} に変更する。
{light_direction} からの光を使い、被写体のハイライトと一致させる。
{fidelity_attributes} を保つ。{negatives} を追加しない。
バージョンと出力の関連を記録する。各出力レコードには、テンプレート名、バージョン、注入した変数値、モデル識別子を付けてください。エンドポイントの挙動が変わったとき、バージョン間で出力を比較し、当て推量ではなく以前のテンプレートにロールバックできます。
実用的な本番習慣:
- セマンティックバージョニング。文言が変わったらマイナーバージョンを上げ、役割や構造が変わったらメジャーバージョンを上げる。
- 固定された変数の語彙。
background_content、light_direction、fidelity_attributes、negativesなどのキー名を統一し、テンプレート間の比較可能性を保つ。 - 昇格前にレビュー。1つのケースを直す文言の微調整が別のケースを悪化させることがあるため、編集前後の比較を小さなセットで回帰チェックとして保持する。
- 単一のエントリポイントを通す。画像から画像へのリクエストはすべて同じエンドポイントを経由させ、テンプレートのバージョンとモデル識別子が同じ監査証跡に残るようにする。
プロンプトがバージョン管理され、出力がそれらに関連付けられて記録されれば、編集は一度きりの実験ではなく、パイプラインの中で再現可能な一部になります。