使用ガイド

GPT Image 2 の文字レンダリングは本当に完璧なのか？看板・ポスター・ラベルでストレステストを実施

1回の画像生成セッションで24回の文字密集生成を実施——見出し、CJK書道、埋め込みラベル、数字、高密度インフォグラフィックを網羅——以下が測定結果です

May 21, 2026

GPT Image 2 がリリース時に話題をさらった機能は文字レンダリングです。大多の画像モデルは、組版されたテキストを要求されると、いまだに文字化けや半端な字形を生成します。GPT Image 2 はそこが違うはずでした——きれいなスペル、正確な字間、画像内に埋め込まれたキャプションを後修正なしで。

6週間、数百回の生成を経て、どこが耐えられてどこが耐えられないかを具体的に語れるだけのデータが揃いました。良い知らせは、宣伝文句は本当だということです。より深い話は、エッジケースとリリース時のデモでは言及されなかった本番環境の故障モードの中にあります。

テスト設定

このコンテンツクラスターを制作する過程で——6本の記事、数十枚のビジュアル——私たちは意図的に GPT Image 2 を通じて24回の文字密集生成を実行しました。いずれも1プロンプトにつき1回だけ生成し、選別はしていません。タスクのカテゴリは以下の通りです：

英語の見出しとサブ見出し——プロモーションポスター、ブランドバナー、ソーシャルメディアカバー
CJK書道——中国語と日本語の茶道ポスター、ブランドアイデンティティデザイン
複数文字列のインフォグラフィック——番号付きステップリスト、キャプション付き図表、科学ポスター風
埋め込みブランドブロック——小さな創業者タグライン、「EST.」年号バッジ、モノグラムパターン
数字、通貨、特殊文字——価格バッジ、年号、パーセント
UIモックアップ——多数の独立したテキスト文字列を含むインターフェース画面

以下は私たちが見つけた法則で、「明らかに効く」ものから「要注意」のものへと並べています。

効く部分：英語の見出し

太字の組版見出しは、私たちがテストしたすべてのケースで正しくレンダリングされました。上のポスターには5つの独立したテキスト文字列が含まれています：メイン見出し（NEW ARRIVAL）、サブ見出し（Natural Soy Wax · 40-Hour Burn Time）、価格バッジ（$24.99）、ブランドロゴ（VERDEA / HOME FRAGRANCE）、そして小さなタグライン（SIMPLE INGREDIENTS. PURE AMBIENCE.）。そのすべてが正しく綴られ、適切な字間で、正しい階層のサイズで表示されています。

「Natural Soy Wax」と「40-Hour Burn Time」の間の中黒文字（·）が正しくレンダリングされました。通貨記号も正しい位置です。ブランドロゴ内の改行も保持されています。

これはさまざまな書体で機能します——セリフ体、サンセリフ体、セミセリフ体、ディスプレイ体、装飾ウェイトのいずれも適切な字形でレンダリングされます。モデルは視覚的な文脈に応じて適切なフォントを選びます（モダンなポスターならサンセリフ、エディトリアルならセリフ、書道なら筆致）。フォントを明示的に指定する必要はありません。

複数語のカラー強調

特定の単語にアクセントカラーを使うよう指定すると（ここでは「CHANGED」が周囲の濃い茶色に対して温かいオレンジ色で表示されています）、モデルはその要求に従います。アクセントカラーは対象の単語に正確に適用され、色の選択はプロンプトに合致し、周囲の組版は統一感を保ちます。

効く部分：CJK書道

中国語と日本語の書道は、大多数の画像モデルが依然として苦手とする領域です。GPT Image 2 は楷書、行書、筆致スタイルの文字を、筆順、文字の比率、墨の質感を適切に表現してレンダリングできます。上の手芸ブランド向けポスターはセミセリフ体の中国語フォントを使用しており、筆画が正確で構造も良好です。

Nano Banana 2 との比較においても、GPT Image 2 は見出し「新春・茶道」と縦書きのサブ見出し「京都・春茶会二〇二六年三月」を正しくレンダリングしました——さらに、私たちが要求していないもののデザインに調和する文脈に合った日本の茶道の成語（一期一会、和敬清寂）を2つ追加しました。

ラテン文字とCJK文字は同じ画像内に共存できます。中英混在の見出し（バイリンガルマーケティングでよくある）も、文字の浸透や比率のずれなく正しくレンダリングされます。

効く部分：複数文字列の密度

これは私たちが実行した中で最も高密度な文字テストです。このインフォグラフィックには以下が含まれます：

タイトル（Photosynthesis）
番号付きの5つのステップ見出し（Sunlight Absorption、Water Intake、Carbon Dioxide、Glucose Production、Oxygen Release）
5つの短い説明（各8〜12語）
それぞれにマイクロラベルが付いた5つのアイコン
化学記号（H₂O、CO₂、O₂、GLUCOSE）

すべてのテキスト文字列が正しくレンダリングされました。階層は保持されています——見出しはより太く、説明はより細く、マイクロラベルは適切に小さめのサイズです。番号の順序（1から5）も正しいです。フローの矢印は正しいステップを結んでいます。

注記：化学記号（H₂O、CO₂、O₂、GLUCOSE）はモデルが要求されていないのに自ら追加したものです。主題を推論し、主題に合ったディテールを追加しました。これは GPT Image 2 で繰り返し見られる行動です——ほとんどの場合に有用ですが、不要なときは注意する価値があります。

効く部分：数字、通貨、特殊文字

24回の生成テストセットにおいて：

通貨記号は $、¥（中国語クラスター）および引用符の文脈で正しくレンダリングされました
複数桁の価格（$24.99、$29、¥129）は小数点とカンマを保持しました
日付（Tuesday, March 4）はカンマと語順を維持しました
時刻文字列（9:41）は正しいコロンでレンダリングされました
ダッシュ（—）と中黒（·）は、プロンプトに文字通り含めた場合に正しくレンダリングされました
年号バッジ（EST. 2024、2026）はピリオドと4桁の数字の精度を保ちました

法則はこうです：望む正確な文字を（ストレートクォートで）プロンプトに含めれば、GPT Image 2 はそれを忠実に再現します。プロンプト中のスマートクォート（"/"）は出力でもスマートクォートを生成します。ストレートクォート（"）はストレートクォートを生成します。モデルは文字に対して忠実です——つまりあなたが書く文字を意図的に選ばなければなりません。

効く部分：埋め込みブランドブロック

最も興味深い要求されていない追加は、モデルがプロンプトにない小さなブランド風のテキストを加えたケースです：

あるレザー製品のポスターに「CRAFTED TO LAST · EST. 2024」と「H | C」のモノグラムパターンが追加された
あるキャンドル発売ポスターの下部に「VERDEA / HOME FRAGRANCE / SIMPLE INGREDIENTS. PURE AMBIENCE.」のブロックが追加された
製品ラベルに「BOIS DE SANTAL」が香りの仕様として追加された

これらは周囲の画像のデザイン言語に合った小さなテキスト要素です。いずれのケースでもスペルと組版は正しく行われました。モデルはこの点で十分に優れており、こうした追加は通常出力を改善します——しかし厳密に制御したい場合は、明示的に no additional text or brand marks 条項を追加してください。

この文脈的な追加行動の詳細については、GPT Image 2 ハンズオンレビューをご覧ください。

故障モード（あの1%）

私たちの24回の意図的に文字密集させたテスト生成では、主要なテキスト文字列は100%正しくレンダリングされました。これは制御されたテストの結果です。正直な本番環境の数字は約99%に近づきます。なぜなら、規模を拡大して実行し始めるとエッジケースが浮上するからです：

1. 小さい文字の1文字置換

最もよくある故障は完全な文字化けではなく、1文字が変わることです。非常に小さなキャプションで「Burn」が「Bum」とレンダリングされる。「Hours」でRが1つ欠ける。月名（「September」）が時々途中の文字順が狂う。これらは周辺視野をすり抜け、100%ズームで校正しないと流出します。

これらが発生した場合、同じプロンプトで再生成すればほぼ確実に修正されます（問題はサンプリングのランダム性であり、プロンプトの構造的問題ではありません）。

2. 12pt未満の微小な文字

GPT Image 2 は小サイズでの安定性が前世代モデルよりはるかに優れています——しかし、字形がぼやけ始める閾値が存在します。ワインラベルの栄養表示、医薬品ラベルの警告、あるいは8〜10pt相当で鮮明に読める必要があるものには、1〜2回の再生成を見込んでください。要求解像度を1Kから2Kに上げると効果があります——コストプレミアムは33%ですが、小さい文字の可読性の向上は確実です。

3. スマートクォートの置換

プロンプトに組版用スマートクォート（"/"、'/'）があり、出力でストレートクォート（"、'）を望む場合、モデルはスマートクォートを忠実にレンダリングします。これはモデルの故障モードではなく、プロンプト準備の問題です。ストレートクォートが重要な場合は、送信前にプロンプトをクリーンアップしてください。

4. 厳密な文脈での要求されていない追加

「文字なし、ロゴなし、雑然さなし」の文脈（クリーンな製品カタログ写真）では、モデルは信頼できます。より緩い文脈（ライフスタイル、プロモーション、エディトリアル）では、要求していないブランドモノグラム、バッジ、補助テキストを追加することがあります。厳密な制御が必要な場所には明示的な否定条項を追加してください。

本番用校正チェックリスト

このテストセットの24回の文字密集生成、そして本番環境でのさらに多くの生成を経て、レンダリングされた文字を含む画像を納品する前に私たちが使う校正チェックリストは以下の通りです：

100%以上のズームで開く。ブラウザのサムネイルやエディタのプレビューウィンドウは1文字の置換を隠します。常に実際にレンダリングされたピクセルを確認してください。
各テキスト文字列を声に出して読むか、1文字ずつなぞる。ざっと読み流すことが誤字流出の原因です。すべてのアルファベット、すべての数字、すべての句読点をなぞってください。
最も小さい文字を最初に確認する。見出しの故障は肉眼でわかります。12pt未満のキャプションは、顧客が誤りを報告するまで目に見えずに失敗します。
誤りを見つけたら、同じプロンプトで再生成する。手動で画像を編集しようとしないでください——再生成したバージョンのほうがほぼ常に安く、速く、そしてあなたの意図に視覚的により近くなります。
規模の大きい文字密集出力には2K解像度を要求する。表示サイズ未満のあらゆる文字にとって、33%のコストプレミアムは可読性の面で価値があります。

校正ステップには1画像あたり30〜60秒かかります。これを省くことが、「納品済みマーケティング資料にAI生成の誤字」という類の話を生み出し、AI画像作業全体の信頼性を損なう原因となるのです。

文字作業で GPT Image 2 を選ぶべきとき

正確さが重要なあらゆる文字密集画像作業において、GPT Image 2 は正しい選択です：

プロモーションポスターとバナー——すぐに本番で使える例は使用可能なプロンプトテンプレートをご覧ください
ブランドラベル付きのEC製品リスト——完全なEC画像ワークフローをご覧ください
多言語マーケティング——CJK書道、混言語ポスター
インフォグラフィック、科学ポスター、キャプション付き図表——複数文字列の密度は耐えられます
本物のインターフェース文字を持つUIモックアップ——Nano Banana 2 比較の画面レベルの文字テストをご覧ください

1K解像度で1画像あたり$0.03で計算すると、コストは校正と再生成を予算を気にせず行えるようにしてくれます。実際の時間（1回の生成あたり約90〜120秒）が本当の予算項目です。

GPT Image 2 がどこで勝ち、どこで負けるかについての正直な見解は、ハンズオンレビューをご覧ください。

よくある質問

GPT Image 2 の文字レンダリングは商業案件の納品に使えるほど信頼できますか？

はい、ただし校正ステップが必要です。私たちの制御された24回のテストでは、主要な文字列は100%正しくレンダリングされました。本番規模では、この比率は約99%に下がります——つまりおよそ100画像に1枚は、再生成が必要な1文字問題が発生します。1画像あたり30秒の視覚校正は、管理可能な本番比率です。

中国語/日本語の文字は英語と同じくらい正確にレンダリングされますか？

私たちのテストでは、はい。CJK書道は大多数の画像モデルが深刻に失敗する領域です。GPT Image 2 は筆順、文字の比率、墨の質感を適切にレンダリングします。一般的な中国語と日本語の文字は信頼性高くレンダリングされます。より珍しい、または歴史的に特殊な文字（異体字、古典的な正書法）は大規模にはテストしていません。

他の文字体系はどうですか——アラビア文字、キリル文字、デーヴァナーガリー文字？

このセッションではこれらをテストしていないため、エビデンスに基づく断言はできません。聞き及ぶところでは、GPT Image 2 はキリル文字やラテン文字体系の言語のレンダリングは良好です。アラビア文字の右から左への文字や複雑な文字の合字（デーヴァナーガリー文字、タイ文字）は、私たちが制御されたテストデータを持たない領域です。

モデルは要求していないテキストを追加しますか？

時々追加します。私たちの24回のテストでは、モデルはおよそ4つのケースで文脈に合ったテキスト（ブランドモノグラム、EST.バッジ、補足的な製品仕様行）を追加しました。これらの追加は常に正しく綴られ、デザインの文脈に合っていました。厳密な制御が必要な場合は、明示的に no additional text の否定条項を追加してください。

要求する解像度は文字レンダリングに影響しますか？

はい、特に小さい文字に影響します。2K解像度は12pt未満の可読性を保つ面で1Kより明らかに優れています。コストプレミアムは33%です——文字密集出力には支払う価値があります。

まとめ

GPT Image 2 の文字レンダリングはリリース時の宣伝に違わぬものです。私たちの本番テスト24回の文字密集生成——英語の見出し、CJK書道、複数文字列のインフォグラフィック、埋め込みブランドブロック、通貨、特殊文字——において、すべての主要な文字列が正しくレンダリングされました。

約1%の本番エラー率は最も小さい文字で発生し、ほぼ常に再生成で修正できます。校正ステップは納品において譲れません。それ以外では、これは私たちが協働した中で最も信頼性の高い文字画像モデルです——文字の正確さが成果物の一部となる作業において、組版の品質は生成時間が遅いことを正当化します。

GPT Image 2 のモデルページで文字密集型のプロンプトを自分で試してみてください——いくつかの正確な文字列を引用し、レイアウトを指定し、実行し、結果を校正してください。最初の生成がたいてい最終的に納品する1枚になります。

タグテキストレンダリング

すべての記事を見る →