Grok Imagine Quality 画像から画像へのプロンプトレシピ：コピー＆ペーストで使える編集プロンプトと実際の出力

概要

• 本記事の内容：grok-imagine-quality/image-to-image 向けのコピー＆ペースト可能な画像編集プロンプト4つ。それぞれが基にした正確な入力画像と、ライブ API 上で生成された生の出力を掲載——いずれも初回生成で、リトライは一切隠しておらず、ここに永久ホストしています。
• このモデルの用途：高い一貫性を保つ編集。1〜3枚の参照画像と1つの指示を渡すと、シーンを再レンダリングします——リライティング、再スタイライズ、シーンの置き換え、または2枚の参照画像の合成——その際、保持を指示した部分は保たれます。
• Schema の事実（2026-07-12 にライブのタスク API で検証）：prompt と image_urls は必須。image_urls は1〜3個の公開アクセス可能な URLを受け付けます。オプションの resolution は小文字の1k または 2k。オプションの aspect_ratio は auto に加え13種の固定比率を受け付け、最大で超ワイドの 20:9 や縦長の 9:20 まで対応します。strength はなく、seed もなく、ネガティブプロンプトもありません——未知のフィールドは 400 で拒否されます。
• 価格（料金ページより）：1K は出力画像1枚あたり $0.08、2K は $0.10、加えて参照画像1枚あたり $0.015。本記事の単一参照の 1K 編集は現在の料率で $0.095、各編集は27〜39秒で完了しました。
• 本記事の現在の推定メディア予算：gpt-image-2 のベース画像2枚とカバー1枚が各 $0.03、加えて quality ティアの編集4回（単一参照の編集3回が各 $0.095、2枚参照の合成1回が $0.11）——現在の料率で合計 $0.485。

これらのレシピの作り方

各レシピは3つの部分で構成されています：入力画像、正確な編集プロンプト（そのままコピーできます）、そして生の出力。gpt-image-2 でベース画像を2枚生成し、各編集プロンプトは自分で書き、それぞれをライブの hiapi タスク API を通じて grok-imagine-quality/image-to-image 上で実行しました。各出力の下には設定と実際のコストを記載してあるので、その呼び出しを正確に再現できます。

schema には編集強度のノブが公開されていないため、プロンプトが誘導のすべてを担います。常に有効な習慣：

• プロンプトを「変更節」と「保持節」に分ける。まず何を変えるかを述べ、次に保持すべきすべてを列挙します：「Keep her face, expression, pose, the corduroy jacket, the marble table… exactly the same.」保持節は飾りではありません——API が提供する唯一の一貫性制御手段なのです。
• 対象はカテゴリではなく属性で指し示す。「the jacket」や「the product」よりも「the mustard-yellow corduroy jacket」や「the black over-ear headphones」のほうが、モデルを参照画像中の具体的な物体に固定できます。
• aspect_ratio: "auto" で入力の画幅を継承する。私たちの実行では、3:2 の入力は 3:2（1248×832）を返し、正方形の入力は正方形を返しました。2枚の参照画像を使う場合、出力は image_urls 内の最初の URL に従います——順序が重要です。
• ピクセルの凍結ではなく、再ステージングを想定する。モデルはピクセルをマスクするのではなくシーンを再レンダリングします。人物の同一性、服装、レイアウト、光は驚くほどよく保たれますが、物体の姿勢は自然に再配置されることがあります（レシピ3と4で確認できます）——正確な向きが重要な場合は、保持節でそれを固定してください。

レシピ1——狙いを定めたリライティング：ゴールデンアワー、それ以外はすべてそのまま

目標：光だけを変える、しかも光だけ——編集モデルが人物の同一性を本当に保つかを試す古典的なテストです。

入力、$0.03 の gpt-image-2 静止画：

プロンプト：

Relight this photo as late golden hour: warm low sun coming from the left,
long soft shadows across the table, amber rim light on her hair and jacket.
Keep her face, expression, pose, the corduroy jacket, the marble table, the
coffee cup and the entire composition exactly the same. Photorealistic, same
camera angle, same framing.

生の出力：

grok-imagine-quality/image-to-image · resolution: "1k" · aspect_ratio: "auto"（入力 3:2 → 出力 1248×832）· 39秒 · 現在の推定：$0.095

なぜ効くのか：変更節は純粋に光（方向、色温度、影の長さ、リムライト）に関するもので、保持節は動いてはいけないすべての要素を列挙しています。顔、そばかす、ジャケットのボタン、カップの位置、街並みの背景はすべて保たれ——太陽だけが動きました。このパターン（リライティング＋詳細な保持節）は本記事で最も再利用性の高いレシピです：「late golden hour」を「blue hour just after sunset」「overcast diffused daylight」「neon-lit night」に置き換え、残りはそのままにすればよいのです。

レシピ2——完全なスタイル転送：写真 → 水彩

目標：レシピ1の逆——内容（姿勢、表情、構図、シーン）を保ちながら、レンダリングスタイル全体を変える。

入力の静止画はレシピ1と同じ。プロンプト：

Repaint this exact scene as a loose watercolor illustration: soft translucent
washes, visible cold-press paper texture, fine ink outlines, muted earth
palette with the mustard-yellow jacket as the main color accent. Preserve the
composition, her pose and expression, the round marble table and the cafe
street behind her.

生の出力：

grok-imagine-quality/image-to-image · resolution: "1k" · aspect_ratio: "auto" · 38秒 · 現在の推定：$0.095

なぜ効くのか：スタイル転送のプロンプトが失敗するのは、スタイル名を挙げるだけ（「make it watercolor」）だからです。媒介の仕組み——半透明のウォッシュ、コールドプレスの紙の質感、インクの輪郭線——を名指しすることで、モデルに具体的にレンダリングできるものを与え、色のアクセントとして1つの要素を選ぶことでパレットが濁るのを防ぎます。正直に言えば：出力のコーデュロイの質感はむしろ滑らかなスエードに近くなっています。布地のテクスチャは、完全な再描画が平坦化してしまう類の細部なのです。

レシピ3——シーン置き換え：スタジオ商品写真 → ライフスタイル写真

目標：クリーンな EC 用パッケージ写真を取り、スタイライズされたシーンに配置する——画像から画像への最も頻繁な商業用途です。

入力、$0.03 の gpt-image-2 パッケージ写真：

プロンプト：

Place these exact headphones on a sunlit wooden desk beside an open laptop
and a small potted plant, warm morning window light from the right, cozy
blurred home-office background, shallow depth of field. Do not change the
headphones themselves: same shape, same matte black finish, same angle, no
logos.

生の出力：

grok-imagine-quality/image-to-image · resolution: "1k" · aspect_ratio: "auto"（入力 1:1 → 出力 1024×1024）· 27秒 · 現在の推定：$0.095

なぜ効くのか：シーン記述が舞台装置（机、ノート PC、植物、窓の光、浅い被写界深度）を担い、保持節が製品の形状と表面仕上げを固定します。今回の実行には正直に記すべき注意点が一つあります：「same angle」と書いたにもかかわらず、モデルはヘッドホンを再配置し、まっすぐ直立させるのではなくデスク面に自然に寄りかからせました——イヤーカップの形状、マットな表面、ロゴなしのデザインは保たれましたが、向きはシーンの物理に合うよう再配置されたのです。正確なカタログアングルが譲れない場合は、明示してください：「standing upright in exactly the same orientation as the reference」。

レシピ4——2枚の参照画像：製品をシーンに合成する

目標：複数参照画像のスロット（image_urls は最大3枚受け付けます）を使って2枚の画像を統合——レシピ3のパッケージ写真をレシピ1のカフェシーンに入れます。

入力：ヘッドホンのパッケージ写真（最初の URL）とカフェのポートレート（2番目の URL）。プロンプト：

Combine these two images: place the black over-ear headphones from the first
image on the marble cafe table from the second image, next to the coffee cup,
resting naturally on the tabletop. Match the soft overcast daylight and
shallow depth of field of the cafe photo. Keep the woman, her pose and the
entire cafe scene from the second image unchanged.

生の出力：

grok-imagine-quality/image-to-image · image_urls: [product, café] · resolution: "1k" · aspect_ratio: "auto"（最初の参照画像の 1:1 画幅に従う）· 33秒 · 現在の推定：$0.11

なぜ効くのか：画像を位置で指す（「from the first image」「from the second image」）ことで image_urls 配列にきれいに対応づけられ、物体にシーンとの物理的関係を与える（「resting naturally on the tabletop, next to the coffee cup」）ことが合成成功の鍵です——モデルは曇天の光に合わせ、柔らかな接地影でイヤーカップをテーブルに着地させました。知っておくべきことは2つ：出力の画幅は最初の URL に従う（正方形、パッケージ写真と同じ——あるシーンの画幅が欲しければそれを先頭に置く）、そして構図は製品のためのスペースを空けるようわずかに再ステージングされ、2枚目の画像をピクセル単位で凍結するわけではありません。

これらのレシピを自分で実行する

タスクエンドポイントに送信し、success になるまでポーリングし、出力をダウンロードします。参照画像は公開アクセス可能な URLでなければなりません——署名付き S3/R2 リンクでも問題ありません。

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-quality/image-to-image",
    "input": {
      "prompt": "Relight this photo as late golden hour: warm low sun from the left, long soft shadows. Keep the subject, wardrobe and composition exactly the same.",
      "image_urls": ["https://your-host.com/your-photo.jpg"],
      "resolution": "1k",
      "aspect_ratio": "auto"
    }
  }'

同じ流れを Python で：

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY"}

task = requests.post(API, headers=HEADERS, json={
    "model": "grok-imagine-quality/image-to-image",
    "input": {
        "prompt": ("Repaint this exact scene as a loose watercolor illustration: "
                   "soft translucent washes, visible paper texture, fine ink "
                   "outlines. Preserve the composition and the subject's pose."),
        "image_urls": ["https://your-host.com/your-photo.jpg"],  # 1-3 public URLs
        "resolution": "1k",        # 1k | 2k (lowercase)
        "aspect_ratio": "auto",    # auto follows the input frame
    },
}).json()
task_id = task["data"]["taskId"]

while True:
    t = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if t["status"] in ("success", "fail"):
        break
    time.sleep(5)

assert t["status"] == "success", t.get("error")
url = t["output"][0]["url"]  # expiring link - download it now
open("edit.jpg", "wb").write(requests.get(url).content)

リクエストの完全なウォークスルー（ヘッダー、エラー処理、タスクのライフサイクル）は grok-imagine-quality 画像から画像への API ガイドを、プラットフォーム全般のドキュメントはこちらをご覧ください。

Schema クイックリファレンス

フィールド	必須	値（2026-07-12 ライブ検証）
prompt	はい	自由テキスト、最低1文字——唯一の編集制御手段
image_urls	はい	1〜3個の公開アクセス可能な画像 URL からなる配列
resolution	いいえ	1k、2k——小文字（1K は拒否されます）
aspect_ratio	いいえ	auto、2:1、20:9、19.5:9、16:9、4:3、3:2、1:1、2:3、3:4、9:16、9:19.5、9:20、1:2

strength はなく、seed もなく、ネガティブプロンプトもなく、マスクもありません——schema は未知のフィールドを 400 で拒否するので、あらゆる編集の判断はプロンプトの文言にかかっています。aspect_ratio: "auto" を使うと、私たちのすべての実行で出力は入力の画幅に従いました。複数の参照画像を使う場合は、最初の URL に従います。

よくある質問

これは通常の grok-imagine/image-to-image とどう違いますか？ API の形は同じで、ティアが異なります。grok-imagine/image-to-image は画像1枚あたり $0.03、加えて参照画像1枚あたり $0.003——およそ3分の1の価格——で、大量のドラフトに適したデフォルトの選択肢です。quality ティアの強みはまさにこれらのレシピが依存する点：積極的な編集下での参照画像への忠実度です。まずベースティアでプロトタイプを作り、保持した最終版を quality ティアで再実行してください。

編集強度を制御できますか？ パラメータでは制御できません——strength フィールドはなく、送信すると 400 が返ります。編集強度は文言に表れます：「relight as golden hour」は軽いタッチ、「repaint as watercolor」は完全な再レンダリングであり、保持節の長さがどちらの方向にもどれだけ保持するかを制御します。

顔は一貫しますか？ 私たちのリライティング実行（レシピ1）では、はい——同じ顔、同じ表情とそばかすで、光だけが変わりました。それは1回の実行であり、ベンチマークではありません：顔が重要な作業では、保持節を明示し（「keep her face and expression exactly the same」）、納品前に出力を確認してください。

---

4つのプロンプトはすべてコピーできます——変更節／保持節の分割は、あなたが記述できるあらゆる編集に適用できます。キーを取得し、上のコードスニペットを grok-imagine-quality/image-to-image に向ければ、最初の編集（単一参照で $0.095）はおよそ30秒以内に返ってきます。