AI画像生成promptで最もよくあるやり方は、「パソコンを使うペンギン」のように一文だけ投げて、AIがランダムに出す結果を待つことです。運が良ければたまに使えますが、運が悪いと7〜8回作り直すことになります。promptを構造化すると、私自身の経験では成功率をだいたい3割から7割まで上げられます。この記事では、Penchanが実際に使っている方法を整理します。

Promptの4層構造

promptは4つのブロックに分けます。それぞれが1つの質問に答えます。

第1層：主題。何を描くのか？

最も基本的な層です。主役、場面、動作を説明します。具体的なほどよい結果になります。「1羽のペンギン」と「オレンジ色のマフラーを巻き、机の前に座る小さなペンギン。前には開いたノートパソコンがある」では、生成結果がまったく違います。

第2層：スタイル。どんなスタイルか？

水彩、3Dレンダリング、ピクセルアート、色鉛筆、日本風イラスト、ミニマルな線。スタイルが画像全体の雰囲気を決めます。色鉛筆とフラットイラストは、比較的AI感が出にくい選択です。

第3層：構図。どう配置するのか？

カメラアングル（俯瞰、目線、ローアングル）、画面内の主役の位置（中央、三分割法で左寄り）、余白の位置（右側を空けて文字を置く）、比率（16:9横長、1:1正方形）を指定します。

第4層：制約。何を避けるのか？

多くの人が見落としますが、出力品質の制御にとても効果があります。「文字を入れない」「黄色いくちばしにしない」「彩度の高すぎる色にしない」「写真のように写実的なスタイルにしない」などです。

Promptの4層構造

Gemini / ChatGPTの実際の指示例

以下はPenchanがGeminiで実際に使った形式です。

例1：ブログのカバー画像

主題：小さなペンギンが机の前に座り、目の前に3台のモニターがある。画面には異なるAIツールのインターフェースが表示されている
スタイル：色鉛筆風、柔らかな暖色、少し手描き感がある
構図：16:9横長、ペンギンは画面左から3分の1の位置、右側はタイトル文字を置ける余白
制約：写真のような写実風にしない、輪郭を過度にシャープにしない、黄色い尖ったくちばしにしない（くちばしはオレンジ色の丸形）

例2：SNS画像

主題：小さなペンギンが虫眼鏡を持ち、光を放つコードを見ている
スタイル：フラットイラスト、色面がはっきりし、軽いテクスチャがある
構図：1:1正方形、主役は中央、背景は簡潔
制約：3D効果なし、グラデーション背景なし、背景は単色の淡い色

例3：チュートリアルの手順図

主題：簡単なフロー図。左にマイクのアイコン、中央にAI処理の歯車アイコン、右に字幕テキストのアイコンを置き、矢印でつなぐ
スタイル：線画、濃い青とオレンジ、すっきりして無駄がない
構図：16:9横長、3つの要素を等間隔に配置
制約：写実的な画像なし、余分な装飾なし。文字が入る場合は英語を使う

これらの例に共通するのは、中国語で書き、構造が明確で、各部分を1行ずつにしていることです。Geminiはこの形式をよく理解するため、Midjourneyのように英語と大量の--パラメーターを使う必要はありません。

そのまま使える場面別Prompt

上の3つはツール向けの例でした。ここからは実際の仕事でよく切り替える場面です。

記事カバー画像（ブログ、プレスリリース）

**場面：**ブログ記事、ニュースレター、プレスリリースのメイン画像。通常は16:9で、右側をタイトル用に空けます。 **向くツール：**Gemini / ChatGPT（第一候補、指示理解が最もよい）、Midjourney（英語に訳して使う） **使い方：**テーマとタイトルのキーワードを埋めて、Geminiのチャット画面に貼ります。

主題：机の上に3冊のノート、一杯の湯気が立つコーヒー、開いたノートパソコンがあり、画面には簡単なテキストエディターが表示されている
スタイル：水彩、柔らかな朝の光、少し紙のテクスチャがある
構図：16:9横長、物は左半分に集め、右半分はタイトル文字を重ねるために空ける
色調：暖かなベージュの背景に淡い茶色と薄い青、全体の彩度は低め
テーマキーワード：[テーマを入力。例：朝の執筆習慣]
禁止：文字、ロゴ、3D効果、過度にシャープな輪郭、高彩度の鮮やかな色面

**Penchanのヒント：**ブログのカバーは、ページのメインカラーと調和させます。既存のカバーを先に貼り、「この画像の色調を参考にして」とGeminiに伝えると一貫性が大きく上がります。

SNS投稿画像（IG、Threads、X）

**場面：**短い投稿に添える正方形または4:5の縦長画像。目を引き、スクロール中に視線を止める必要があります。 **向くツール：**Gemini、ChatGPT、Midjourney **使い方：**プラットフォームに合わせて比率を選びます。1:1はXとThreads、4:5はIGとFacebook向けです。

主題：[投稿テーマ。例：情報過多への不安]を表す簡単な視覚的メタファー
スタイル：フラットイラスト、色面がはっきりし、少し手描きの不規則さがある
構図：1:1正方形、主役は中央より少し上、下3分の1は文字を重ねる余白
色調：低彩度のモランディカラー、濃い青灰をメインに少し暖色のオレンジ
雰囲気：静かで少しユーモラス。友人が小さな出来事を話すような感じ
禁止：文字、顔のクローズアップ、高彩度のネオン、グラデーション背景、3Dレンダリング

**Penchanのヒント：**SNS画像で最も避けたいのは、他の人の画像と「似すぎる」ことです。濃い青灰と暖色のオレンジのように固定したカラーパレットを決め、すべての投稿に適用すると、長く見るうちに自分の画像だと認識してもらえます。

商品プロモーション画像（EC、クラウドファンディング）

**場面：**ECの商品ページやクラウドファンディングページの商品シーン画像。見た瞬間に欲しくなり、定型素材のように見えないことが必要です。 **向くツール：**Gemini / ChatGPT（第一候補、商品写真を参考にアップロードできる）、Midjourney（雰囲気画像向け） **使い方：**必ず実物の商品写真を1枚アップロードしてから、次のpromptを使います。

主題：アップロードした商品を参考に、日常の利用シーンに置く：[例：週末の午後の机の上。隣に開いた本とお茶がある]
スタイル：生活写真の雰囲気、自然光、浅い被写界深度
構図：4:5縦長、商品は画面中央より少し下の3分の1、上の背景は少しぼかす
光：画面右上から入るサイド光。商品に柔らかな影を作る
雰囲気：ゆっくり、静かで生活感がある。何気ない瞬間を撮ったような感じ
禁止：プラスチック感、過度に滑らか、AIっぽい人物、握手やスーツのビジネス場面、商品の細部の偽造
重要：商品の外観、色、ロゴはアップロード画像と完全に一致させ、変更しない

**Penchanのヒント：**最後の「商品の外観を変更しない」は重要です。Geminiは商品を親切に「美化」することがあり、実物と色が1段階違うものを描くと、クライアントの問題になります。

人物イラスト（AI顔を避けるコツ）

**場面：**ブログのイラストに人物を入れる。AIが描く顔は不自然な視線や歯になりやすいです。 **向くツール：**Gemini、ChatGPT、Midjourney **使い方：**正面のクローズアップを避け、後ろ姿や横顔にします。

主題：窓辺の机の前に座る人を後ろまたは横から見る。手元に本とペンがある
スタイル：色鉛筆の手描き風、紙のテクスチャがはっきりし、線に少し揺れがある
構図：16:9横長、人物は画面左の3分の1、正面の顔のパーツは見せない
角度：後ろ斜め上から45度の俯瞰。後頭部と肩が見え、顔は窓の外を向く
色調：午後の暖かなオレンジに淡い緑、低彩度
禁止：正面の顔、歯のクローズアップ、カメラを見つめる目、プラスチック感のある肌、完璧すぎる顔立ち

**Penchanのヒント：**promptに「正面」「クローズアップ」のような語があると、AIは奇妙な顔を描きやすくなります。「後ろ姿」「45度の横顔」「肩まで」といった説明に変えると、ほとんど失敗しません。本当に顔が必要なら、実写素材を使うか自分で撮影するほうがよいでしょう。

インフォグラフィック（フロー図、比較図）

**場面：**記事で手順や比較を説明する簡単な図。正式なインフォグラフィックではありません。 **向くツール：**Gemini / ChatGPT（簡単な線画なら作れる）、Figmaで手作業（最も安定。AI画像は文字がぼやけやすい） **使い方：**図に文字があるなら、AIには図形だけを描かせ、文字はFigmaで重ねるのがおすすめです。

主題：3段階の簡単なフロー図。3つの角丸ボックスを左から右に並べ、中央を矢印でつなぐ
要素：
  1つ目：入力データを表す紙のアイコン
  2つ目：処理を表す歯車とAIチップの組み合わせ
  3つ目：出力を表す吹き出しアイコン
スタイル：ミニマルな線画、線幅のそろった輪郭、塗りなしまたは淡い色だけ
構図：16:9横長、3つのボックスを等間隔に配置、背景に余白
色調：背景は純白 #FFFFFF、線は濃いグレー #2D3748、アクセントに淡い青 #90CDF4
禁止：文字（日本語も英語も不要）、3D、グラデーション、影、余分な装飾

**Penchanのヒント：**最後の「文字を一切入れない」が重要です。AIの文字はほぼ必ずぼやけるか誤字になるため、空けておき、Figmaに戻ってきれいな日本語を重ねます。この方法で再生成を1ラウンド省けます。

参考画像：一貫性を高める鍵

テキストだけのpromptには限界があります。AIは頭の中の画面を推測することしかできません。参考画像を使うと、この差を大きく縮められます。

実際には画像をGeminiへ直接アップロードし、「この画像のスタイルとキャラクター造形を参考にして、次の内容を生成して」と伝えます。

この方法はキャラクターの一貫性を解決するのに特に有効です。たとえばブランドのペンギンはオレンジ色の丸いくちばしなのに、AIの学習データにある本物のペンギンは黄色い尖ったくちばしが多いため、「オレンジ色の丸いくちばし」と文字だけで強調しても、モデルに黄色いくちばしへ「戻される」ことがあります。参考画像を付けると、間違いが明らかに減ります。

Prompt最適化前後の比較

AI感を減らす方法

AI画像には、ひと目で分かる「AI感」があります。高彩度、過度に滑らかな質感、すべての輪郭が不自然なほど鋭いこと、完璧すぎる光と影、グラデーションなどです。これを減らす方法はいくつかあります。

**質感のあるスタイルを指定する。**色鉛筆、水彩、パステル、クレヨン。こうしたスタイルには不規則な筆跡とテクスチャがあり、3Dレンダリングより自然に見えます。

**彩度を下げる。**promptに「柔らかな色調」「低彩度」「muted colors」を加えます。AIのデフォルトは高彩度に寄るため、抑えると全体が見やすくなります。

少し不完全にする。「少し手描き感を出す」「輪郭を鋭くしすぎない」「自然な光と影、過度なHDRは避ける」といった小さな指示で、「きれいすぎる」感じを減らせます。

**AIが得意すぎるスタイルを避ける。**超写実的な人物、SFシーン、3Dの商品レンダリング。これらはAIの得意領域なので、生成するとAIらしさが目立ちます。色鉛筆や手描きのような「不完全な」スタイルは、かえってAI感が低くなります。

Penchanブランドの画像はほとんど色鉛筆風です。理由は単純で、AI生成だとひと目で見抜かれにくいからです。

失敗例：ペンギンのくちばしの話

これはAI画像生成の根本的な限界を示すため、独立して説明する価値があります。

ブランドのペンギンはオレンジ色の丸いくちばしです。単純な特徴ですが、AIは間違えます。

最初はpromptが明確でないのだと思い、the penguin has an brown rounded beak, NOT yellow, NOT pointyと書きました。改善はしましたが、ときどき失敗しました。

原因は、モデルが一般的なペンギンの外見、つまり黄色い尖ったくちばしを適用するためだと考えられます。promptでどれだけ強調しても、黄色いくちばしへ戻ることがあります。

最終的な解決策は、参考画像と文字の制約を一緒に使うことでした。正しいくちばしの参考画像を添付し、promptにも「orange rounded beak」と明記します。両方を使って初めて成功率が安定しました。

教訓は、AIの出力が学習データと強く結びついていることです。学習データの一般的なパターンと違うものを求める場合、文章の説明だけでは足りず、視覚的な参考を渡す必要があります。

ツール別Promptの書き方比較

比較項目Gemini（Nano Banana Pro / Nano Banana 2）Midjourney最新版ChatGPT内蔵（ChatGPT Images）
言語中国語、英語のどちらも可英語推奨。Webの会話モードは中国語も可中国語可（会話で自動翻訳）
形式自然言語、特殊構文不要--ar、--styleなどのパラメーターが必要自然言語、会話式
ネガティブ制約「XXを入れない」と直接書く--noパラメーターを使う「XXを入れない」と直接書く
参考画像画像をアップロードし、文章で説明Webで参考画像をアップロード。Discordは画像URLをpromptの先頭に置くChatGPTの会話に画像を添付できる
スタイル制御文字でスタイルを説明--style rawとスタイルキーワードを使う文字で説明するが、制御力はやや弱い
始めやすさ低い高い低い

モデル版ごとの細かな違いは、Gemini無料版とPro版の違いも確認してください。

画像生成の完全な流れ

画像を考えてから完成させるまでの手順です。

  1. まず画像の用途と置く場所を決める
  2. 4層構造（主題、スタイル、構図、制約）でpromptを書く
  3. ブランドキャラクターが関係するなら参考画像を付ける
  4. 3〜4枚生成し、最も近いものを選ぶ
  5. どれも違うならpromptで最も弱い層を調整し、もう一度生成する
  6. 選んだ後、Figmaで最終調整する（文字入れ、配色、トリミング）

全体で1枚あたり約5〜15分です。初めての場面は方向をつかむため何度か試すので、もう少しかかります。

小企鵝（Penchan）の体験

Penchanが最初にAI画像生成に触れたのは、初期のDiscord版Midjourneyの時期でした。その後、中心をGeminiとChatGPTに移しました。理由はシンプルで、中国語の指示に従いやすく、参考画像を直接アップロードでき、ブランドキャラクターの一貫性も文章だけの場合より安定するからです。CanvaのAI画像生成もしばらく試しましたが、色のグラデーションと全体の質感が合わず、使わなくなりました。

「色鉛筆 + グラデーション禁止」は、Penchanブランド画像の固定パターンです。AIのデフォルトにある高彩度、グラデーション、3D質感はAI生成だとすぐ分かりやすく、色鉛筆風は手描きのテクスチャと不規則さを持つため、AI感が最も出にくいからです。

Promptライブラリを蓄積するのも、この数年で身につけた習慣です。よい指示の構造を見つけるたびに保存し、次に似たテーマの画像が必要になったら数語だけ変えます。毎回ゼロから作るよりずっと速くなります。pen-pingsシリーズは、よく使うpromptを共有用の形式に整理したものです。

Promptに終わりはありません。ツールの版が変わるたびに、以前うまくいった書き方が効かなくなることがあり、モデルが違えば結果も変わります。長期的に使える画像を安定して作る鍵は、「神prompt」を一つ守ることではなく、自分の指示ライブラリを作り、ツールの版に合わせて少しずつ更新することです。

関連記事

整理：Penna｜Penchan