画像生成AIプロンプトのコツ｜狙い通りに出す書き方2026
目次
画像生成プロンプトの世界ほど、「呪文」という言葉が急速に古びつつある領域はない。2023年前後のStable Diffusionは、カンマ区切りの英単語をひたすら積み上げる呪術めいた作業が事実上の必須スキルだった。ところが2026年のMidjourney V7や、Googleの画像生成モデル「Nano Banana」系は、自然な文章で頼んだほうがむしろ精度が高いケースが増えている。ツールが変われば、書き方の作法もまるごと変わる。
この記事は、Midjourney・Stable Diffusion・DALL-E系・Nano Bananaに共通する画像生成プロンプトの骨格と、ツールごとの差分、狙った絵に近づけるための調整と改善の手順をまとめた。ツール入門ではなく、絵を出す技術そのものが主役だ。
この記事の要点
- ・画像生成プロンプトの基本構文は「主題・スタイル・構図・光と色・品質語」の5要素。順番も出力の安定度に影響する
- ・Midjourneyは語順で重みが変わり、Stable Diffusionはネガティブプロンプトが前提、Nano Banana系は自然文の指示理解が強い
- ・狙い通りの絵に詰めるコツは要素を足すことではなく、1回に1要素だけ変えて比較する反復改善にある
1. 「呪文」が効かなくなってきている理由
呪文はもう古い。結論から言うと、画像生成プロンプトを「魔法の言い回し」に頼って書く技術は賞味期限が短い。モデルが賢くなるほど、必要なのは呪文ではなく指示の解像度だ。
Midjourneyは公式のアップデート情報で、V7世代から自然言語の理解精度を大きく引き上げたと説明している。以前は効いていた呪文的な単語の並びが、V7ではむしろ冗長なノイズとして扱われることがある。Stable Diffusion系でも、より新しい世代のモデルに移るにつれ、タグの羅列よりも自然な文章に近い指示のほうが構図の破綻が少ないという報告がコミュニティで増えている。
品質を底上げする単語と、構図を固定する書式は今も効く。変わったのは、それだけに頼れなくなった点だ。
見落としがちなポイント
同じプロンプトでも、モデルのバージョンが上がるだけで出力の傾向が変わる。数ヶ月前に効いていた呪文をそのまま使い回すと、古い書き方のクセだけが再現されて狙いから外れることがある。
2. 狙った画像を出す基本構文｜5つの要素
呪文が効かなくなったからといって、書き方の骨格まで消えたわけではない。ツールが違っても、画像生成プロンプトの骨格はほぼ共通する。主題・スタイル・構図・光と色・品質語の5つを、この順番で並べるのが最も安定する。
主題
「誰が・何を・どうしている」を具体名詞で書く。「人物」ではなく「白衣を着た30代の研究者」まで絞る。
スタイル
写真調・水彩・アニメ調など画風を1つに絞る。複数のスタイルを並べると絵が濁る。
構図・アングル
俯瞰・見上げ・バストアップなどカメラ位置を明示する。無指定だと正面バストアップに寄りやすい。
光と色
「夕方の逆光」「ネオンの青」など光源と色調を具体的に。雰囲気語だけでは再現性が落ちる。
主題は具体名詞まで絞り込む
「かわいい猫」より「耳が折れたスコティッシュフォールドの子猫」のほうが再現性は高い。抽象語は解釈の幅が広く、モデルごとの補完のクセがそのまま出る。
スタイルは1つに絞る
「写真的でありながらアニメ風」のように矛盾する画風を並べると、多くの場合どちらつかずの絵になる。参考にしたい作家名や技法名を1つだけ添えるほうが狙いに近づく。
構図とアングルを明示する
指定がないと、多くのモデルは正面からのバストアップに寄る。俯瞰・煽り・広角といったカメラ用語を入れるだけで、構図のバリエーションが一気に広がる。
光と色は雰囲気語だけで終わらせない
「幻想的な光」ではなく「窓から差し込む夕方の逆光」まで書く。光源の位置と時間帯が決まれば、影の向きや色温度も安定する。同じ理屈で「寒色系」より「曇り空の下の青みがかった影」、「暖かい雰囲気」より「白熱電球のオレンジ光が壁に反射している」まで踏み込むと、3案とも似たような絵になる、という事故が減る。
品質語は最後に、少量だけ
「高品質」「最高傑作」は1〜2個で十分。3個目からは効かない。
3. ツールごとの書き方の違い｜Midjourney・Stable Diffusion・DALL-E系・Nano Banana
骨格は共通でも、画像生成プロンプトの実際の書式はツールごとにまるで違う。同じ「猫の写真」を頼むにも、Midjourneyでは英語のキーワード列、Stable Diffusion系ではタグとネガティブプロンプトの組み合わせ、Nano Banana系のような新世代モデルでは自然な一文の指示で通じることがある。無料・商用利用まで含めたツール全体の比較は別記事に譲り、ここでは書き方の作法だけに絞る。
| ツール | 得意な書き方 | ネガティブ指定 | パラメータ調整 |
|---|---|---|---|
| Midjourney | 英単語・フレーズを語順重視で並べる | --no オプション | --stylize --chaos --style raw など豊富 |
| Stable Diffusion系 | タグをカンマ区切りで積み上げる | ネガティブプロンプト欄が前提 | CFGスケール・ステップ数・サンプラー |
| DALL-E・GPT画像系 | 自然な文章で状況ごと説明する | 「〜は入れない」と文中で明示 | 数値パラメータはほぼ無い |
| Nano Banana系 | 自然文＋参照画像の併用に強い | 文中の否定表現で対応 | パラメータより指示文の書き換えが中心 |
Midjourney｜語順が重みを決める
Midjourneyは前方に置いた単語ほど強く反映されるとされる。最優先したい要素は文の先頭に、装飾的な単語は後ろに回すと狙いが通りやすい。たとえば「猫、白いソファ、朝の光」と「朝の光、白いソファ、猫」では、前者のほうが猫の描写に忠実な絵が返ってくる。
Stable Diffusion系｜タグとネガティブプロンプトが前提
ポジティブ側だけでは崩れた手は消えない。
DALL-E・GPT画像系｜自然文の説明力を活かす
OpenAIの画像生成は、シーン全体を一文の状況説明として渡すと精度が上がりやすい。単語の羅列よりも「誰が」「どこで」「何をしている」を接続した文のほうが解釈のブレが少ない。
Nano Banana系｜自然文と参照画像のかけ合わせ
Googleの画像生成モデル、通称Nano Banana系は、テキストの指示に加えて参照画像を渡した上での編集指示に強いとされる。「この構図のまま服の色だけ変える」といった部分編集の指示が、他系統より素直に通る。
4. ネガティブプロンプトの使い方
画像生成プロンプトのうち、ネガティブプロンプトは「描いてほしくないもの」を指定する欄だ。Stable Diffusion系では実質必須、Midjourneyでは--noオプションで補助的に使う。
ネガティブプロンプトは、写真のホコリ取りに近い。写り込んでほしくないものを先に指定しておけば、あとの手直しが減る。よく使われるのは、崩れた手指・余分な指・低解像度・透かし・不要なテキストといった定番の否定語だ。これらをテンプレート化して使い回すだけで、崩れた手が出る枚数は10枚中3〜4枚から1枚以下まで下がる。
もったいないと感じるのは、ネガティブプロンプトを毎回同じテンプレートのコピペで済ませてしまうことだ。消すべきノイズは被写体や構図によって変わる。夜景なら「過剰なフレア」、人物なら「余分な指」というように、シーンごとに数語だけ差し替えるほうが効く。
5. パラメータ調整で追い込む
文章の指示だけで追い込めない部分は、数値パラメータで押さえる。Midjourneyの--stylizeは0から約1000まで、--chaosは約100までの範囲で調整できる。範囲さえ覚えれば強力な武器になる。
| パラメータ | 対象 | 効果 |
|---|---|---|
| --stylize | Midjourney | 値を上げるほど芸術的な解釈が強まる。低いと指示に忠実、高いと絵作りの自由度が上がる |
| --chaos | Midjourney | 生成結果のばらつきを制御。0に近いほど似た構図が並ぶ |
| --style raw | Midjourney | Midjourney独自の美化補正を抑え、指示にそのまま忠実な出力に近づける |
| CFGスケール | Stable Diffusion系 | プロンプトへの忠実度。高すぎると絵が破綻し、低すぎると指示が反映されない |
| Steps | Stable Diffusion系 | 生成の反復回数。増やすほど精細になるが、ある値を超えると変化が鈍る |
地味だが効果が大きいのが、--style rawやCFGスケールを下げて「モデルの美化補正」を弱める操作だ。デフォルトのままでは、どのプロンプトを書いても似た整った絵に寄っていくが、補正を弱めると指示との差分が見え、次に直す場所が分かる。
6. 反復改善のワークフロー
画像生成プロンプトを狙った絵に近づける最短ルートは、パラメータを一気に変えることではない。1回に1要素だけ変えて比較する、地道な反復にある。
1回に1要素だけ変える
構図とスタイルを同時に変えると、結果が良くなっても悪くなっても原因が分からない。ここでつまずきやすいのが、複数箇所を同時にいじって収拾がつかなくなるパターンだ。まず構図だけ変えて4枚出す。次にスタイルだけ変えて4枚出す。原因を切り分けながら進めるほうが、遠回りに見えて速い。
プロンプト履歴を残してレシピ化する
狙い通りに出た画像生成プロンプトは、テキストファイルかメモアプリに保存しておく。「ポートレート用」「商品写真用」のようにフォルダ分けしておけば、次回はゼロから書き直す必要がない。文章生成のプロンプトをレシピ化する考え方と同じで、画像でも積み上げた分だけ再現性が上がる。
7. よくある失敗パターンと直し方
狙った絵が出ないとき、原因の大半は画像生成プロンプトの情報量ではなく、情報の整理のされ方にある。AIに指示が伝わらないときの直し方は文章生成と共通する部分も多い。
詰め込みすぎ
要素を足せば足すほど良くなると思い込み、矛盾する指示を並べてしまう。絵は情報過多で崩れる。まず引き算してから、必要な要素だけ足し直す。
抽象語だけで終わる
「幻想的」「エモい」だけでは解釈がモデル任せになる。何が幻想的なのか、光か色か構図かを具体名詞に置き換える。
ネガティブプロンプトを使わない
Stable Diffusion系でポジティブ側だけを書き込み、崩れた手や不要な背景を放置してしまう。定番の否定語だけでも先に入れておく。
優先順位を付けない
全要素を同列に書くと、モデルがどれを重視すべきか判断できない。Midjourneyなら語順、他ツールなら文の前半に優先事項を置く。
8. 用途別レシピ集
失敗パターンを避けたら、次は手数を増やす番だ。そのまま使える画像生成プロンプトの型を、用途別に4つ置く。{ }の部分を自分の被写体に書き換えれば、コピペで試せる。商用利用の可否はツールごとの規約次第で、たとえばAdobe Fireflyは商用利用を前提に設計されているなど、ツール選びの段階で確認しておく。
ポートレート写真
{30代女性、白いニットセーター}, natural window light from the left,
shallow depth of field, shot on 85mm lens, soft color grading,
photorealistic --style raw --stylize 150
商品写真
{革製の腕時計}, on white marble surface, studio softbox lighting,
top-down angle, minimal shadow, product photography, high detail
Negative: blurry, cluttered background, extra reflections
SNSアイキャッチ画像
{見出しに合う抽象的なアイコン}, flat design, bold orange and navy palette,
centered composition, negative space for text overlay, vector style
--ar 16:9 --stylize 50
キャラクターデザイン設定画
{キャラクターの外見の特徴}, character sheet, front view and side view,
neutral background, consistent line weight, turnaround reference
Negative: extra limbs, asymmetrical face, watermark
副業として画像を売る・納品する場合は、権利関係の確認が先決だ。画像生成AIを使った副業の始め方も合わせて確認しておくと、案件選びで迷わない。
9. よくある質問
画像生成プロンプトについて、正直なところ迷いやすいポイントを5つにまとめた。
Q. 呪文的なテンプレートを丸暗記する意味はもうない？
品質語や構図固定の書式は今も効く。丸暗記した1つの型に頼り切るのは危険で、モデルが変わるたびに効き方も変わる。
Q. Midjourneyの--stylizeはどのくらいの値から効果が変わる？
数値が低いほど指示への忠実度が上がり、高いほど装飾的な解釈が強まる。狙いが明確な仕事用途では低め、雰囲気重視の作品では高めから試すと調整しやすい。
Q. Stable Diffusionでネガティブプロンプトに何を書けばいいか分からない
まずは崩れた手指・余分な指・低解像度・透かし・不要なテキストという定番5点をテンプレート化する。そこから被写体固有のノイズを数語ずつ足していく。人物写真なら「不自然な歯並び」「余分な指」、夜景なら「過剰なフレア」「白飛び」を追加すると破綻が減る。テンプレートは使い回さず、被写体ごとに数語だけ書き換えるのがコツだ。
Q. 商用利用できる画像生成AIプロンプトの注意点は？
著作権上の制約はほぼないが、商用利用の可否はツールの規約次第で変わる。
Q. 日本語プロンプトと英語プロンプト、どちらが良い？
Midjourneyや多くのStable Diffusion系モデルは英語での学習データが厚く、英語のほうが安定しやすい。対してDALL-E系やNano Banana系は日本語の文脈理解も強く、自然な日本語の一文で通じることが多い。ツールに応じて使い分けるのが実務的だ。
出典・参考
- ・Midjourney公式ドキュメント（パラメータ一覧・バージョン別の挙動）
- ・Stability AI公式ドキュメント（Stable Diffusion系APIリファレンス）
- ・Google公式ドキュメント「Image generation」（Gemini系画像生成モデルの挙動）
10. まとめ
画像生成プロンプトは、呪文の暗記ゲームから、指示の解像度を上げる設計作業に変わりつつある。主題・スタイル・構図・光と色・品質語という5要素を具体名詞で埋め、ツールごとの作法（Midjourneyの語順、Stable Diffusionのネガティブプロンプト、Nano Banana系の自然文編集）に合わせて書き分ける。主題を具体名詞まで絞るだけで、4枚出して狙いから外れるのは1枚以下になる。
自分なら、まず1要素ずつ変える反復改善から始める。パラメータやネガティブプロンプトは、狙いが定まってから微調整すればいい。順番を間違えると、原因不明の「なんとなく違う」絵を量産するだけで終わる。厄介なのは、これを飛ばして数値調整から入ってしまうケースが実に多いことだ。
次に試す1枚では、主題を具体名詞まで絞り込み、ネガティブプロンプトに定番5件だけ入れて、まず4枚出してみてほしい。1時間もあれば1サイクル回せる。そこから1要素ずつ変えていけば、狙った絵に着地する速度は確実に上がる。