GPT Image 2 アニメキービジュアル生成ツール
場所の一体感を保つアニメキービジュアルのための実用的な生成ツール。「聲の形」で制作・検証した4点の公開作品と、Krea 2との率直な比較を紹介します。
GPT Image 2 アニメキービジュアル生成ツール
この生成ページの仕事は一つ。アニメの世界を、場面を支えるキービジュアルにすることです。橋の上の二人、誰もいなくなった教室、登場人物の誰も口にしようとしない思いを宿したノート。GPT Image 2は細部を重視する選択肢です。高速なグラフィック系モデルより時間も費用もかかりますが、奥行きの読み取れる場所をつくることに際立って長けています。
以下の画像はすべて、27点の素材を備えたプレイ可能な世界聲の形で制作しました。公開済みのキービジュアルは4点。2つのプロンプトをそれぞれ一切変えずにGPT Image 2とKrea 2で生成したものです。プロンプトの骨組み、設定、修正のための文言は、事後に整えたものではなく、実際に使用したものです。
この作例でGPT Image 2が優れている点
アニメのキービジュアルが失敗するとき、その多くは二通りです。美しいけれど空間的にあり得ないか、空間は正確でも生気がまったくないか。GPT Image 2は、前者の問題に陥ることが思いのほか少ないモデルです。場面を手前の物、人物、中景、背景という面に分け、それぞれの位置関係を保ちます。橋の画像では、欄干が手前にあり、川がその下を奥へ流れ、街が納得できる距離の背後にあります。無人の教室では、ノートは机の上にあり、浮いてはおらず、机の列もきちんと奥へ続いています。
- 空間の奥行き前景、主題、背景を別々の面として構築します。川がどこにあり、欄干がどこを通り、街がどちらへ続いているかを指し示せます。そのため、背景素材として再利用できます。
- 描き残される小道具補聴器、リング綴じ、時計の文字盤、ページの上の花びら。GPT Image 2は、こうしたものを質感に溶け込ませず、判別できる形で残す傾向があります。小道具が物語を担うとき、この違いが重要です。
- 抑制された光画面全体を平坦にせず、コントラストの低い夕方の光を扱えます。影は柔らかく、窓は明るいまま、人物もその両方を背景に見分けられます。
破綻しにくいプロンプトの骨組み
うまくいくプロンプトは詩ではありません。末尾に雰囲気の指定を添えたショットリストです。形式、場所、人物、隔てるもの、光、画風、除外項目という決まった順番で組み立てれば、一層ずつ問題を調べられます。画像に誤りがあっても、どの文言を変えるべきかがわかります。
形式
「アニメのキービジュアル、映画的な16:9」。何より先に縦横比と用途を決めます。背景素材が必要なら、ポスターを求めてはいけません。
場所
場所と時間帯を一文で指定します。「日本の街の浅い川に架かる狭い歩道橋、夕方」。
人物
各人物に、外形についての情報と感情についての情報を一つずつ与えます。年齢、髪、制服、姿勢、視線の向きなどです。人物の経歴を書く必要はありません。
隔てるもの
人物の間、または手の中に物を置きます。欄干、ノート、カメラ、かばんなどです。物があれば手の役割が生まれ、場面に物理的な関わりができます。
光
主光と補助光を一つずつ選びます。「低い位置の暖かな太陽と長く柔らかい影」で十分です。混乱を描く場面でなければ、三つの光源は避けましょう。
画風の固定
線の質、色の透明感、コントラストの強さ、影の出方を指定する同じ一文を毎回繰り返します。これがシリーズの一貫性を保ちます。
除外項目
不要なものを最後に列挙します。文字なし、アルファベットなし、看板なし、透かしなし、ロゴなし。アニメ系モデルは学校の看板やタイトル画面を勝手につくりがちです。
橋のプロンプトを読み解く
橋の画像は、建造物を含む環境の中のツーショットです。プロンプトは将也と硝子の名前を挙げ、それぞれの外形を示し、将也には乱れた黒髪と濃色の制服、硝子には低い位置でまとめた淡いピンク髪とクリーム色のカーディガンを与えたうえで、二人に共通する物としてノートを置いています。硝子の耳の後ろには補聴器を指定しています。物語はコミュニケーションをめぐるものであり、小道具は記号にならずに見えている必要があるからです。欄干には光を受けさせ、橋を画面を横切る水平線にしています。
プロンプトは「悲しい」とも「ロマンチック」とも言っていません。「低い位置の暖かな太陽と長く柔らかい影」と指定し、感情は演出に委ねています。それがキービジュアルと、形容詞を絵にしただけのイラストとの違いです。
出来上がった画像は、意図的に告白の場面にはしていません。二人は向き合っていますが、触れてはいません。硝子の手は半ば上がっていて、手話の始まりにも終わりにも見えます。将也の手の中でノートは閉じられています。どの要素も、次の場面で答えを出せる問いになっています。
無人の教室のほうが難しい試験になる理由
顔を取り除くと、モデルは何かの陰に隠れられなくなります。二つ目のプロンプトは静物画です。開いたノート、一対の補聴器、桜の花びら、空の机、時計、緑の黒板。人物を一人も使わずに不在を伝えなければなりません。GPT Image 2は部屋を奥へ続く面の集まりとして扱い、手前の机に焦点を担わせています。ノートの罫線、補聴器の曲線、光の中の埃まで、重みのあるものとして描かれています。
同じプロンプトでKrea 2が生成するのは、より大胆で平面的な画像です。窓はポスターの図形になり、夕焼けの彩度は高く、ノートと補聴器は小さく表示してもすぐにわかります。サムネイルとしては優れています。GPT Image 2は記憶として優れています。どちらが必要かを知ることが、選択の大部分です。
同じプロンプトで比べるGPT Image 2とKrea 2
- GPT Image 2を選ぶ場合奥行き、再利用できる空間構成、複数の小道具、あるいは人物の立ち位置に左右される静かな感情の動きが必要な場面に。生成時間が長く、一枚あたりの費用も高いことを見込んでください。
- Krea 2を選ぶ場合速度、枚数、強いシルエット、またはサムネイルでの見え方を重視する場合に。一枚あたりの費用はおよそ4分の1で、生成もずっと高速ですが、入力はテキストのみで、読める文字の生成が苦手なことが知られています。
正直な比較は「どちらのモデルが優れているか」ではありません。「この場面はどちらの失敗なら許容できるか」です。GPT Image 2は描き込みすぎて煩雑になることがあります。Krea 2は、部屋が必要なときに場面をポスターのように平坦化することがあります。シリーズの最初のプロンプトを両方で試し、弱点を修正できるほうを選んだら、比較をやめて一連の画像をつくりましょう。
重要な設定
- サイズ 16:9のキービジュアルには2048×1152を使います。タイトルの背後に画像を置くなら、上部3分の1を静かに保ち、その旨をプロンプトに書きます。
- 品質 小道具のあるメイン画像なら、高品質にする価値があります。検討段階ではまず安価な設定で生成し、選んだ構図だけを高品質で再生成します。
- 縦横比 Krea 2は同じ指示に対して正方形の画像を返しました。16:9の背景素材が必須なら、それを基準にシリーズの残りをつくる前に出力を確認してください。
- 参照画像 GPT Image 2は参照画像を受け付けますが、Krea 2の入力はテキストのみです。人物の顔や場所の配置を場面間で一貫させる必要があるときは、参照画像を使います。
- 反復 一度に変更するのは一項目だけにします。生成に失敗した後でプロンプト全体を書き直すと、どの言葉が問題を起こしたのかわかりません。
五つの失敗例とその修正
- 場面がポスターになる 手前の物と、もう一つの面を加えます。「すぐ手前に欄干、その後ろに川、さらにその後ろに街」とすれば、奥行きを生み出せます。
- 顔が設定から外れる 画面内の人物を減らし、一人につき外形の特徴を一つ記述します。詳しい経歴を持つ五人より、髪の形が明確な二人のほうがうまくいきます。
- 手が消える、または融合する 手に役割を与えます。ノートを持つ、欄干に置く、手話の途中で半ば上げるなどです。何もしていない手は、アニメ系モデルが不得手な即興をする箇所です。
- モデルが看板をつくり出す 除外項目に「文字なし、アルファベットなし、看板なし、透かしなし、ロゴなし」を加えます。そのうえで黒板と壁のポスターを確認します。
- 光は美しいが物語が消える 光源を一つ減らし、感情を妨げているものを明示します。それでも画像の主題が夕焼けなら、プロンプトの主題が夕焼けだったということです。
ネガティブプロンプトと除外項目
除外項目は、嫌いなものすべてではなく、シリーズを損なうものに使います。文字、透かし、ロゴ、ユーザーインターフェースが定番の四つです。「余分な指なし」は手が見えていて中心的な場合だけ加えます。それ以外ではプロンプトの枠を無駄にします。ありふれたアニメの街ではなく、特定の日本の街らしさを出したいときは「現代的な看板なし」を加えます。生成結果を比較できるよう、除外リストは短く保ち、頻繁に変えないでください。
一枚の画像から世界へ
まずカードを書く
場面に誰がいて、何を望み、何を言わずにいるのかを決めます。プロンプトはそのカードを翻訳したものであり、代わりになるものではありません。
空間を生成する
人物を入れずに、または遠景の人物だけを入れて場所を生成します。面の構成、光、再利用できる背景素材を確認します。
人物を加える
採用した空間に人物を配置します。画風の指定文はまったく同じに保ちます。そうしないとシリーズの画風がぶれます。
二枚を公開する
GPT Image 2版とKrea 2版を一緒に共有します。比較は見る人の役に立ち、それぞれのモデルが何をしているかを正直に見つめる助けにもなります。
この生成ツールにできないこと
人物の一貫性を保証する機械ではありません。GPT Image 2は、特に参照画像を使えば数枚にわたって外見を保てますが、20場面のビジュアルノベル全体で同じ顔を保証することはできません。文字組みの道具でもありません。画像にタイトルが必要なら、プロンプトではなくレイアウトで加えてください。そして、演出の代わりにもなりません。雰囲気を表す言葉ばかりで人物の配置がないプロンプトからは、何も語らない美しい絵はがきが生まれます。
費用、速度、安価なモデルを使うタイミング
GPT Image 2は画像生成の予算としては高めで、比較的時間もかかります。メイン画像や再利用する背景素材なら問題ありませんが、十個のアイデアを一覧にするには無駄が多いでしょう。実用的な手順は、Krea 2で検討し、構図を選び、同じ骨組みとより厳密な画風指定を使って、選んだ一枚をGPT Image 2でつくり直すことです。一方のモデルの速さと、もう一方の奥行きを得られます。
この生成ツールについての質問
- 参照画像は必要ですか？ 最初の一枚には不要です。人物の顔や場所の配置をシリーズ全体で同一に保つ必要があるなら、必要です。GPT Image 2は参照画像を受け付けますが、Krea 2は受け付けません。
- アニメ画像が写真のように見えるのはなぜですか？ 画風の指定が弱すぎます。線の質、色の透明感、コントラストの低い影の出方を明示し、生成のたびに同じ一文を繰り返してください。
- 画像内に文字を生成できますか？ 避けてください。どちらのモデルも読める文字の生成は不安定で、Krea 2は特に苦手なことが知られています。タイトルは代わりにページのレイアウトで加えましょう。
- 一つの世界に何枚の画像が必要ですか？ 画風を示すには4枚で十分です。2つのプロンプトを2つのモデルで生成します。新しいアングルや人物が場面に必要になったときだけ追加してください。
最初のアニメキービジュアルを生成する
橋と無人の教室は、すでに二つのモデルで生成され公開されています。世界を開き、プロンプトの骨組みをコピーして、次の一枚をあなた自身のものにしてください。