生成画像の手と文字が崩れるとき、プロンプトより先に見直した設定

• 解像度と構図を変えるほうが、言葉を足すより効いた
• 手と文字は「小さく写っているとき」に崩れやすい
• 崩れを隠す構図を先に決めると、やり直しが減る

生成画像で指が6本になったり、看板の文字が判読できない記号になったりする。プロンプトに「正確な手」と足しても改善しなかったので、別の方向から対処した記録である。

崩れる場所には共通点があった

失敗した画像を並べて見ると、崩れているのはいつも画面の中で小さく写っている部分だった。全身像の手、遠景の看板、群衆の顔といった箇所だ。

逆に、手のアップを指定したときは指の本数が正しかった。細部に割り当てられる情報量の問題で、言葉で「正確に」と頼んでも解決しない種類の崩れだと分かった。

プロンプトで試して効果が薄かったもの

• 「手を正確に」「指は5本」 — ほぼ変化なし
• 否定形の指定 — 指定した要素が逆に強調されることがある
• 品質を上げる定型句の追加 — 全体の印象は変わるが、崩れは残る

1. 解像度を上げる

出力サイズを上げると改善した。細部に割ける情報が増えるためだと思われる。ただし生成時間と費用が増えるので、常用はしていない。

運用としては、まず低い解像度で構図を決め、採用する1枚だけ高解像度で作り直している。選別と仕上げを分けると費用が抑えられる。

2. 構図で崩れる箇所を作らない

最も効果があったのはこれだった。崩れやすい部位を最初から画面に入れない。

• 手を写さない構図にする（腕を切る、後ろ姿、物で隠れる）
• 文字が必要なら、後から画像編集で載せる
• 人物は人数を減らす。群衆は顔が崩れる

2つ目は割り切りだが、結果的に一番速い。生成に文字を期待しないと決めてから、やり直しが大きく減った。ロゴや看板は別途作って重ねるほうが、修正も効く。

記事のアイキャッチでの使い方

背景だけを生成し、タイトル文字は編集ソフトで載せる形に統一した。文字のフォントとサイズが揃うので、記事一覧に並べたときの見た目も良くなった。

3. 参照画像を渡す

似た構図の画像を渡して「この構図で」と指定すると、崩れが減った。言葉だけで構図を伝えるより、位置関係が正確に伝わる。

手持ちの写真でも、自分で描いた簡単な線画でも効く。線画の場合、人物の配置と視線の向きが決まるだけで結果が安定した。

4. 生成後に部分的に直す

一部だけ選択して描き直す機能を使うと、全体を作り直さずに済む。手だけ、看板だけを指定して再生成する。

注意点として、直した箇所だけ質感が変わることがある。周囲より鮮明になったり、色味がずれたりする。範囲を少し広めに取ると馴染みやすい。

やらなくなったこと

• 同じプロンプトで何十枚も生成して当たりを待つ — 時間と費用に見合わなかった
• プロンプトを長くし続ける — 一定を超えると指示が薄まり、むしろ外れる
• 崩れた画像を使う — 小さく表示すれば分からないと考えたが、拡大されると気づかれる

作業の順番を変えた

以前は「プロンプトを練る→生成→崩れたら言葉を足す」という流れだった。今はこうしている。

• 崩れやすい要素が必要かを先に判断する
• 不要なら構図から外す
• 必要なら、その部分だけ別で用意する前提で作る
• 低解像度で構図を固め、採用分だけ仕上げる

言葉の工夫を後回しにしたことで、全体の時間が短くなった。プロンプトで解決しようとする前に、そもそも必要かを問うのが効いた。

かかった費用の感覚

やり方を変える前後で、1枚仕上げるまでの生成回数を数えた。

• 変える前 — 当たりが出るまで20〜40回。崩れを引いて作り直すのが大半
• 変えた後 — 構図を決める段階で6〜10回、仕上げ1回

回数が3分の1以下になった。費用そのものより、選別に使う時間が減ったことのほうが大きい。何十枚も並べて見比べる作業は、思っている以上に集中力を使う。

記事1本あたりの目安

アイキャッチ1枚なら、低解像度で構図を固めて仕上げる流れで10分前後に収まるようになった。以前は30分以上かけて、それでも納得しないまま使うことがあった。

まとめ

• 崩れるのは小さく写っている部分。言葉では直りにくい
• 解像度を上げると改善するが、費用がかかる
• 崩れる要素を構図から外すのが最も速い
• 文字は後から載せる前提にすると安定する
• 参照画像を渡すと構図が正確に伝わる