「Midjourneyで思った通りの絵が出ない」と感じたとき、多くの人はモデルの性能や自分のセンスを疑います。しかし実際のところ、結果のばらつきの大半は指示の設計、つまりプロンプトの組み立て方に起因します。画像生成AIは魔法の箱ではなく、曖昧な指示を曖昧なまま平均化して出力するエンジンです。逆に言えば、構造を理解して指示を整えれば、出力の安定性と品質は驚くほど変わります。
本記事では、画像生成の現場で使われているプロンプト設計の考え方を、基本構造からパラメータ制御、シリーズ展開、動画素材への受け渡し、トラブルシューティングまで一通り扱います。読み終えたあとには、なんとなく言葉を並べる作業から、意図を設計する作業へと切り替えられるはずです。
プロンプト設計がビジュアル品質を決める理由
生成モデルは、入力されたテキストを意味の塊に分解し、学習した視覚パターンと結びつけて画像を合成します。このとき、指示が短く抽象的であるほど、モデルは学習データの平均的な解釈を選びます。平均的な解釈は破綻が少ない代わりに、印象に残る要素も少なくなります。
曖昧さが生むばらつき
たとえば「美しい風景」という指示を考えてみましょう。美しさの基準は人によって異なり、モデルもまた無数の「美しい風景」を学習しています。結果として、毎回違う方向の絵が出てきます。これは失敗ではなく、指示が情報を持っていないだけです。
「霧の朝、針葉樹林の尾根から見下ろす湖、逆光、望遠レンズ」と書けば、モデルが選べる範囲は一気に狭まります。狭まるということは、出力が意図に近づくということです。
良いプロンプトの三条件
現場で有効な設計には、おおむね次の三つが共通しています。
- 主題が一つに定まっている。複数の主役を同時に置くと、どれも中途半端になる。
- 視覚情報が具体的である。光の方向、時間帯、素材感、レンズの印象など、目で見える言葉を使う。
- 制御要素が分離されている。変えたい部分と固定したい部分を明確に分けて書く。
この三条件は、静止画でも動画のキーフレームでも同じように機能します。
プロンプトの基本構造を分解する
プロンプトは単語の羅列ではなく、役割の異なる要素の集合体です。基本は「主題」「スタイル」「環境」「品質」の四層に分けて考えると整理しやすくなります。
主題（Subject）
最初に置くのは、何を描くかという主題です。人物であれば人数、年齢層、服装、姿勢、視線の向きまで書くと安定します。「老人」よりも「白い髭を蓄えた痩せ型の老人、革のコート、右手にランタン」のほうが再現性が高くなります。
主題は文頭に近い位置に置くのが定石です。モデルは前方の語を強く参照する傾向があるため、重要な要素ほど前に置きます。
スタイル（Style）
次に、どんな表現で描くかを指定します。写真表現なのか、イラストなのか、油彩なのか、コンセプトアートなのか。ここを指定しないと、モデルは毎回異なる表現技法を選び、シリーズ全体の統一感が崩れます。
スタイル語は具体的な作家名や作品名に頼りすぎると、権利面や再現性の面で扱いにくくなります。代わりに「シネマティック」「ウェットオンプレート写真」「フラットベクター」「リソグラフ印刷」といった技法名や、「柔らかい拡散光」「高コントラストの室内光」といった光の表現で指定すると、意図が伝わりやすく再利用も容易です。
環境とライティング（Environment / Lighting）
環境は主題の背景ではなく、物語の文脈です。室内か屋外か、天候、時間帯、季節、周囲の物音まで想像できる具体度が理想です。
ライティングは最も効果の大きい要素の一つです。同じ人物でも、逆光のリムライトで撮るのか、窓からの柔らかいサイド光で撮るのかで、まったく別の感情が生まれます。
- 逆光、リムライト、シルエット
- 曇天の拡散光、フラットな影
- 単一光源、硬い影、フィルムノワール調
- ゴールデンアワー、暖色の斜光
これらを主題と組み合わせるだけで、出力の印象は大きく変わります。
品質修飾語（Quality Modifiers）
品質を上げる語は便利ですが、詰め込みすぎると効果が薄まります。「超高精細、8K、傑作、受賞歴あり」といった語を十個並べても、モデルは優先順位を判断できません。二つから三つ程度に絞り、具体的な描写に語数を割くほうが結果は良くなります。
構図とレンズ表現
構図の指定も品質に直結します。バストショット、全身、俯瞰、ローアングル、望遠圧縮、広角の歪み。撮影用語を使うと、モデルは写真表現の文法に沿って画角を組み立てます。動画素材を作る場合、カットごとに構図を変えることで編集時にリズムが生まれます。
パラメータで生成を制御する
プロンプト本文に加えて、生成の挙動を制御するパラメータを使えます。ここを理解すると、「なぜか毎回同じ顔になる」「なぜか構図が変わらない」といった悩みを自分で解決できるようになります。
アスペクト比
縦長、横長、正方形といった比率の指定は最初に決めます。動画に使う予定があるなら、編集ソフトのタイムラインに合わせて横長や縦長を先に固定します。後から比率を変えると構図が崩れ、主題の位置がずれるためです。
スタイライズと多様性
スタイルの適用強度を調整する値と、出力の多様性を左右する値は、作品の方向性を決める重要なレバーです。値を低めにすると指示に忠実で無難な絵になり、高めにすると印象的だが指示から離れた絵が出ます。
シリーズ作品では、最初に低めの値で構図を固め、その後少しずつ上げて表現の幅を探るという進め方が安全です。
シード値による再現性
同じ構図で細部だけ変えたいときは、シード値を固定します。シードを固定すると、モデルが内部で使う乱数の出発点が同じになり、構図や色の傾向が保たれます。人物の衣装だけ変える、天候だけ変えるといった検証に向いています。
除外指定（ネガティブ要素）
避けたい要素を指定する方法もありますが、使いすぎると画面が痩せます。「人物を入れない」「文字を入れない」など、明確に排除したい要素を二、三個に絞るのが実用的です。
パラメータを増やしすぎない
制御項目は多ければ良いわけではありません。五つ以上を同時に動かすと、どの変更が結果に効いたのか分からなくなります。検証するときは一度に一つだけ変えるのが原則です。
重み付けと複雑な指示の組み立て
複数の要素を一つの画面に共存させたいときは、重要度を明示する構文が役立ちます。二重コロンを使った重み付けはその代表例で、「要素A::2 要素B::1」と書けば、Aがより強く反映されます。
重み付けの使いどころ
重み付けは、主題と背景のバランスを取るときに有効です。人物を主役にしたいのに背景の建築物が目立ちすぎる場合、人物側の数値を上げるか背景側を下げます。数値を極端にすると片方が消えるため、まずは小さな差から試します。
複数要素を階層化する
三つ以上の要素を扱うときは、階層を意識します。
- 第一階層：主題（誰が、何が）
- 第二階層：状態（何をしている、どんな表情か）
- 第三階層：環境（どこで、どんな光か）
- 第四階層：技法（どんな表現で描くか）
この順序で文章を組み立てると、モデルが優先順位を把握しやすくなります。逆に、技法の話を先に書いて主題を最後に置くと、主題が弱く扱われることがあります。
プロンプトテンプレートの作り方
繰り返し使うなら、テンプレート化して変数部分だけ差し替える運用が効率的です。
たとえば次のような骨格です。
「[主題] が [動作] している、[場所]、[時間帯と光]、[構図とレンズ]、[表現技法]、[品質語を二つ]」
この骨格のうち、[主題]と[動作]だけを変えれば、同じ世界観のカットを量産できます。テンプレートはメモ帳に保存し、うまくいった組み合わせを随時更新します。
キャラクターとスタイルの一貫性を保つ
複数カットで同じ人物や同じ世界を描くとき、最大の課題は一貫性です。プロンプトの設計だけで完全に固定するのは難しいため、参照画像と記述の固定を組み合わせます。
参照画像の活用
基準となる一枚を用意し、それを参照として渡すと、顔立ちや色調の傾向が引き継がれます。参照の強度は用途で調整します。強くすると元画像に寄り、弱くすると自由になります。衣装だけ変えたい場合は、参照強度を中程度にし、衣装の記述を具体的に書き換えます。
記述の固定と変数の分離
一貫性を保つ鍵は、変える部分をあらかじめ決めておくことです。人物の記述、光の記述、スタイルの記述は固定し、場所とポーズだけを変数にします。この分離を守るだけで、シリーズの統一感は大きく向上します。
シリーズ展開のチェックリスト
制作前に次の項目を確認しておくと、後戻りが減ります。
- 主人公の外見を記述する語を十語程度に固めたか
- 世界観の光と色を二、三のパターンに絞ったか
- アスペクト比を全カットで統一したか
- 参照画像の強度を数値で決め打ちしたか
- 変更してよい変数と、変えてはいけない固定語を分けたか
静止画から映像素材へ展開するワークフロー
画像生成は、動画制作の前工程として非常に強力です。絵コンテの代わりにキーフレームを作り、それを動画生成に渡す流れが定着しています。
カット割りを先に決める
いきなり画像を作り始めるのではなく、まずカット割りを決めます。冒頭の全景、主人公の寄り、手元のアップ、背景のディテール、締めの引き。五カット程度でも物語は成立します。
各カットに必要な情報を書き出し、それをプロンプトのテンプレートに流し込みます。
キーフレーム生成
各カットについて、まず一枚だけ作ります。この段階では完成度より構図の確認を優先します。構図が決まったらシード値を固定し、光や表情を微調整します。
最初の一枚で納得できるまで粘るより、三枚ほど作って最も近いものを選び、そこから詰めるほうが効率的です。
動画生成ツールへの受け渡し
作ったキーフレームは、動画生成の入力として使えます。このとき意識したいのは次の点です。
- 解像度を上げすぎない。動画側で再処理されるため、中庸な解像度で十分な場合が多い
- 余白を残す。動きの方向に空間があると、カメラワークが自然になる
- 主題を中央に寄せすぎない。動きの余地がなくなる
モーション指定とカメラワーク
動画側では、被写体の動きとカメラの動きを別々に指定します。髪が揺れる、湯気が立つ、雲が流れるといった環境の動きは、画面に生命感を与える最も効果的な要素です。カメラは固定、ゆっくり前進、横移動、わずかな手持ち風など、一つに絞ると破綻しにくくなります。
よくある失敗と修正手順
ここからは実務で頻出するつまずきと、その対処を整理します。
思った構図にならない
原因の多くは、構図の指定が曖昧か、後ろのほうに埋もれていることです。構図語を文頭寄りに移し、レンズの焦点距離に相当する表現を加えます。主題が複数ある場合は、思い切って一つに絞ります。
顔や手が崩れる
人物の顔が小さいと崩れやすくなります。バストショットまで寄るか、顔の記述をより具体的にします。手を使うポーズは難易度が高いため、手を隠す構図や、手に物を持たせる構図に変えるのも有効です。
色味がバラバラになる
色の指定が毎回変わっているのが原因です。パレットを三色程度に決め、全カットで同じ記述を使います。また、スタイルの適用強度が高すぎると色が暴れるため、いったん下げて確認します。
同じ絵ばかり出る
多様性の値が低いか、プロンプトが短すぎる可能性があります。多様性を上げる、主題のバリエーションを増やす、視点を変える、時間帯を変えるなど、変化の軸を一つずつ足します。
修正の優先順位
修正は次の順序で行うと迷いません。
- 構図（主題の位置と大きさ）
- 光（方向と硬さ）
- 色（パレット）
- 細部（質感、小物、表情）
上位が決まっていない段階で細部をいじると、作業が収束しません。
アセット管理と再利用の仕組み
生成した画像が増えると、どれがどの指示で作られたか分からなくなります。ここを仕組み化しておくと、後の修正や流用が格段に楽になります。
ファイル命名規則
プロジェクト名、カット番号、バージョンを組み合わせた命名にします。番号は三桁でゼロ埋めすると並び替えが安定します。日付を入れる場合も、並び替えできる形式に統一します。
メタデータとしてプロンプトを保存
画像ファイルと同じフォルダに、プロンプトを記したテキストファイルを置くか、表計算ソフトで一覧管理します。記録する項目は、プロンプト本文、パラメータ、参照画像の有無、シード値、出力日、評価の五段階程度です。
この記録があると、半年後に同じ世界観のカットを追加するとき、指示を一から作り直す必要がなくなります。
再利用可能なパーツライブラリ
うまくいった表現は、パーツとして切り出して蓄積します。光のパターン集、背景のパターン集、人物記述のパターン集をそれぞれ作っておくと、組み合わせで新しいカットを素早く作れます。
ライブラリは増やすより、整理するほうが重要です。使わなかったパーツは定期的に削除し、実際に効いたものだけを残します。
改善ループの作り方
上達の速度を決めるのは、才能より検証の設計です。
小さく試す
大きな作品を作る前に、小さな検証を重ねます。同じ主題で光だけを五通り試す、同じ光で構図だけを五通り試す、といった具合です。一度に一要素だけを動かすと、因果関係が明確になります。
記録と比較
試した結果は必ず残します。感覚で覚えているつもりでも、数十枚を超えると記憶は曖昧になります。比較のときは、良かった理由を言語化します。「光が柔らかいから」ではなく「影の境界が広く、コントラストが低いから」まで書くと、次回に再利用できます。
評価軸の定義
評価は好みだけで行うとぶれます。次の四軸で採点すると判断が安定します。
- 指示への忠実度
- 構図の強さ
- 光と色の一貫性
- 用途への適合度（サムネイル、記事挿絵、動画素材など）
用途への適合度を最後に置くのがポイントです。どれだけ美しくても、用途に合わなければ採用できません。
FAQ
プロンプトは長いほうが良いのでしょうか
長さそのものは品質と比例しません。有効なのは、視覚情報の密度です。同じ十五語でも、抽象語が並んでいるより、光・構図・素材が具体的に書かれているほうが結果は良くなります。
日本語で書いても大丈夫ですか
多くのモデルは英語の学習量が多いため、英語のほうが安定する場面はあります。ただし近年は多言語の理解も向上しており、日本語で書いたほうが細かなニュアンスを伝えられることもあります。重要な案件では、同じ内容を両言語で試して比較するのが確実です。
スタイルを指定する言葉が見つかりません
技法名、光の質、フィルムの種類、印刷方式、画材といったカテゴリから探すと見つかります。抽象的な形容詞より、制作工程を表す語のほうがモデルには伝わりやすい傾向があります。
同じ人物を別のカットでも出したい
参照画像と固定した記述の組み合わせが基本です。加えて、シード値を固定し、変える要素をポーズと場所だけに限定します。それでも揺れる場合は、顔の記述をさらに具体化します。
動画にしたときに不自然になります
入力画像の余白不足か、動きの指定が多すぎることが原因のことが多いです。余白を確保し、動きは一つに絞り、カメラワークも一方向だけにします。
何枚くらい試せば良いですか
構図の検証なら三枚、光の検証なら五枚が目安です。それ以上試しても、判断基準が曖昧なままだと迷うだけになります。先に評価軸を決めてから枚数を増やします。
まとめ：設計する人ほど結果が安定する
プロンプト作成は、言葉を並べる作業ではなく、意図を構造に変換する作業です。主題を一つに絞り、光と構図を具体的に書き、パラメータで制御し、記録して再利用する。この流れを一度身につければ、出力の品質は運ではなく再現できるものになります。
まずは手元のテンプレートを一つ作り、光のパターン集を三つ書いてみてください。小さな仕組みが、制作の速度と安定性を大きく変えます。
