AI画像生成プロンプトの基礎 — 構造と書き方の原則
AI画像生成で意図した結果を得るためのプロンプトの基本構造、要素の優先順位、よくある失敗パターンを解説します。Stable Diffusion・Midjourney・NovelAIなど主要モデル共通の考え方。
AI画像生成で「思ったような絵が出ない」と感じる原因のほとんどは、プロンプトの構造を理解せずに思いついた単語を並べてしまっていることです。本記事では、Stable Diffusion・Midjourney・NovelAI などの主要モデルに共通する、プロンプト構造の基本を整理します。
プロンプトを5つの層で考える
実用的に有効なのは、プロンプトを次の5層に分解して書く方法です。
- 被写体（Subject） — 何を描くか。例：
1girl, young woman, knight - 構図（Composition） — どこから・どう写すか。例：
close-up, full body, from above, rule of thirds - 画風（Style） — どんな絵柄か。例：
anime style, oil painting, photorealistic, watercolor - ライティング（Lighting） — 光の状態。例：
soft natural light, dramatic backlight, golden hour - クオリティ修飾（Quality） — 仕上がり指定。例：
masterpiece, best quality, highly detailed
この5層を意識するだけで、出力結果のブレが大きく減ります。
単語の重みは「先頭」と「強調記号」で決まる
Stable Diffusion 系モデルでは、プロンプト内の単語の影響度は次の2要因で決まります。
第一に順序。プロンプトの先頭に近い単語ほど重みが大きくなります。最も重要な要素（被写体）を最初に書き、装飾的な要素は後ろに回すのが鉄則です。
第二に強調記号。(word:1.3) のようにカッコと数字で重みを明示できます。1.0 が標準、1.3 で強め、0.7 で弱めにする、といった調整が可能です。多用は禁物ですが、画風や色の傾向を効かせたいときに有効です。
Midjourney では :: を使った重み指定（apple::2 banana::1）が用意されています。モデルごとに記法が違うので、対象モデルの仕様を都度確認してください。
「形容詞だけのプロンプト」は失敗の元
初心者がやりがちな失敗が、beautiful, amazing, stunning, masterpiece のような形容詞ばかりを並べることです。これらの単語は AI モデルにとって意味がほぼなく、出力に与える影響が小さい。
代わりに具体的な視覚要素を入れましょう。beautiful ではなく golden hair, blue eyes, fair skin、amazing scene ではなく cherry blossoms, traditional kimono, foggy morning のように、AI が「見える」表現に変換します。
ネガティブプロンプトの併用は必須級
正のプロンプトだけでは「何を描くか」しか指定できません。逆に「描いてほしくないもの」を排除するのがネガティブプロンプトの役割です。bad anatomy, extra fingers, blurry, low quality のような基本セットに、シーン固有の要素（例：人物画なら cropped face、風景なら text, watermark）を加えるのが定石。
ネガティブプロンプトの詳細は別記事で扱います。
検証は1要素ずつ変える
プロンプトの調整で最も効率的なのは、シード固定で要素を1つずつ変えることです。複数を同時に変えると、何が効いたか分からなくなります。
たとえば「ライティングだけ変える」「画風タグだけ差し替える」を1セッションでやると、各要素の効きがクリアに見えてきます。これを数十回繰り返すと、自分の中に「このタグはこう効く」という辞書ができていきます。
まとめ
良いプロンプトは「思いつきの単語列」ではなく「構造化された指示書」です。被写体・構図・画風・ライティング・クオリティの5層で考え、形容詞ではなく視覚要素で記述し、シード固定で1要素ずつ検証する。この基本を押さえるだけで、再現性のあるプロンプト運用が可能になります。
PromptForge JP では、この5層構造をチェックボックス形式で選択できる UI を準備中です。プロンプトをゼロから書く負担を減らし、検証の効率を上げる設計を目指しています。