シード固定で再現性のあるプロンプト運用 — 検証と改善のコツ

「同じプロンプトを投げているのに毎回違う絵が出る」「あのとき出た絵を再現できない」——これは AI 画像生成あるあるの悩みです。原因は単純で、毎回ランダムなシード値が使われているから。シード値を固定することで、再現性のあるプロンプト運用が可能になります。本記事ではシードの役割と、効率的な検証ワークフローを解説します。

シード値とは

シード値は、AI画像生成の初期状態（ランダムノイズ）を決める数値です。同じプロンプト＋同じシード＋同じパラメータの組み合わせなら、何度実行しても完全に同じ画像が生成されます。

具体的には：

• シード値: 0〜4,294,967,295 の整数（多くのモデルで32ビット）
• 指定なし: 毎回ランダムな値が割り当てられる
• 指定あり: その数値から決定的にノイズが展開される

なぜシード固定が重要か

「思った通りの絵が出ない」とき、原因の切り分けが必要です。プロンプトが悪いのか、たまたま今回の生成だけ運が悪かったのか。シードがランダムだと、これが区別できません。

シードを固定すれば：

• プロンプトを1単語変えた時、その効果がクリアに見える
• 過去に良かった出力を再現できる
• 微調整の試行錯誤が圧倒的に効率化する

基本ワークフロー

Step 1: ガチャを回して当たりを探す

最初はシードランダムで20〜50枚生成し、構図・雰囲気が好きな1枚を選びます。

Step 2: 当たり画像のシードを記録

A1111、ComfyUI、NovelAIなどでは、生成画像のメタデータにシード値が埋め込まれています。それを確認してメモ。

Step 3: そのシードに固定して微調整

シードを固定してプロンプトを微修正。1単語ずつ変えて変化を確認します。

Step 4: ベストプロンプトを保存

仕上がりが安定したら、シード＋プロンプトをセットでテンプレ化。後で再利用できます。

1要素ずつ変える検証

シード固定下でプロンプトを1つだけ変えるのが、効率的な検証の鉄則です。

例：

Seed: 12345
A) 1girl, blonde hair, blue eyes, casual outfit, park
B) 1girl, blonde hair, (blue eyes:1.3), casual outfit, park   ← (blue eyes:1.3) に変更

A→B で変わった部分が blue eyes の重みだけなので、その効果が明確に見えます。

やってはいけない：

A) 1girl, blonde, blue eyes, casual, park
B) 1girl, (red hair:1.2), green eyes, dress, beach   ← 全部変えた

これでは何が効いて何が効いていないか分かりません。

シード探しの効率化

「良いシードを見つける」こと自体に時間を投資する価値があります。

X/Y/Z プロット（A1111系）

シード×プロンプト変数のマトリクスを一括生成する機能。20シード × 5プロンプトバリエーション = 100枚を一気に作って、表で比較できます。

バッチ生成 + 一覧確認

シードを1ずつ増やして50〜100枚生成し、サムネ一覧で当たりを探す。慣れると数分で「いい構図のシード」を見つけられるようになります。

シードの近傍探索

良いシード 12345 を見つけたら、12340〜12350 の周辺シードも試してみる。似た構図でバリエーションが得られることがあります。

モデルごとの注意点

Stable Diffusion 系

シード固定は最も忠実に効きます。プロンプトが完全一致なら、何度実行しても同じ画像。

Midjourney

--seed パラメータで指定可能（V5以降）。ただし完全な再現性は保証されず、Midjourney 側のモデル更新で結果が変わる場合があります。

Flux / Veo / SORA 等

サービスによって対応が異なります。Flux はシード指定可能。SORA や Veo は現状シード操作の自由度が低い。

サンプラーとステップ数の影響

シードを固定しても、サンプラー（DDIM、Euler、DPM++ 等）やステップ数を変えると別の絵になります。再現性を担保したい場合は、これらも記録しておく必要があります。

Seed: 12345
Sampler: DPM++ 2M Karras
Steps: 30
CFG Scale: 7.5

これらをワンセットでメモすれば、後日完全再現できます。

プロンプトテンプレート化のすすめ

実用的には、再現性のあるシード＋プロンプトの組を「テンプレート」として保存するのが最終形です。例：

■ ポートレート用テンプレ A
Seed: 38291
Sampler: DPM++ 2M Karras
Steps: 30
Prompt: 1girl, ..., (soft natural light:1.2), ...
Negative: bad anatomy, extra fingers, ...

このセットを CSV やスプレッドシートで管理すると、新しい絵を作るたびに「過去の良かったベース」から始められます。

まとめ

シード固定は、AI画像生成の試行錯誤を「ガチャ」から「実験」に変える鍵です。良いシードを探す → 固定して1要素ずつ検証 → ベストプロンプトをテンプレ化、というワークフローを身につけると、生成効率と再現性が劇的に向上します。

PromptForge JP では、生成したプロンプトに「推奨シード」「推奨サンプラー」「推奨ステップ数」を自動付与する機能を準備中です。テンプレートとしての保存・再利用も視野に入れた設計を進めています。