画像生成における参照画像の最大の価値は、AIに「そのまま描かせる」ことではなく、文章では伝えにくい主題やポーズ、構図、視覚的な方向性を目に見える形で制約として示すことにある。結果を安定させたいなら、プロンプトは同時に二つのことを明示しなければならない：どの要素を必ず残すのか、どの要素を変化させてよいのか。

添付画像は本チュートリアルのために制作したオリジナルのイメージ素材で、Codexによる画像生成によって作成されたものであり、PixPixモデルの横断比較やプラットフォームでの実測結果ではありません。PixPixの機能説明は現時点での公開ページに基づいています。各モデルおよび現在のインターフェースにおける入力制限、サイズ、オプションについては、実際の画面表示をご確認ください。

簡潔な結論：まず保持すべき要素を書き、次に変化させる要素を記述する。

実行可能な画像生成のリクエストは、次の式にまとめることができる：

参照画像のキャラクター＋必ず保持するアイデンティティ／構造／構図＋変更対象のみ＋目的とするシーンまたはスタイル＋光と比率＋追加禁止の内容

もし一つのプロンプトで人物の変更、動作の変更、カメラアングルの変更、背景の変更、さらにはスタイルの変更まで同時に求めると、モデルはどれが基準となる要素なのか判断しにくくなる。より確実な方法は、毎ラウンドで主要な変数を一つずつ変更し、前回確認済みの画像を引き続き参照として使用することである。

参照画像で実際に制御できるのは何か？

PixPixが現在公開している画像生成の入口では、参照画像やスケッチ、スクリーンショットのアップロードが可能で、元画像の構造・構図・スタイルを基に新しい画像を生成できます。これはスタイルの拡張、キャラクターの変化、製品シーンの展開、視覚的探求などに適しています。

主体とアイデンティティ

人物の顔型、髪型、服装、体型、あるいは製品の輪郭、色、素材、重要な構造などは、いずれも主体の不変要素に該当します。「一貫性を保つ」とだけ書くのではなく、観察可能な特徴を一つひとつ明示しましょう。

ポーズと構図

参照画像は、人物の立ち位置、視線、カメラの高さ、被写体の占める割合、物体同士の関係性などを、文章よりも容易に表現できます。これらの関係性を必ず維持したい場合は、「同じポーズ、カメラの高さ、被写体の大きさ、フレームの切り取り方を保つ」と明確に記述してください。

スタイルと光

参照画像は、色彩、粒子感、素材、ライティング、レイアウトといった視覚的方向性のみを担うことも可能です。その際は「スタイルの参考」と明示し、モデルが参照画像内の人物や商品まで結果に含めてしまうのを防ぎましょう。

オリジナル事例：都市サイクリスト Lin

本例では架空のキャラクターLinを設定し、以下の母版特徴を備えます：

• 東アジア系女性、20代前半、黒いミディアムヘア；

• コバルトブルーの軽量ジャケット、ダークグレーのストレートパンツ、白いローカットシューズ；

• マットコーラル色のサイクリングヘルメット；

• 銀色のシティバイクに手を添える姿；

• 全身と自転車全体が画面内に収まり、視点と人物の視線は固定されている。

この母版画像は、アイデンティティ、服装、ポーズ、小道具、構図をすべて網羅しています。今後スタイルのみを変更したい場合でも、背景のレイアウトは変更しないようにしましょう。また、シーンだけを変えたい場合にも、服装や動作までは無理に変えないようにしてください。

操作手順：リクエストを一度に一つの変数に分解する。

ステップ1：各参照画像に役割を割り当てる。

複数の画像を一括でアップロードする際は、モデルに推測させないでください：

• 参考図A：主体の身元と服装；

• 参考図B：姿勢と構図；

• 参考図C：色彩、素材、またはイラストのスタイル。

もし画像が一枚しかない場合でも、プロンプトの中でそれが何を担当するのか明示してください。キャラクターが明確であればあるほど、矛盾は少なくなります。

第二段階：検証可能な不変要素を記述する

Lin の事例における不変要素は「同一人物」ではなく、次のとおりです：

人物の顔の特徴、黒いミディアムヘア、コバルトブルーのジャケット、コーラル色のヘルメット、濃いグレーのパンツ、白い靴、ハンドルに手を添えた姿勢、シルバーの自転車の構造、全身の構図および視点を維持すること。

製品については、「ボトルの縦横比、キャップの構造、ラベルの位置、素材、色、ロゴは不変」と言い換えてもよい。

第三段階：このラウンドで変更する内容のみを記述する

まず、今回の変更がどのタイプに該当するかを決めましょう：

• レンダリングのスタイルのみを変更する場合；

• 背景と時間帯のみを変更する場合；

• 服装や単一のオブジェクトのみを変更する場合；

• キャンバスのサイズだけを拡張する場合；

• 部分的な誤りのみを修正する場合。

これらの作業を一度に完了しようとしないでください。まずは構造が安定したバージョンを得てから、次のラウンドに進みましょう。

例1：スタイルのみを変更する場合

例としての指示：

参考図を現代的な孔版印刷風の編集イラストへと変換します。Lin の顔の特徴、身体の比率、表情、コバルトブルーのジャケット、コーラル色のヘルメット、濃いグレーのパンツ、白い靴、立ち姿、シルバーの自転車、撮影角度およびトリミングはそのまま維持し、レンダリング方法のみを変更します。コバルトブルー、コーラル、濃いグレー、温かみのある紙色を使用し、網点やわずかな重ね塗りの質感も残します。人物、文字、ロゴは一切追加しません。

ここでの核心となる動詞は「レンダリング方法のみを変更する」です。スタイルの目標は具体的であっても、同時にシーンの変更や服装の再設計までは求めない方がよいでしょう。

例2：背景と光のみを変更する場合

例としての指示：

環境を小雨後の河岸のサイクリングコースとブルーな夕暮れ時へと変更します。背景と環境光のみを変更し、人物の身元、髪型、コーラル色のヘルメット、コバルトブルーのジャケット、濃いグレーのパンツ、白い靴、身体の比率、手の位置、自転車の構造、姿勢、被写体のスケール、画面のトリミングはすべて維持します。路面にはわずかな湿気による反射があり、遠くの街灯はぼやけていますが、歩行者や他の自転車は一切追加しません。

「背景の置き換え」において、人物の光まで変更を許さない場合、結果はまるで貼り絵のようになりがちです。より合理的な書き方は、環境光が被写体に影響を与えることを認めつつも、人物の身元、服装の色や構造は固定しておくことです。

全体の画像を変更すべきか、部分的な編集を行うべきかはいつ判断するのか

もし全体的な方向性が間違っている場合、たとえばスタイル、カメラアングル、あるいはシーンがすべて期待通りでない場合は、再生成の方が通常は効率的です。一方で、80％は正しく仕上がっていて、手の部分、端部、文字、あるいは小さなオブジェクトだけに問題がある場合は、PixPix が公開している部分的なリペイントや画像編集機能を利用し、全体をやり直すことで新たなずれが生じるのを防ぎましょう。

GPT Image 2 の PixPix ページ公開説明では、プロンプトや参考画像から始めることができ、製品画像、ポスター、文字デザイン、さらにはサイズを跨ぐシリーズのビジュアルにも活用できます。Seedream 5.0 Pro の PixPix ページその際、編集指示において目的・動作・レイアウト・スタイル・光の要素および不変量を明確にすることが重要です。具体的な選択は、現在のタスクや実際のインターフェースの能力に基づいて判断すべきであり、すべてのプロジェクトに一律のモデルを適用するべきではありません。

よくある誤りとその修正方法

誤りその1：「元の画像と同じ」とだけ書くこと

「同じ」という表現では優先順位が示されていません。顔、服装、製品の構造、ポーズ、あるいは撮影アングルなどを一つひとつ明示することで、モデルはどの部分の変化が失敗に当たるのかを正確に把握できます。

誤りその2：参考画像同士が互いに矛盾していること

ある画像では人物が描かれ、別の画像ではポーズが示され、さらに別の画像では異なる服装や異なる人物が登場する場合、それらが混在してしまいがちです。各画像にそれぞれの役割を明記し、タスクに関係のない部分は明確に除外するようにしましょう。

誤りその3：一度に多くの変数を変更すること

まずはスタイルの移行を行い、次にシーンを変更し、最後に部分的な補正を行います。各ステップで既に確認済みの結果を残しておくことで、もしエラーが発生しても、どの段階でずれが生じたのかを特定できます。

誤りその4：小さな文字やロゴを生成に丸投げすること

商品ラベル、キャンペーン価格、ブランドロゴなどは、必ず一文字ずつ確認する必要があります。構造がすでに正しい場合は、文字部分のみを部分的に修正し、たった一文字のために画像全体を作り直すようなことは避けてください。

誤りその5：サムネイルだけを見ること

顔や指、車輪のスポーク、製品の端部、反射、接触による影、文字など、拡大して細部まで確認しましょう。サムネイルでは自然に見えるディテールも、拡大すると損なわれている可能性があります。

よくある質問

参考画像は多ければ多いほど良いのでしょうか？

必ずしもそうではありません。各画像には明確な役割を設定する必要があります。もし二枚の画像が人物や構図、スタイルなどで互いに矛盾している場合、枚数を増やすことでかえって制御が難しくなることがあります。

画像から画像を生成すると、元の画像をコピーしてしまうのでしょうか？

画像から画像を生成する際には、構造・構図・ポーズ・スタイルなどの情報を読み取り、新たなイメージを再構築します。単純にピクセルをコピーするものではないと考えるべきです。自身の所有物ではない画像を使用する際は、必ず使用許諾の範囲を確認し、保護された独自の作品を模倣するよう求めることは避けましょう。

なぜ人物の顔が変わってしまうのでしょうか？

参考画像の鮮明さ、アングルの変化、モデルの性能、そして一度に変更する変数の数などが、アイデンティティの安定性に影響を与えます。鮮明なマスターページを使い、顔や服装の特徴を明確にし、同時に変化させる変数を最小限に抑え、既に確認済みの結果を基に反復作業を進めてください。

文から画像を生成する方が適しているのはどのようなときでしょうか？

人物や製品、ポーズ、レイアウトを必ず保持しなければならない場合を除き、まったく新しい方向性を探るだけであれば、文から画像を生成する方がより自由度が高いと言えます。ただし、タスクに「この人物」「この製品」「この構図」を維持するという条件が含まれる場合は、参考画像から始める方が適しています。

まとめ：参考画像は装飾ではなく、制約として捉えるべきです

画像から画像を生成する際の安定性は、明確なタスクの境界線に由来します。参考画像が何を担うのか、どの要素を変更してはいけないのか、今回の作業でどこを変更するのか、最終的な検証はどう行うのか――これらの明確な枠組みを整えた上で、PixPixの画像生成と画像編集の入口へと進み、最初は一つの変数だけを変更する作業から始めましょう。