画像生成AIを利用していて、出力された画像に不満を感じることはありませんか。
例えば、「生成した人物のポートレートの指が不自然に多かった」「商品のイメージ画像が、どこかプラスチックのような質感で安っぽく見える」といったケースは、クリエイティブ制作においてよくある課題です。
このような問題は、プロンプトに描きたい要素ばかりを「足し算」していることが原因かもしれません。実務の制作現場の視点から言えば、画像のクオリティは、ネガティブプロンプト（描きたくない要素）の設計によって大きく左右されます。
ネット上には多くのネガティブプロンプトのテンプレートが出回っています。しかし、以前のバージョン（SD1.5など）向けに作られた長大な呪文を、SDXLやその後継モデルにそのまま適用すると、かえって品質が低下するリスクがあります。現在では、StabilityMatrixやComfyUI、Forgeなど多様な生成環境が普及し、モデル自体のプロンプト解釈能力も飛躍的に向上しています。そのため、古い手法の安易な流用はAIの処理を混乱させ、予期せぬノイズを生む原因にもなりかねません。
本記事では、最新の生成環境を実務に落とし込み、制作現場の生産性を向上させる観点から、ネガティブプロンプトを「5つの階層」で管理し、ビジネスで通用する高品質な実写画像を生成するアプローチを解説します。
なぜネガティブプロンプトが重要なのか：AIへの「拒否リスト」
画像生成AIにおいて、ポジティブプロンプトが「アクセル」だとすれば、ネガティブプロンプトは「ブレーキ」であり「ガードレール」です。技術的な実現可能性と品質を両立させるための、品質保証フィルターとしての役割を果たすと言えるでしょう。
ポジティブプロンプトだけでは防げない「AIの幻覚」
AIは学習データに含まれるあらゆる要素を再現しようとします。例えば「会社のオフィス」と入力した場合、学習データ内の「透かし文字（Watermark）」や「ピンボケした背景」まで再現しようとする場合があります。これを防ぐには、「オフィスを描け」と命令するだけでなく、「透かしは描くな」「ピンボケは許さない」と明示的に拒否する必要があります。
ビジネス利用においては、この「拒否」が画像の信頼性を守ります。不自然な画像はブランドイメージを損なう可能性があるため、ネガティブプロンプトは、そうしたリスクを未然に防ぎ、実務で使える品質を担保するための安全装置として機能します。
SD1.5とSDXLの決定的な違い：長い呪文は不要
SDXLは以前のバージョン（SD1.5）に比べて、自然言語の理解能力が向上しています。
SD1.5では、トークン（単語）の意味をAIに強制するために、bad anatomy, bad anatomy, bad anatomy のように同じ単語を連呼したり、((mutated hands)) のように括弧で強調したりする必要がありました。しかし、SDXLで同様のことを行うと、画質が悪化したり、プロンプトの他の部分が無視されたりすることがあります。
SDXLに必要なのは、簡潔で意味の通る指示です。「なぜその単語を入れるのか」を理解し、必要な要素だけを記述することが、技術的な安定性と制作効率を高める鍵となります。
では、具体的にどのような階層構造でプロンプトを組むべきか、現場のフローに基づいた4つのTip（階層）に分けて見ていきましょう。
Tip 1：【品質・画質層】低品質な出力を足切りする基本ワード
まず最初に設定すべきは、画像の基礎体力を決める「品質・画質層」です。どんなに構図が良くても、画像全体がボケていたり、JPEG特有のノイズが乗っていては、広告やUIデザインの素材として利用できません。
「worst quality」「low quality」の正しい使い方
SDXLの学習プロセスにおいて、画像はその品質ごとにタグ付けやスコアリングがされています。したがって、ネガティブプロンプトに以下の単語を入れることで、低品質な画像群からのサンプリングを回避できます。
- worst quality（最悪の品質）
- low quality（低品質）
- normal quality（普通の品質）
これらは「基本セット」として常に入れておくと良いでしょう。シンプルに記述するだけで、SDXLは「高品質な領域」にフォーカスを絞ると考えられます。
ボケやノイズを防ぐための解像度指定
実写系画像で特に気になるのが、意図しない「ピンボケ」や「ざらつき」です。これらを排除するために、以下のワードを追加します。
- blurry（ぼやけた）
- blurred（ブレた）
- grainy（粒子が粗い）
- jpeg artifacts（JPEG圧縮ノイズ）
特に jpeg artifacts は重要です。AIの学習データには圧縮率の高い画像も含まれているため、これを否定しないと、細部が不明瞭な画像になることがあります。クリアでシャープな画像を生成し、後工程のレタッチ負担を減らすためには、この層の指定が重要です。
Tip 2：【人体構造層】「指の崩れ」と「奇形」を防ぐ
人物画像の崩れは大きな問題です。指が6本ある手、不自然に曲がった腕、溶けたような顔などは、ユーザーに不快感を与える可能性があります。
解剖学的な誤りを指摘する具体語
AIは人体の骨格構造を完全に理解しているわけではありません。そのため、解剖学的（Anatomy）な観点からの否定が必要です。
- bad anatomy（悪い解剖学的構造）
- anatomically incorrect（解剖学的に不正確）
- deformed（変形した）
- disfigured（損なわれた形状）
これらは、AIに対して「人体の構造としてあり得ない形」を避けるよう指示する役割を果たします。
「extra limbs」「missing fingers」の効かせ方
より具体的に、よくある失敗パターンを列挙して防ぎます。
- extra limbs（余分な手足）
- missing limbs（欠損した手足）
- extra fingers（余分な指）
- missing fingers（欠けた指）
- mutated hands（変異した手）
ここで注意したいのは、「hands」という単語をネガティブに入れるだけでは不十分な場合があるということです。単に hands と入れると、AIは「手そのものを描いてはいけない」と解釈し、手を隠したり、手がない人物を描いたりする可能性があります。「悪い手（bad hands）」や「変異した手（mutated hands）」と、形容詞をつけて明確に否定対象を限定することが、意図通りの出力を得るために重要です。
Tip 3：【不要要素層】ビジネス素材として致命的な「文字・枠」を消す
画像に意図しない英語の文字列が入っていたり、画像の端に不自然な枠線があったりすると、デジタル広告やECサイトの素材としてそのまま利用できない場合があります。これらは学習元のストックフォトサイトの影響と考えられます。
無意識に入り込む「text」「signature」の排除
AIは、高品質な写真には「著作権表示」や「署名」が入っているものだと学習していることがあります。これらをノイズとして除去します。
- text（テキスト）
- watermark（透かし）
- username（ユーザー名）
- signature（署名）
- logo（ロゴ）
これらを入れておくことで、画像内に架空の企業ロゴやサインが入るのを防ぎ、クリーンな素材を生成できます。
余計な枠線やクロップを防ぐ
構図に関するノイズも排除しましょう。
- cropped（切り取られた）
- out of frame（枠外、見切れている）
- bad composition（悪い構図）
人物の頭頂部が見切れてしまったり、顔半分で画像が終わってしまうようなケースは cropped や out of frame をネガティブに入れることで改善される可能性が高まります。
Tip 4：【画風制御層】「実写」を定義するために「絵」を否定する
「実写（Photorealistic）」な画像を生成したい場合、ポジティブプロンプトに photo, realistic と入れるだけでは不十分です。AIは「写真のような絵」や「3Dレンダリング」も「リアル」だと解釈するからです。
「イラストっぽさ」を徹底的に排除する逆定義
実写を目指すなら、絵画的な表現手法をすべて否定します。
- illustration（イラスト）
- painting（絵画）
- drawing（ドローイング）
- sketch（スケッチ）
- anime（アニメ）
- cartoon（漫画）
これにより、AIの選択肢から「絵」の可能性を排除し、「写真」の領域へと誘導します。
3Dレンダリングやアニメ調を出さない工夫
最近のAIは3D CGの質感が非常に高いため、油断すると「ゲームのキャラクター」のような質感になることがあります。これを防ぐには以下を追加します。
- 3d render（3Dレンダリング）
- cgi（CGI）
- flat color（ベタ塗り）
- vector（ベクター画像）
肌の毛穴や産毛、服の繊維感といった「実写特有の要素」を出すためには、これらの「デジタル的な完璧さ」を否定することが効果的です。
まとめ：5階層モデルで自分だけの「品質保証プリセット」を作る
ここまで解説した4つの層に、特定の状況で除外したい要素（例えば「帽子」や「眼鏡」など）を加えたものが、「5階層ネガティブプロンプトモデル」です。
- 品質・画質層:
worst quality, low quality, blurry, jpeg artifacts - 人体構造層:
bad anatomy, anatomically incorrect, extra fingers, mutated hands - 不要要素層:
text, watermark, signature, cropped - 画風制御層:
illustration, painting, anime, 3d render - 特定要素層:
(状況に応じて除外したいもの)
コピペではなく、目的別のプリセット管理を
重要なのは、これらをそのまま利用するのではなく、用途に合わせて調整することです。
例えば、あえて「イラスト風」の広告を作りたい時に、第4層（画風制御）が入ったままだと、意図した画像が生成されない可能性があります。逆に、手元が映らないバストアップの画像なら、第2層（人体構造）の指に関する記述を減らして、プロンプトのトークン数を調整することもできます。現場の制作フローに合わせてプリセット化しておくことで、作業効率は飛躍的に向上します。
検証と改善のサイクル
AI画像生成は試行錯誤の繰り返しです。出力された画像を見て、「少し肌がプラスチックっぽいな」と思ったら 3d render を強めたり、「背景がごちゃついているな」と思ったら cluttered background を追加するなど、実験的に調整を繰り返すことが重要です。
この「意図を持ってプロンプトを制御する力」が、AIを活用してクリエイティブ制作の効率化と品質向上を実現するための必須スキルになると考えられます。
コメント