本物の写真のような画像生成プロンプト

AIで実写風の写真を作ろうと調べると、大抵は「『photorealistic』という単語を付ければいい」という情報に行き当たります。しかし、その単語だけを足しても、照明がのっぺりしたストックフォトや、つるつるとした3Dレンダリングのような画像になりがちです。写真らしく見せる鍵は「写真」という言葉そのものではなく、実際の撮影に必ず伴う要素――レンズ、光源、質感――の指定です。

課題の段落で指定した順序が、このプロンプトの骨組みです。「被写体 → 質感 → 背景 → カメラ → 照明 → 画質」という流れにします。画像生成AIは前にある単語ほど強く重視します。何を撮るかを前に置き、どのように撮るかを後ろに配置することで、主題がブレなくなります。順序を指定しないと、「photorealistic」のような単語が先頭に来てしまい、肝心の被写体の描写が甘くなってしまいます。

言葉でルールを説明するよりも、例を1行見せるほうが確実です。作業用手袋の例示1行の中に、名詞句の長さ、カンマの間隔、「50mm lens at eye level」といった具体性のレベルがすべて凝縮されています。ただし、例示のモチーフをプロンプトと同じにしてしまうとAIがそのまま真似てしまうため、あえて別のモチーフを使い、順序と長さだけを参考にするよう釘を刺しています。

形式の段落で3案出させるのは、比較対象があって初めて修正点が見えてくるからです。1案だけだと、気に入らなかった場合にどの単語が原因なのか判断できません。制約の段落では2つの落とし穴を防いでいます。1つは「エモい」などの抽象的な言葉です。実写画像の生成において、こうした言葉は無視されるか、意図しない色合いに変換されてしまいます。もう1つは実在の写真家やブランド名です。特定個人の作風を過度に模倣してしまったり、ツールによっては規制に引っかかって弾かれたりするのを防ぎます。

このように頼むと、「photorealistic photo of salt bread, highly detailed, 8k」のような1行が返ってきます。レンズも光源も指定されていないため、AIはデフォルトの明るくて平板なカタログ写真を出力し、パンの焼き目のテクスチャやバターが染み出た質感などは表現されません。思い通りの仕上がりにならなくても修正すべき単語がわからないため、同じようなプロンプトを何度も試すことになります。