
GrokとChatGPTで「麗華がDbDのチェイス中の緊迫感」をアニメイラストを描かせて比較してみた。
GrokとChatGPTに麗華のキャラ絵を描いてもらうことが多いのですが、どちらの絵柄も好きなのですが、立ち絵の場合Grokは可愛い麗華を描いてくれるのに、ゲーム配信の場合指定が夜だからなのか全体に暗く描いたり、麗華の顔もクオリティが下がって見えます。
また、ChatGPTは少ない指定のプロンプトでも最善のデザインでイラストを生成してくれますが、Grokは細かく指定したり何度も修正をかけないと理想のデザインにならないことが多いです。
今回はGrokとChatGPTで同じ指定のプロンプトでイラストを生成してもらったり、ChatGPTにはいつも通りの簡単な指定のプロンプトでイラストを生成してもらいました。
これらをどうしてそうなるのか考察しつつ比較してみたいと思います。
Geminiが作ったプロンプトをGrokが拒否? 「ミニー風の麗華」をChatGPTと原因を切り分けて生成できるまで|cutplaza
Grok画像生成で分かった、顔・明るさ・クオリティを左右するプロンプトの組み立て方
Grokに麗華のイラストを生成してもらったところ、最初は全体が暗く、顔もいつもの麗華とは少し違う仕上がりになりました。
ところが、プロンプトに少しずつ修正を加えていくと、3枚目あたりから麗華らしい顔に近づき、4枚目では顔立ちだけでなく、線画、色、照明、花冠、構図まで大きく改善されました。

単純に単語を増やしたから高品質になったわけではありません。今回の変化には、主に次の5つが関係していると考えられます。
画風を最初に固定したこと
顔の重要な特徴を強調し直したこと
「暗くしない」を具体的な照明設計に変えたこと
指示の優先順位とつながりを整理したこと
花冠や人体について、完成形まで想像できる説明にしたこと
4枚の変化を順番に見ていきます。
Grokにプロンプトを用意してもらう(1枚目)
まずGrokに麗華が「DbDのチェイス中の緊迫感」をアニメ風に描かせるプロンプトを生成してもらうと以下のようなプロンプトが出てきました。
プロンプト
masterpiece, best quality, highly detailed anime illustration, sharp clean lineart, vibrant colors, dramatic lighting,
19-year-old Japanese girl, Reika, small youthful oval face, pale fair skin with soft cheek blush and sweat, large dark-brown eyes with double eyelids and long lashes, slightly arched black eyebrows, small straight nose, full glossy rose-pink lips slightly parted, tense fearful expression looking back over her shoulder with wide eyes,
straight see-through bangs with a few wisps, high black twintails flying wildly from sprinting, loose strands framing the face,
exactly 5 medium pale-pink real sakura blossoms only on the front of the head in the bangs just above the forehead, flowers following the head curve in a gentle irregular arc, 3D five-petal sakura with soft layered slightly translucent petals and pale-yellow stamens, nestled into the bangs, no extra flowers, no buds, no leaves, no stems, no horns,
large breasts with visible deep cleavage,
dynamic full-body running pose mid-chase, desperate sprint, one arm swinging, legs in motion, looking back,
wearing a slightly torn black cropped tank top and short black pleated miniskirt, white sneakers, clothes dirty and disheveled from running, sweat on skin and collarbone,
dark foggy Dead by Daylight-style woodland map at night, abandoned wooden shack, dropped wooden pallet nearby, window vault in mid-distance, generator red lights glowing far away, thick grey fog, moonlight through trees, large menacing shadowy killer silhouette close behind with weapon raised, red directional stain on the ground pointing toward her, scratch marks on the ground,
tense atmosphere, motion blur, anime speed lines, flying dirt particles, high contrast, cinematic angle, solo focus on the girl, no text, no watermarkネガティブプロンプト
photorealistic, 3d, official character, copyrighted killer, extra flowers, flowers on back of head, buds, leaves, stems, horns on crown, earrings, text, watermark, extra limbs, deformed face, multiple girlsとりあえずGrokにてネガティブ無しでやってみました。
そうすると以下のようなイラストを生成しました。


キラーが馬鹿みたいな大きいのはひとまず置いといて、全体に麗華が逆光だからか明るさとかが暗いです。
また、手足の欠損が多く見受けます。
高品質を求めているのに、全体が暗くなった理由
1枚目の冒頭には、次のような品質指定があります。
masterpiece, best quality, highly detailed anime illustration, sharp clean lineart, vibrant colors, dramatic lighting
「最高品質」「精密なアニメイラスト」「鮮やかな色」と指定しているため、一見すると明るく高品質な絵になりそうです。
しかし、背景にはそれ以上に強い暗さの要素が並んでいます。
dark foggy
woodland map at night
thick grey fog
moonlight through trees
shadowy killer silhouette
high contrast
dramatic lighting
clothes dirty and disheveled
flying dirt particles
つまり、プロンプト全体では「鮮やかなアニメ絵」よりも、「暗い夜の森」「濃い霧」「影のキラー」「強い明暗差」のほうが繰り返し強調されています。
画像生成AIは、冒頭の「vibrant colors」だけを見るのではなく、プロンプト全体から場面の雰囲気を組み立てます。そのため、総合的にはホラー映画のような暗い場面だと解釈されたのでしょう。
「dramatic lighting」と「high contrast」の副作用
「dramatic lighting」は必ずしも、人物を明るく美しく描く指定ではありません。
夜景と組み合わせると、顔の半分を影にしたり、逆光で輪郭だけを見せたりする演出になる場合があります。「high contrast」も同様に、明るい部分を増やすのではなく、暗い影をさらに深くする可能性があります。
その結果、麗華の顔に暗い影が入り、目や唇などの特徴も見えにくくなったと考えられます。
顔の指定が細かくても、麗華らしくならなかった理由
1枚目にも、目、眉、鼻、唇、輪郭などの指定は入っています。
ただし、この段階の顔の説明は、麗華固有のデザインというより、「美しいアニメ女性」の一般的な指定として処理されやすい構造です。
さらに、次のような難しい条件も同時に要求されています。
全身で走る
振り返る
恐怖で目を見開く
キラーを背後に配置する
森、廃屋、パレット、窓、発電機を描く
モーションブラーを入れる
花を正確に5輪描く
情報量が多いため、AIの描写能力が全身、背景、アクションへ分散し、顔の再現が後回しになった可能性があります。
Grokに「Grokにはネガティブプロンプト追加する所ない」とツッコミ入れる
確かに「extra limbs, deformed face」(追加の手足、変形した顔)が含まれていて、Grokも最近手足の欠損が多いことを認識しているのかもしれません。
ただ、Grokで生成する事を考えたらネガティブプロンプトとして用意している時点でおかしいので、それらは一つのプロンプトとして生成し直しをさせました。
Highly detailed Japanese anime illustration of my self-insert character Reika (花の妖怪かっぷらさん), a 19-year-old Japanese college student.
Small youthful oval face, pale fair skin with a soft cheek flush and sweat, large dark-brown to black anime eyes with double eyelids, long lashes, defined but not heavy eyeliner, naturally slightly arched black brows, small straight Japanese nose, full glossy rose-pink lips slightly parted.
Straight-ish see-through bangs with a few wisps, high black twintails flying from sprinting, loose strands framing the face.
Tense, slightly sexy, fearful expression looking back over her shoulder toward the camera, wide eyes.
Exactly five medium pale-pink real sakura blossoms only, placed on the front of the head in the bangs just above the forehead; the flowers follow the head’s curve in a gentle irregular arc (not a straight pasted-on line); each bloom slightly larger than an eye-width, 3D five-petal sakura with soft layered slightly translucent petals and pale-yellow stamens, nestled into the bangs not floating on top.
Remove any previous flowers first. No plastic flowers, no toy flowers, no sticker flowers, no flat flowers, no flowers on the back or sides, no horns, no leaves, no stems, no buds, no small extra flowers, no branches, no extra decorations, no earrings.
Voluptuous figure with large breasts and visible deep cleavage.
Correct anatomy, intact complete body, well-proportioned limbs, properly drawn hands and feet, five fingers on each hand, natural joints.
No extra limbs, no missing limbs, no extra arms, no extra legs, no missing arms, no missing legs, no extra fingers, no missing fingers, no fused fingers, no broken joints, no disconnected limbs, no floating limbs.
Dynamic full-body running pose mid-chase, desperate sprint, one arm swinging, legs in motion, looking back.
Wearing a slightly torn black cropped tank top and short black pleated miniskirt, white sneakers, clothes dirty and disheveled from running, sweat on skin and collarbone.
Dark foggy Dead by Daylight-style woodland map at night, abandoned wooden shack, dropped wooden pallet nearby, window vault in the mid-distance, generator red lights glowing far away, thick grey fog, moonlight through trees, large menacing shadowy killer silhouette close behind with a weapon raised, red directional stain on the ground pointing toward her, scratch marks on the ground.
Tense atmosphere, motion blur, anime speed lines, flying dirt particles, high contrast, cinematic angle.
Clean sharp lineart, vibrant anime colors, detailed cel-shading, kawaii cute aesthetic, solo character focus, high quality Japanese anime art style, not photorealistic, no text, no watermark.別のプロンプトその1を試す
これは以前結果が良かったプロンプトをベースにしたもので、最初に麗華の設定、中間に望みのシチュエーション、最後に注意点という構造になっています。
Japanese anime illustration style, clean sharp lineart, vibrant anime colors, cel-shading, high quality anime art, masterpiece, not photorealistic, not realistic, not 3D, not photo.
Reika, a super cute 19-year-old Japanese college student with black twintails and blunt bangs, wearing a simple pink cherry blossom crown with exactly five large pink sakura flowers only, placed in a horizontal line on the front of the head directly above the forehead (no flowers on the back or sides, no buds, leaves, stems, or extra decorations).
Small youthful oval face, pale fair skin with a soft cheek flush and sweat, large dark-brown to black anime eyes with double eyelids, long lashes, defined but not heavy eyeliner, naturally slightly arched black brows, small straight Japanese nose, full glossy rose-pink lips slightly parted.
High black twintails flying from sprinting, loose strands framing the face.
Tense, slightly sexy, fearful expression looking back over her shoulder toward the camera, wide eyes.
Voluptuous figure with large breasts and visible deep cleavage.
Correct anatomy, intact complete body, well-proportioned limbs, properly drawn hands and feet, five fingers on each hand, natural joints.
No extra limbs, no missing limbs, no extra arms, no extra legs, no missing arms, no missing legs, no extra fingers, no missing fingers, no fused fingers, no broken joints, no disconnected limbs, no floating limbs.
Dynamic full-body running pose mid-chase, desperate sprint, one arm swinging, legs in motion, looking back.
Wearing a slightly torn black cropped tank top and short black pleated miniskirt, white sneakers, clothes dirty and disheveled from running, sweat on skin and collarbone.
Dark foggy Dead by Daylight-style woodland map at night, abandoned wooden shack, dropped wooden pallet nearby, window vault in the mid-distance, generator red lights glowing far away, thick grey fog, moonlight through trees, large menacing shadowy killer silhouette close behind with a weapon raised, red directional stain on the ground pointing toward her, scratch marks on the ground.
Tense atmosphere, motion blur, anime speed lines, flying dirt particles, high contrast, cinematic angle, solo character focus.
夜景だが暗くしない。麗華の顔と肌は月明かりと赤いリムライトではっきり見える。鮮やかなアニメカラー、きれいなセル塗り、顔に泥のような影を落とさない。
文字なし。
すると以下のようなイラストが生成されました。


さっきよりは明るいかな。
ただ、まだまだ暗いような気がします。


よく見ると足が多いのが分かるでしょうか。
最近Grokでは、手足の欠損とか足が多いという事例が多くなった気がします。
以下にいくつか追加します。





顔の固定が出来てないのが分かるでしょうか。
Grokは細かく指定しないと、色んな顔を作ってしまいます。
好みの顔は伝えているはずなのですが、先程のプロンプトに追加できていなかったようです。
画風は安定したが、夜景の暗さがまだ残った
2枚目では、冒頭の指定が大きく変わっています。
Japanese anime illustration style, clean sharp lineart, vibrant anime colors, cel-shading, high quality anime art, masterpiece, not photorealistic, not realistic, not 3D, not photo.
ここでは単に「anime illustration」と書くだけでなく、次の方向性をまとめて固定しています。
日本のアニメイラスト
シャープできれいな線画
鮮やかなアニメカラー
セル塗り
実写ではない
3DやCGではない
この変更によって、1枚目よりもアニメイラストとしての方向性が明確になりました。
「not photorealistic」「not 3D」などの除外指定も加わったため、実写寄りの重たい陰影や、ゲームCGのような質感が抑えられたと考えられます。
日本語で追加した明るさの指定
2枚目の終盤には、次の一文が追加されています。
夜景だが暗くしない。麗華の顔と肌は月明かりと赤いリムライトではっきり見える。鮮やかなアニメカラー、きれいなセル塗り、顔に泥のような影を落とさない。
これはかなり重要な修正です。
単に「明るくする」だけでなく、
夜景という設定は維持する
顔と肌を見えるようにする
月明かりを使う
赤いリムライトを使う
顔に汚い影を落とさない
という形で、「どう明るくするのか」まで指定しています。
そのため、1枚目よりも麗華が見やすくなったのでしょう。
ただし、背景側には引き続き「Dark foggy」「at night」「thick grey fog」「shadowy killer」「high contrast」が残っています。暗い要素の総量が多いため、最後に「暗くしない」と加えても、全体の暗さまでは完全に打ち消せなかったと考えられます。
人体の禁止事項を大量に入れた効果
2枚目からは、人体について非常に細かな禁止指定が追加されています。
No extra limbs, no missing limbs, no extra arms, no extra legs...
これは、走る人物に起きやすい次の失敗を防ぐ目的があります。
腕や脚が増える
手足が途中で消える
指が融合する
関節が不自然に曲がる
振っている腕と背景が混ざる
チェイス中の全身ポーズは静止した立ち姿より難しいため、人体の指定を入れる判断自体は有効です。
一方で、禁止事項を大量に並べれば、必ず人体が改善するわけではありません。画像生成AIによっては、「extra arms」「extra legs」という単語自体に反応してしまうこともあります。
今回のような場合は、禁止事項だけでなく、
腕は正確に2本、脚は正確に2本。左右の手足がそれぞれ自然につながっている。
という、望む完成形を肯定文で示すことが大切です。この考え方は4枚目でより明確になっています。
顔の顔の固定が細かく指定する(3枚目)
麗華の顔の固定を「大きな明るい瞳」「濃いアイメイク」「つややかなピンクがかった赤い唇」「甘くセクシーで挑発的」「顔はカメラ向き、首は大きく傾けない」というふうに細かく指定を追加しました。
Japanese anime illustration style, clean sharp lineart, vibrant anime colors, cel-shading, high quality anime art, masterpiece, not photorealistic, not realistic, not 3D, not photo.
Reika, a super cute 19-year-old Japanese college student with black twintails and blunt bangs, wearing a simple pink cherry blossom crown with exactly five large pink sakura flowers only, placed in a horizontal line on the front of the head directly above the forehead (no flowers on the back or sides, no buds, leaves, stems, or extra decorations).
Small youthful oval face, pale fair skin with a soft cheek flush and sweat, large dark-brown to black anime eyes with double eyelids, long lashes, defined but not heavy eyeliner, naturally slightly arched black brows, small straight Japanese nose, full glossy rose-pink lips slightly parted.
High black twintails flying from sprinting, loose strands framing the face.
Tense, slightly sexy, fearful expression looking back over her shoulder toward the camera, wide eyes.
Voluptuous figure with large breasts and visible deep cleavage.
Correct anatomy, intact complete body, well-proportioned limbs, properly drawn hands and feet, five fingers on each hand, natural joints.
No extra limbs, no missing limbs, no extra arms, no extra legs, no missing arms, no missing legs, no extra fingers, no missing fingers, no fused fingers, no broken joints, no disconnected limbs, no floating limbs.
Dynamic full-body running pose mid-chase, desperate sprint, one arm swinging, legs in motion, looking back.
Wearing a slightly torn black cropped tank top and short black pleated miniskirt, white sneakers, clothes dirty and disheveled from running, sweat on skin and collarbone.
Dark foggy Dead by Daylight-style woodland map at night, abandoned wooden shack, dropped wooden pallet nearby, window vault in the mid-distance, generator red lights glowing far away, thick grey fog, moonlight through trees, large menacing shadowy killer silhouette close behind with a weapon raised, red directional stain on the ground pointing toward her, scratch marks on the ground.
Tense atmosphere, motion blur, anime speed lines, flying dirt particles, high contrast, cinematic angle, solo character focus.
夜景だが暗くしない。麗華の顔と肌は月明かりと赤いリムライトではっきり見える。鮮やかなアニメカラー、きれいなセル塗り、顔に泥のような影を落とさない。
大きな明るい瞳、濃いアイメイク、つややかなピンクがかった赤い唇。顔ははっきり描く。色白で透明感のある肌、きれいなセル塗り、シャープな線画。
文字なし。
いつもの麗華の顔に近づいてきました。

3枚目――麗華らしい顔になった決定的な追加指定
3枚目は、2枚目のプロンプトをほぼそのまま使いながら、顔について次の文章を追加しています。
大きな明るい瞳、濃いアイメイク、つややかなピンクがかった赤い唇。顔ははっきり描く。色白で透明感のある肌、きれいなセル塗り、シャープな線画。
この追加によって、顔がいつもの麗華に近づき始めました。
顔のパーツを「目立ち方」まで指定している
以前のプロンプトにも「大きな瞳」「長い睫毛」「ローズピンクの唇」は入っていました。
しかし3枚目では、単なる形状だけでなく、完成画像でどのように見えてほしいかが強調されています。
瞳は「大きい」だけでなく「明るい」
アイメイクははっきり濃くする
唇は「つややか」にする
肌は色白で透明感を出す
顔の描き込みを省略しない
線画をシャープにする
これは麗華の顔を構成する視覚的な優先順位です。
顔の各部位を細かく説明するだけでは、AIがそれを小さく目立たない状態で描くことがあります。ところが「明るい」「濃い」「つややか」「はっきり描く」と加えると、顔の中で何を目立たせるべきかが伝わります。
同じ内容を再度書くことにも意味がある
3枚目の顔の追加指定は、前半にある設定と一部重複しています。
一般的な文章では重複を避けますが、画像生成プロンプトでは、重要な特徴を別の表現で再度指定することで、優先度が上がる場合があります。
今回の場合、次の特徴が繰り返されました。
大きな瞳
しっかりした目元
ピンク系のつやのある唇
色白の肌
シャープな線画
きれいなセル塗り
これらが麗華の「顔の核」として認識され、3枚目からいつもの麗華らしい顔になってきたのだと思います。
別のプロンプトその2を試す(4枚目)
次のプロンプトも結果が良かったものを使用しています。
日本のアニメイラスト。19歳のスタイル抜群の日本人女子大学生、麗華。色白で透明感のある肌。黒髪のツインテール(走ることで自然に大きくなびき、前髪あり)。
頭の前側、おでこのすぐ上の前髪に、本物の桜のような淡いピンクの桜を5輪だけ付ける。花は頭のカーブに沿ってゆるい弧を描くように、少し間隔と向きをずらして自然に置く。定規のように真っ直ぐ一列に並べない。花は中くらいの大きさ(1輪は目の幅より少し大きい程度で、頭を覆うほど大きくしない)。各花は立体的な五弁で、柔らかい花びらが重なり、中心に淡い黄色の雄しべが見える。前髪に軽く埋まるように乗せる。プラスチック製・おもちゃ風・シール風・平坦な貼り付け花は禁止。後ろ・横・小さな花・蕾・葉・茎・枝は一切なし。
大きな明るい瞳、濃いアイメイク、つややかなピンクがかった赤い唇。少し甘くセクシーだが、チェイス中の緊迫感がある表情。振り返りつつも顔ははっきり見える。顔はカメラに向け、首と頭は自然な角度。大きく傾けない。口は軽く開き、目は見開くが、顔の書き込みは落とさない。
グラマラスで豊満な体型、大きな胸と深い谷間、細いウエスト。腕は正確に2本、脚は正確に2本だけ。正しい人体の解剖学。第三の脚、余分な太もも、余分な腕、欠けた手足、壊れた関節は絶対に描かない。人体は正確に2本の腕と2本の脚。
少し破れて汚れた黒いクロップドタンクトップと短い黒いプリーツミニスカート、白いスニーカー。服は走って乱れ、肌には汗と泥がつく。
全身が収まるダイナミックな走りの構図。必死に前へ走り、片手は振り、脚は大きく踏み出す。やや斜め前からのアングル。
Dead by Daylight風の夜の森。廃屋、倒れた木製パレット、遠くの発電機の赤い光、窓枠、地面の引っかき傷。厚い霧と木々の間から差し込む強い月明かり。後ろには武器を構えた大きな影のキラー、地面にはこちらを向く赤いステイン。
夜景だが暗くしない。麗華が画面の中でいちばん明るく、顔と肌は月明かりと後ろからの赤いリムライトではっきり見える。色白肌は発光するように明るく、瞳・唇・汗・髪に強いハイライト。鮮やかなピンク、赤、青の夜の色彩。泥のような暗い影で顔を覆わない。露出不足にしない。
モーションブラーとアニメのスピード線、飛び散る土と落ち葉。緊迫したチェイスの空気。クリーンでシャープな線画、鮮やかなアニメカラー、色白肌のきれいな塗り。
文字なし。ツノなし。実写・フォトリアル・CGっぽさは排除。花冠は貼り付けではなく、前髪に沿った自然な桜。
全然仕上がりが良くなった。
鮮明に書かれているし、顔もいつもの麗華の顔の指定になっています。




4枚目――全体の完成度が大きく上がった理由
4枚目は、それまでの英語中心のプロンプトから、日本語で整理されたプロンプトへ大きく書き換えられています。
ただし、「日本語だから高品質になった」と単純に考えるのは早いです。
最も大きな違いは、指示が単語の羅列ではなく、各要素の形、位置、見え方、禁止事項、照明上の扱いまで、一つの完成場面として説明されていることです。
1.麗華を最初に主役として確定している
4枚目は、次の一文から始まります。
日本のアニメイラスト。19歳のスタイル抜群の日本人女子大学生、麗華。色白で透明感のある肌。黒髪のツインテール。
ここで最初に、
日本のアニメイラストである
主役は麗華である
19歳の日本人大学生である
色白で透明感のある肌
黒髪ツインテール
という絵の中心を確定しています。
1枚目は「masterpiece」などの品質語から始まっていますが、4枚目は「誰を、どの画風で描くのか」から始まっています。
品質を表す抽象的な単語よりも、主役のデザインを最初に明確化したことが、顔とキャラクターの安定につながったと考えられます。
2.花冠を「物」ではなく「完成状態」で説明している
4枚目の中でも、特に具体的なのが花冠の説明です。
単に「桜を5輪」とするだけではなく、
頭の前側だけ
おでこのすぐ上
前髪に付ける
頭のカーブに沿う
ゆるい弧を描く
間隔と向きを少しずらす
真っ直ぐ一列にしない
目の幅より少し大きい程度
五弁で立体的
花びらが柔らかく重なる
中心に淡い黄色の雄しべ
前髪に軽く埋まるようにする
と、位置、配列、大きさ、構造、質感、髪との接触まで説明されています。
これによってAIは、「頭の上にピンク色の花を5個置く」のではなく、「前髪に沿って自然に付けられた桜の花冠」を描きやすくなります。
失敗例も具体的に排除している
さらに、
プラスチック製
おもちゃ風
シール風
平坦な貼り付け花
後ろや横の花
小さな花
蕾
葉
茎
枝
が禁止されています。
ここで重要なのは、禁止事項が過去に起きやすかった失敗と直接結びついている点です。
漠然と「きれいな花冠」と指定するより、「平らなシールのようにしない」「前髪に軽く埋まるようにする」としたほうが、求める立体感が伝わります。
3.顔の向きと表情を両立させている
走りながら後ろを振り返る構図では、顔が横を向きすぎたり、首が不自然にねじれたりしやすくなります。
4枚目では、その問題に対して次のように指定しています。
振り返りつつも顔ははっきり見える。顔はカメラに向け、首と頭は自然な角度。大きく傾けない。
これによって、
チェイス中なので振り返る
それでも顔はカメラから見える
首を真後ろまで回さない
頭を不自然に傾けない
という複数の条件が整理されています。
さらに、
口は軽く開き、目は見開くが、顔の書き込みは落とさない。
という指定も効果的です。
恐怖表情を強くしすぎると、顔が崩れたり、麗華らしい可愛さが失われたりします。そこで「恐怖で目を見開く」と同時に、「顔の書き込みは落とさない」と指定することで、チェイス中の表情と麗華の美しさを両立させています。
4.「明るくする」を、画面内の優先順位として伝えている
4枚目では、単に「夜景だが暗くしない」とするだけでなく、次の重要な指定が追加されています。
麗華が画面の中でいちばん明るく
これは非常に分かりやすい指定です。
明るさを絶対値で説明するのではなく、画面内の比較として「背景やキラーより麗華を明るくする」と伝えています。
そのうえで、
顔と肌に月明かり
背後から赤いリムライト
色白肌を発光するように明るくする
瞳、唇、汗、髪に強いハイライト
ピンク、赤、青を使った夜の色彩
顔を暗い影で覆わない
露出不足にしない
と、具体的な照明設計が続きます。
この構造によって、夜の森という設定を維持しながら、麗華だけが埋もれないイラストになったのでしょう。
「夜を昼のように明るくする」のではなく、「暗い背景の中で主役を照らす」という考え方です。そのため、チェイスの緊張感も残しやすくなっています。
5.色の指定によって画面全体が華やかになった
4枚目では「鮮やかな色」とだけ書かず、実際に使ってほしい色を指定しています。
鮮やかなピンク、赤、青の夜の色彩。
この3色には、それぞれ役割があります。
ピンク:桜、唇、麗華らしい可愛さ
赤:キラーのステイン、発電機、危険、リムライト
青:月明かり、夜の森、霧、冷たい空気
色の役割が整理されたことで、夜景でも黒や灰色だけに偏らず、アニメらしい鮮やかな画面になったと考えられます。
特に青い月明かりと赤いリムライトは、人物の輪郭を背景から分離する効果があります。そこにピンクの花冠と唇が加わるため、顔周辺にも自然に視線が集まります。
6.品質語ではなく、品質を生む要素を書いている
1枚目では、
masterpiece
best quality
highly detailed
という抽象的な品質語が使われています。
4枚目にも品質指定はありますが、それだけに頼っていません。
クリーンでシャープな線画
鮮やかなアニメカラー
色白肌のきれいな塗り
瞳、唇、汗、髪のハイライト
顔の描き込みを落とさない
フォトリアルやCGっぽさを排除する
など、「どこがどうなれば高品質に見えるのか」を具体的に指定しています。
AIにとって「高品質」は曖昧ですが、「シャープな線画」「透明感のある肌」「強い瞳のハイライト」は視覚的に表現できます。
4枚目の完成度が上がった大きな理由は、品質を評価語ではなく、描画要素へ分解したことにあります。
英語から日本語に変えたことは影響したのか
今回の改善は、必ずしも日本語へ変えたことだけが理由ではありません。
1枚目から3枚目の英語プロンプトでも、追加した日本語の顔指定は反映されています。Grokは日本語の指示も十分に理解していると考えられます。
4枚目で効果が大きかったのは、日本語で書いたことで、細かなニュアンスを整理しやすくなった点です。
たとえば、
花は頭のカーブに沿ってゆるい弧を描くように、少し間隔と向きをずらして自然に置く。
という説明は、単語をカンマで並べるよりも、花同士の関係や配置の意図が伝わりやすくなっています。
日本語そのものが特別に高品質なのではなく、作りたい絵を自然な文章で具体的に説明できたことが、結果の改善につながったのでしょう。
今回分かった、キャラクターを安定させるプロンプトの構造
今回の4枚目は、次のような順番で構成されています。
1.画風と主役
最初に「日本のアニメイラスト」「麗華」「年齢」「基本的な外見」を指定します。
2.キャラクター固有の特徴
黒髪ツインテール、花冠、色白の肌など、麗華を麗華として認識させる特徴を詳しく書きます。
3.顔と表情
目、アイメイク、唇、肌、顔の向き、感情をまとめます。
4.体型と人体
体型を指定しながら、腕と脚の本数、関節、全身のつながりを明示します。
5.衣装
服の種類、色、状態、汚れや乱れ方を指定します。
6.ポーズとカメラ
走り方、手足の動き、振り返る方向、カメラの位置を指定します。
7.背景
森、廃屋、パレット、発電機、キラーなどを配置します。
8.照明と色
誰を最も明るくするのか、どの光をどこに当てるのか、使用する色を指定します。
9.演出
モーションブラー、スピード線、土、落ち葉などを加えます。
10.最後の除外指定
文字、角、実写感、CG感、余計な花など、特に避けたい失敗を簡潔にまとめます。
この順番にすると、「誰を描くのか」から始まり、「どう見せるのか」へ自然につながります。
長いプロンプトなら良いわけではない
4枚目は長いプロンプトですが、長さそのものが成功の理由ではありません。
大切なのは、各文章が同じ完成像に向かっていることです。
1枚目では「鮮やかにしたい」という指示と、「暗い霧」「強いコントラスト」「影の人物」という指示が競合していました。
4枚目では、夜の森を暗い背景として残しながら、麗華だけは月明かりと赤いリムライトで明るく見せる、という形で両者の役割が整理されています。
Grokのプロンプトでは、情報量を増やすことよりも、
どれが主役なのか
何を最も目立たせるのか
暗さや光をどこに使うのか
禁止する代わりに何を描くのか
をはっきりさせることが重要なのだと思います。
ChatGPTでも生成して比較――Grokとは何が違ったのか
Grokでプロンプトを段階的に改良したあと、ChatGPTでも麗華とチャッキーのチェイス場面を生成してみました。
ChatGPT版は2種類あります。
1枚目:背景、ポーズ、表情、照明、人体まで細かく指定した長いプロンプト
2枚目:麗華の基本設定と参照衣装を中心にした短いプロンプト
1枚目

2枚目

この2枚はプロンプトの情報量だけでなく、衣装の指定方法も異なります。そのため、ChatGPTとGrokの違いに加えて、「文章で全部指定する方法」と「参照画像を使う方法」の違いも表れています。
ChatGPT版1枚目――Grok向けに改良した長いプロンプトを使用
1枚目は、Grokで顔や明るさを改善するために作った長いプロンプトを、ChatGPTでも試したものです。

Japanese anime illustration style, clean sharp lineart, vibrant anime colors, cel-shading, high quality anime art, masterpiece, not photorealistic, not realistic, not 3D, not photo.
Reika, a super cute 19-year-old Japanese college student with black twintails and blunt bangs, wearing a simple pink cherry blossom crown with exactly five large pink sakura flowers only, placed in a horizontal line on the front of the head directly above the forehead (no flowers on the back or sides, no buds, leaves, stems, or extra decorations).
Small youthful oval face, pale fair skin with a soft cheek flush and sweat, large dark-brown to black anime eyes with double eyelids, long lashes, defined but not heavy eyeliner, naturally slightly arched black brows, small straight Japanese nose, full glossy rose-pink lips slightly parted.
High black twintails flying from sprinting, loose strands framing the face.
Tense, slightly sexy, fearful expression looking back over her shoulder toward the camera, wide eyes.
Voluptuous figure with large breasts and visible deep cleavage.
Correct anatomy, intact complete body, well-proportioned limbs, properly drawn hands and feet, five fingers on each hand, natural joints.
No extra limbs, no missing limbs, no extra arms, no extra legs, no missing arms, no missing legs, no extra fingers, no missing fingers, no fused fingers, no broken joints, no disconnected limbs, no floating limbs.
Dynamic full-body running pose mid-chase, desperate sprint, one arm swinging, legs in motion, looking back.
Wearing a slightly torn black cropped tank top and short black pleated miniskirt, white sneakers, clothes dirty and disheveled from running, sweat on skin and collarbone.
Dark foggy Dead by Daylight-style woodland map at night, abandoned wooden shack, dropped wooden pallet nearby, window vault in the mid-distance, generator red lights glowing far away, thick grey fog, moonlight through trees, large menacing shadowy killer silhouette close behind with a weapon raised, red directional stain on the ground pointing toward her, scratch marks on the ground.
Tense atmosphere, motion blur, anime speed lines, flying dirt particles, high contrast, cinematic angle, solo character focus.
夜景だが暗くしない。麗華の顔と肌は月明かりと赤いリムライトではっきり見える。鮮やかなアニメカラー、きれいなセル塗り、顔に泥のような影を落とさない。
大きな明るい瞳、濃いアイメイク、つややかなピンクがかった赤い唇。顔ははっきり描く。色白で透明感のある肌、きれいなセル塗り、シャープな線画。
キラーはチャッキー。麗華の後ろに小さい人形サイズ(身長30センチ)のチャッキーが近づいている。
文字なし。
アスペクト比16:9冒頭で画風を固定し、そのあとに麗華の顔、髪型、花冠、体型、人体、衣装、走るポーズ、背景、照明、チャッキーの順で指定しています。
プロンプトの構造
1枚目は、おおむね次の順番で組み立てられています。
日本のアニメイラストという画風
麗華の年齢、髪型、花冠
目、眉、鼻、唇などの顔立ち
恐怖を感じながら振り返る表情
腕、脚、手、指などの人体
走っている全身ポーズ
黒いタンクトップとミニスカート
Dead by Daylight風の夜の森
月明かりと赤いリムライト
麗華らしい瞳、アイメイク、唇の再強調
チャッキーの大きさと位置
文字なし、16:9
背景から人物まで、完成画像を構成する要素がほぼすべて文章で指定されています。
Grokでは「追加した指定」が段階的に強く現れた
この長いプロンプトのもとになったGrok版では、修正内容が比較的そのまま画面へ現れていました。
最初は、
夜の森
灰色の霧
強いコントラスト
影になったキラー
月明かり
汚れた衣服
といった暗い言葉の影響を受け、麗華の顔まで暗くなっていました。
そこへ、
夜景だが暗くしない。
顔に泥のような影を落とさない。
大きな明るい瞳、濃いアイメイク、つややかなピンクがかった赤い唇。
と追加することで、Grok版は段階的に明るくなり、麗華の顔にも近づいていきました。
Grokは、あとから加えた照明や顔の強調指定が、比較的分かりやすく結果へ反映される印象です。
ChatGPTでは、長いプロンプトが「一つの場面」として再構成される
同じような長いプロンプトをChatGPTに渡した場合、指定を一語ずつ均等に描くというより、文章全体を読み取り、「どのような場面なのか」を組み直す傾向があります。
今回の中心となる場面は、
夜の森で麗華が走り、後方から小さなチャッキーが追いかけている
というものです。
ChatGPTは、その物語を成立させるために、麗華とチャッキーの位置関係、走る方向、カメラの位置、背景の奥行きをまとめて構成します。
その一方で、
廃屋
パレット
窓枠
発電機
引っかき傷
赤いステイン
土や落ち葉
スピード線
などの背景要素は、すべて同じ大きさで描かれるとは限りません。画面が混雑すると判断されれば、一部が小さくなったり、省略されたりする可能性があります。
つまり、Grokでは「書いた要素がどのように現れたか」が目立ちやすく、ChatGPTでは「場面全体がどう整理されたか」が違いとして出やすいのだと思います。
ChatGPT版1枚目で顔を安定させている部分
1枚目では、顔の設定が前半と後半の2回に分けて書かれています。
前半では、
若々しい卵型の顔
色白の肌
大きな濃茶から黒の瞳
二重まぶた
長い睫毛
自然な黒い眉
小さくまっすぐな鼻
ローズピンクの唇
という造形を説明しています。
後半では、
大きな明るい瞳
濃いアイメイク
つややかなピンクがかった赤い唇
透明感のある肌
シャープな線画
という「完成画像での見え方」を指定しています。
前半が顔の設計図、後半が仕上げの指定という構造です。
ChatGPTでは、この2つを統合して一人のキャラクターとして描こうとするため、麗華の顔を安定させるうえでも有効な重ね方になっています。
ただし、1枚目には花冠の矛盾がある
1枚目では花冠について、
exactly five large pink sakura flowers
placed in a horizontal line
と指定しています。
これは「大きな桜を横一列に置く」という意味です。
一方、Grokで最も良くなった日本語版では、
中くらいの大きさ
頭のカーブに沿ったゆるい弧
間隔と向きを少しずつ変える
定規のような一直線にしない
前髪に軽く埋まる
と指定しています。
つまり、長いChatGPT版の花冠指定は、Grokの最終改良版より少し古い設計です。
麗華らしい自然な花冠を再現するなら、「horizontal line」は外し、「gentle irregular arc」に置き換えたほうがよさそうです。
ChatGPT版2枚目――参照画像と麗華の基本設定を中心に生成
2枚目は、1枚目とはかなり違う構造です。
ChatGPTを信頼したやり方で。麗華の指定は細かく入れていますが、どういう内容かはChatGPTに任せています。
また、服装の指定や、キラーの指定もチャッキーにしていますが、このへんはGrokより制限が優しいからという指定となっています。

Dead by Daylightの世界でチャッキーに追いかけられて走っている麗華。
チャッキー。麗華の後ろに小さい人形サイズ(身長30センチ) 。
アニメイラストとして。
16:9
**麗華 の設定プロンプト**
Highly detailed Japanese anime illustration of my self-insert character Reika (花の妖怪かっぷらさん), a 19-year-old Japanese college student. Small youthful oval face, pale fair skin with a soft cheek flush, large dark-brown to black anime eyes with double eyelids, long lashes, defined but not heavy eyeliner, naturally slightly arched black brows, small straight Japanese nose, full glossy rose-pink lips slightly parted. Straight-ish see-through bangs with a few wisps, high black twintails with loose strands framing the face. Sweet, slightly sexy, calm gaze toward the camera. Exactly five medium pale-pink real sakura blossoms only, placed on the front of the head in the bangs just above the forehead; the flowers follow the head’s curve in a gentle irregular arc (not a straight pasted-on line); each bloom slightly larger than an eye-width, 3D five-petal sakura with soft layered slightly translucent petals and pale-yellow stamens, nestled into the bangs not floating on top. No plastic/toy/sticker/flat flowers, no flowers on the back or sides, no horns, no leaves, no stems, no buds, no small flowers, no branches, no extra decorations. Remove any previous flowers first. Voluptuous figure with large breasts and visible deep cleavage. Clean sharp lineart, vibrant anime colors, detailed cel-shading, kawaii cute aesthetic, solo character focus, high quality Japanese anime art style, not photorealistic.
, wearing 追加の画像の「セーブル・ウォードの衣装、気まぐれな天使」 最初に、
Dead by Daylightの世界でチャッキーに追いかけられて走っている麗華。
と場面を短く伝え、そのあとに麗華の基本設定を置いています。
最後には、
追加の画像の「セーブル・ウォードの衣装、気まぐれな天使」
とあり、衣装については文章ではなく参照画像を利用しています。
2枚目は「文章」と「参照画像」を役割分担させている
2枚目では、情報が次のように分担されています。
麗華の顔
詳細な文章黒髪ツインテール
詳細な文章桜の花冠
詳細な文章チャッキーとのチェイス
短い日本語セーブル・ウォードの衣装
追加画像細かな構図や照明
ChatGPT側に任せる
衣装の形、色、装飾を文章で説明しなくても、参照画像から視覚的な特徴を取り込めるのが大きな違いです。
特にゲーム衣装は、パーツ数が多く、言葉だけでは再現しにくいものです。参照画像を使うことで、衣装の再現に使う文章を減らし、そのぶん麗華の顔や花冠へ詳しい指定を使えます。
2枚目の花冠指定は、1枚目より完成度が高い
2枚目では花冠について、かなり具体的に指定しています。
the flowers follow the head’s curve in a gentle irregular arc
not a straight pasted-on line
3D five-petal sakura
nestled into the bangs not floating on top
日本語にすると、
頭のカーブに沿った緩やかで不規則な弧
貼り付けたような一直線にしない
立体的な五弁の桜
髪の上に浮かせず、前髪へなじませる
という内容です。
さらに、
プラスチック
おもちゃ
シール
平坦な花
葉
茎
蕾
枝
小花
角
余計な装飾
を禁止しています。
花冠に関しては、2枚目のほうが現在の麗華の設定に近く、AIが完成形を理解しやすい構造です。
2枚目には表情の矛盾が残っている
2枚目には、
Sweet, slightly sexy, calm gaze toward the camera.
とあります。
これは、普段の麗華の表情としては合っています。しかし今回の場面では、チャッキーに追われながら走っています。
「穏やかな視線」と「恐怖のチェイス」が同時に存在するため、ChatGPT側がどちらを優先するか判断することになります。
ChatGPTが冒頭の場面を優先すれば、恐怖や緊張のある顔になります。キャラクター設定を強く優先すれば、走っているのに落ち着いた表情になる可能性があります。
より安定させるには、次のように分けて指定するとよいでしょう。
麗華本来の甘く可愛い顔立ちは維持する。ただし現在はチャッキーに追われているため、目を見開き、少し口を開けた緊張と恐怖の表情。
これなら、「顔立ち」と「現在の感情」が競合しません。
2枚目は構図をChatGPTに任せる範囲が広い
2枚目には「走っている」とありますが、次の点は具体的に決められていません。
麗華が画面の左右どちらへ走るか
正面、横、背後のどこから見るか
全身を入れるか、上半身を大きくするか
顔をどの程度振り返らせるか
チャッキーとの距離
月明かりの方向
赤いステインの位置
背景に何を配置するか
そのため、ChatGPTが場面に合った構図を補完します。
これは、細かい構図を決めずに「一枚のアニメシーンとして格好よくまとめてほしい」ときには有効です。
反対に、背中や腰をカメラ側に向け、首だけを自然に振り返らせるなど、厳密なポーズを求める場合は、2枚目の指定だけでは足りません。
ChatGPTの1枚目と2枚目は、目的が異なる
1枚目は、完成画像をプロンプトで細かく設計する方式です。
2枚目は、麗華の核となるデザインと衣装画像を渡し、演出をChatGPTに任せる方式です。
GrokとChatGPTの違いをどう見るか
今回の検証から見える範囲では、GrokとChatGPTの違いは次のように整理できます。
Grokは言葉の追加による変化が分かりやすい
Grokでは、
「暗くしない」
「顔に泥のような影を落とさない」
「大きな明るい瞳」
「濃いアイメイク」
「つややかな唇」
「色白で透明感のある肌」
といった言葉を加えるたび、明るさや顔の印象が変化しました。
プロンプトを少しずつ修正し、結果を見ながら詰めていく使い方に向いている印象です。
ChatGPTは全体の意味をまとめる傾向がある
ChatGPTでは、麗華、チャッキー、DbDの森、参照衣装を一つの出来事として組み合わせようとします。
個々の単語をすべて目立たせるより、
麗華がチャッキーに追われているアニメのワンシーン
として画面を成立させる方向です。
そのため、背景の細かい小物が省略されることがある一方、人物同士の関係や物語は読み取りやすくなる場合があります。
比較結果の要点
Grok
修正への反応
追加した語句の影響が段階的に現れやすい暗い背景
夜、霧、高コントラストに強く引っぱられた顔の調整
目、唇、肌の再指定が効果的背景の小物
列挙した要素が個別に出やすい参照衣装
文章での補足も重要短い指示
結果がぶれやすい場合がある長い指示
細かな調整に向く
ChatGPT
修正への反応
全体の意味へ統合されやすい暗い背景
人物の読みやすさを優先する場合がある顔の調整
顔設定をまとめて一つのアニメ顔にしやすい背景の小物
構図に合わせて整理・省略されることがある参照衣装
参照画像と人物設定を統合しやすい短い指示
場面を補完してまとめやすい長い指示
優先順位を解釈して再構成しやすい
厳密には「同条件の比較」ではない
今回のChatGPT版2枚は、Grok版と完全に同じ条件ではありません。
特に2枚目は、セーブル・ウォードの衣装画像を追加しています。参照画像の有無は結果に大きく影響するため、そのままモデルの性能差とはいえません。
公平に比較するには、
GrokとChatGPTに完全に同じプロンプトを渡す
同じ参照画像を使う
同じ16:9で生成する
各サービスで3枚以上作る
同じ評価項目で比べる
という方法が適しています。
評価項目は、次のようにすると分かりやすそうです。
麗華の顔
黒髪ロングツインテール
桜が正確に5輪あるか
花冠に葉や蕾が混ざっていないか
チャッキーが人形サイズか
首と手足が自然か
夜でも顔が明るいか
衣装が正確か
DbDらしい背景か
クリーンなアニメ線画になっているか
まとめ――Grokは細部を詰める、ChatGPTは場面をまとめる
今回の比較では、Grokは指示を追加しながら、顔、明るさ、花冠などを細かく調整していく使い方が合っていました。
一方、ChatGPTでは、麗華の設定、参照衣装、チャッキーとのチェイスという複数の情報を、一枚の場面へまとめる使い方が合っています。
そしてChatGPT版の2枚を比べると、目的も異なります。
1枚目は、照明、表情、ポーズ、背景まで文章で制御する画像
2枚目は、麗華と衣装を優先し、構図や演出をChatGPTへ任せる画像
どちらが優れているというより、「何を自分で決め、何をAIに任せるか」の違いです。
麗華の顔、花冠、照明を厳密に守りたいなら、1枚目の詳細指定を基本にしつつ、2枚目の自然な花冠指定と参照衣装の使い方を組み合わせるのが、いちばん安定した方法になりそうです。
関連記事
『この子にこの服を着せて』が伝わらない!AI画像生成で服装だけを確実に変えるプロンプト術|cutplaza
xAIのGrokの使用制限が「週間制」に大変更 Xで広がる「実質制限強化」への不満|cutplaza
9月9日は温泉の日ということでGrokで温泉に入る麗華を作ってもらった|cutplaza