「画像生成どうやってるの？」に答えてみる｜おはようカノジョ#32
先日、noteでこんなコメントをもらった。
個人的には「おはようカノジョ」より 画像生成：Gemini（gemini-2.5-flash-image）をどうやってるのか？ の方が興味はありますね。
正直、技術的な話はnoteで書かないつもりだった。でも「どうやってるのか気になる」と言ってもらえたので、少しだけ裏側を書いてみる。
全体像
「おはようカノジョ」がどういう流れで動いているか、以前図にしたことがある。
今回はこの中の「Gemini APIで画像を生成している部分」を話す。
参照画像の詳しい話は過去記事で書いたので、興味があればこちらも。
なぜAPIで画像生成しているか
「おはようカノジョ」は毎朝7:30に自動投稿するのがコンセプト。自動で動かすには、GitHub Actionsなどのクラウド環境で実行する必要がある。
Stable Diffusionを動かすにはGPUが必要だけど、クラウドでGPU環境を用意するのはコストも手間もかかる。毎日1枚生成するだけなのに、そこまでやるのは割に合わない。
API経由なら、GPU環境を気にせずコードを書くだけで動く。毎日続けるには、精度より「疲れないこと」が大事だと思っている。
実際のコード
実装自体はシンプルで、google-genaiライブラリを使ってAPIを叩いているだけ。
シンプルな例
from google import genai
from google.genai import types
client = genai.Client(api_key="YOUR_API_KEY")
response = client.models.generate_content(
model="gemini-2.5-flash-image",
contents=["アニメ風の女の子、朝の挨拶、笑顔"],
config=types.GenerateContentConfig(
response_modalities=["IMAGE", "TEXT"],
),
)
# 画像データを取得
image_data = response.candidates[0].content.parts[0].inline_data.dataポイントは response_modalities=["IMAGE", "TEXT"] の指定。これがないと画像が返ってこない。
参照画像を使う例
実際の運用では、キャラの一貫性を保つために参照画像を渡している。
from google import genai
from google.genai import types
client = genai.Client(api_key="YOUR_API_KEY")
# 参照画像を読み込み
with open("reference.jpg", "rb") as f:
ref_image = types.Part.from_bytes(data=f.read(), mime_type="image/jpeg")
response = client.models.generate_content(
model="gemini-2.5-flash-image",
contents=[
ref_image, # 参照画像を先に渡す
"この画像と同じキャラで、手を振っているポーズを生成して",
],
config=types.GenerateContentConfig(
response_modalities=["IMAGE", "TEXT"],
),
)参照画像を先に渡して、その後にプロンプトを書く。これでキャラの見た目をある程度維持できる。
本質はこれだけ。実際はもう少し複雑だけど、骨格はこのコードと変わらない。
プロンプトの構造
コードはシンプルだけど、プロンプトは工夫している。キャラごとの設定をYAMLで管理し、選択されたシーンの定義を使って毎回組み立てている。
character:
name: るな
personality: 活発で明るい。週末前のワクワク感を一緒に楽しんでくれる彼女。
colors:
personal: emerald green
appearance:
hair: high ponytail, warm golden blonde hair, fluffy ponytail
eyes: bright green eyes, sparkling eyes, energetic eyes
face: bright smile, cheerful expression
outfit:
base: oversized white button-up shirt, boyfriend shirt
detail: emerald green plain knit cropped cardigan over shirt
scene:
location: indoor, inside apartment
lighting: soft lighting, natural light
pose: standing, one hand raised in small wave
framing: upper body, eye level
negative_prompt: black hair, dark hair, outdoor background, ...appearance でキャラの見た目、outfit で衣装、scene で構図を指定。negative_prompt には「これはやめて」を書いている。
このYAMLをPythonで読み込んで、プロンプト文字列に組み立てている。
ハマったポイント
コードはシンプルでも、運用すると色々起きる。
髪の色が安定しない
「るな」というキャラは金髪なんだけど、生成すると黒髪になることがあった。
プロンプトに「golden hair」と書いても黒くなる。参照画像を渡しても黒くなる。
解決策はnegative promptだった。「black hair」を明示的に禁止することで、ようやく金髪が安定した。
「こうしてほしい」より「これはやめて」の方が効くことがある。
キャラの雰囲気がブレる
クリスマスイベントで「しずく」にサンタ衣装を着せたら、「雪の女王」みたいになったことがある。
原因は衣装の小物だった。「氷の結晶ティアラ」を指定したら、全体が冷たい印象になってしまった。サンタ帽に変更したら、ようやく「しずく」らしい柔らかさが戻った。
プロンプトの一部が全体の雰囲気を引っ張ることがある。小物ひとつで印象が変わるのは面白くもあり、難しくもある。
おわりに
完璧じゃないけど、毎日動いている。
「安定しない」「ブレる」と書いたけど、それでも毎朝7:30に投稿できているのは、割り切って運用しているからだと思う。
技術の話、需要があればまた書くかもしれない。
👉️「おはようカノジョ」は毎朝7:30に投稿中。 https://x.com/ohayo_kanojo
この記事は以下の共同マガジンに参加しています。
