メインコンテンツへスキップ
見出し画像

image2.6を4枚生成して考えた。長文プロンプトは「長さ」より「階層」なのかもしれない。

    Images 2.6になってから、イラスト生成の描画がかなり変わったように感じています。

    OpenAIは2026年11月4日にImages 2.6を公開し、従来より50%高速な生成、より洗練されたビジュアル、編集を重ねた際のキャラクターや製品などの一貫性向上を特徴として挙げています。APIではFlareとSunburst、さらにシーンをどこまで作り込むかを調整するcomplexityも追加されました。

    ただ、公式に書かれている「品質向上」と、実際に自分がイラストを生成して感じる変化は、少し分けて考えた方がよさそうです。

    今回は、同じキャラクターを使ってImages 2.6で生成した4枚を見ながら、自分の観測を整理してみます。

    生成条件は、①GPT-5.6・思考量高、②GPT-5.6・Instant、③GPT-6・Instant、④GPT-6・思考量高です。

    描画は綺麗になった。でも、かなり一方向へ寄っている

    今回のイラスト生成に使っているツールです。

    画像

    参考画像として、3面図とキャラシートを渡しています。

    画像
    画像


    画像


    画像


    そこからシーン・ポーズ・構図を指定して生成

    画像
    ①GPT-5.6 :思考量・高


    画像
    ②GPT-5.6:思考量・Instant


    画像
    ③GPT-6:思考量・Instant


    画像
    GPT-6:思考量・高


    4枚を並べて最初に感じるのは、以前より表面の描画が滑らかになっていることです。

    髪のハイライト、衣装の光沢、輪郭、肌の処理などがかなり整理され、ぱっと見た時の「綺麗さ」は強くなっています。

    一方で、その綺麗さがかなりアニメ塗り寄りにも感じます。

    以前の生成には、もう少し水彩に近いにじみや、光と色が混ざるような柔らかさがありました。今回の4枚では、線と面がはっきり分かれ、髪、目、肌、衣装の陰影まで、似た方向へ整理されています。

    もちろん、アニメ塗りそのものが悪いわけではありません。ここは完全に好みです。

    ただ、画像生成AIとして考えた時に、どのイラストも一つの「綺麗な描き方」へ強く寄る必要はあったのだろうか、とは感じます。

    水彩には水彩の綺麗さがあり、厚塗りには厚塗りの綺麗さがあります。描画の粗さを改善することと、特定の塗りへ標準化することは、本来は別の話です。

    もし「綺麗にする」という処理の結果として表現の幅が狭くなっているなら、それは私にとっては単純な品質向上とは言い切れません。

    もう一つ気になるのが、顔の構造

    こちらは好みだけでは済まない部分です。

    今回の4枚では、顔が縦方向へ伸びる傾向が見えます。特に男性側で分かりやすく、単純に「面長のキャラクターになった」というより、顔面だけが伸び、頭頂部、側頭部、顎、耳、首との接続が一つの頭蓋として噛み合っていないように見える画像があります。

    私は、ここを「アニメイラストだから」で正解にはしたくありません。

    アニメ的なデフォルメでは、目を大きくしたり、顎を細くしたり、現実の人体比率から意図的に外すことがあります。それでも上手い絵は、頭蓋の向き、顔の中心線、耳の位置、首の接続などが一つの立体として成立しています。

    今回気になっているのは、デフォルメではなく、頭蓋骨のデッサンそのものが崩れて見えることです。

    高精細な髪や衣装、綺麗なハイライトがあるため、一見すると完成度の高いイラストに見えます。でも、細部を見ると構造が狂っている。

    これは、私がキャラクターの本人性を固定して生成しているからこそ、かなり大きな問題になります。

    髪色や目の色が同じでも、頬の面積、顎の長さ、目と鼻と口の位置関係、頭蓋の縦横比が変われば、私にとっては「同じ人物」ではありません。

    他の人の検証を読んで、少し考え方が変わった

    ここ数日、Images 2.6を検証している方の記事も読んでいます。

    ななせさんは、古書の中に複数の空間や人物、小物、光、物語上の意味まで含めた非常に詳細な長文プロンプトを使って、Images 2.6の変化を検証されています。

    興味深かったのは、「長文だから画像モデルが理解できない」という単純な説明ではなく、以前は同じ設計図で描けていたことを根拠に、画像モデルへプロンプトが届くまでの経路にも注目していることです。

    Freeで通常生成した場合と、思考を使った場合で画面構成の傾向が変わったことから、画像生成前の処理によって長文の意味が整理、あるいは圧縮されている可能性を仮説として挙げています。ただし、高速化との因果関係などは証明できていないと、ご本人も明確に分けています。

    特に印象に残ったのが、長いプロンプトは冗長だから長いのではなく、「設計図だから長い」という考え方でした。

    もう一つ、素晴木あいさんの記事では、保存した参照画像からキャラクターを呼び出し、短い場面指定だけでも同じ顔を維持できたという検証が紹介されています。登録したキャラクターは、正面から顔が大きく見え、背景もシンプルで、目や髪型、頬などの特徴がかなり分かりやすいデザインです。

    こちらも非常に面白い結果だと思います。

    ただ、私が固定しようとしているキャラクターとは、本人性の成立条件が少し違います。

    目が大きい、髪型が特徴的、頬に特徴がある、といった分かりやすい記号で本人性が成立するキャラクターと、頬の面積、目幅、目間、顎、鼻、頭蓋の縦横比など、微細な配置関係まで含めて本人性になるキャラクターでは、参照画像固定の難易度も変わります。

    素晴木さんの検証でも、水彩のような複雑な質感をGIF化するとフレームごとに揺れ、シンプルな絵柄ではかなり安定したとされています。

    ここから私は、「詳しく書けばいい」「短くすればいい」という話ではないのかもしれない、と考え始めました。

    長文プロンプトに必要なのは、情報量より階層なのかもしれない

    今のGPT、特にGPT-6を使っていて感じるのは、定義されていない部分をかなり積極的に補完することです。

    対話でもそうですが、「ここはまだ決めていない」という余白をそのまま残すより、文脈から完成形を推測して先回りする傾向があります。

    画像生成でも同じことが起きていると仮定すると、固定したい部分と、AIに任せてもいい部分を同じ密度で書くのは、あまり良くないのかもしれません。

    これまでは、本人性、衣装、ポーズ、光、背景、描画など、必要な情報をできるだけ詳細に書く方向で考えていました。

    でも今後は、長文プロンプトそのものを階層化した方がいいのではないかと考えています。

    たとえば、最上位には「絶対に変更してはいけない本人性」。
    その下に「人体構造として維持するもの」。
    さらに「画風や描画」、その下に「今回のシーン」、最後に「AIが自由に補完してよい部分」を置く。

    重要なのは、すべてを細かく指定することではありません。

    固定したい部分ほど明確に定義し、優先順位を高くする。一方で、可変してよい部分は必要以上に細かく決めない。

    つまり、

    固定部分は詳細に。可変部分は範囲だけ。自由部分は意図的に残す。

    という設計です。

    そして、複数の指示が競合した時に何を優先するかまで、最初から決めておく。

    「美しく見せるために顔の骨格を変更しない」

    「構図を成立させるために頭身や肩幅を変更しない」

    「シーンや画風より本人性を優先する」

    こうした優先順位が先に定義されていれば、モデル側が未定義部分を補完するとしても、触ってはいけない領域を明確にできるかもしれません。

    まだ仮説。だから次に試してみたい

    今回の4枚だけで、Images 2.6全体の性質を断定することはできません。

    GPT-5.6とGPT-6の違い、思考量の違い、参照画像の解釈、画像生成前の処理、Images 2.6そのものの傾向。どこまでが何の影響なのかは、ChatGPT上からは分からない部分があります。

    ただ、自分の画像では、描画のアニメ塗り方向への変化と、顔・頭蓋比率の変化が観測できました。

    そして他の方の検証を読んだことで、次に試すべきものが少し見えてきました。

    プロンプトをさらに長くするのではなく、長文プロンプトの中に階層を作る。

    何を絶対に固定するのか。

    何なら変えていいのか。

    どこから先をAIに任せるのか。

    これを明確に分離した時、Images 2.6の生成がどう変わるのか。

    次はそこを試してみようと思います。


    あなたへのおすすめ