AI画像生成革命

テキストから画像へ

「猫が椅子に座っている」——この5語をDALL-E、Midjourney、Stable Diffusionに入力すれば画像が生成されます。猫です。椅子の上に。技術的には正しい。

しかし面白くない。プロとして使えない。デザイナーが作ったようには見えない。

では：「ミッドセンチュリーモダンの椅子に座る茶トラ猫、窓から差し込む午後の暖かい光、浅い被写界深度、35mmフィルム写真スタイル、アースカラー」

まったく異なる結果。同じツール。違いはプロンプトです。

このコースで学ぶこと

1. 構造化されたプロンプト構文で効果的な画像プロンプトを構築
2. アート運動やスタイル語彙をAI画像に適用
3. 意図的なレイアウト、パースペクティブ、フォーカルポイントで構図を設計
4. 生成画像を評価・反復して望む結果に到達
5. DALL-E、Midjourney、Stable Diffusionの各プラットフォームの特性を比較
6. 商用ライセンス要件を判断

AI画像生成の仕組み

拡散モデル（DALL-E、Midjourney、Stable Diffusionの基盤技術）の動作：

1. 学習： 数百万の画像-テキストペアから関連付けを学習。「夕日」は暖色、地平線、グラデーション。「水彩画」は柔らかいエッジ、筆跡、紙のテクスチャ
2. 生成： プロンプトを受け取り、ランダムノイズから出発。学習した関連付けに基づいてステップごとに精製
3. 出力： 多くの精製ステップを経て、ノイズがプロンプトに合った一貫した画像に

重要な洞察： モデルは人間のようにプロンプトを「理解」するのではなく、言葉を訓練中に学習した視覚パターンにマッピングします。つまり：

• 具体的な言葉ほど予測可能な結果を生む
• アート語彙が特定のビジュアルスタイルを解放する
• 語順や強調が出力に影響する

3つの主要プラットフォーム

良いプロンプトの4要素

1. 具体的な被写体 — 「人物」ではなく「30代のショートカーリーヘアの女性」
2. 明確なスタイル — 「油絵風」と「映画的写真」はまったく異なる結果
3. 意図的な構図 — フレーム内の配置、カメラアングル、フォーカルポイント
4. ムードと雰囲気 — ライティング、カラーパレット、感情的トーン

✅ 確認クイズ: 「山の風景」という曖昧なプロンプトと「ゴールデンアワーの雪を被った山脈、静かな高山湖に反射、前景にワイルドフラワー、ドラマチックな雲、風景写真スタイル」という構造化プロンプトの違いは何か？（構造化プロンプトは被写体、ライティング、要素、スタイル、色の各方向をAIに与える。曖昧なプロンプトはAIに「どんな山でもいい」と伝えるだけで、予測不能な結果になる。）

まとめ

• プロンプトがAI画像品質の最重要要素——ツールではない
• AIモデルは訓練中に学習した視覚パターンに言葉をマッピング
• 具体的で構造化されたプロンプトが曖昧な説明を圧倒的に上回る
• DALL-E、Midjourney、Stable Diffusionはそれぞれ明確な強みを持つ
• 良いプロンプトには被写体、スタイル、構図、ムードの4要素を含める

次のレッスン

次は「プロンプトの解剖学」——効果的な画像プロンプトの正確な構造、すべての画像作成に使う構成要素を学びます。