AIエロ画像の作り方：書き換えられないプロンプトの書き方

リクエストに実際に含まれるもの

生成リクエストに含まれるのは、モデルID、プロンプト、モデルごとに受け付けるオプションだけです。画像ならサイズ、動画なら解像度と長さ、モデルによってはアスペクト比、さらに参照画像のURLが加わります。これがすべてで、エンドポイントごとの一覧はAPIリファレンスにあります。テキストと描画のあいだには何も挟まりません。書き換えの段階も、ガイダンスの調整つまみも、ステップ数もありません。シード値とネガティブプロンプトは一部のモデルでだけ使え、大半では使えません。どれが対応しているかはカタログのエンドポイントと各モデルページに書いてあります。モデル側がプロンプト拡張をベンダー設定として持っている場合はオフで送信します。例外は、独自の思考ステップを組み込んだ一部の動画モデルです。

プロンプトの小技の多くは、この中間層がある他のサービスのために生まれたものです。OpenAIの画像生成ドキュメントには、モデルが「will automatically revise your prompt for improved performance」（性能向上のためプロンプトを自動で修正する）と書かれ、修正後の文はrevised_promptフィールドで返されますが、それをオフにする方法は記載されていません。プロンプトハックとは書き換え役との交渉のことで、ここには交渉相手がいません。この層を分解して見せるのがプロンプトを書き換えない画像生成AIのページです。

エンドポイントが定義していないキーは、そもそも読まれません。JSONにcfgの値やステップ数を足しても、何も起きず、エラーにもなりません。例外はseedとnegative_promptで、宣言しているモデルでは読まれ、宣言していないモデルに送ると項目を黙って捨てずに400を返します。届いてもいない項目の調整に午後を費やす前に、知っておきたい点です。

一度に一か所だけ変え、ばらつきの幅を知る

比較から何かを読み取れるのは、動いたのが一か所だけのときです。同じ実行で言葉とサイズを両方変えると、違いの説明が二つになり、切り分けられません。わかるのは「何かが起きた」ことだけです。

ばらつきにはもう一つの原因があり、それは書き手の側にはありません。シード値を省くとアダプターがリクエストごとに新しい値を引き、シード値を宣言していないモデルでは固定する項目すらありません。同じプロンプトを二度送っても、同じ一枚は返ってきません。仕組みと、高い設定での再実行が拡大ではなく新しい抽選になる理由は解像度と長さの選び方にあります。言葉の変更に意味を読む前に、まずこの幅を測ってください。基準のプロンプトを二回実行して、二枚の差を見ておきます。言葉を変えた結果は、この差を上回ってはじめて意味を持ちます。試行のたびにクレジットを使うので、モデルの最も安い設定で行うのが得策です。各設定の料金は料金ページに載っています。

記録用のノートは要りません。プロンプトは生成結果の横にそのまま保存され、生成一覧のエンドポイントが返すすべての記録に含まれるので、履歴がそのまま実験ログになります。うまくいった文は打ち直さず、履歴からコピーしましょう。打ち直しは、意図しない編集と同じです。

雰囲気ではなく構図を書く

形容詞を積み上げると、構図の判断はモデル任せになります。moody、ethereal、hyperdetailedといった語は、被写体も配置も光の向きも示していません。画像の描写ではなく、結果への願望です。Hugging Face Diffusersのプロンプトガイドはこのルールをはっきり述べていて、被写体、スタイル、文脈を挙げたうえで「use these elements as a structured narrative, not a keyword list」（キーワードの列挙ではなく、構造のある文章として使う）よう求めています。現在のモデルはキーワードを照合するのではなく、言葉を読むからです。練習にはQwen 3が向いています。正確に描写された場面を書かれたとおりに描くためのモデルだからです。ここで操作できる変数が言葉だけである理由は、プロンプトにフィルターをかけない画像生成AIのページで説明しています。

長いリストは、論文に記録された形でも失敗します。Attend-and-Excite（Chefer et al., SIGGRAPH 2023）で著者らは「catastrophic neglect, where the model fails to generate one or more of the subjects from the input prompt」（入力プロンプトの被写体の一部が描かれない現象）を評価し、モデルが「fails to correctly bind attributes (e.g., colors) to their corresponding subjects」（色などの属性を対応する被写体に正しく結びつけられない）とも報告しています。これは被写体が十個になってからではなく、被写体二つ、色二つの段階で始まります。

だから、決めたことを書きます。フレームに何があり、どこにあるか。光はどこから来て、どれくらい硬いか。レンズが背景をどう描くか。どれも描画結果と照らし合わせて確認できます。光が左から来たかどうかは見ればわかりますが、etherealだったかどうかは見えません。こうした語からは、編集が効いたかどうかが決してわかりません。AI エロ画像を作るときも、この原則は変わりません。

ネガティブプロンプトはすべてのモデルにあるわけではない

ネガティブプロンプトに手が伸びるのは、ローカル環境で身についた癖です。もともと書き方の技法ではなく、サンプリングループに渡す別の引数でした。Diffusersのリファレンスはnegative_promptを「the prompt or prompts not to guide the image generation」（画像生成を導かないためのプロンプト）と定義し、「ignored when not using guidance」（ガイダンスを使わない場合は無視される）と注記しています。この項目は、無条件の分岐を使って結果を遠ざけるガイダンスの段階があるからこそ存在するのです。

ここでネガティブプロンプトが使えるのは、項目を宣言しているモデルだけです。それ以外では、入力した内容はすべて描写として読まれます。「透かしなし、文字なし」は、透かしと文字を名指しする文です。代わりに肯定形で書きましょう。「帽子なし」ではなく頭に何があるかを、「ぼけていない」ではなく何がシャープで、背景がどれくらいの速さでぼけていくかを書きます。

不要な要素が何度試しても残るなら、引き直しはやめましょう。手元のフレームを参照画像として編集モデルに渡し、変更点だけを書きます。指示は短くなり、リクエストの種類も変わります。参照画像を読むモデルはカタログに表示されています。文章では伝えきれない情報を添付がどう運ぶかは、キャラクターの一貫性を保つで扱っています。

言葉では買えないもの

動画は同じ欄により多くを求めます。クリップはワンテイクで描画されるので、文はフレームに加えて動きとカメラも運ばなければなりません。省かれがちなのはカメラで、書かなければモデルが代わりに選びます。画像から動画への受け渡しは静止画から動画へで、同じ流れをスクリプトで動かす方法はコードからAPIを呼び出すで扱っています。

どんな言い回しでも買えないのは、ルールの抜け道です。プロンプトには自動チェックがひとつかかり、引っかかったリクエストは実行前に拒否されるので、費用はかかりません。見ているのは口調ではなく中身なので、同じ内容を別の言葉で包み直しても、規約が認めない内容が認められるようになることはありません。線引きは許可される内容とブロックされる内容にまとめています。