Gemini 2.5 Flash 画像生成で最高の結果を得るためのプロンプト作成方法

2025年8月28日

Philipp Schmid デベロッパーリレーションズエンジニア

Logan Kilpatrick グループプロダクトマネージャー

Alisa Fortin プロダクトマネージャー

Gemini 2.5 Flash Imageは、最新の、最速で、最も効率的なネイティブマルチモーダルモデルです。Gemini 2.5 Flashをユニークにしているのは、そのネイティブマルチモーダルアーキテクチャです。テキストと画像を単一の統合されたステップで処理するように、ゼロからトレーニングされました。これにより、単純な画像生成を超えた強力な機能、例えば、会話型編集、複数画像の合成、画像コンテンツに関する論理的推論などが可能になります。

以下は、実行できる主な機能です。

• テキストから画像: シンプルまたは複雑なテキストの説明から高品質な画像を生成します。

• 画像 + テキストから画像（編集）: 画像を提供し、テキストプロンプトを使用して要素を追加、削除、または変更したり、スタイルを変更したり、色を調整したりします。

• 複数画像から画像（合成とスタイル転送）: 複数の入力画像を使用して新しいシーンを合成したり、ある画像から別の画像にスタイルを転送したりします。

• 反復的な改良: 会話を通して、複数回にわたって画像を段階的に改良し、小さな調整を加えます。

• テキストレンダリング: ロゴ、図表、ポスターなどに最適な、明確で適切に配置されたテキストを含む画像を生成します。

このガイドでは、Gemini 2.5 Flashからより良い結果を得るためのプロンプトの書き方と指示の提供方法を説明します。それはすべて、1つの基本原則から始まります。

シーンを説明し、キーワードをリストアップするだけではありません。 モデルの最大の強みは、その深い言語理解です。物語的で記述的な段落は、断片的な単語の単純なリストよりも、常に優れた、より一貫性のある画像を生成します。 これらは、公式ドキュメントのコードを使用して試すか、Google AI Studioですぐに作成を開始できます。

テキストから画像を作成する

画像を生成する最も一般的な方法は、見たいものを記述することです。

1. 写実的なシーン

写実的な画像の場合、写真家のように考えてください。カメラアングル、レンズの種類、照明、細かいディテールなどを言及することで、モデルを写実的な結果へと導きます。

テンプレート:

[被写体]の写実的な[撮影方法]、[動作または表情]、[環境]に設定されています。シーンは[照明の説明]によって照らされ、[雰囲気]の雰囲気を作り出しています。[カメラ/レンズの詳細]で撮影され、[重要なテクスチャとディテール]が強調されています。画像は[アスペクト比]形式にする必要があります。

プロンプト例:

深い日焼けしたしわと温かく物知りな笑顔をした高齢の日本の陶芸家の写実的なクローズアップポートレート。彼は、新しく釉薬をかけた茶碗を注意深く検査しています。場所は、彼の素朴で日当たりの良い工房です。シーンは、窓から差し込む柔らかなゴールデンアワーの光によって照らされ、粘土の細かいテクスチャを際立たせています。85mmのポートレートレンズで撮影され、柔らかくぼやけた背景（ボケ）になっています。全体的な雰囲気は静かで熟練したものです。縦長のポートレート方向です。

出力例:

A photorealistic close-up portrait of an elderly Japanese ceramicist…

2. スタイル化されたイラストとステッカー

ステッカー、アイコン、またはプロジェクトのアセットを作成するには、スタイルを明確に指定し、必要であれば白い背景を要求することを忘れないでください。

テンプレート:

[特徴]と[カラーパレット]を備えた[被写体]の[スタイル]ステッカー。デザインは[線スタイル]と[シェーディングスタイル]にする必要があります。背景は白でなければなりません。

プロンプト例:

小さな竹の帽子をかぶった幸せなレッサーパンダのかわいいスタイルのステッカー。緑の竹の葉をかじっています。デザインは、太く、クリーンなアウトライン、シンプルなセルシェーディング、そして鮮やかなカラーパレットを特徴としています。背景は白でなければなりません。

出力例:

A kawaii-style sticker of a happy red panda…

3. 画像内の正確なテキスト

Gemini 2.5 Flash Imageは、画像内にテキストをレンダリングできます。必要なテキストを明確に記述し、フォントスタイルを記述し、全体的なデザインを設定します。

テンプレート:

[ブランド/コンセプト]の[画像の種類]を、[フォントスタイル]で「[レンダリングするテキスト]」というテキストを使用して作成します。デザインは[スタイルの説明]で、[配色]にする必要があります。

プロンプト例:

‘The Daily Grind’というコーヒーショップのモダンでミニマリストなロゴを作成します。テキストは、クリーンで太字のサンセリフフォントにする必要があります。デザインは、テキストとシームレスに統合されたコーヒー豆のシンプルなスタイル化されたアイコンを特徴としています。配色方法は白黒です。

出力例:

Create a modern, minimalist logo for a coffee shop called ‘The Daily Grind’…

4. 製品モックアップと商業写真

eコマース、広告、またはブランディングのためのクリーンでプロフェッショナルな製品ショットを作成します。

テンプレート:

[背景面/説明]にある[製品の説明]の高解像度、スタジオ照明による製品写真。照明は[照明設定、例：3点ソフトボックス設定]で[照明の目的]です。カメラアングルは[アングルタイプ]で[特定の機能]を強調表示します。超写実的で、[重要なディテール]にシャープな焦点が合っています。[アスペクト比]。

プロンプト例:

マットブラックのミニマリストなセラミックコーヒーカップの高解像度、スタジオ照明による製品写真で、磨かれたコンクリートの表面に置かれています。照明は、柔らかく拡散されたハイライトを作成し、厳しい影を排除するように設計された3点ソフトボックス設定です。カメラアングルは、クリーンなラインを強調表示するためのわずかに高い45度のショットです。超写実的で、コーヒーから立ち上る蒸気にシャープな焦点が合っています。正方形の画像。

出力例:

A high-resolution, studio-lit product photograph of a minimalist ceramic coffee mug…

5. ミニマリストとネガティブスペースデザイン

テキストを重ねる予定のウェブサイト、プレゼンテーション、またはマーケティング資料の背景を作成します。

テンプレート:

フレームの[右下/左上/など]に配置された単一の[被写体]を特徴とするミニマリストな構成。背景は広大で空の[色]のキャンバスで、大きなネガティブスペースを作成しています。柔らかく微妙な照明。[アスペクト比]。

プロンプト例:

フレームの右下に配置された、繊細な赤いカエデの葉を1枚だけ特徴とするミニマリストな構成。背景は広大で空のオフホワイトのキャンバスで、テキストのための大きなネガティブスペースを作成しています。左上から柔らかく拡散された照明。正方形の画像。

出力例:

A minimalist composition featuring a single, delicate red maple leaf…

6. 連続芸術（コミックパネル/ストーリーボード）

明確なシーンの説明に焦点を当てることで、ストーリーボード、コミックストリップ、またはあらゆる形式の連続芸術の開発に最適な、説得力のある視覚的物語をパネルごとに作成します。

テンプレート:

[アートスタイル]スタイルの単一のコミックブックパネル。前景には、[キャラクターの説明とアクション]。背景には、[設定の詳細]。パネルには、[ダイアログ/キャプションボックス]があり、テキスト「[テキスト]」が表示されています。照明は[ムード]のムードを作り出しています。[アスペクト比]。

プロンプト例:

高コントラストの白黒インクを使用した、荒々しいノワールアートスタイルの単一のコミックブックパネル。前景では、トレンチコートを着た探偵がちらつく街灯の下に立っており、雨は彼の肩を濡らしています。背景では、荒涼としたバーのネオンサインが水たまりに反射しています。「街は秘密を隠すには厳しい場所だった」というキャプションボックスが上にあります。照明は厳しく、劇的で陰鬱なムードを作り出しています。横長。

出力例:

A single comic book panel in a gritty, noir art style…

テキストを使用して画像を編集する

これは、Gemini 2.5 Flash Imageのマルチモーダル性が真に輝くところです。編集、合成、スタイル転送のために、テキストプロンプトとともに1つ以上の画像を提供できます。

1. 画像編集：要素の追加と削除

画像を提供し、変更したいことを記述するだけです。モデルは、元の画像のスタイル、照明、パースペクティブを分析して、編集を自然に見せ、一連の画像全体でキャラクターの一貫性を維持します。

テンプレート:

[被写体]の提供された画像を使用して、シーンに[要素]を[追加/削除/変更]してください。変更は[変更方法の説明]であることを確認してください。

プロンプト例:

私の猫の提供された画像を使用して、頭に小さくて編まれた魔法使いの帽子を追加してください。快適に座っていて、写真の柔らかい照明に合っているようにしてください。

入力と出力例:

2. インペインティング：特定の領域の編集

Gemini 2.5 Flash Imageに、画像の一部のみを編集し、残りの部分は完全にそのままにしておくように会話的に指示できます。

テンプレート:

提供された画像を使用して、[特定の要素]のみを[新しい要素/説明]に変更します。元のスタイル、照明、構成を維持しながら、画像内の他のすべてを完全に同じままにします。

プロンプト例:

リビングルームの提供された画像を使用して、青いソファのみをビンテージの茶色の革製のチェスターフィールドソファに変更します。ソファの枕や照明など、部屋の残りの部分は変更しないでください。

入力と出力例:

3. スタイル転送

写真を提供し、特定のスタイルまたは芸術運動でそのコンテンツを再現するようにモデルに依頼します。

テンプレート:

[被写体]の提供された写真を[アーティスト/アートスタイル]の芸術スタイルに変換します。元の構成を維持しますが、[スタイル要素の説明]でレンダリングします。

プロンプト例:

夜の現代都市の通りを写した提供された写真を、フィンセント・ファン・ゴッホの「星月夜」の芸術スタイルに変換します。建物や車の元の構成を維持しますが、渦巻くインパストの筆致と深い青と明るい黄色の劇的なパレットですべての要素をレンダリングします。

入力と出力例:

4. 高度な合成：複数の画像を組み合わせる

新しい合成シーンを作成するために、複数の画像をコンテキストとして提供します。これは、製品モックアップやクリエイティブなコラージュに最適です。

テンプレート:

提供された画像の要素を組み合わせて新しい画像を作成します。[画像1からの要素]を取り、[画像2からの要素]に/上に配置します。最終的な画像は[最終シーンの説明]になります。

プロンプト例:

プロフェッショナルなeコマースファッション写真を作成します。最初の画像から青い花のドレスを取り、2番目の画像の女性に着てもらいます。屋外環境に合わせた照明と影を調整して、ドレスを着た女性のリアルな全身ショットを生成します。

入力と出力例:

ベストプラクティス

構築する際に、画像生成に取り組むためのより多くのヒントを以下に示します。

• 非常に具体的になる: 詳細な情報を提供するほど、制御力が向上します。「ファンタジーアーマー」ではなく、次のように説明します。「銀色の葉の模様が刻まれた精巧なエルフのプレートアーマーで、高い襟とハヤブサの翼の形をしたポールドロンが付いています。」

• キャラクターの一貫性のずれを修正する: 多くの反復的な編集の後、キャラクターの特徴がずれ始めることに気付いたら、一貫性を維持するために、詳細な説明で新しい会話を再開できます。

• コンテキストと意図を提供する: 画像の目的を説明します。たとえば、「ハイエンドでミニマリストなスキンケアブランドのロゴを作成する」という記述は、「ロゴを作成する」という記述よりも優れた結果をもたらします。

• 反復して改良する: 最初に完璧な画像を期待しないでください。モデルの会話的な性質を利用して、小さな変更を加えます。「それは素晴らしいですが、照明をもう少し暖かくできますか？」や「すべてを同じままにして、キャラクターの表情をもっと真剣なものに変更してください。」などのプロンプトに従ってください。

• 「意味的なネガティブプロンプト」を使用する: 「車なし」と言う代わりに、目的のシーンを肯定的に説明します。「交通の兆候のない、空で人里離れた通り」。

• アスペクト比: 編集する場合、Gemini 2.5 Flash Imageは一般的に入力画像のアスペクト比を維持します。そうでない場合は、プロンプトで明示的に指定します。「入力画像を更新します…入力アスペクト比は変更しないでください。」アスペクト比が異なる複数の画像をアップロードする場合、モデルは提供された最後の画像のアスペクト比を採用します。新しい画像に特定の比率が必要で、プロンプトでは生成されない場合は、正しい寸法の参照画像をプロンプトの一部として提供するのが最適な方法です。

• カメラを制御する: 写真や映画の言葉を使用して、構成を制御します。ワイドアングルショット、マクロショット、ローアングルパースペクティブ、85mmポートレートレンズ、ダッチアングルなどの用語を使用すると、最終的な画像を正確に制御できます。

制限事項

モデルの開発と改善を継続する中で、改善すべき点について透明性を保つことを信じています。

Gemini 2.5 Flash Imageは強力で汎用性の高いツールですが、非常に微妙な要求で最初の試行で完璧さを達成するには、いくつかの反復が必要になる場合があります。複雑なタイポグラフィの生成や、複数の画像全体でのキャラクターの特徴の絶対的な一貫性の維持には、フォローアッププロンプトによる改良が必要になる場合があります。

これらの分野を積極的に改善しており、次世代の画像ツールの構築において皆様の創造性を高く評価しています。

次は何をしますか？作成を開始しましょう！

これで、Gemini 2.5 Flashを使用して素晴らしい画像を作成および編集するための基礎的なスキルが身につきました。改善するには、練習することが最善の方法です。旅を支援するリソースを以下に示します。

• Google AI StudioでGeminiを試す: このガイドの手法を試す最も簡単な方法は、Webベースのツールを使用することです。

• 公式ドキュメントを読む: Gemini 2.5 Flashの画像生成機能を独自のアプリケーションに統合したい開発者向けです。

• 価格を確認する: プロジェクトでGemini APIを使用してGemini 2.5 Flash Image生成を使用することに関連するコストを理解します。