Ideogram 4 スキル
Ideogram 4（9.3B、オープンウェイト、2026年6月リリース）を使用したテキストから画像生成。その強みは画像内テキストレンダリングにおけるクラス最高の性能 — より大規模なモデル（FLUX.2 dev 32B、Qwen-Image 20B、Hunyuan 80B）を上回る、明瞭な看板、ロゴ、キャプション、複数行テキストのレンダリング — に加えて、正確なカラーパレットとバウンディングボックス制御です。
そのアドバンテージは構造化JSONキャプション形式に閉じ込められています。平文のプロンプトではFLUXレベルの結果しか得られず、このモデルを使う意味が半減します。このスキルは、Claude を「マジックプロンプト」エキスパンダーとして機能させ、ユーザーのカジュアルなリクエストを、Ideogram 4 がトレーニングされた JSON キャプションに変換する方法を教えます。
バックエンド： このツールキットは、Ideogram のホスト型 v4 API（セルフホスト型ウェイトではありません）を使用します。API は構造化
json_promptを受け付けるため、このスキルで教えるすべてが直接適用されます — Claude がキャプションを構築し、ツールがそれをjson_promptとして投稿します。有料 API プランには商用ライセンスが含まれており、セルフホスト可能なウェイト（非商用）には含まれていません — そのため API を使用します。コストは画像あたり約 $0.03（ターボ）から $0.10（高品質）です。
このスキルを使用するタイミング
画像に以下の要素が必要な場合は、Ideogram 4（FLUX.2 の代わりに）を選択してください：
- 画像内の判読可能なテキスト — タイトルカード、サムネイル、ローワーサード背景、看板、ロゴ、引用カード、見出しが埋め込まれたCTA
- 正確なブランドカラー — 要素ごとの16進数カラーパレット条件付け
- 制御されたレイアウト — バウンディングボックスによる特定領域へのテキスト/オブジェクト配置
- 画像内の多言語テキスト
代わりに FLUX.2 を使用するのは：画像に重要なテキストがない場合、商用ライセンス出力が必要な場合、または高速な雰囲気背景だけが必要な場合です。FLUX は平文の自然言語プロンプトを受け付けます。Ideogram は JSON を必要とします。tools/flux2.py を参照してください。
唯一正しく行うべきこと
常に構造化JSONキャプションを出力し、平文の文は出力しないでください。 このモデルは、すべての要素を明示的に名前付けるJSONキャプションのみでトレーニングされています。Claude は、Ideogram の無料ホスト型マジックプロンプト（彼らのドキュメントによると、出荷されたものは「本番環境で使用されるものと同じではない」）よりも優れたエキスパンダーであるため、生のテキストを渡す代わりに、このスキルを使用して自分でキャプションを構築してください。
最小限の有効なキャプション：
{"high_level_description":"静かな水面での夕日の帆船。","style_description":{"aesthetics":"穏やかで、暖かく、ゴールデンアワー","lighting":"ゴールデンアワーの逆光","photo":"広角、f/8","medium":"写真","color_palette":["#FF6B35","#F7C59F","#004E89"]},"compositional_deconstruction":{"background":"地平線が低い穏やかな海と、オレンジピンクの空。","elements":[{"type":"obj","desc":"沈む太陽を背景にシルエットになった白い三角帆。"}]}}
完全なスキーマ、厳密なキー順序ルール、bbox座標系は prompting.md にあります。タイトルカード / サムネイル / 引用カードの実例は examples.md にあります。
クイックリファレンス — tools/ideogram4.py
Ideogramのホスト型v4 APIのシンラッパー。
.envにIDEOGRAM_API_KEYが必要（developer.ideogram.ai から取得したキー）。--jsonはキャプションをAPIのjson_promptフィールドとして投稿します（サーバー側のマジックプロンプトはなし — Claude がエキスパンダーです）。--promptはtext_promptを投稿します。
# 手書きのJSONキャプション（テキスト/レイアウトに推奨されるパス）— Claude が caption.json を書く
uv run tools/ideogram4.py --json caption.json --output title.png
# 標準入力からのキャプション（Claude が直接パイプできる）
cat caption.json | uv run tools/ideogram4.py --json - --output title.png
# 平文プロンプト — Ideogram のサーバー側マジックプロンプトが展開する（弱い；--json を推奨）
uv run tools/ideogram4.py --prompt "タイトルカード：'AI ENGINEERING REVIEW' 太字白、暗い背景に" --output title.png
# ブランドの16進数カラーをキャプションのパレットに注入（JSONモード）
uv run tools/ideogram4.py --json caption.json --brand digital-samba --output cta.png
# 品質段階 + 解像度
uv run tools/ideogram4.py --json caption.json --speed QUALITY --resolution 2048x2048 --output slide.png
Ideogram 4.5（オプトイン）
--model 4.5 は、同じフラグを v2 API（POST /v2/image/generate/ideogram-4-5、v1 呼び出しと同様にマルチパート）の Ideogram 4.5 に送信します。実際に実行されています：JSON キャプションはほぼ完璧なテキストをレンダリングします。平文プロンプトは意味不明なフィラーテキストを追加するため、4.5 には常に JSON キャプションを送信してください。Ideogram 4 がデフォルトのままなのは、4.5 のサイズが 32 の倍数である必要があり、正確な YouTube 1280x720（/thumbnail はそのために 4.0 を使用）が除外されるためです。
uv run tools/ideogram4.py --model 4.5 --json caption.json --speed QUALITY --resolution 1440x2560 --output card.png
-
プロンプト： 両方のモードで 4.5 の単一の
promptフィールドに入ります。--jsonはキャプションをコンパクトJSONとして送信します。4.5 は Ideogram 4 のキャプション形式を読み取り、有効なキャプションはサーバー側のマジックプロンプトをスキップします。--promptテキストは v1 と同様にマジックプロンプトによって展開されます。 -
--speedはqualityにマッピングされます： TURBO、DEFAULT、QUALITY は Ideogram 4 と同じ価格で、FLASH（Ideogram 4 の価格はありません）は低価格にマッピングされます（Ideogram の価格表、2026-10-12 確認；1K と 2K のサイズは同じ価格）：--speed4.5 quality画像あたりの価格 FLASH, TURBO low$0.03 DEFAULT（デフォルト） medium$0.06 QUALITY high$0.10 4.5 の
very_low段階はソース画像を必要とするため、ツールはこれを送信しません。--model 4の場合、FLASH はそのまま送信されますが、Ideogram のドキュメントによると現在 HTTP 400 を返します。 -
--resolutionはsizeとして送信されます：auto、または WIDTHxHEIGHT で、両辺が 32 の倍数で少なくとも 256px、合計で最大 2048x2048 ピクセル、アスペクト比は最大 6:1。省略すると Ideogram がプロンプトからサイズを選択します。ツールは API 呼び出し前にこれらのルールをチェックし、サイズがルールを破っている場合は終了コード 2 で終了します。1440x2560（9:16 カードサイズ）と2048x2048はパスします。6 つの Ideogram 4 プリセットはパスせず、エラーは代替を提案します：720x1280（1440x2560）、1280x720（2560x1440）、720x1440（1440x2880）、1440x720（2880x1440）、1296x3168（1280x3072）、3168x1296（3072x1280）。ソース画像がない場合、Ideogram は公開されていないサポートされている 1K/2K プリセットのいずれかも必要とするため、チェックを通過したサイズでも HTTP 400 が発生する可能性があります。
主要ファイル
prompting.md— 完全なJSONスキーマ、厳密なキー順序、bbox座標系、パレットルールexamples.md— タイトルカード、サムネイル、引用カード、ブランドCTAの実例キャプション
ビデオ制作との適合性
ツールキットにおける Ideogram 4 のニッチは、テキストが埋め込まれたスライドとサムネイルであり、FLUX や LTX-2 は失敗します（両方とも意味不明なテキストをレンダリングします）。自然な組み合わせ：
| ユースケース | Ideogram 4 の理由 |
|---|---|
| 見出しテキスト付きのタイトルカード／CTA背景 | 1パスで判読可能なテキスト＋正確なブランド16進数カラー |
| キャッチフレーズを含むYouTube／ソーシャルサムネイル | 大きな読みやすいテキストが最大の強み |
| 引用カード／統計カード | 複数行テキスト＋bboxによるレイアウト制御 |
| プロダクトデモシーン内の看板／ロゴ | 他のモデルではレンダリングできない画像内テキスト |
その後、静止画を Remotion（<OffthreadVideo>/Img）に取り込むか、tools/ltx2.py --input でアニメーション化します。