GPT Images
入力: 平易な一言（1文で十分）。出力: 貼り付け可能な英語のプロンプト、選択されたサーフェス用の設定ブロック、そして実際に結果を変える2～3のレバー。
v1.0.0。自己完結型: このスキルは他のスキルに依存しません。
自分で生成してはいけません。 画像生成にはオペレーターの費用がかかります。プロンプトを生成し、そして依頼します。
ハードな数値（モデルID、サイズ、品質レベル、価格、制限）は references/official-spec.md にあります。記憶から引用せず、必ずファイルを読んでください。
ステップ 0: サーフェスを選ぶ
常に最初に行います。サーフェスがなければ設定ブロックはありません。
| サーフェス | いつ使うか | 提供するもの |
|---|---|---|
| ChatGPT アプリ（特に指定がない場合のデフォルト） | 手動作業、イテレーション、スケッチ入力、組み込みテンプレート | 平易な言葉でのプロンプト、APIパラメータなし |
OpenAI API（v1/images/generations、/edits、またはResponses APIツール） | スクリプト、パイプライン、透明背景、正確なピクセルサイズ | プロンプトに加えて model、size、quality、background、output_format |
| サードパーティホステッドサーフェス | GPT画像モデルを再販するプラットフォーム | プロンプトに加えて、そのプラットフォームのライブカタログが公開するもの。カタログを確認し、APIと一致することを想定しない |
ステップ 1: インプット、5つの項目
- 目的とチャネル。 これがサイズを決めます。ソーシャル投稿、記事カバー、印刷ポスターはそれぞれ異なるジョブです。
- 被写体。 フレーム内に実際にあるもの。特定の人物や製品を認識可能にする必要がある場合は、リファレンス画像が必要です。
- 画像内のテキスト。 引用符で囲んだ一字一句そのまま。言い換えではありません。
- モード。 フォトリアリスティックな写真、フラットデザイン、イラスト、3Dレンダリング、UIモックアップ。これがプロンプトの半分を決定します。
- 除外事項。 サードパーティのロゴ、透かし、ストックフォト的な見た目、余分なテキスト。
入力が不足していても停止する理由にはなりません。それを埋め、[ASSUMED] とマークして続行します。空のフォームをオペレーターに返すのは失敗です。
ステップ 2: モデルと品質
gpt-image-2.5-flareがデフォルトです。より高速で、日常的および大量の作業向けです。gpt-image-2.5-sunburstは、キャンペーン、同じスタイルのシリーズ、または1つの画像に対する数ラウンドの編集の場合に使用します。quality: 方向性を探っている間はlow、テキストを含むものにはhigh、高密度のタイポグラフィや情報パネル（2.5のみ）にはxhighまたはmax。2560x1440を超えると動作が不安定になります。4K成果物の場合は、2Kで生成し、専用ツールでアップスケールします。
ステップ 3: プロンプトの構造、7つのブロック
英語で記述します。画像内に表示する必要があるコピーは、元の言語のまま引用符で囲んで一字一句そのまま記載します。1つの長い段落ではなく、ラベル付きの短いブロック。
USE: <用途、1行: 「LinkedIn記事カバー、1920x1080」>
SUBJECT: <誰または何か、素材、形状、テクスチャ>
SCENE: <環境、背景、雰囲気>
COMPOSITION: <フレーミング、アングル、要素の配置、ネガティブスペース>
LIGHT & STYLE: <照明、媒体: フォトリアリスティック / フラットベクター / 3Dレンダリング / エディトリアルコラージュ>
TEXT: "<一字一句そのままのテキスト>" - <配置、サイズ、タイプスタイル>
AVOID: <絶対に表示してはいけないもの>
これが立脚するルール:
- フォトリアリズムは要求され、暗黙ではありません。
photorealisticと記述し、実際のテクスチャ（毛穴、細かい線、布地の摩耗）を追加します。洗練されたスタジオ設定を意味する言葉はそれを台無しにします。 - 画像内テキストは引用符またはALL CAPSで記述します。 難しい単語は一字一句つづり、
verbatim rendering, no extra charactersを要求します。 - 配置は明示され、暗示されません。
logo top-right、subject centered, negative space on the left third。 - 品質レバーは必要な場合のみ。
film grain、macro detail、textured brushstrokes。すべてを一度に使用しないでください。 - 特定のカメラボディとレンズは緩く解釈されます。 光学シミュレーションとしてではなく、全体的な外観のために使用します。
フォーマット別テンプレートは references/recipes.md にあります。障害モードとその修正は references/prompt-anatomy.md にあります。
ステップ 4: リファレンス
すべての入力画像に番号を付け、役割を与えます:
画像 1: 製品写真 - ボトルの形状、ラベル、色を正確に維持する。
画像 2: スタイルリファレンス - 照明とカラーグレーディングのみを採用し、被写体は無視する。
画像 2 のスタイルを画像 1 に適用する。画像 2 からオブジェクトをコピーしない。
editsエンドポイントは、最大16枚の入力画像（各50MB）を受け入れます。ホステッドサーフェスは通常それより少ないため、約束する前に確認してください。
ステップ 5: 既存画像の編集
生成とは異なる分野です。ルール: ラウンドごとに1つの変更と、毎回繰り返される保持リスト。
変更のみ: <1つのこと>
変更しない: 顔、体型、ポーズ、髪、表情、背景、フレーミング、
カメラアングル、照明、カラーグレーディング、レイアウト、既存のテキストすべて。
彩度やコントラストは変更しない。新しい要素は追加しない。透かしは入れない。
ラウンドを重ねるごとに結果が劣化する場合は、より長いプロンプトを書かないでください。クリーンなベースに戻り、小さな単一ステップの編集を続けてください。
ピクセルを保持する作業に生成を使用しないでください。シャープネス、キャンバス拡張、単一領域のレタッチ、トリミングには、画像の残りの部分を変更しない専用ツールがあります。完全再生成に頼ることは、良い画像を失う方法です。
ステップ 6: 提供するもの
常にこの順序で:
- プロンプト コードブロック内、完全版、1回のコピーアクション。
- 選択されたサーフェスの設定ブロック、有効な値のみ。
- 3つのレバー、最初の結果が外れた場合に備えて。具体的なもの、「もう一度違う方法で試す」ではありません。
- 生成を提案する。 プロンプトなしに生成してはいけません。
画像が生成された後:
- テキストを含む画像はすべて校正します。 バンドごとに読みます: タイプミス、クリップされた発音区別符号、壊れた配置、間違った事実。モデルは一目では正しく見えるが、3単語目で間違っているテキストをレンダリングします。
- 開示が必要な場合はAI生成コンテンツにラベルを付けます。 EUでは、合成画像、音声、動画コンテンツに対するAI法の透明性義務は2026年8月2日から適用され、出力が実在の人物、場所、製品、イベントを描写する場合に最も厳しくなります。オペレーターの法域とユースケースに何が適用されるかを確認してください。
境界
- 正確でなければならないタイポグラフィはモデルに適していません。 フォントは近似され、文字の形はずれます。形状を説明するか（
bold condensed geometric sans, all caps）、ここで画像を生成し、実際のレイアウトツールでタイプを設定します。 - ビデオモデルは別世界です。 それらのリファレンス構文、ショット構造、オーディオ処理は転用できません。画像プロンプトに混在させないでください。
- 既存のビジュアルを分析することは逆方向です: 画像入力、説明出力。このスキルは簡潔な指示入力、プロンプト出力です。