画像プロンプトの作成
目的：平易な言葉による希望を、1回のパスで、被写体、スタイル、技法を分離した1つのプロンプトに変換する。
fokus-KI の「Prompts für KI-Bilder」（2026年4月）に基づき、ここで実際に使用しているモデル（Z-Image-Turbo、FLUX.2 Klein、SDXL）の制約に合わせて拡張。
読み込むタイミング
- 「〜の画像を生成して」、「〜のプロンプトを書いて」
- 結果が期待と異なり、プロンプトをシャープにしたいとき
- 最初の画像生成前で、リクエストが被写体しか指定していないとき
対象外：設定とツールの選択（生成スキル）、保管庫への保存（アセットスキル）、SVG からのグラフィック。
6つの構成要素
順序が重要：モデルは先頭をより重視する。被写体はスタイルより前、スタイルは技法より前。
| # | ブロック | 質問 | 例 |
|---|---|---|---|
| 1 | 画像タイプ | 写真、イラスト、3D、絵画？ | 写真的（photorealistic）、フラットベクターイラスト（flat vector illustration）、3Dレンダリング（3D render） |
| 2 | 主被写体（Main subject） | 何を、どのような特徴で？ | サバトラ猫、緑色の目、見上げている |
| 3 | 設定 | どこで、どのような小道具で？ | 窓枠、後ろにぼやけた庭 |
| 4 | 時間／光 | 時刻、季節、光源 | 早朝、左からの暖かいサイドライト |
| 5 | スタイル | アーティスト、時代、雰囲気、パレット | グスタフ・クリムト風、金色のトーン、落ち着いた |
| 6 | 技法 | 視点、ディテールレベル、構図 | クローズアップ、浅い被写界深度、三分割法 |
ルール：1と2は必須、3～6は任意。 リクエストがサポートしていないのに6つすべてを埋めると、恣意的な画像になる。具体的な4ブロックは、あいまいな6ブロックより優れている。
テンプレート
<画像タイプ> of <2～3の特徴を持つ被写体>, <設定>, <光>,
<スタイル/雰囲気/色>, <視点/ディテール/構図>
例：
写真的：静かな池のそばにある伝統的な日本茶室、 満開の桜、柔らかな夕方の光、暖かなアースカラー、 やや高い位置からの視点、水面の反射、落ち着いた瞑想的な雰囲気。
1文で、キーワードの羅列ではない。句読点とカンマで十分な重み付けができる。3つのモデルのいずれも括弧、::、--ar を理解しない。
長さと言語
- 中核は15～50語。 それ以上長いと注意が拡散し、従属節に注意が向く。
- 英語が安全なデフォルト。 スタイル用語（
golden hour、volumetric light、shallow depth of field）やアーティスト名は訓練データの大半が英語であり、翻訳はニュアンスを逃すことが多い。 - ドイツ語も多言語テキストエンコーダーを備えたモデルでは、被写体や空間記述に使用可能。SDXL または FLUX クラスのモデルでは、疑わしい場合は翻訳する — ドイツ語のスタイル用語はそこで効果が薄れる可能性がある。
- 混在させない。 半ドイツ語、半英語の文は一貫性を損なう。プロンプトは1言語で。
- 未確定： これらのモデルで同じシードに対するドイツ語と英語の比較はまだ測定されていない。それまでは英語をデフォルトとし、ドイツ語のプロンプトが明らかに劣る場合は、ステップ数ではなく先に言語を変更する。
ネガティブプロンプト：フィールドが存在する場合のみ
| ツールファミリー | ネガティブプロンプト | アプローチ |
|---|---|---|
| SDXL | あり | そこに希望を記述：text, watermark, extra fingers, blurry, deformed |
| Z-Image、FLUX | なし | 否定を肯定的に言い換える：「テキストなし」→ 文字のないきれいな表面（clean surface without lettering） |
肯定プロンプト内の「〜がない」は、しばしば逆効果になる：モデルは否定ではなく名詞を読む。
反復改善：1回の実行で1つの変数
- 最初の実行 は低いステップ数で行い、シードをメモする。
- 発見事項を具体名する — 画像を再説明しない：「蒸気がない」は発見だが、「見た目が良くない」は違う。
- 正確に1つの変更 — 被写体の追加、スタイル、またはステップ数。シードは維持する。そうしないと比較が無意味になる。
- 目に見える欠陥がある場合のみ2回目の実行。 疑わしいからといって微調整しない。
- 細かいディテール（蒸気、煙、文字）には、まずステップ数を増やし、プロンプトを長くしない。
モデルが確実に実行できないこと
| 希望 | 現実 | 回避策 |
|---|---|---|
| 画像内の読み取り可能なテキスト | 文字が溶ける、特に6文字未満の場合 | 後でテキストを設定する（SVG、レイアウトツール） |
| 手、指、歯 | 数と形がしばしば間違っている | 手の部分をトリミングする |
| 正確な数（「ろうそく3本」） | 時々2本、時々4本 | 画像内で数える、それ以外はシードを変更する |
| 時代（「1750年」、「江戸」） | 年は特徴ではない — 背景に電線、金属、ソーラールーフ、コンクリートが現れる | 素材 で時代を指定する：「すべての屋根は、稲わらまたは暗い杉のこけら葺き」、「手彫りの木の柱」、「未舗装の道路」 |
| ブランドロゴ、実在の顔 | ぼやけたり歪んだりする | 狙わない；権利と肖像権 |
| 文中の「4K」、「16:9」 | スタイルワードとして読まれ、測定値として読まれない | ツールで width/height を設定する |
送信前のチェックリスト
- 被写体は最初の10語以内にあるか？
- 画像タイプとスタイルは別々に指定されているか？（「素敵な写真」ではない）
- スタイル用語は最大1つ、光の方向は1つ、または意図的に2つあるか？
- 肯定プロンプト内に否定はないか？
- 50語未満で、ツールがすでに設定する数値を含んでいないか？
- 全体で1言語か？
失敗モード
| 症状 | 原因 | 修正 |
|---|---|---|
| 被写体が欠け、風景が支配的 | 設定が先頭にある、または長すぎる | 被写体を先頭に移動し、設定を5語に削減 |
| 画像が恣意的で、「ストックフォト」のよう | 形容詞のみでスタイルがない | 具体的なスタイルまたはアーティストを1つ指定 |
| すべてがシャープで平面的 | 視点と光がない | クローズアップ または やや高い位置 と1つの光の方向を追加 |
| 色味が漂う | 2つのスタイル方向が競合 | 1つのパレット、1つのスタイル |
| テキストが落書きのように表示される | プロンプト内のテキスト希望 | 削除し、後でテキストを設定 |
| 小さな編集にもかかわらず結果が大きく変化 | シードまたはステップ数が変更された | シードを固定し、ステップ数を一定に保つ |
| 背景に電柱、電線、またはソーラールーフ | 年では時代を制御できない；モデルが訓練データからインフラを補完する | 素材を肯定的に指定する（「すべての屋根は稲わらまたは暗い杉のこけら葺き」、「手彫りの木の柱」） — 「電線なし」ではなく、そして被写体だけでなく背景も確認する |