画像生成 AI を実写とアニメで比較 同じプロンプトで 6 モデルの得意と苦手を見る

実写の写真と、アニメやイラストの絵では、向いている画像生成 AI は違うのでしょうか。人物・料理・セル画風のアニメ・水彩の 4 つのお題を 6 つのモデルに渡し、先に決めた 24 のチェック項目で数えました。今回の 4 つのお題・1 回ずつの結果では、6 つとも指定した絵柄で描き、人物を描いた 12 枚で、手の指の数の誤りは 1 つもありませんでした。差が出たのは、数・位置・左右といった指示の守り方です。

結果の早見

• 合計の 24 と 23 の差は 1 項目です。23 の 3 つが外れた所は、どれも別のお題の 1 か所でした。
• Civitai の 15 は、英語の単語の文と、選んだ絵柄のモデルで作った結果です。渡した文が違うので、ほかの 5 つと並べた順位としては読めません。
• 外れた項目は、6 つのモデルを合わせて 17 です。そのうち 15 は、数・位置・左右・しぐさなどの指示でした。残りは、フォークの形の破綻(Civitai)と、服に入った字のような形(Gen-4 Image)です。

比べ方

比べたモデル

• OpenAI の説明では、GPT Image 2.5 Sunburst は、文章と画像の入力から画像を生成・編集するモデルです。
• Google は、Nano Banana Pro を「もっとも複雑な視覚の作業のための、上位の選択肢」、Nano Banana 2.1 を「Nano Banana 2 を更新した、画像の生成の効率のよい主力のモデル」と説明しています。
• Grok の公式ドキュメント(docs.x.ai)の画像の生成のページでは、モデルの名前は grok-imagine-image-2.0 です。Runway は、Gen-4 Image を「Runway の画像生成のモデル」と説明しています。
• Midjourney は YOBITSUGI AI で呼べないため、今回は作っていません。

Civitai は、絵柄のモデルを選んで使う

Civitai は、作者が公開している絵柄のモデルを選んで、画像を作れるサービスです。Civitai の学習用のページは、モデル(チェックポイントとも呼びます)を画像生成の「頭脳」と説明し、汎用のモデルと、特定の画風や題材に特化したモデルがあると書いています。そのため、Civitai だけは、お題に合わせてモデルを選びました。

• 実写のお題: Juggernaut XL(作者 KandooAI・SDXL という系統)です。YOBITSUGI AI が、何も指定しないときに使うモデルです。
• アニメ・イラストのお題: One obsession(作者 maxfeifei8・Illustrious という系統)です。モデルのページのタグに anime が付いています。

One obsession は、決まりに沿って選びました。Illustrious の系統で、商用の絵に使えると表示されたチェックポイントを、ダウンロードの多い順に並べます。その上から順に見て、作者の説明に、できた絵の商用利用を制限する文が無い最初のモデル(3 番目)です。

最初の決まりは「1 番目を使う」で、1 番目の Nova Anime XL で 2 枚を作りました。そのあとで作者の説明を読むと、「加工していない絵は、商用に使えない」という意味の文がありました。2 番目の Nova Furry XL にも、同じ文があります。そこで、Nova Anime XL の 2 枚は絵を見ずに外し(載せず、点にも入れていません)、決まりを上のように変えて選び直しました。

Civitai に渡した英語の文と、設定

• お題 1: photo, realistic, fictional person, 1 woman, Japanese woman in her 30s, black bob hair, yellow cardigan, sitting on a wooden park bench, daytime, right hand raised beside face, open palm facing camera, five fingers spread, left hand holding 1 red apple, green trees in background
• お題 2: food photo, realistic, wooden table by a window in the morning, view from diagonally above, 2 croissants on a white round plate, 1 clear glass of water to the right of the plate, 1 silver fork in front of the plate, sunlight coming from the left, shadows falling to the right
• お題 3: anime illustration, cel shading, anime coloring, original character, 1boy, solo, man about 20 years old, short red hair, green track jacket, standing in front of a fence on a building rooftop, holding 1 white paper airplane in right hand, peace sign with left hand, bold black outlines, flat color, one-tone shadows, blue sky, white cumulonimbus clouds
• お題 4: hand-painted watercolor illustration, traditional media, white watercolor paper with visible paper texture, soft pale colors, color bleeding, 1 calico cat sitting on the engawa veranda of a Japanese house, 1 potted blue morning glory with 3 flowers to the right of the cat, 1 red uchiwa fan lying to the left of the cat, white paper margin around the painting
• 出したくない物の欄(negative): YOBITSUGI AI は、何も指定しないと lowres, blurry, bad anatomy, extra fingers, watermark, text の 6 語を入れます。extra fingers は「余分な指」という意味です。今回は、お題で「入れない」と書いた物を、この後ろに足しました。お題 1 は logo、お題 2 は other food, other tableware, people、お題 4 は people, signature です。お題 3 は足す物が無いので、6 語のままです。
• 描き方の設定: YOBITSUGI AI の既定(Euler a・28 ステップ・CFG 6)です。Juggernaut XL のページがすすめる設定(DPM++ 2M SDE・30〜40 ステップ・CFG 3〜6)とは違います。
• 足していない物: One obsession のページは、masterpiece, best quality などの言葉を先頭に付ける書き方をすすめています。お題に無い言葉なので、今回は足していません。LoRA(画風や題材を足す小さなモデル)も使っていません。
• モデルの版と探し方: 使った版は、Juggernaut XL が Ragnarok、One obsession が 17_RED です。最初は anime という言葉でも探しましたが、0 件でした。言葉を外し、系統だけで探しています。

お題と、数え方

文は日本語で、Civitai のほかの 5 つには、一字一句そのまま渡しました。

• お題ごとに、チェック項目を 6 つ、絵を作る前に決めました。内訳はどのお題も、指示どおりか(物・数・色・位置)が 3 項目、形の破綻・絵柄・文字やロゴが 1 項目ずつです。
• 1 つの項目に条件が 2 つ以上あるときは、全部を満たしたときだけ ○ にしました。
• 「右」「左」は、見る人から見た画面の左右です。人物の「右手」「左手」は、本人の手で数えました。
• 絵柄の項目(写真・セル画風・水彩に見えるか)は、編集部の見立てです。
• 数えたのは編集部(Claude Code を使用)で、等倍と拡大の画像を見ました。

4 つのお題の文(全文)

1. 実写・人物: 架空の人物の、写真のようにリアルな写真。実在の人物には似せない。30 代の日本人の女性が 1 人、昼の公園の木のベンチに座っている。髪は黒のボブで、黄色いカーディガンを着ている。右手を顔の横に上げ、手のひらをカメラに向けて、5 本の指を開いている。左手には赤いりんごを 1 個持っている。背景は緑の木々。文字やロゴは入れない。
2. 実写・料理と光: 写真のようにリアルな、料理の写真。朝の窓辺の木のテーブルを、斜め上から撮った構図。白い丸い皿に、クロワッサンが 2 個のっている。皿の右に、水の入った透明なガラスのコップが 1 個ある。皿の手前に、銀色のフォークが 1 本置いてある。光は画面の左から入り、物の影は右に落ちている。ほかの食べ物や食器、人物、文字は入れない。
3. アニメ調(セル画風): セル画風のアニメ調のイラスト。既存の作品やキャラクターには似せない、オリジナルの人物。20 歳くらいの男性が 1 人、ビルの屋上のフェンスの前に立っている。髪は赤い短髪で、緑色のジャージの上着を着ている。右手に白い紙飛行機を 1 つ持ち、左手でピースサインをしている。黒くはっきりした輪郭線で描き、色は平らなべた塗りで、影は 1 段階だけにする。空は青く、白い入道雲がある。文字は入れない。
4. 手描きのイラスト(水彩): 手描きの水彩のイラスト。紙の目が見える白い水彩紙に、にじみのある淡い色で描く。日本の家の縁側に、三毛猫が 1 匹座っている。猫の右に、青い朝顔の鉢植えが 1 つあり、花は 3 輪咲いている。猫の左に、赤いうちわが 1 本置いてある。絵のまわりには、紙の白い余白を残す。人物、文字、サインは入れない。

お題ごとの結果

お題 1: 実写・人物

• 5 枚は、片手を開いて上げ、もう片方の手にりんごを持つ構図でした。Civitai(Juggernaut XL)は、りんごをのせた手をほおに当てる構図で、開いて上げた手がありません。
• 「右手を上げ、左手にりんご」の左右まで合っていたのは、GPT-Image-2.5 Sunburst・Nano Banana Pro・Grok Imagine 2.0 の 3 枚です。Nano Banana 2.1 と Gen-4 Image は、左右が逆でした。

• 開いた手は 5 枚にあり、5 枚とも指は 5 本でした。りんごを持つ手にも、余分な指やつながった指は見つかりませんでした。

お題 2: 実写・料理と光

• 白い丸い皿とクロワッサン 2 個は、6 枚とも描かれました。影が右に落ちる向きは、5 枚が指示どおりです。
• Grok Imagine 2.0 はフォークが皿の右に、Gen-4 Image はコップが皿の奥にあります。物の数は、どちらも指示どおりです。
• Civitai(Juggernaut XL)は、小皿とクロワッサン 1 個、カップと受け皿、2 本目のフォークを足しました。窓は右奥にあり、影は左の手前に落ちています。
• フォークの歯は、5 枚とも 4 本でそろっていました。Civitai の絵は、皿の上のフォークの歯の太さがそろわず、根元でつながっています。

お題 3: アニメ調(セル画風)

• 5 枚は、正面を向いた人物が、右手に紙飛行機を持ち、左手でピースサインをしています。立てた指は 5 枚とも 2 本で、余分な指はありませんでした。
• Civitai(One obsession)は、空と雲を大きく描いた、後ろ姿の絵でした。右手に紙飛行機を持っていますが、左手はにぎっていて、ピースサインがありません。顔とピースサインの手が見えないので、形の破綻は見えている範囲で数えました。
• Gen-4 Image は、上着の胸に、白い字のような形を描きました。「文字は入れない」の項目を × にしています。
• 絵柄は、6 枚とも、輪郭線と平らな塗りの絵でした(編集部の見立て)。

お題 4: 手描きのイラスト(水彩)

• GPT-Image-2.5 Sunburst・Nano Banana 2.1・Grok Imagine 2.0 の 3 枚は、指示をすべて守りました。Nano Banana Pro は、配置は指示どおりで、開いた花が 4 輪でした。
• Gen-4 Image は、家を遠くから描いた絵です。開いた花は 4 輪で、赤いのは折りたたむ扇子でした。扇子は猫の下の地面にあります。
• Civitai(One obsession)は、猫が寝そべって眠っています。朝顔の鉢は猫の左に 2 つあり、うちわは猫の顔の前にあります。
• 花の色は、測った色相が 202〜245 度で、6 枚とも青の範囲でした。
• 絵柄は、6 枚とも、にじみと紙の余白がある絵でした(編集部の見立て)。Gen-4 Image は線画が主で、にじみは壁などの一部です。

時間と料金

• 料金は、安い順に、Civitai 0.5、GPT-Image-2.5 Sunburst 2.4、Grok Imagine 2.0 7.0、Nano Banana 2.1 7.8、Gen-4 Image 8.8、Nano Banana Pro 24.4 クレジットでした(4 枚の平均)。
• 24 枚の合計は 203.9 クレジットです(外した Nova Anime XL の 2 枚の 1.1 クレジットは含みません)。GPT-Image-2.5 Sunburst の料金は、品質が medium のときのものです。
• 時間の平均は、Gen-4 Image が 25.2 秒、ほかの 5 つが 17.1〜18.6 秒でした(4 枚ずつ同時に作った記録)。

実写ならどれ、アニメならどれ

今回の 4 つのお題・1 回ずつの結果を、外れた項目の種類でまとめます。

• 実写の写真: 外れたのは、手の左右(Nano Banana 2.1・Gen-4 Image)と、コップやフォークの位置(Grok Imagine 2.0・Gen-4 Image)です。GPT-Image-2.5 Sunburst と Nano Banana Pro は外れが 0 でした。
• アニメ・イラスト: 外れたのは、朝顔の花の数(Nano Banana Pro・Gen-4 Image)と、扇子や胸の字のような形(Gen-4 Image)です。GPT-Image-2.5 Sunburst・Nano Banana 2.1・Grok Imagine 2.0 は外れが 0 でした。
• どちらでも: 実写だけ、アニメだけが苦手というモデルは見つかりませんでした。左右や数が大事な絵は、どのモデルでも、できた絵で確かめてください。
• 料金: GPT-Image-2.5 Sunburst(品質 medium)は 1 枚 2.4 クレジットで、外れは 0 でした。
• Civitai: 1 枚 0.5 クレジットで、絵柄のモデルを選んで使えます。英語の単語の文では、数・位置・左右などの指示は 12 項目のうち 4 項目でした。

絵の好みは数えていません。好みで選ぶときは、お題ごとの図の 6 枚を見比べてください。

気をつけること

• 1 回ずつの結果です。 同じ文でも、作るたびに違う絵になります。× の 17 か所も、作り直すと変わることがあります。
• 人物の絵は、使う前に確かめます。 お題には「架空の人物」と書きましたが、実在の人に似ていないかは、使う人が確かめる必要があります。
• 透かしが入るモデルがあります。 Google の説明では、Nano Banana で作った画像には、すべて SynthID という電子透かしが入ります。
• Civitai は、モデルごとに使ってよい範囲が違います。 Nova Anime XL のように、権利の表示と作者の説明が食い違うこともあります。One obsession は、作者の名前を出すことが条件です。使う前に、モデルのページの権利の表示と説明の両方を読んでください。
• 仕事で使う前に、各社の利用の決まりを確かめます。 頼んでいない字やロゴが入っていないかも、目で確かめてください。

まとめ

• 実写でもアニメ・イラストでも、6 つのモデルは指定した絵柄で描き、人物の 12 枚で指の数の誤りは 0 でした。差が出たのは、数・位置・左右などの指示です。
• 24 項目すべてを守ったのは GPT-Image-2.5 Sunburst で、23 の 3 つとの差は 1 項目でした。
• どれも 4 つのお題を 1 回ずつ作った結果です。使うときは、自分のお題で作って見比べるのが確実です。

絵の中の日本語の字は日本語の文字が崩れない画像生成 AI はどれ？で、GPT-Image-2.5 Sunburst と Nano Banana Pro の 10 のお題での違いはGPT-Image-2.5 と Nano Banana Pro、どっちがいい？で比べています。