中国語の描写を英語の画像プロンプトに：構造と--ar

中国語のままでも動くモデルはありますが、主要な画像ツールでは英語のプロンプトのほうが安定します。コツは長い1文にせず、主体・スタイル・構図・光・パラメータに分けることです。

構造化が効く場面

頭の中の画面は決まっているのに、ツールから出てこないとき、足りないのは語彙より構造であることが多いです。

中国語の段落をそのまま渡すと、モデルは名詞をいくつか拾うだけです。項目に分ければ、どこが伝わっていないかがわかります。

シリーズで同じ雰囲気を保ちたいとき。
構図、アスペクト比、カメラ角度を偶然に任せず指定したいとき。
特定の作家の作品を模倣せずに、近いスタイルを再現したいとき。

この順番で組み立てる

まず主体です。誰が・何が、何をしていて、何を着ているか、何でできているか。次に場所、媒体とスタイル、構図とレンズ、光、色、最後にパラメータを置きます。具体的なほうが伝わります。「女の子」より「コンビニの前で赤いレインコートを着た女の子」のほうが材料が多いです。

スタイルの指定は1〜2個に絞ります。10個並べると互いに打ち消し合います。Midjourneyでは--ar 16:9のように比率を指定し、パラメータは末尾にまとめます。ネガティブプロンプトはStable Diffusionなど対応するツールに書きます。文字の描画はまだ不安定で、看板の文字を期待するのは避けてください。

変えるのは一度に1つにして、何が効いたかを切り分けます。
光は曇天、ゴールデンアワー、強いフラッシュなど具体的に書くと、スタイル語より雰囲気が変わります。
学習データが英語中心のツールでは英語のほうが安定します。中国語が使えないという規則ではありません。
うまくいったプロンプトを保存し、そこから編集するほうが早いです。

限界

プロンプトで構図を完全に固定したり、手や文字を正確にしたりすることはできません。同じプロンプトでも結果は毎回変わります。商用利用の前にモデルのライセンスを確認してください。

Midjourney、Stable Diffusion、DALL·Eは同じ語句への反応が異なるため、一方で書いたプロンプトがそのまま他方で通用するわけではありません。

要素の位置を正確に決めたいときは、語を足すのではなく、image-to-imageや部分修正、合成を使います。
実在の人物やブランドを扱うときは、肖像権と商標の許諾を先に確認してください。

よくある質問

AI画像生成で中国語のプロンプトは使えますか？

使える場合も多く、中国語を得意とするモデルもあります。主要ツールで英語が安定するのは、学習時のキャプションが英語中心だからです。中国語で結果がぶれるときは、語を足すより構造を英語に訳すほうが効きます。

--arとは何ですか？

Midjourneyでアスペクト比を指定するパラメータです。--ar 16:9で横長、--ar 9:16で縦長になります。他のパラメータと一緒にプロンプトの末尾に書きます。

なぜ描写と全然違う画像が出るのですか？

スタイル語が多すぎる、主体が曖昧、アスペクト比が構図と合っていない、のいずれかが多いです。スタイルを1つに絞り、主体を具体的にし、一度に1つだけ変えてください。