AI美女を生成！Stable Diffusionの呪文（プロンプト）完全ガイド

はじめに

なんとかStable Diffusionを使えるようにはなったけど、生成される画像がイマイチ・・・という悩みはありませんか？

クオリティの高い美少女・美女画像を生成するためには、プロンプトを使いこなす必要があります。

プロンプトとは、AIに生成してほしい画像の内容や特徴を伝えるための命令のようなもので、適切なプロンプトを入力することで、望み通りの画像を生成することができます。

プロンプトは呪文と呼ばれることも多く、まさに魔法の言葉のような役割を果たします。

この記事では、AIで美女画像を生成するためのプロンプトテクニックについて、基本から応用まで解説していきます。

プロンプト作成ツールの紹介

プロンプトをいちいち入力するのが面倒になって、簡単にプロンプトを作成できるツールを作ってみました。

便利で楽ちんなので、使ってみてください。

プロンプトの基本

プロンプトは、Stable Diffusionに生成してほしい画像の内容や特徴を伝えるための、カンマ区切りのキーワードや短い英語の文章です。良いプロンプトを作成することが、望み通りの画像を生成するための鍵となります。

プロンプトの基本的な構成要素は以下の通りです。

以下は、着物を着た日本人女性の画像を生成するためのプロンプトの例です。

Japanese woman, (kimono:1.2), beautiful face, long black hair, traditional Japanese garden, cherry blossom, masterpiece, high quality

生成結果

このように、プロンプトを作成する際は、生成したい画像の内容や雰囲気を表す英語のキーワードを選び、それらを適切な順番で配置し、必要に応じて重み付けを調整することが重要です。

プロンプトのキーワード選び

よく使われるキーワードのカテゴリー

プロンプトを作成する際に重要なのが、適切なキーワードを選ぶことです。以下は、人物の画像生成によく使われるキーワードのカテゴリーと、その基本的な並び順です。

これらのカテゴリーからキーワードを選び、組み合わせることで、望みの画像を生成することができます。

ただし、この並び順は絶対的なものではありません。生成したい画像のコンセプトや重要な要素に応じて、キーワードの順番を柔軟に変更することが重要です。

カテゴリーごとの主なキーワード

プロンプトを作成する際に使われるキーワードは、大きく以下のカテゴリーに分類されます。ここでは、各カテゴリーによく使われるキーワードと、その使い方のコツを詳しく説明します。

1. 人物

描かれている人は誰なのか？を指定します。人物を指定するキーワードには、性別、年齢、国籍などが含まれます。プロンプトのベースとなります。

これらのキーワードを組み合わせることで、様々な人物像を表現できます。

elderly Japanese man
（日本人の老人男性）

young European woman
（若いヨーロッパ人女性）

2. ポーズ・構図

ポーズと構図に関するキーワードは、人物の配置や画像の全体的な構成を決定します。

これらのキーワードを適切に組み合わせることで、ダイナミックなポーズや印象的な構図を表現できます。

running side view
（走っている横からの視点）

close up from above
（上からのクローズアップ）

3. 服装

服装に関するキーワードは、人物の衣装を指定するために使用します。

服装のキーワードは、色や柄、スタイルなどを組み合わせて使うことで、より具体的な衣装を表現できます。

fashionable red suit, white shirt
（おしゃれな赤いスーツと白いシャツ）

casual blue jeans, white t-shirt
（カジュアルな青いジーンズと白いTシャツ）

4. 髪型

髪型のキーワードは、人物の髪の長さ、色、スタイルを指定するために使用します。

髪型のキーワードも、長さ、色、スタイルを組み合わせて使うことで、様々な髪型を表現できます。

long straight blonde hair
（長くてストレートのブロンドの髪）

braid pink hair
（編み込みしたピンクの髪）

5. 表情

表情のキーワードは、人物の感情や雰囲気を表現するために使用します。

表情のキーワードは、人物の感情を直接的に表現できるため、画像の雰囲気を大きく左右します。

happy laughing
（幸せそうに笑っている）

serious thoughtful
（真剣に物思いにふける）

6. 背景

背景のキーワードは、画像の舞台となる場所や環境を指定するために使用します。

背景のキーワードは、場所や環境に加えて、時間帯や天候、季節などを組み合わせることで、より具体的な背景を表現できます。

rainy night city street
（雨の夜の都会の通り）

sunny beach in summer
（夏の晴れたビーチ）

7. カメラフォーカス・光源

カメラフォーカスと光源のキーワードは、画像の技術的な側面を調整するために使用します。

これらのキーワードを適切に使用することで、画像の雰囲気や印象を大きく変えることができます。

shallow focus with soft lighting
（浅い被写界深度とソフトな照明）

high contrast with rim lighting
（輪郭を強調したハイコントラストな照明）

8. クオリティ

クオリティのキーワードは、生成される画像の品質や芸術性を指定するために使用します。高品質な画像を生成するためによく使われるキーワードには以下のようなものがあります。

これらのキーワードを適切に組み合わせることで、驚くほど高品質でリアルな画像を生成することができます。

例えば、夜の街並みの画像を生成する場合は、以下のようなプロンプトが効果的でしょう。

city street, night, neon lights, bokeh, depth of field, people walking, japanese woman, casual wear, long hair, smiling, high quality

街並み、夜、ネオン、ボケ、被写界深度、歩く人々、日本人女性、カジュアルウェア、ロングヘア、笑顔、高画質

このように、背景とカメラフォーカス・光源を先に記述することで、夜の街並みの雰囲気を優先的に設定しています。

また、ポートレート写真のように人物に重点を置く場合は、以下のような順番が良いかもしれません。

Japanese woman, close-up, serious expression, summer dress, elaborate hairstyle, soft lighting, high quality, blurred background

日本人女性、クローズアップ、真剣な表情、サマードレス、凝ったヘアスタイル、柔らかい照明、高画質、背景ぼかし

ここでは、人物とその表情、服装、髪型を先に指定し、背景は最後に記述しています。

以上が、プロンプトで使われるキーワードの主なカテゴリーと、その使い方のコツです。これらのキーワードを効果的に組み合わせることで、より詳細で印象的な画像を生成することができます。

ただし、キーワードの組み合わせ方には明確なルールがあるわけではありません。試行錯誤を繰り返しながら、自分なりのベストな組み合わせを見つけていくことが大切です。

また、他の人が作成したプロンプトを参考にすることも、キーワードの組み合わせ方を学ぶ上で役立つでしょう。

ネガティブプロンプト

ネガティブプロンプトは、生成された画像に含まれてほしくない要素を指定するために使用します。

つまり、通常のプロンプトが「画像にこれを含めてほしい」と指示するのに対し、ネガティブプロンプトは「画像にこれを含めないでほしい」と指示するものです。

ネガティブプロンプトを適切に使用することで、望まない要素を排除し、より意図に沿った画像を生成することができます。以下に、よく使われるネガティブプロンプトの例をいくつか紹介します。

画質に関係するもの

これらのネガティブプロンプトを使用することで、低品質な画像や、ぼやけた画像、ノイズの多い画像などを排除することができます。

構図や描写に関係するもの

これらのネガティブプロンプトを使用することで、構図が崩れた画像や、解剖学的に不自然な画像、醜い画像などを排除することができます。

不適切なコンテンツに関係するもの

これらのネガティブプロンプトを使用することで、職場で見るには適切でない画像や、ヌード、性的な表現、暴力的な表現、グロテスクな表現などを含む画像を排除することができます。

ネガティブプロンプトは、通常のプロンプトとは別に指定します。例えば、以下のようにプロンプトとネガティブプロンプトを組み合わせることができます。

Japanese woman, kimono, beautiful face, high quality, masterpiece

low quality, bad anatomy, nude, disturbing, poorly drawn, out of frame, deformed, blurry, noisy, pixelated, compressed, artifacts, ugly, distorted, disfigured, mutated, abnormal proportions, unnatural poses, wrong perspective, inconsistent lighting, overexposed, underexposed, no shadows, no highlights, flat shading, extra limbs, missing limbs

ネガティブプロンプトを使いこなすことで、意図しない要素を含む画像の生成を防ぎ、より望みに沿った画像を得ることができるでしょう。

よく使うプロンプト一覧

Stable Diffusionでは、様々なカテゴリーのプロンプトを組み合わせることで、自分の理想とする画像を生成することができます。

ここでは、人物に関してよく使われるプロンプトを、カテゴリー別に一覧表で紹介します。この一覧を参考にして、自分だけのプロンプトを作成してみてください。

画質

人物

美少女を生成するためには、”idol”、”actress”、”K-pop idol”などのプロンプトも有効です。

ポーズ

構図

服装

髪型

アクセサリー、小物等

表情

背景

照明

この一覧表を参考に、自分なりのプロンプトを組み合わせて、理想の画像を生成してみてください。また、この一覧にないキーワードを組み合わせることで、オリジナリティあふれる画像を作り出すことも可能です。

ChatGPTを利用する

プロンプトの幅を広げるために、様々なバージョンや言葉遣いに修正するのは大変です。その場合はChatGPTを利用してみましょう。

以下がそのプロンプトです。

あなたは世界最高のプロンプトエンジニアです。Stable Diffusionで画像を生成するためのプロンプトを修正してもらいます。
以下がその修正前のプロンプトです。
*****
prompt:
(masterpiece), (high resolution 8K), photo realistic, 20 years old Japanese woman, sitting, portrait, from front, t-shirt, necklace, braid, red hair, smile, looking at viewer, in the cafe, daytime, soft lighting, shallow focus, blurry, detailed eyes and face, detailed body
*****
以下の条件のもとで修正を実行してください。
*****
- プロンプトは文章ではなく、", "で単語を区切った一連のテキストとし、厳選した単語とするようにしてください。
- プロンプトは基本的に名詞と動名詞で構成され、「画像に何が見えているか？」を詳細に記述するようにします。
- 女性の人物像や舞台となるカフェの細部がより詳細になるように、プロンプトの単語を追加、入れ替えしをして膨らませます。
- 画像を見た人が感動するような、芸術的な深みがあるようになる結果につながるプロンプトとしてください。

最初のプロンプト

ChatGPTの添削後

人物や小物や背景など、それぞれのディテールが細かく描かれるようになりました。照明効果も雰囲気のあるいい感じに変更されています。

画像生成サービスを使う

今すぐに画像生成を試してみたい場合は、以下のサービスを使ってみてください。

nsfw（職場閲覧注意）的なサービスですが、通常の画像も生成可能です。