テキストから画像へのプロンプトガイド - Alibaba Cloud Model Studio

このトピックでは、プロンプトの数式や辞書など、テキストから画像を生成するためのプロンプトの記述方法について説明します。これらを使用すると、画像作成をすぐに開始できます。

シナリオ:

Wan テキストから画像へ V2

プロンプトパラメータ

テキストから画像へのモデルには、プロンプトに関連する 2 つのパラメータがあります。

prompt: ポジティブプロンプト。中国語と英語の両方をサポートしています。生成したい画像をテキストで記述します。このトピックで説明されているガイドラインはすべて、このパラメータに関するものです。
negative_prompt: ネガティブプロンプト。画像に表示したくないコンテンツを記述します。

テキストから画像へ V2 では、LLM を使用したプロンプトの書き換えもサポートされています。

prompt_extend: インテリジェントプロンプトの書き換えを有効にするかどうかを指定します。デフォルトは true で、LLM によるインテリジェントな書き換えが有効になります。デフォルト値を使用することをお勧めします。

テキストから画像へ V2

{
    "input": {
        "prompt": "A flower shop with exquisite windows, beautiful wooden doors, and flowers on display", // 絶妙な窓、美しい木製ドア、そして展示されている花のある花屋
        "negative_prompt": "people" // 人
    },
    "parameters": {
        "prompt_extend": true
    }
}

効果的なプロンプトを書くのは簡単ではないことをすでにご存知かもしれません。このトピックでは、2 つのカテゴリのプロンプトテクニックをまとめており、プロンプトの記述方法を段階的に学習できます。

プロンプトの数式: さまざまな要件を満たすために、2 つのプロンプトの数式が用意されています。
プロンプト辞書: ショットサイズ、遠近法、レンズの種類、スタイル、ライティングの 5 つの主要な要素を通じて画像コンテンツを伝えます。

プロンプトの数式

プロンプトは、画像内のコンテンツを記述します。プロンプトが完全で正確でリッチであるほど、生成される画像の品質が高くなり、期待値に近づきます。初心者向けに、要件の異なる 2 つのプロンプトの数式を紹介します。

基本の数式

対象ユーザー: AI 作成を初めて試すユーザー、および AI をインスピレーションの源として使用するユーザー。シンプルで自由なプロンプトは、より想像力豊かな画像を作成します。

プロンプト = エンティティ + 環境 + スタイル

エンティティ: エンティティは、画像コンテンツの主要なオブジェクトです。人物、動物、植物、物体、または物理的に存在しない想像上のオブジェクトにすることができます。
環境: 環境はエンティティが配置される場所で、屋内または屋外の環境、季節、天候、ライティングなどが含まれます。物理的に存在する現実の空間または想像上の架空のシーンにすることができます。
スタイル: 画像の芸術的スタイル (写実的、抽象的など) を選択または定義します。モデルが特定の視覚効果を持つ画像を生成するのに役立ちます。

プロンプト例	画像効果
25 歳の中国人女性、丸顔、カメラ目線、エレガントな民族衣装、商業写真、屋外、映画のようなライティング、ハーフボディクローズアップ、繊細な薄化粧、シャープなエッジ。

高度な数式

対象ユーザー: AI 画像生成の経験がある程度あるユーザー。基本の数式に、より豊富で詳細な説明を追加することで、画像の品質、豊かさ、表現力を効果的に向上させることができます。

プロンプト = エンティティ (エンティティの説明) + 環境 (環境の説明) + スタイル (スタイルの定義) + カメラ言語 + 雰囲気 + 詳細修飾子

エンティティの説明: 画像内のエンティティを、その特性や動作を含めて明確に記述します。たとえば、「赤いドレスを着たかわいい 10 歳の中国人女性」などです。
環境の説明: エンティティが配置されている環境の特性を、形容詞または句を使用して詳細に記述します。
スタイルの定義: 特定の芸術的スタイル、表現手法、または視覚的特性を明確に記述します。たとえば、「水彩画スタイル」、「漫画スタイル」などです。一般的なスタイルについては、「プロンプト辞書」を参照してください。
カメラ言語: カメラ言語には、ショットサイズ、遠近法などが含まれます。一般的なカメラ言語については、「プロンプト辞書」を参照してください。
雰囲気: 画像の期待される雰囲気 (「夢のような」、「孤独な」、「雄大な」など) を記述します。一般的な雰囲気の言葉については、「プロンプト辞書」を参照してください。
詳細修飾子: 画像のディテール表現、豊かさ、美しさを高めるために、画像をさらに洗練し、最適化します。たとえば、「光源の位置」、「小道具のマッチング」、「環境の詳細」、「高解像度」などです。

プロンプト例

画像効果

ウールフェルトで作られたパンダ、つばの広い帽子をかぶり、青い警察の制服のベストを着て、腰にベルトを巻き、警察の装備を携帯し、青い手袋と革靴を履き、走っている姿勢、フェルト効果、動物王国の街の商店街に囲まれている、プレミアムフィルター、街灯、動物王国、子供のような不思議、愛らしい外観、夜、明るい、自然、かわいい、4K、フェルト素材、写真レンズ、中央構図、フェルトスタイル、ピクサー風、バックライト。

プロンプト辞書

さまざまなディメンションでプロンプトを記述することで、生成される画像のコンテンツ、スタイル、詳細などを決定します。一般的なディメンションとプロンプト例を参考までに用意しました。

1. ショットサイズ

ショットサイズとは、カメラと被写体との距離の変化によって生じる、画像フレーム内の被写体のサイズを指します。一般的に、ロングショット、フルショット、ミディアムショット、クローズアップ、エクストリームクローズアップに分けられます。例:

ショットタイプ	プロンプト例	画像効果
エクストリームクローズアップ	エクストリームクローズアップショット \| 高解像度カメラ、感情的な写真、夕日、エクストリームクローズアップポートレート。
エクストリームクローズアップ
クローズアップ	クローズアップ \| クローズアップ、18 歳の中国人女性、古代衣装、丸顔、カメラ目線、エレガントな民族衣装、商業写真、屋外、映画のようなライティング、ハーフボディクローズアップ、繊細な薄化粧、シャープなエッジ。
ミディアムショット	ミディアムショット \| 映画のようなファッショングラマラス写真、若いアジア人女性、中国苗族の少女、丸顔、カメラ目線、エレガントなダーク民族衣装、ミディアム広角レンズ、晴れ、ユートピア、高解像度カメラで撮影。
ロングショット	ロングショット \| 雄大な雪山の背景を背に、遠くの山頂に立っている 2 人の小柄な人物が、カメラに背を向け、静かに夕日を眺めている様子をロングショットで示しています。夕日の輝きが雪をかぶった山々を黄金色の光で照らし、紺碧の空との鮮やかなコントラストを生み出しています。 2 人はこの壮大な自然の景色に魅了されているようで、画像全体が静寂と調和に満ちています。

2. 遠近法

カメラの遠近法とは、カメラが画像をキャプチャするときに選択される角度を指します。例:

遠近法タイプ	プロンプト例	画像効果
アイレベル	アイレベルの遠近法 \| 画像は、アイレベルの遠近法からキャプチャされた草原のシーンを示しており、羊の群れが青々とした緑の草の上でのんびりと草を食み、羊毛は弱い朝の太陽の光の中で温かみのある黄金色の光沢を放ち、美しい光と影の効果を生み出しています。
鳥瞰図	鳥瞰図 \| 氷の湖を空から見下ろし、中央に小さなボートがあり、渦巻き模様と鮮やかな青い海水に囲まれています。螺旋状の深淵、シーンは真上からトップダウンの遠近法で撮影されており、表面の波紋や雪に覆われた地面の下の層など、複雑なディテールが示されています。冷たく広大な広がりを見つめています。畏敬の念を起こさせる静寂感を生み出しています。
鳥瞰図
ローアングル	ローアングル \| 熱帯地域の壮大なシーンを示しており、背の高いココナッツの木がそびえ立つ巨人のように立っており、青々とした枝が青い空に向かって伸びています。カメラはローアングルの遠近法を使用しており、視聴者は木の下に立って、自然の雄大さと活力を体験しているかのように感じます。木漏れ日が葉の隙間から差し込み、まだらな光と影を作り出し、神秘的でロマンチックな雰囲気を加えています。画像全体が熱帯の雰囲気に満ちており、ココナッツの香りが漂い、心地よい風が顔に感じられるかのようです。
空中	空中遠近法 \| 大雪、村、道路、明かり、木々を示しています。空中遠近法、リアルな効果。

3. レンズの種類

レンズの種類とは、焦点距離、機能、用途に応じて分類される、カメラレンズのさまざまなカテゴリを指します。例:

レンズの種類	プロンプト例	画像効果
マクロ	マクロレンズ \| チェリー、炭酸水、マクロ、プロフェッショナルカラーグレーディング、クリアシャープフォーカス、商業ハイクオリティ、マガジン受賞写真、ハイパーリアリスティック、uhd、8K
マクロ
超広角	超広角レンズ \| 超広角レンズ、青い海と空の下の島、木漏れ日がまだらな影を落としています。
望遠	望遠レンズ \| 青々とした森の中に立っているチーターが、望遠レンズの下でカメラの方を向いており、背景が巧みにぼかされ、チーターの顔が画像の絶対的な焦点となっているシーンを示しています。木漏れ日が葉の隙間から差し込み、チーターにまだらな光と影の効果を作り出し、視覚的インパクトを高めています。
魚眼	魚眼レンズ \| 女性が立って魚眼レンズの特別な遠近法の下でカメラを直視しているシーンを示しています。彼女の画像はフレームの中央で誇張して拡大されており、周囲は強い歪み効果を示し、ユニークな視覚的インパクトを生み出しています。

4. スタイル

スタイルとは、画像が持つべき特定の芸術的スタイル、表現手法、または視覚的特性を記述します。例:

スタイルタイプ	プロンプト例	画像効果
3D 漫画	女性テニスプレーヤー、ショートヘア、白いテニスウェア、黒いショーツ、横からボールを返球、3D 漫画スタイル。
終末論的	火星の都市、終末論的スタイル。
点描画法	かわいい白い小さな家、わらぶき屋根、雪に覆われた草原、点描画法の大胆な使用、モネの雰囲気、クリアな筆致、ぼやけたエッジ、プリミティブなエッジテクスチャ、低彩度の色、低コントラスト、モランディ色。
シュールレアリスム	濃い灰色の海にあるピンク色に輝く川、ミニマリストで美しく、美的雰囲気、シュールレアリスムスタイルの映画のようなライティング。
水彩	淡い水彩、カフェの外、明るい白い背景、少ないディテール、夢のような、スタジオジブリ。
粘土	粘土スタイル、青いセーターを着た小さな男の子、茶色の巻き毛、濃い青色のベレー帽、画板、屋外、海辺、ハーフボディショット。
写実的	かご、ブドウ、ピクニッククロス、ハイパー写実的な静物写真、マクロレンズ、チンダル効果。
セラミック	非常に詳細なセラミックの犬が、繊細なベルを首に結んでテーブルの上に静かに横たわっている様子を示しています。犬の毛並みは一本一本丁寧に彫刻されており、目、鼻、口のディテールは生き生きとしています。
3D	中国のドラゴン、白い雲の上で眠っているかわいい中国のドラゴン、魅力的な庭園、朝の霧の中、クローズアップ、正面図、3D、C4D レンダリング、32k 超高解像度、32k UHD、チャイニーズパンク、32k UHD、動物の像、オクタンレンダリング、超高解像度。
水墨画	蘭、水墨画、余白、芸術的概念、呉冠中スタイル、繊細な筆致、画仙紙の質感。
折り紙	折り紙の傑作、クラフト紙のパンダ、森の背景、ミディアムショット、ミニマリズム、バックライト、最高の品質。
.NET スタック情報	夜明けに、1 つの梅の花が雪の中で誇らしげに立っており、絹のように繊細な花びらと軽く垂れ下がった露の滴が、工筆画の絶妙な美しさを示しています。
水墨画スタイル	水墨画スタイル、黒髪の長い男性、金の簪、金色の蝶が周囲を飛び交い、白い衣服、高精細、高品質、深い青色の背景、かすかに見える水墨画の竹林を背景に。

5. ライティング

ライティングとは、画像の光源、方向、色、強度を指します。例:

照明タイプ	プロンプト例	画像効果
自然光	太陽光、月光、星明かり \| イメージは、朝の太陽光が深い森の地面に降り注ぎ、銀白色の光線が木々の梢を貫き、まだらな光と影を作り出し、リアルで穏やかな雰囲気を作り出している様子を示しています。
自然光
バックライト	バックライト \| バックライト環境では、モデルの輪郭線がより鮮明になり、金色の光と絹のようなものがモデルを囲み、夢のようなハロー効果を作り出していることを示しています。シーン全体が芸術的な雰囲気に満ちており、高度な写真技術と創造性を示しています。
ネオンライト	ネオンライト \| 雨上がりの街の風景、ネオンライトが濡れた地面にカラフルな光線を反射させています。歩行者は傘を差して急ぎ、車はゆっくりと不思議な通りを走り抜け、カラフルな軌跡を残します。まるで雨粒の一つ一つが街の物語を語っているかのように、イメージ全体が都会の夜の神秘とロマンスに満ちています。
環境光	環境光 \| 夜の川辺のロマンチックな芸術的シーン。環境光が水面を優しく照らし、蓮の提灯のグループがゆっくりと川の中心に向かって漂っています。光と波打つ水面が互いに反射し合い、夢のような視覚効果を生み出しています。