GPT Image 2 プロンプトガイド：構成・例文・実際の生成画像

GPT Image 2 のプロンプトは OpenAI の順序で書きます。用途、シーン、主体、詳細、スタイル、最後に制約条件です。画面に入れたい文字は引用符で囲み、置き場所を指定します。編集では変える点を言い、残す点を列挙します。2026 年 10 月 27 日に 8 つのプロンプトを実行し、引用符の文字と物体の数はそのまま出ましたが、編集では小さな部分が描き直されました。

GPT Image 2 のプロンプト構成

OpenAI のプロンプトガイドは、必要な画像から出発して主体、構図、スタイル、制約条件を扱い、複雑な依頼ではシーン、主体、詳細、制約条件の順にラベルを付けて分けるよう求めています。cookbook の順序はその前に用途を足します。広告、UI モック、インフォグラフィックなど、何のための画像かを先に決めると仕上がりの密度が変わります。特別な構文はありません。

• 正確な文字：引用符で囲み、位置と書体を指定し、綴りにくい語は一文字ずつ渡し、ほかに文字を置かないよう頼み、最後に自分で読み返します。OpenAI は文字が多いとき medium か high を勧めていますが、low で実行したインフォグラフィックもラベルはすべて正しく出ました。
• 編集：「change only X」と書き、残すものを列挙し、毎回そのリストを繰り返します。ある領域をまったく同じに保つときは、承認した編集を元画像に貼り戻します。
• 参照画像：入力 1 枚につき仕事は 1 つ。配色、質感、媒体のどれかで、新しい主体は別に書きます。
• 写真：「photorealistic」と指定し、フレーミングと質感を書き、「50mm lens」は設定ではなく見た目のヒントとして読みます。
• 設定：quality は low、medium、high、auto です。OpenAI は 1024×1024、1536×1024、1024×1536 を推奨し、2K、4K、カスタムサイズも受け付けます。プロンプトの長さの上限は公表していません。私たちの 8 本は 248 から 607 文字でした。

OpenAI のプロンプトガイドの作例は GPT Image 2.5 の画像で、GPT Image 2 ではありません。以下に並ぶ画像はすべて gpt-image-2 で私たちが生成したものです。

画像の作り方

• モデルは gpt-image-2。2026 年 10 月 27 日（北京時間）に OmniaKey の非同期メディア API で、1 回の呼び出しにつき 1 枚、OpenAI 推薦の 3 サイズだけを使いました。品質はポスター、アプリ画面とインフォグラフィックの片方が high、もう片方のインフォグラフィックが low、残りが medium です。背景、形式、圧縮、モデレーションの設定は送っていません。
• プロンプト 1〜4、7、8 は生成、5 と 6 は編集です。編集の入力は JPEG を長辺 1024 px に縮めてインラインで送り、1 MiB の上限に収めました。
• 所要時間は 23.1 s から 96.6 s、編集は 43.0 s と 78.9 s でした。最初のスタイル転送は 131 s 後に一時的な "unavailable" エラーで失敗し、課金されていません。表示しているのは再試行の画像です。
• 画像はすべて原寸で見て、文字を一文字ずつ確認し、物体を数え、編集は元画像の該当領域と SSIM で比べました。SSIM は 1 が完全一致です。
• OmniaKey は GPT Image 2 の API を提供しているので、プロンプトはそこを通しました。以下の価格は OpenAI の定価で、私たちの価格ではありません。
• 出典：OpenAI の画像生成ガイド、画像プロンプトガイド、cookbook のプロンプトガイド（現在は archived 表記）と API 価格ページ、2026 年 10 月 27 日確認。

Wan 3.0 の画像から動画のクリップは、最初のフレームも GPT Image 2 で作りました（Wan 3.0 プロンプトガイド）。各プロンプトは 1 回だけ実行したので、画像はどれも 1 サンプルです。

8 つのプロンプトと実際の画像

1. 正確な文字を載せるポスター

3 行の正確な文字に、それぞれ位置と書体を与えます。

Intended use: a poster for a community event, printed at A3.
Scene: a warm autumn evening in a small-town square, string lights overhead.
Subject: a vintage bicycle with a wicker basket full of apples, centered in the lower half.
Text (exact, render each line once):
Line 1, top, large bold serif: "HARVEST NIGHT MARKET"
Line 2, below it, smaller: "Saturday, November 8 · 5–10 pm"
Line 3, bottom, small caps: "Old Mill Square"
Style: screen-printed poster, three colours (deep red, mustard, cream), visible paper grain.
Constraints: no other text, no logos, no watermark.

意味：A3 で印刷する地域イベントのポスターです。夕暮れの小さな広場、頭上にはストリングライト、下半分にリンゴを載せた自転車を置き、3 行の文字それぞれに位置と書体を与えて、3 色のスクリーン印刷で仕上げます。

設定：生成、1024x1536、品質 high、50.3 s。

結果：3 行とも正確で、小さな追加が 2 つ出ました。

• "HARVEST NIGHT MARKET" は大きな太字のセリフ体で 2 行に組み、両脇に樫の葉が 1 枚ずつ入りました。"Saturday, November 8 · 5–10 pm" は中黒もダッシュもそのままです。
• "OLD MILL SQUARE" は字間を空けた小さな大文字で、広場、尖塔、赤い自転車も揃い、ほかの文字はありません。そこに頼んでいない葉と月が加わりました。

変更点：

• タイトルを 1 行に収めたいときは、そのまま "title on a single line" と書きます。
• 小さな追加を止めたいときは、それを列挙します。"no leaves, no moon" を試します。

2. 構造を一項ずつ埋めた商品写真

構造のすべての枠を、1 本のボトルに対して埋めます。

Intended use: the hero image on an online shop's product page.
Scene: a seamless pale stone backdrop, soft morning window light from the left, a gentle shadow falling to the right.
Subject: a matte black stainless-steel water bottle with a bamboo cap, standing upright, slightly left of centre.
Details: small water droplets on the bottle, a sprig of fresh mint lying beside it, visible wood grain on the cap.
Photography: photorealistic product photo, 100mm macro lens look, sharp focus on the bottle, background softly out of focus.
Constraints: no text, no logo, no label on the bottle, no other objects.

意味：ネットショップの商品ページ用のメイン画像です。磨りガラスのような黒いステンレスボトルに竹のキャップ、淡い石の背景、左からの朝の窓明かり、水滴とミントを添えます。

設定：生成、1536x1024、品質 medium、96.6 s。

結果：プロンプトの要素がすべて入り、余計なものはありません。

• 中央より少し左に、竹のキャップが付いたマットブラックのボトル。表面じゅうに水滴、根元にミント、左からの窓枠の影が石の上を横切ります。
• 背景は柔らかくぼけたままで、文字、ロゴ、ラベル、ほかの物体はありません。

変更点：

• 白い物撮り背景が欲しいときは、シーンに書きます。"seamless pure white background"。OmniaKey の API は常に不透明な PNG を返します。

3. インフォグラフィックを高品質と低品質で

1 つのプロンプトを、品質設定だけ変えて 2 回実行します。

Intended use: a one-page explainer for a coffee shop's blog.
Create a clean infographic titled "HOW POUR-OVER COFFEE WORKS".
Layout: four numbered steps in one vertical column; each step has a simple flat illustration on the left and a short label on the right.
Step labels (exact text):
1. "Grind 15 g of beans"
2. "Heat water to 94 °C"
3. "Bloom for 30 seconds"
4. "Pour slowly for 3 minutes"
Style: flat vector illustration, cream background, dark brown and teal accents, plenty of white space.
Constraints: no other text, no logos, every label spelled exactly as written.

意味：コーヒー店のブログ用に 1 ページの解説図を作ります。番号付きの 4 ステップを縦一列に並べ、各段の左に扁平なイラスト、右に短いラベルを置き、クリーム色の背景に濃茶と青緑でまとめます。

設定：生成、1024x1536、2 回実行：品質 high（73.9 s）と品質 low（50.6 s）。

結果：どちらもラベルの綴りは正しく、高品質のほうが文字を足しました。

• どちらもタイトルを正しく綴り、ミル、ケトル、ドリッパー、注ぎ用ケトルを描き、4 つのラベルをすべて正確に、"94 °C" も含めて印字しました。
• high はケトルの横に 2 つ目の "94 °C" を足し、ラベルを丸の下に置きました。low はすべてのラベルを番号と同じ高さに保ち、何も足していません。

変更点：

• まず low で試し、プロンプトを書き直す前に上と比べます。
• 位置合わせが大事なら "labels level with the step numbers" と書きます。

4. 写実的なポートレート

写真の語彙に、本物の肌の質感を足します。

Create a photorealistic candid portrait of a fictional woman in her fifties, a potter, sitting at her wheel in a small studio.
Framing: medium close-up at eye level, like a 35mm film photograph taken with a 50mm lens, shallow depth of field.
Details: real skin texture (pores, fine lines, freckles), grey hair tied back, a denim apron with clay stains, wet clay on her hands, shelves of unglazed bowls blurred behind her.
Lighting: soft daylight from a window on the left.
Constraints: no text, no watermark, natural colours, no heavy retouching.

意味：50 代の陶芸家の女性が小さな工房でろくろに向かう、写実的な自然な写真です。目線の高さの中近景、35mm フィルム風で 50mm レンズの浅い被写界深度、本物の肌の質感を指定します。

設定：生成、1024x1536、品質 medium、83.1 s。

結果：肌の質感は本物らしく、表情は作られ、構図は広くなりました。

• 灰色の髪を後ろで結び、そばかすと細いしわ、泥の筋が入ったエプロン、泥の付いた手で器を成形し、背後に素焼きの器が並び、左から日が当たっています。
• カメラを見て微笑んでいるので作った表情に見え、構図は頭からろくろまで、頼んだより広くなりました。

変更点：

• 自然な表情にしたいときは、視線を書きます。"looking down at the clay, not at the camera"。
• 構図も普通の言葉で足します。"from the shoulders up" などです。

5. スタイル転送：入力画像には 1 つの仕事だけ

入力がプロンプト 1 のポスターで、スタイルだけを借りる編集です。

Use the input image only as a style reference: copy its screen-printed look, its three-colour palette (deep red, mustard, cream) and its paper grain.
New subject: a lighthouse on a rocky headland at dusk, with a small sailboat on the sea below it.
Layout: the lighthouse centered, generous empty sky at the top.
Constraints: no text of any kind, no bicycle, no apples, no logos.

意味：入力画像はスタイルの参照だけに使います。スクリーン印刷の質感、3 色の配色、紙の粒を借り、主体を夕暮れの岩の岬に立つ灯台と、その下の海を行く小さな帆船に置き換えます。

設定：編集、入力はプロンプト 1 のポスター、1024x1536、品質 medium、再試行で 43.0 s（最初の試行は一時的なエラーで課金なし）。

結果：配色と紙の質感は引き継がれ、建物が 1 つ増えました。

• 夕暮れの岩の岬に立つ灯台と、その下の帆船。ポスターの 3 色と印刷の粒を使い、上には広い空があり、文字も自転車もリンゴもありません。
• 灯台の脇に小さな灯台守の小屋が加わりました。

変更点：

• ほかのものを一切出したくないときは、列挙します。"no buildings except the lighthouse" を試します。

6. 1 か所だけ変え、残りは保つ

プロンプト 2 の商品写真の編集です。変更は 1 つ、残すものは 8 項目です。

Change only the colour of the bottle, from matte black to matte sage green.
Keep everything else exactly the same: the bamboo cap, the mint sprig, the water droplets, the lighting, the shadow, the camera angle, the framing and the stone background.

意味：ボトルの色だけをマットブラックからマットなセージグリーンに変えます。竹のキャップ、ミント、水滴、光、影、カメラ角度、構図、石の背景はそのまま保ちます。

設定：編集、入力はプロンプト 2 の商品写真、1536x1024、品質 medium、78.9 s。

結果：色は変わり、小さな部分が描き直されました。

• 同じ位置にマットなセージグリーンのボトル。キャップ、ミント、水滴、光、石の背景は一見そのままです。
• 原寸ではミントが動き、水滴がずれ、キャップの木目が描き直されていました。SSIM（1 が完全一致）は壁 0.985、天板 0.93、ミント 0.78、キャップ 0.65、ボトル 0.33 です。

変更点：

• ある領域を画素まで同じに保つときは、承認した編集を元画像に貼り戻します。
• 編集のたびに、残すもののリストを繰り返します。

7. 正確な数

物体の数を合わせる方法を OpenAI は公表していないので、このレシピは私たちの試験です。

Intended use: a test of exact object counts.
A top-down photo of a light wooden table with exactly seven red apples and exactly three green pears, arranged in one loose row, nothing else on the table.
Photography: photorealistic, soft even daylight, straight top-down view.
Constraints: exactly 7 apples and exactly 3 pears, no other fruit, no text.

意味：明るい木のテーブルを真上から撮った写真に、赤いリンゴを 7 個、緑の洋梨を 3 個だけ置き、ゆるい一列に並べます。テーブルの上にはほか何も置きません。

設定：生成、1024x1024、品質 medium、23.1 s。

結果：7 個と 3 個は正確で、列は定規のようにまっすぐでした。

• 赤いリンゴがちょうど 7 個、緑の洋梨が 3 個、ほかには何もなく、真上から見て洋梨は横向きに転がっています。
• 列は完全にまっすぐで間隔も均等なので、「ゆるい」という指示は効いていません。

変更点：

• 並べ方は普通の言葉で書きます。"scattered in a loose, uneven line"。
• 数字は説明と制約条件の両方に書きます。私たちもそうしました。

8. 界面文字が正確なアプリ画面

スマートフォンの枠の中に、6 つのインターフェース文字を入れます。

Intended use: a design mockup for a pitch deck.
Create a realistic mobile app screen for a fictional plant-watering app called "Sprout", shown inside a plain modern phone frame on a light grey background.
Screen content (exact text):
Header: "Good morning, Maya"
Card 1: "Monstera — water today"
Card 2: "Fiddle-leaf fig — in 2 days"
Card 3: "Snake plant — in 6 days"
Bottom button: "Log watering"
Style: clean rounded cards, soft green accents, readable sans-serif text, generous spacing.
Constraints: no other text, no real brand logos, all text spelled exactly as written.

意味：提案資料用のアプリ画面のモックアップです。架空の水やりアプリ "Sprout" の画面を、薄いグレーの背景に置いた現代的なスマートフォンの枠の中に作り、見出し、カード 3 枚、下部ボタンの文字を指定します。

設定：生成、1024x1536、品質 high、55.6 s。

結果：語の綴りはすべて正しく、レイアウトは 3 か所変わりました。

• 最近の iPhone の形をした枠が薄いグレーの上にあり、"Good morning, Maya" は 2 行、植物カードが 3 枚、緑の "Log watering" ボタンがあります。語の綴りはすべて正しいままです。
• 各カードが名前と状態の 2 つに分かれたのでダッシュは消え、"Sprout" はどこにも出ず、"9:41" のステータスバーが足されました。

変更点：

• 画面に出したい行はそのまま引用し、アプリ名は位置とともに文字として渡します。
• 制約条件に "no status bar" を足します。

よくある失敗と直し方

OpenAI は弱い点として、文字の正確な配置、別々の画像での同じ人物やブランドの一貫性、レイアウトが繊細な構図での正確な配置の 3 つを挙げています。

画像 1 枚の料金

OpenAI は GPT Image 2 をトークン単位で値付けしています。画像入力が 100 万トークンあたり $8、画像出力が $30、テキスト入力が $5 で、Batch は半額です。3 サイズの 1 枚あたりの出力価格も公開しています（出力のみ、2026 年 10 月 27 日確認）。

品質 high のインフォグラフィックは low の 33 倍、$0.165 対 $0.005 で、余計な文字が入ったのはその画像でした。まず安く下書きし、レイアウトが保てたら設定を上げるのが得です。9 枚の合計は入力トークンを除いて約 $0.72 になります。入力トークンはこの価格に含まれません。OmniaKey の現在の料金は GPT Image 2 モデルページ にあります。

これらのプロンプトを API で実行する

OmniaKey のメディア API は 3 ステップです。タスクを作り、同じタスクを完了までポーリングし、成果物をダウンロードします。以下はプロンプト 3 を low で送ったリクエストの最小版で、再試行とログを省いています。

pip install requests
export OMNIAKEY_API_KEY="your-key"

import os
import time
import uuid

import requests

API = "https://api.omniakey.com/v1/media/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['OMNIAKEY_API_KEY']}"}

PROMPT = """Intended use: a one-page explainer for a coffee shop's blog.
Create a clean infographic titled "HOW POUR-OVER COFFEE WORKS".
Layout: four numbered steps in one vertical column; each step has a simple flat illustration on the left and a short label on the right.
Step labels (exact text):
1. "Grind 15 g of beans"
2. "Heat water to 94 °C"
3. "Bloom for 30 seconds"
4. "Pour slowly for 3 minutes"
Style: flat vector illustration, cream background, dark brown and teal accents, plenty of white space.
Constraints: no other text, no logos, every label spelled exactly as written."""

# 1. Create the task. Reuse the same Idempotency-Key only when retrying this exact request.
resp = requests.post(
    API,
    headers={**HEADERS, "Idempotency-Key": str(uuid.uuid4())},
    json={
        "model": "gpt-image-2",
        "type": "image",
        "operation": "generate",
        "input": {"prompt": PROMPT},
        "parameters": {"size": "1024x1536", "quality": "low"},
    },
    timeout=30,
)
resp.raise_for_status()
task = resp.json()
print("task:", task["id"], task["status"])

# 2. Poll the same task until it finishes. Slow is not failed: keep polling this id.
while task["status"] in ("queued", "processing"):
    time.sleep(4)
    task = requests.get(f"{API}/{task['id']}", headers=HEADERS, timeout=30).json()

if task["status"] != "succeeded":
    raise SystemExit(f"task ended {task['status']}: {task.get('error')}")

# 3. Download the image now: the signed URL lasts about an hour.
asset = task["assets"][0]
with open("pour-over.png", "wb") as f:
    f.write(requests.get(asset["url"], timeout=60).content)
print("saved pour-over.png", asset["mime_type"], asset["byte_size"], "bytes")

編集は operation を切り替え、元画像をインラインで渡す同じタスクです：

{
    "model": "gpt-image-2",
    "type": "image",
    "operation": "edit",
    "input": {
        "prompt": "Change only the colour of the bottle, from matte black to matte sage green. Keep everything else exactly the same.",
        "image": {"data": "<base64>", "mime_type": "image/jpeg"},
    },
    "parameters": {"size": "1536x1024", "quality": "medium"},
}

• 参照画像が複数あるときは "image" の代わりに "images": [...] に入れます。
• リクエスト全体は 1 MiB までなので、元画像を先に縮めます。私たちもそうしました。
• OmniaKey では size は 1024x1024、1536x1024、1024x1536 のいずれかで、n は 1 です。
• 背景、形式、圧縮、モデレーションの設定は効きません。結果は不透明な PNG です。
• 通常は 25〜60 秒かかり、私たちは 23 から 97 s でした。署名付き URL の有効期限は約 1 時間なので、成功したらすぐダウンロードします。

OmniaKey の現在の料金は GPT Image 2 モデルページ、API の詳細は 画像 API ドキュメント にあります。

よくある質問

GPT Image 2 のプロンプトはどれくらい長く書けますか？

OpenAI は上限を公表していません。生成ガイド、プロンプトガイド、モデルページ、API リファレンスのどれにも文字数やトークンの上限はありません。私たちの 8 本は 248 から 607 文字、42 から 100 語でした。

余分な文字やロゴを止めるには？

排除したいものを書きます。"no other text, no logos, no watermark" のように指定し、出力を一文字ずつ確認します。ポスターはきれいに出ましたが、高品質のインフォグラフィックには 2 つ目の "94 °C" が入りました。

品質 high は元が取れますか？

あるインフォグラフィックでは割に合いませんでした。low はラベルをそろえて何も足さず、high は 33 倍の費用で "94 °C" を余分に刷りました。OpenAI は low で下書きするよう勧め、設定を上げても結果は保証されないとしています。

GPT Image 2 は透明背景を作れますか？

作れます。現在はプレビューで、PNG か WebP が必要です。JPEG は透過を保持できません。OmniaKey の API では常に不透明な PNG が返るので、きれいな商品の白背景が欲しいときは、プロンプト 2 のようにシーンに継ぎ目のない白い背景を書きます。

GPT Image 2 と GPT Image 2.5 のどちらを使うべきですか？

GPT Image 2 は 2026 年 4 月 21 日、2.5 の 2 モデルは 9 月 8 日に公開されました。OpenAI のプロンプトガイドは 2.5 Flare を品質は近く速度が上、2.5 Sunburst を品質が上としています。GPT Image 2.5 と GPT Image 2 と GPT Image 2 と Nano Banana 2 に比較をまとめています。

更新履歴

• 2026 年 10 月 28 日：初版。8 つのプロンプトは 2026 年 10 月 27 日に実行しました。