Grok Imagine 2.0 プロンプトガイド：構成・例文・実際の生成画像

Grok Imagine 2.0 のプロンプトは、1 枚の絵についての素直な文を xAI の順序で並べます。被写体、ディテール、スタイル、光、色、構図の順です。画像に入れたい言葉は二重引用符で囲み、どこに置くかを書きます。2026 年 10 月 26 日に 11 本のプロンプトを実行し、引用符で囲んだ言葉はすべて正しく出ました。画像の比率は、aspect_ratio を決めるまでモデル任せでした。

Grok Imagine 2.0 のプロンプト構成

xAI の Image Prompting Guide は、シリーズの全プロンプトに 1 つの順序を示しています。被写体、ディテールと焦点、アートディレクション、光、色、構図の順に、1 枚の絵を説明する 4〜6 文の文章を書きます。

最後の「文字」の行は私たちが足したものです。

• 被写体を最初に。xAI のガイドはこう書いています。「雰囲気、フィルムの種類、避けたいものの一覧から始まるプロンプトは、被写体が代役にすぎない様式化された場面を生みます」。
• 欲しいものを書き、避けたいものは書きません。「Brushed steel with fine horizontal grain」はモデルが描ける素材を渡します。長い禁止リストは無視されやすいものです。
• 文字：xAI のガイドに画像内の文字の規則はありません。発表ではモデルが書体とレイアウトを設計するので、小さい文字もくっきり出るとされています。私たちはすべての言葉を二重引用符で囲んで位置を書き、引用符で囲んだ 14 行はすべて正しく出ました。
• 比率：プロンプトでは決まりません。aspect_ratio の既定値は auto で、プロンプトに合う比率をモデルが選びます。指定なしの 11 回は、縦の 832×1248、横の 1248×832、正方形の 1024×1024、そして 1280×720 で返ってきました。比率を固定する方法は API の節にあります。
• 長さと言語：xAI はプロンプトの最大長も、対応するプロンプト言語の一覧も公開していません。今回のプロンプトは英語で 30〜48 語、1〜3 文でした。

画像の作り方

• 2026 年 10 月 26 日、OmniaKey の非同期メディア API でモデル grok-imagine-image-2.0 を、operation は generate、パラメータは一切なしで実行しました。aspect_ratio は xAI の既定値 auto、解像度も既定のままです。すべてのタスクが一発で成功しました。
• 続いてポスターのプロンプトを、aspect_ratio を "16:9" にしてもう 2 回実行しました。1 回はテスト用のスクリプトから、もう 1 回は下の Python スクリプトからです。どちらも 1280×720 で、文字も正しく出ました。
• 出力は JPEG で、リクエストから画像の完成まで 15.6 秒から 41.1 秒でした。多くは 16〜25 秒に収まり、アイコンだけ 41.1 秒かかっています。
• すべての画像を原寸で表示し、文字のある 4 枚はプロンプトと 1 文字ずつ照らし合わせました。
• OmniaKey は Grok Imagine 2.0 の API を提供しているので、プロンプトはそこから実行しました。価格はすべて xAI 自身のものです。
• 出典：xAI の Image Prompting Guide、画像生成ガイド、料金ページ。2026 年 10 月 26 日確認。

プロンプトは 1 本につき 1 回だけ実行したので、それぞれの画像は 1 つのサンプルとして見てください。

8 つのプロンプトと実際の画像

1. タイトルと小さな一行を入れたポスター

大きなタイトル、小さな一行、そしてフラットなスクリーン印刷の質感を求めるプロンプトです。

A minimalist jazz concert poster. Large bold title "BLUE HOUR" at the top and a smaller line "Live at Harbor Hall · Nov 14 · 8 PM" at the bottom. A single saxophone silhouette in deep blue on a cream background, lots of empty space, flat screen-print style.

意味：ミニマルなジャズ・コンサートのポスター。上部に大きなタイトル、下部に日時と会場の一行、クリーム色の背景に深い青のサックスのシルエットを 1 本。

設定： generate、aspect_ratio なし（auto）、832×1248 で返り、16.4 秒。

結果：

• 「BLUE HOUR」が濃紺の細身の大文字で上部にわたり、小さな一行は下部にあり、中黒も含めて正確に綴られています。
• 濃紺のサックスがクリーム色の紙の中央を占め、軽い印刷の質感と余白が残りました。
• サックスのキイは細い線で描かれ、単色のシルエットというより絵に見えます。

変えるなら：

• 文字はそのままで。小さな一行は 1 組の引用符に入れたままにすると、中黒も一緒に残ります。
• 完全なシルエットにしたいときは “a solid single-color saxophone shape with no inner details” を試してください。

2. 正確な文字を入れた商品ラベル

2 行の短い文字を商品写真に載せるプロンプトです。

Studio product photo of a glass bottle of cold brew coffee with a kraft paper label that reads "NORTH ROAST" and "Cold Brew · 12 oz". The bottle stands on wet dark slate with ice cubes around it, soft side light, dark background, sharp focus on the label.

意味：ガラス瓶入りコールドブリューの商品写真。クラフト紙のラベルに “NORTH ROAST” と “Cold Brew · 12 oz” の 2 行、濡れた黒い石板の上に氷を添えて。

設定： generate、aspect_ratio なし（auto）、832×1248 で返り、17.1 秒。

結果：

• 水滴のついた濃色ガラスのコーヒー瓶が、氷を周りに置いた濡れた黒い石板の上に立ち、背景は黒です。
• クラフト紙のラベルには「NORTH ROAST」が太い大文字で、「Cold Brew · 12 oz」が細い線の下にあり、どちらも正確です。
• モデルは名前の上に小さな山の輪郭も描きました。プロンプトでは頼んでいません。

変えるなら：

• ラベルに自分の言葉だけを載せたいときは “the label shows only these two lines of text, no logo” を試してください。

3. レシピカード：複数行の文字とアイコン

タイトル、番号つきの手順 3 つ、手順ごとにアイコン 1 つを求めるプロンプトです。

A clean recipe card titled "3-Step Pancakes" with three numbered steps: "1. Mix flour, milk and eggs", "2. Rest the batter 10 minutes", "3. Cook on a hot pan". A small line icon next to each step, cream background, simple sans-serif font.

意味： “3-Step Pancakes” というタイトルの整ったレシピカード。番号つきの手順 3 行を正確な言葉で指定し、各行の横に小さなラインアイコンを添えます。

設定： generate、aspect_ratio なし（auto）、832×1248 で返り、15.6 秒。

結果：

• タイトル「3-Step Pancakes」が上部にあり、その下に薄い茶色の罫線、3 行は細い線で区切られています。
• 各手順の言葉は正確で 2 行に折り返され、右側にラインアイコンが付きます。泡立て器、時計、フライパンです。
• 番号は「1.」「2.」「3.」ではなく、丸の中の「1」「2」「3」になりました。

変えるなら：

• 「1.」の形にこだわるなら “numbers written as 1., 2., 3. before each step, no circles” を試してください。

4. 価格入りの黒板メニュー

手書きの短い 5 行と価格を試すプロンプトです。

A cafe chalkboard menu with the heading "TODAY" and five lines of small handwritten text: "Flat white 4.50", "Oat latte 5.00", "Matcha 5.50", "Almond croissant 4.00", "Banana bread 3.50". Wooden frame, warm cafe light.

意味：見出し “TODAY” のカフェの黒板メニュー。手書きの小さな 5 品と価格を並べ、木の枠と温かい店内の光。

設定： generate、aspect_ratio なし（auto）、1248×832 で返り、29.8 秒。

結果：

• 素朴な木枠の黒板が温かい漆喰の壁に掛かり、左端に鉢植えが入っています。
• 「TODAY」は大きなチョークの大文字で、下線と小さな葉の落書き付きです。
• 5 品は整ったチョークの手書きで、価格は右側に縦にそろい、品名も価格もすべて正確です。

変えるなら：

• 各行を短くして正確な言葉を渡すこと。短い 5 行はここではすべて正しく出ました。

5. ストリート写真：レンズと光

カメラの言葉で写真らしい見た目を求めるプロンプトです。

Candid street photograph of an elderly man feeding pigeons in a stone plaza at golden hour. Shot on a 35mm lens, shallow depth of field, natural skin texture, warm low sun, slight film grain.

意味：ゴールデンアワーの石畳の広場で鳩に餌をやる年配の男性のスナップ写真。35mm レンズ、浅い被写界深度、自然な肌の質感、低い暖かい日差し。

設定： generate、aspect_ratio なし（auto）、1248×832 で返り、19.8 秒。

結果：

• ハンチング帽に濃い色の長いコートの年配の男性が石畳にしゃがみ、広げた手を周りの鳩に差し出しています。
• 光は暖かく低く、背景の広場、人々、大きな石壁はぼけています。
• 顔にはしわと肌の質感があり、手は自然に見え、フィルムの粒子は控えめです。

変えるなら：

• 変更は不要です。xAI のガイドは質感を 1 回だけ書き、被写体が読める光を求めるよう勧めていて、どちらもここでは効いています。

6. 真上から撮る料理：材料をすべて名指しする

具材を列挙し、光に方向を与えるプロンプトです。

Overhead food photo of a bowl of shoyu ramen with a soft-boiled egg, chashu pork, nori and sliced scallions on a dark wooden table. Chopsticks rest on the bowl, light steam rises, natural window light from the left.

意味：醤油ラーメンを真上から撮った料理写真。半熟卵、チャーシュー、海苔、小口切りのネギを列挙し、箸を器に掛け、窓から左へ自然光。

設定： generate、aspect_ratio なし（auto）、1024×1024 で返り、20.7 秒。

結果：

• 濃い色の古い木の上に置いた陶器の器を真上から見た構図で、半熟の黄身の卵半分、巻いたチャーシュー 2 枚、海苔 2 枚、小口切りのネギの山、茶色いスープに麺が入っています。
• 木の箸が器の右側に渡り、上部に湯気がうっすら立っています。
• モデルは濃い色の細切りキノコを一山足しました。プロンプトにはありません。

変えるなら：

• 器に入れるものをすべて列挙し、具材を厳密に合わせたいときは “nothing else on top” を試してください。

7. インテリア：すべての物に素材を書く

家具ごとに素材と色を書くプロンプトです。

Interior design photo of a small Scandinavian living room: light oak floor, a white sofa with a mustard throw, a round oak coffee table, a large window with soft morning light, a tall fiddle-leaf fig in a white pot. Calm, airy, eye-level view.

意味：小さな北欧風リビングの室内写真。淡いオークの床、白いソファにマスタード色のひざ掛け、丸いオークのテーブル、大きな窓と朝の柔らかい光、白い鉢のフィカス・リラータ。

設定： generate、aspect_ratio なし（auto）、1248×832 で返り、16.3 秒。

結果：

• 名指しした物がすべてあります。淡いオークの床、片方の肘掛けにマスタード色のひざ掛けを載せた白いソファ、織りのラグの上の丸いオークのテーブル、左の大きな窓と外の木々、右の白い鉢の背の高いフィカス・リラータです。
• 壁には額入りの絵が掛かり、目線の高さで、明るく柔らかい仕上がりです。

変えるなら：

• 変更は不要です。物ごとに素材と色を書いたプロンプトはすべてを引き出しました。他の部屋でも同じ書き方で通ります。

8. 水彩イラスト

画材と紙の質感を指定するプロンプトです。

Children's book illustration in soft watercolor: a small fox reading a book under a giant red mushroom in a forest, fireflies glowing around it, gentle pastel colors, visible white paper texture.

意味：柔らかな水彩の絵本挿絵。森の大きな赤いキノコの下で本を読む小さなキツネ、周りに光るホタル、淡いパステル、白い紙の質感。

設定： generate、aspect_ratio なし（auto）、832×1248 で返り、24.9 秒。

結果：

• 柔らかな水彩で、オレンジ色のキツネが赤い大きなキノコの下で開いた青い本を抱え、周りに光るホタル、シダ、小さな花と小さなキノコが描かれています。
• 画面の縁に白い紙の質感が出ています。
• キツネは目を閉じているので、読書というより眠っているように見えます。

変えるなら：

• 表情は自分で書くこと。“eyes open, looking down at the page” を試してください。

うまくいかない例と直し方

曖昧なプロンプトはモデルにすべてを任せることになる

書かなかった言葉はモデルが補い、その補った内容が実在のブランドになることがあります。

a cool car

意味：かっこいい車。それだけの 3 語で、ほかの情報は何もありません。

A 1960s cherry-red convertible parked on a coastal road at sunset, low angle from the front three-quarter view, chrome bumper catching the light, ocean and cliffs behind it, photorealistic, warm golden light.

意味：夕暮れの海岸道路に停まる 1960 年代のチェリーレッドのオープンカー。低い前斜めからのアングル、光を受けるクロームのバンパー、背後に海と崖。

• 「a cool car」は、夕暮れの濡れたアスファルトに停まる濃いグレーの現代的なスーパーカーとして返ってきました。背後には山、松の木、雲のあるピンクの空があります。ボンネットとホイールには実在の自動車メーカーのバッジが付いています。
• 具体的なプロンプトはすべてを画面に入れました。チェリーレッドのオープンカー、低い前斜めのアングル、日差しを受けたクロームのグリルとバンパー、背後の海と崖です。モデルは「1962 CLK」と読めるナンバープレートを足しました。

単純なアイコンは有名ロゴに似やすい

アイコンのプロンプトは単純な形だけを求め、そのとおりの結果が出ました。よく知られたマークにかなり近いものです。

Flat vector app icon: a white paper plane on a rounded square with a blue-to-teal gradient. Simple geometric shapes, no text, centered, clean edges, plain white background around the icon.

意味：青からティールへのグラデーションの角丸スクエアに、白い紙飛行機を置いたフラットなベクターのアプリアイコン。単純な図形、文字なし、中央揃え、きれいな輪郭。

出てきたのは頼んだとおりのものでした。白い紙飛行機、少し外れた位置、青からティールの角丸スクエア、文字なし。そして、よく知られたメッセージアプリのロゴに非常によく似ています。単純でよくあるアイコンの発想は有名なマークの近くに着地するので、自分だけのディテールを 1 つ足し、使う前に既存のロゴと見比べてください。

うまくいかなかった例と、それぞれの直し方を挙げます。

API でプロンプトを実行する

OmniaKey のメディア API は 3 つの手順です。タスクを作り、同じタスクを完了まで繰り返し確認し、成果物をダウンロードします。

pip install requests
export OMNIAKEY_API_KEY="your-key"

実際に実行したスクリプトをそのまま載せます。

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 = (
    'A minimalist jazz concert poster. Large bold title "BLUE HOUR" at the top and a smaller '
    'line "Live at Harbor Hall · Nov 14 · 8 PM" at the bottom. A single saxophone silhouette '
    "in deep blue on a cream background, lots of empty space, flat screen-print style."
)

# 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": "grok-imagine-image-2.0",
        "type": "image",
        "operation": "generate",
        "input": {"prompt": PROMPT},
        "parameters": {"aspect_ratio": "16:9"},  # leave it out and the model picks the shape
    },
    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("blue-hour.jpg", "wb") as f:
    f.write(requests.get(asset["url"], timeout=60).content)
print("saved blue-hour.jpg", asset["mime_type"], asset["byte_size"], "bytes")

2026 年 10 月 26 日の出力です。

task: task_ETAcsodTDIPQkhTVyykyRiRdBpYDOgj7 queued
saved blue-hour.jpg image/jpeg 205099 bytes

リクエストからファイルの保存まで約 16 秒でした。

• aspect_ratio：xAI の API は 1:1、16:9、9:16、4:3、3:4、3:2、2:3、2:1、1:2、19.5:9、9:19.5、20:9、9:20、21:9、5:2 と auto を受け付けます。xAI はシリーズ全体で 1 つの比率に固定すること、写真の多くには 3:2 を勧めています。16:9 の 2 回はいずれも 1280×720 で、レイアウトは切り抜きではなく横長の画面に組み直されました。タイトルは上部にわたり、サックスは中央、小さな一行は下部です。
• OmniaKey の Grok Imagine は生成のみで、n は 1 である必要があります。xAI 自身の API は画像の編集もでき、1 リクエストで最大 10 枚返します。
• xAI の API には quality と resolution の設定もあります。この 2 つは OmniaKey 経由では試していません。
• タスクが終わったらすぐダウンロードしてください。署名付きリンクは約 1 時間、タスクの記録は 24 時間有効です。
• 価格：xAI は Grok Imagine 2.0 を 1 枚 $0.04、プロンプトの長さに関係なく一律としています（2026 年 10 月 26 日確認）。旧モデルの grok-imagine-image-quality は $0.05、grok-imagine-image は $0.02 で、3 つの画像モデルを試した Grok Imagine API の検証 では同じ 4 本のプロンプトを 3 モデルで実行しています。OmniaKey では失敗したタスクは自動で返金されます。OmniaKey の現在の料金は Grok Imagine 2.0 のモデルページ、パラメータの詳細は 画像 API のドキュメント にあります。

よくある質問

Grok Imagine 2.0 のプロンプトはどれくらい長く書けますか？

xAI は画像プロンプトの最大長を公開していません。Image Prompting Guide は 1 枚の静止画に 4〜6 文を求めており、今回のプロンプトは英語で 30〜48 語、1〜3 文でした。上の 8 つのレシピもすべてプロンプトに近い結果になりました。

画像内の文字を正しく出すには？

文字の行ごとに二重引用符で囲み、画面のどこに置くかを書きます。文字を含む 4 本のプロンプトでは、引用符で囲んだ 14 行が中黒も価格も含めてすべて正しく出ました。xAI の発表でも、小さい文字がくっきり出るようになったとされています。xAI のガイドに文字の規則はないので、引用符は私たちのやり方です。

Grok Imagine 2.0 の画像サイズは？

auto のままにした 11 回は 832×1248、1248×832、1024×1024、1280×720 で返ってきました。aspect_ratio に "16:9" を指定した 2 回はいずれも 1280×720 です。xAI の API には resolution もあり、既定は 1k、2k も選べます。

Grok Imagine 2.0 は画像を編集できますか？

xAI の API では可能です。POST /v1/images/edits に 1 リクエストあたり最大 5 枚の元画像を送ります。ガイドは変えたい 1〜3 点を先に書き、残りはそのまま保つよう勧めています。OmniaKey の Grok Imagine は生成のみなので、編集リクエストは拒否されます。

Grok Imagine 2.0 はプロンプトを書き換えますか？

xAI の API はプロンプト書き換え（upsampler）モデル向けにプロンプトの文章を課金し、返答に書き換え後のプロンプトを入れるフィールドはありません。何が変わるかは公開されていないので、推測せずに画像をプロンプトと照らし合わせてください。

Grok Imagine 2.0 の料金は？

xAI は grok-imagine-image-2.0 を 1 枚 $0.04 で掲載しています（2026 年 10 月 26 日確認）。生成はプロンプトの長さに関係なく同額です。編集は入力画像と出力画像の分が課金されます。OmniaKey の現在の料金は Grok Imagine 2.0 のモデルページ で確認できます。

更新履歴

• 2026 年 10 月 27 日：初版。プロンプトは 2026 年 10 月 26 日に実行。