【Midjourney】画像生成で沼る人の共通点。プロンプトを盛る前に“構造”を見直せ！
こんにちは、クロクマです。
今回のテーマはタイトルの通り、
プロンプトの構造を見直せ
Midjourneyを使っていると、「なんか思ったような画像が出ない」と悩むことがけっこうあります。
「AI副業始めたけど、画像生成でつまずいてる」
これ、あるあるです。
私自身、40代、共働きで、子育てして、本業は社畜。
時間がとにかくない中でAI副業をやっていると、画像生成のやり直しほどメンタルを削られるものはありません。
一人でパソコンに向かってイライラするなんて日常茶飯事でした。
みなさんも絶対あるはずです。
でも、最近のMidjourneyはめちゃくちゃ賢くなりました。
正直なところ、適当に単語を並べたり、ChatGPTに作らせた長い文章をコピペしたりしても、「それっぽいキレイな画像」は出てしまうんですよね。
じゃあ、なんでわざわざ「プロンプトの構造を見直せ」なんて偉そうなことを言うのか。
今回は、本業社畜で時間がない私がたどり着いた “プロンプト構造化の本当の理由” と 、その “裏技” について解説していきます。
ではいきましょう。
長い文章プロンプトでも「それっぽく」出る現代AIの罠
本題に入る前に。
「最近はChatGPTとかのテキストAIが優秀なんだから、『Midjourney用のプロンプト作って』ってお願いすれば、勝手にやってくれるじゃん。じゃあプロンプトの構造なんて自分で気にしなくてよくない？」
こう思ってる方は多そうです。
結論から言います。
だからこそ、みんな「画像生成の沼」にハマるんです
ChatGPTにプロンプトを一任して、長くてそれらしい英語の文章が出てきた。それをMidjourneyに投げたら、「お、なんかめっちゃキレイな画像が出た！」
ここまでは成功体験。
でも、問題はその画像を “修正” したいときに起きます。
例えば、
「全体はすごくいいんだけど、フクロウをもっと茶色っぽくしたい」
「隣にいるネズミのサイズだけを少し大きくしたい」
こんなことけっこうあると思います。
プロンプトが小説の情景描写のような、“ものすごく長い一つの文章” になっていると、どこをどういじればAIが素直に言うことを聞いてくれるのか、まったく分からなくなる。
そこをガチャで回すか狙って回すかで、クレジットも時間もストレスもめっちゃ減るよって話なんですよ。
コントロールできないプロンプトはゴミ
AIが出しがちな「長い文章のプロンプト」のダメな例を見てみましょう。
A highly detailed steampunk owl with brass goggles resting on its head is reading an ancient grimoire that has a glowing magical circle drawn on it, sitting in the deep back of a dimly lit sprawling library filled with towering bookshelves. Next to the owl, there is a small intricate clockwork mouse sitting quietly. Pale blue moonlight is shining through a tall gothic window, illuminating the floating dust motes in the air, creating a mystical and cinematic atmosphere, 8k resolution, masterpiece.
頭に真鍮のゴーグルを乗せた非常に詳細なスチームパンクのフクロウが、光る魔法陣が描かれた古代の魔道書を読んでおり、そびえ立つ本棚でいっぱいの薄暗い広大な図書館の奥深くに座っています。フクロウの隣には、小さくて複雑な機械仕掛けのネズミが静かに座っています。背の高いゴシック様式の窓からは青白い月明かりが差し込み、空気中に浮かぶほこりの粒子を照らし、神秘的で映画のような雰囲気を作り出しています、8k解像度、傑作。
最近のMidjourneyは賢いので、これを投げてもフクロウやネズミ、図書館などを一応ちゃんと描いてくれます。
でも、この “長文の塊” を修正しようとすると、途端にAIが暴走します。
実際に私が実験として、ChatGPTに「このフクロウを『茶色のフクロウ』に変更して」とお願いし、直した長文プロンプトをMidjourneyに投げてみました。
結果はどうなったか？
なんとなく色は変わったような感じもするけど、はっきり茶色と分かるのは1枚かな？というところ。残りはバラツキが出ました。
なぜかというと、
Midjourneyは文法がわからない
ダメな例のようにプロンプトが文章すぎると、いくらはじめのほうで「茶色」と指定しても、どれを優先して描けばいいのか迷ってしまう。彼は（彼女かもしれんけど）混乱してしまうんです。
それと、
文法（文章の繋がり）で読ませているから、一箇所を直すと全体のバランスが崩れてしまう
こんなことも起こってしまう。
時間がない社畜の私たちにとって、「後から思い通りに修正が効かない（コントロールできない）プロンプト」は、もはや時間泥棒でしかない。
だからこそ「構造化（お品書き）」が必要
ここで必要なのが、Midjourneyが最も理解しやすく、かつ人間も修正しやすい「整理整頓された型」です。
A steampunk owl with brass goggles reading a glowing ancient grimoire, accompanied by a small clockwork mouse, dimly lit ancient library background, tall gothic windows, pale blue moonlight illuminating floating dust motes, mystical and cinematic lighting, highly detailed, photorealistic,
光る古代の魔道書を読む真鍮のゴーグルをつけたスチームパンクのフクロウ、小さな機械仕掛けのネズミを伴っている、薄暗い古代の図書館の背景、高いゴシック窓、漂う埃を照らす青白い月明かり、神秘的で映画のような照明、超絶ディテール、実写のよう、
なぜこれが良いのか？
カンマ（,）でしっかりと意味の塊（ブロック）が分けられています。
これが本当のmidjourney用の「プロンプトの構造」です。
1. 主題（一番大事なもの）：** スチームパンクのフクロウ、魔道書を読む
2. 副題（サブの要素）：** 小さな機械仕掛けのネズミ
3. 背景・環境：** 薄暗い古代の図書館、高いゴシック窓
4. 環境光（ライティング）：** 漂う埃を照らす青白い月明かり、神秘的な照明
5. パラメーターの設定：** 超絶ディテール、実写のよう、--ar 16:9
これがキレイなコース料理のようにお品書きされている状態です。
実際Midjourneyの公式ガイドラインでも「プロンプトは不要な言葉を省き、短いフレーズで明確に伝えること（構造化すること）」が推奨されています。
つまり、カンマで区切って短くシンプルにすることは、Midjourneyにとって一番わかりやすい「公式も認める正解の形」ということなんです。
この構造（型）に当てはめておけば、修正は超簡単。
先ほどと同じように「茶色のフクロウ」にしたければ、1番のブロック（主題）に「brown（茶色）」を足すだけ。
ChatGPTに投げる場合だったら、1番のブロック（主題）を抜き取って、
A steampunk owl with brass goggles reading a glowing ancient grimoire, accompanied by a small clockwork mouse, dimly lit ancient library background, tall gothic windows, pale blue moonlight illuminating floating dust motes, mystical and cinematic lighting, highly detailed, photorealistic,
“A steampunk owl with brass goggles reading a glowing ancient grimoire”
この部分のフクロウを茶色のフクロウに変更して。
実際この構造化プロンプトで『茶色』を指定したところ、出力された4枚の画像すべてが完璧な『茶色のフクロウ』になりました。
他のブロック（例えば背景や光）に一切影響を与えずに、ピンポイントでAIに指示を出すことができるんです。
有名な方の「構造」をこっそり拝借
構造の大事さはわかったと。でも、そもそもどんな順番で単語を並べれば一番いいのかわからない。
初心者の方はそう思いますよね。
ここで私が普段やっている裏技を紹介します。
それは、
有名な方たちのプロンプトを日本語に翻訳してよく見る
AI情報発信者の方などが無料で公開してくれているプロンプト集のようなものがありますよね。
そこで公開されている英語のプロンプトを、まずは翻訳ツール（DeepLなど）で日本語に直してみてください。
そうすると、クオリティの高い画像を安定して出している人ほど、明確な「型（レシピ）」に沿って書かれていることに気づくはずです。
「あ、この人は最初に主題を書いて、次にカメラのレンズの種類を指定して、最後に光の当て方を書いてるな」
とか。
そういう「彼らなりの構造」が見えてくると思います。
彼らは毎回天才的な英単語を閃いているわけではなく、この「構造（型）」をしっかりと持っているから、細かい修正にも即座に対応できるんです。
自分で作らずAIに「型抜き」させる
「構造」の秘密がわかったら、あとは簡単です。
自分でゼロから英単語を並べる必要はないんです。
ここで活躍するのがChatGPT。
さっき見つけた「プロのプロンプトの構造」と、自分が作りたい画像のイメージをセットにして、ChatGPTなどのAIに次のように指示します。
以下の『Midjourney用プロンプトの構成ルール（構造）』に従って、カンマ区切りで私が作りたい画像の英語プロンプトを出力してください。
構成ルール
この型に当てはめたいと感じた、どなたかのプロンプト（英語）
私が作りたい画像イメージ
構成などは考えずに、入れたい要素（情景や人物、表情や動作など）を適当に並べる。文章が長くなっても問題ないです（日本語で可）
私が作りたい画像イメージのところに、過去にMidjourneyで作った画像プロンプトを入れて、構造を組み替えるというのも方法のひとつです。
こうすることによって過去に作った画像も変化させやすくなるでしょう。
AIに出力を丸投げするのではなく、
出力させる型（構造）をこっちが指定してあげる
これをするだけで、ChatGPTは「指定された順番通りに整理して出力すればいいんだな」と理解してくれます。
そして出てきたプロンプトをMidjourneyにコピペする。後から修正したい時は、対応するブロックの単語だけを入れ替える。これで画像生成のやり直しは劇的に減ります。
まとめ：自分の世界観がある人ほど構造化は必須
AI副業をやっていると、こだわりが出てきて「自分の世界観」を作りたくなります。
すると、どうしてもプロンプトは長くなり、指示が複雑になっていきます。
だからこそ、長い指示になればなるほど「構造化（シンプルで短いフレーズの組み合わせ）」が絶対に必要になるんです。
ほとんどの人が、「AIが思い通りに動かない」「ちょっと修正したいだけなのに全体が崩れる」って悩んで、イライラして心を折られていきます。
最初から「構造」を意識して、AIへの頼み方を工夫する。
それだけでものすごい時短になりますし、「なんで言うこと聞かないんじゃボケ！！」というストレスが目に見えて減ります 笑
自分の世界観での “型” を見つけられると画像生成はめっちゃ楽になると思いますよ。
ここまで読んでいただきありがとうございました！
このnoteがあなたの役に立てばうれしいです。
ではまた、次回のnoteで。
私と同じように“忙しくても副業を始めたい方”に向けて書いていますので、よかったら “スキ” や “フォロー” もらえるとうれしいです。
お願いします🙇♂️
