AIで画像から画像へ編集（img2img）：1か所だけ変えて残りはそのまま

ほとんどのプロンプトは、モデルに絵を一から考えさせるものです。画像から画像（image-to-image）は、手元にある画像から始めさせます。これは別の仕事で、ルールも違います。いちばん大きな違いは、被写体を描写するのをやめて、変更点を描写するようになることです。ここでは画像スタジオで参照画像がどう振る舞うかを、初めて試した人が驚く2つの挙動も含めて解説します。

参照画像が実際にしていること

画像のレンダリングに写真を添付すると、エンジンは白紙のキャンバスではなく、その写真を出発点にできます。実際には2つのモードに分かれ、画像スタジオではそれぞれに専用のタブがあります。作成と編集です。

編集は、最初に追加した画像であるPicture 1に対して働きます。エンジンは被写体を一から描き直すのではなく、その画像に手を加えます。だからこそ同一性が保たれるのです。顔も物も比率も、あなたの形容詞から想像し直されるのではなく、加工される素材そのものだからです。

作成の画像は挙動が違い、編集でPicture 1のほかに追加した画像も同じです。追加の画像は、編集される1つの対象ではなく、ガイドとして働きます。美的な方向性や、色合いと質感の雰囲気を伝える役割です。ルックを決めるには便利ですが、特定の顔や物をそのまま残したいときには向きません。

実践的なルールは簡単です。同一性が大事なら、編集を開いて、モデルにはきれいな画像を1枚だけ渡すこと。一般的な定義は、用語集の画像から画像と参照画像の項目にあります。

編集では、もう1つ変わるものがあります。モデルの選択には、画像を読めるエンジンだけが並びます。編集は渡された画像をもとに行われるので、仕上がりの質感は元画像で決まります。

実際に送っている参照画像の枚数に注意

ここでつまずく人が多いのです。参照画像は「画像」ボタンから入るものだけではありません。@メンションしたエレメントやキャラクターも、その画像を同じ枠に加えますし、以前のレンダリング結果も同様です。つまり、キャラクターと画像付きのスタイルエレメントの両方をメンションした編集は、エンジンに1枚ではなく3枚の画像を渡すことになり、追加の2枚は、どれだけ丁寧に言葉を選んでも、結果をガイドの方向へ引っ張ります。

エンジンごとに、1回のレンダリングで読める画像の枚数は決まっていて、コンポーザーのカウンターが使った枚数を表示します。プロンプトのせいにする前に、枚数を数えましょう。自分で追加した画像には番号が付くので、プロンプトから名前で指せます：@Picture 2。

被写体ではなく変更点を書く

参照画像があるときに、すでに画像に写っているものを描写し直すのは、無意味どころか逆効果です。エンジンは目に見えている被写体と、もう1つの曖昧なバージョンの被写体とを、すり合わせなければならなくなります。

• 悪い例： 黒髪の短いカールヘアでレザージャケットを着た30代の女性が、夜の街に立っている。背後にネオンサイン、シネマティック
• 良い例： 舞台を雨に濡れた夜の街に変更。背後の水たまりにネオンサインが映り込む。ジャケットとポーズはそのまま

新しい要素を書き、残すべきものを書いたら、そこで終わりにします。安定して効く書き方を3つ紹介します。

• 舞台の入れ替え。 「彼女を日の差すキッチンに移動。左の窓から朝の光。それ以外はすべてそのまま」
• 衣装や小道具の変更。 「レザージャケットをクリーム色のニットセーターに置き換え。ポーズも光も同じまま」
• 光と雰囲気の変更。 「右からの低く硬い日差しでシーンを照らし直す。床に長い影、暖色のパレット」

このモードでもネガティブプロンプトとCFG（「プロンプトの強さ」）は効くので、使う価値があります。短いネガティブリストがあれば、編集にアーティファクトが紛れ込むのを防げます。また、CFGを少し下げると穏やかな変化が得られやすく、少し上げて忠実な変化を狙うよりもうまくいくことが多いです。

被写体とポーズは今のまま一切変えず、舞台を雨上がりの夜の狭い路地に移す。ネオンサインのピンクとシアンが水たまりににじみ、背後の通気口から湯気が漂う。左の看板から硬いリムライト、それ以外は深い影。冷たく、電気が走るような空気感。

結果が参照画像の形を引き継ぐ理由

画像を添付してレンダリングすると、参照画像と同じ形の画像が返ってきます。故障ではありません。

自分の画像が1枚でも使われると、編集でも作成でも、フォーマット設定は画像と同じから始まります。元画像がすでにフレームを持っていて、結果がそれを引き継ぐからです。APIも同じで、aspect: "retain"が編集時のデフォルトです。

上書きもできます。フォーマットで1:1か16:9を選べば、結果はそちらのフレームになります（一部の編集エンジンは出力サイズを元画像から決めるため、「画像と同じ」しか選べません）。同じ被写体でまったく違う形が必要なら、被写体を文章で描写するか、キャラクターとして@メンションして新しくレンダリングするほうがすっきりすることが多く、フォーマットはそこで選びます。5つのフォーマットとそれぞれの用途はアスペクト比ガイドで解説しています。

自分のレンダリング結果を重ねて改善する

これを覚える価値があるのは、このループのためです。すでに作ったレンダリング結果を、次のレンダリングの参照画像にできます。直近の画像レンダリングはプロンプト欄から直接@メンションできるので、ダウンロードも再アップロードもせずに、昨日の採用カットを今日のプロンプトに取り込めます。その画像は参照画像に加わり、プロンプトには以前のレンダリングの続きであることが記されます。

こうして、土台を作り、調整し、さらに調整するという連鎖ができます。各ステップはeroq独自のエンジンなら10クレジットで、運任せではなく、うまくいったとわかっているフレームから始まります。テキストのプロンプトを何度も振り直してサイコロの目に期待するより、狙った場所にずっと安くたどり着けます。

隣り合う2つの機能は、区別しておきましょう。

• リミックスは、レンダリングのレシピ（プロンプト、モデル、設定）をツールに読み込み直します。画像そのものは引き継ぎません。設定を変えて、同じアイデアを再レンダリングするときに使います。このループの全体はシードとリミックスのワークフローで解説しています。
• 参照画像は画像を引き継ぎ、レシピは引き継ぎません。見た目を保ちたい対象はそのままに、そのまわりの世界を変えたいときに使います。

両方を同時に使うのはごく普通のことです。リミックスで設定を呼び戻し、以前のレンダリング結果を添付またはメンションして被写体を保ちます。

画像から画像でできないこと

限界をはっきりさせておけば、プロンプトの試行錯誤を大幅に減らせます。

• ブラシもマスクもありません。 範囲を塗って、編集をそこだけに限定することはできません。変更は言葉で指示するので、一度に頼む変更は1つにし、フレームの残りの部分も少し変わることを想定しておきましょう。
• 画像のアップスケーラーもレタッチツールもありません。 レンダリング結果はモデル本来のサイズで出力され、それが最終ファイルです。
• フェイススワップはなく、実在の特定可能な人物も使えません。 本人の同意なしに誰かの顔をシーンに入れることは、参照画像も含めてプラットフォーム全体で禁止されています。
• 静止画にレイヤー、切り抜き、文字ツールはありません。 合成、切り抜き、文字入れ、カラーグレーディングは、お使いの画像編集ソフトで行います。

次のステップが静止画ではなく動きなら、画像をそのまま動画ツールに送り、画像から動画の素材にできます。レンダリング結果の「動画化」アクションがまさにそれを行います。その先は画像から動画ガイドで解説しています。

よくある質問

参照写真は何枚添付すればいいですか？

特定の顔や物をレンダリング後も残したいなら、編集タブで1枚です。編集されるのはPicture 1だからです。追加の画像はスタイルのガイドとして振る舞うので、ルックには便利ですが、同一性の維持には頼れません。エンジンごとに読める枚数は決まっていて、メンションしたエレメントやキャラクターが加える画像も含めて数えます。

結果が参照画像の形のままになるのはなぜですか？

自分の画像が1枚でも使われると、フォーマットが「画像と同じ」から始まるため、結果は元画像のフレームを引き継ぎます。上書きするにはフォーマットで固定の比率を選ぶか、被写体の正確さよりフォーマットが大事なら、参照画像なしで新しくレンダリングしてください。

画像の一部だけを編集できますか？

マスクやブラシではできません。どちらも存在しないからです。変更は言葉で指示し、1回のレンダリングにつき変更は1つにとどめ、変えずに残すものも明記します。さらに変更が必要なら、その結果の上に2回目の編集を重ねます。

以前のレンダリング結果を参照画像として使えますか？

はい。直近の画像レンダリングはプロンプト欄から直接@メンションできるので、ダウンロードも再アップロードもせずに、採用カットを次のレンダリングの出発点にできます。料金はeroq独自のエンジンならいつもどおり10クレジットです。

画像スタジオを開いて、きれいな画像を1枚添付し、変わる部分だけを書き、そこから重ねていきましょう。