AI 画像を絵の資料に：役立つ場面と、嘘をつく場面
この問いはたいてい、どちらかの陣営から不誠実なかたちで投げられます。当社はそのどちらの版にも関心がありません。当社は画像モデルを運用し、そのアクセスを売っていますが、それでも、現在この技術が使われている仕事のおよそ半分について、現役の絵描きは使用を断るべきだと考えています。
その分かれ目は好みの問題ではありません。ひとつの区別に行き着きます。生成画像は喚起することに非常に長け、正しくあることには当てになりません。資料が何かを示唆しさえすればよいところ — 雰囲気、色の関係、午後 4 時に部屋を横切る光の落ち方 — では機能しますし、安く済みます。正しくなければならないところ、構造をそこから写し取ろうとするところでは、自信に満ちた美しい嘘が返り、あなたはその嘘を身につけます。
境界線がどこにあると当社が考えているか、そして実際に有用な資料をこれから引き出す方法を書きます。
生成された資料が正真正銘に役立つもの
以下はいずれもひとつの性質を共有しています。画像から受け取るのは印象であって、寸法ではありません。
- ライティングの習作。 低い窓からの暖かいキーライトは、白い壁からの冷たい反射光に対してどう読めるか。モデルはまさにこれを写した膨大な量の写真を吸収していますし、ひとつのライティングの構成について 12 通りを得るのは造作もありません。
- カラーパレット。 パレットを抜き出し、画像は捨てる。生成画像は整合した色の関係を作るのが異様にうまく、それは学習データが報いるものだからです。
- 構図のサムネイル。 塊の配置、質量、視線がどこから入りどこから出るか。ざっと生成した 1 枚は、ざっと描いたラフより速く判断できます。
- ムードボード。 すべてのなかで最も擁護しやすい用途です。誰も何も写していません。方向性を決める前に、感覚を押さえているだけです。
- 環境の空気感。 霧の濃さ、空気中の埃、夜の濡れたアスファルト、葉を透かした光に染まる部屋の緑。すべて印象であり、構造ではありません。
- 「斜め 45 度から見ると、おおよそどう見えるのか。」 行き詰まったときの後押しとしては有用で、なぞり始めた瞬間に危険になります。これについては後述します。
静かに、間違ったことを教えてくるもの
モデルは肩がどう機能するかを知りません。知っているのは写真のなかで肩がどう見えるかで、それはより浅い種類の知識です。たいていの場合、その差は表に出ません。表に出るとき、それは関節が実際には曲がらない方向へもっともらしく曲がるかたちで現れます。それを絵に写せば、あなたは一度間違えたのではなく、それを練習したことになります。
それが本当の代償であり、だから当社はこのリストについて率直に申し上げます。
- 解剖と関節の機構。 とくに短縮法のかかったもの、圧縮のかかったもの、筋肉が仕事をしているもの。まさにここで、資料は正しくなければなりません。
- 手と足。 現行のモデルがここで失敗する頻度は 2024 年世代よりはるかに低いのですが、「はるかに低い」は「当てにできる」ではありませんし、人物画で最も凝視されるのは手です。
- パースと建築。 消失点はずれ、窓の方立はファサードを横切るあいだに揃わなくなり、階段の蹴上げは高さが変わります。見た目は問題なく、その上に何かを建てれば持ちません。
- 機械と、部品がどう取り付くか。 生成されたエンジン、自転車の駆動系、鎧一式。モデルは組み立てなしに、組み立ての見た目を描きます。
- 動物の解剖。 とくに馬です。脚の関節、歩様の位相、体重の移動。写真家たちが 1 世紀かけて決着させたことを、拡散モデルから学び直さないでください。
- 時代考証を要する衣装、甲冑、馬具。 モデルは何世紀ぶんも平均してしまいます。詳しい人はそれを即座に見抜き、そしてそれが唯一記憶に残るものになります。
型はこうです。何かを確かめるために実在するものの写真を探しに行ったはずなら、そちらをしてください。生成画像は、手探りで進むつもりだった資料の代わりにはなりますが、寸法を測るつもりだった資料の代わりにはなりません。
職業実践としての側面
これは思われている以上に効きますし、主として法律の問題ではありません。
来歴。 Google のモデルから出る画像はすべて、Nano Banana の 4 ティアすべてを含めて、SynthID の watermark を帯びます。目に見えず、Google が上流で埋め込み、どのプロバイダーにも切れません。当社にも、fal.ai にも、Google 自身の API にも。来歴が欲しいなら有用ですし、契約が watermark 入りのアセットを禁じているなら運用上の問題です。それを前提に何かを組む前に、そこにあることを知っておいてください。
クライアントに何を見せるか。 生成された資料はあなたの工程に属し、納品物には属しません。コンセプトの段階でそれを見せることは、あなたが作ったのでもなく求めに応じて再現もできない絵への期待を作ることになり、「その 1 枚をそのまま使って」と言われる近道です。ムードボードに載せるなら、それが何かを言ってください。
なぜなぞらないか。 解剖の問題を別にしても、なぞることは来歴が鋭くなる場所です。生成された 1 枚を見ることを通じて辿り着いた構図は、あなたのものです。そこから線ごと引き写したかたちには、あなたが文書化できない出自があります。ネットで見つけたがライセンスできない写真と同じように使ってください。見て、理解して、タブを閉じて、描く。
とはいえ、これによってストックフォトが清らかになるわけではありません。ストックの夕焼けもまた、光についての誰か他人の判断です。ここでの区別は正しさであって、徳ではありません。
実際に有用な資料を手に入れる
資料は美しくある必要はありません。読み取れる必要があります。それによって使うべきモデルが変わり、答えは安いほうです。
Nano Banana 2 Lite は、2026年8月26日 の価格確認時点で当社の API では 1 枚 $0.0238 です。20 通りで $0.476 になり、当社のカタログ価格の内訳にこれを下回るものはありません。資料の仕事にはそれが正しい経済です。完璧な 1 枚ではなく、量と幅。10 秒目を細めて見て捨てる Nano Banana Pro のレンダリングに $0.075 を払うのは、金に火をつける行為です。Pro は入力ではなく、出力のために取っておいてください。
価格および製品条件は変更される場合があります。購入を判断する前に、各プロバイダーの最新価格をご確認ください。Google の Batch または Flex 価格は、スケジューリング・空き状況・処理条件が異なるため、標準的なオンデマンド API request と直接同等ではなく、この比較には含めていません。これは特定の条件に絞った比較であり、E2X があらゆる構成において世界最安であると主張するものではありません。
prompt を上手にすること以上に効く習慣が 4 つあります。
同じ場面を複数の aspect ratio で生成する。 フレーミングは切り取り方だけでなく、モデルが画面に何を入れるかを変えます。Lite は固定の 14 種類と auto を備え、そこには 1:4、4:1、1:8、8:1 が含まれます。この極端なものは他のティアには存在せず、縦に長い構図や横長のパネルを考えるのに意外なほど役立ちます。prompt 1 つ、比率 6 つ、同じ場面についての本当に異なる 6 つの考え。
edit endpoint で、被写体を固定したままライティングを反復する。 これが最も大きい。気に入った被写体を生成し、それをLite の edit endpoint へ繰り返し通し、ライティングだけを変えてください。カメラ左からの硬い太陽、曇天、低く置いた暖かい実光源 1 灯、夕暮れの逆光。それが 6 つの条件下にある 1 つの被写体であり、ライティングの習作とは本来そういうものです。より長い連作を通して同一性を保つ必要があるなら、Nano Banana 2 が参照画像を最大 14 枚受け取ります。生成をまたいでキャラクターを一貫させるで扱っています。
被写体ではなく、光を prompt する。 「カメラ左上からの硬い光源 1 灯、埋めのない深い影、冷たい環境光に対する暖かいキー」が prompt の有用な半分です。光の中に何が立っているかは、思うほど重要ではありません。
失敗を取っておく。 手が間違っている 1 枚も、ライティングの資料としては依然として使えます。誤りのあるものをすべて捨てることは、支払ったものの大半を捨てることです。
午後をひとつ救う警告をひとつ。当社の API が返す出力 URL は一時的です。資料のライブラリは、リンクを保存するのではなくバイト列をダウンロードして作ってください。失効したリンクのフォルダはライブラリではありません。
生成画像から描くのではなく、それを公開することはより厳しい仕事です。そのための検査の習慣は別に書きました。生成された写真を本物と見分ける方法です。資料の仕事に本当に必要な endpoint は 2 つだけです。被写体を作る text-to-image と、それを押し回し続ける image-to-image。どちらもパラメーター付きでカタログに並んでいます。
よくある質問
AI 画像を絵の資料として使うのは有効ですか？
ライティング、色、構図、雰囲気、環境の空気感については有効です。それらは印象であり、生成画像は印象をよく運びます。解剖、パース、建築、機械、動物の構造については有効ではありません。モデルはそれらが写真のなかでどう見えるかを、どう機能するかを知らないまま再現するので、その出力を写すことはモデルの誤りを練習することになります。判定の基準は、資料が喚起的である必要があるのか、正しくある必要があるのかです。
AI が生成した画像をなぞってもよいですか？
おすすめしません。理由は 2 つ。解釈するのではなくなぞると、解剖と構造の誤りがそのまま作品に写り込みます。そしてなぞったかたちには、後からクライアントや審査に問われたときに文書化できない出自があります。ネットで見つけたライセンスのない写真と同じように使ってください。見て、理解して、理解から描く。
AI が生成した資料画像に watermark は入りますか？
Google の画像モデルからの出力はすべて、Nano Banana の 4 ティアすべてを含めて、Google が適用する目に見えない来歴のマークである SynthID を帯びます。再販の前に埋め込まれるため、どのプロバイダーにも無効化できません。見た目に影響はなく、資料として使うことを妨げもしませんが、そのファイルが AI 生成として識別可能であることは意味します。
資料画像を生成する最も安い方法は何ですか？
2026年8月26日 に確認した、E2X での 1 枚 $0.0238 の Nano Banana 2 Lite です。資料の仕事は仕上がりより量に報いるので、およそ $0.48 で 20 通りのほうが、高級なレンダリング 1 枚に勝ります。ちらりと見て捨てるものに最上位の料金を払う理由はありません。
同じ被写体を違うライティングで生成するにはどうしますか？
被写体を一度生成し、その画像を edit endpoint へ繰り返し送って、毎回ライティングの指示だけを変えてください。それによって、無関係な複数の画像ではなく、多くの条件下にある 1 つの被写体が手に入ります。それが習作を習作たらしめるものです。Nano Banana 2 Lite なら 1 回 $0.0238 でこなせますし、同一性をより厳しく保つ必要があるなら Nano Banana 2 が参照画像を最大 14 枚受け取ります。
生成した資料をクライアントに見せるべきですか？
納品物ではなく、あなたの工程のなかに留めてください。クライアントに見せるボードに載った生成画像は、あなたが作ったのでもなく求めに応じて再現もできない絵への期待を作りますし、クライアントは見てしまえば決まって「その 1 枚」を求めます。生成した 1 枚がムードボードに現れるのであれば、その旨を明記してください。
AI モデルが手や解剖を間違えるのはなぜですか？
画像モデルが学ぶのは、何百万枚もの写真にわたる手の見え方であって、その下にある構造ではないからです。表現のなかに骨格はなく、指がどう隣り合いがちかについての統計があるだけなので、もっともらしい配置が機構的には不可能でありえます。それが最もよく出るのは手と、短縮法のかかった四肢です。まさに、絵描きが資料に正確さを求める場所です。