
日本語プロンプトはどこまで通るのか|MOSS-Image日英比較実測(5テスト・33要素)
MOSS-Imageの公式対応言語は、英語と中国語です。
日本語は公式対応外。それでもこのラボでは、日本語プロンプトで風景シリーズを何十枚も作ってきました。「通じている気はする。でも、英語で書いたらもっと正確になるのでは?」
それを感覚ではなく数字で確かめるために、同じ内容のプロンプトを日本語と英語で用意し、5つのテスト・全33要素で比較しました。
実験の方法
同一内容のプロンプトを、日本語版と英語版(忠実な翻訳)で用意
設定は全て共通:1344×768、Euler/50ステップ/CFG 3/Shift 5、ネガティブ共通
採点は「指定した要素が何個再現されたか」を数える要素チェック方式(綺麗さの主観では比べない)
各テスト1枚ずつの生成で比較(生成のブレはある前提で読んでください)
テストA:風景・短文(8要素)
蒸気都市の風景を短いプロンプトで指定。石段/街灯/銅ドーム/レンガの煙突/鉄橋/白い宮殿/薄暮の青空/琥珀色の窓明かりの8要素。

結果は 英語7.0/日本語8.0。英語版は雰囲気のある写真風になりましたが、ドームが暗い色になり、窓明かりも控えめでした。日本語版は指定要素がすべて入り、銅ドームの色まで再現されました。
テストB:風景・長文(10要素)
世界樹の都「星降る夜」の長いプロンプトで比較。要素は10個(石の手すり/黒いランタン柱/窓明かり/市場のランタン/光る実/水晶の尖塔/銀の滝/月明かりの雲海/満月と星/流れ星)。

【画像:moss-compare-pair-b.png(テストBの比較)】
結果は 両方9.5で互角。長い指示の保持率は日英で差がつきませんでした。英語版は水晶の尖塔が明確、日本語版は雲海の月明かりが明確と、強みの出方が違うのも面白いところです。
テストC:日本語の文字看板(4要素)
カフェの店先に「時短カフェ」と「本日のおすすめ」の看板を指定。英語版でも看板の文字自体は日本語で指定しました。

結果は 英語2.5/日本語4.0。日本語版は2つの看板とも完全一致で、余計な文字もなし。英語版は写実的な店先になりましたが、黒板の「おすすめ」の字が崩れ、画面の端に指定外の看板まで出ました。
描いてほしい文字が日本語のときは、指示も日本語で書く方が素直に通るようです。
テストD:キャラと小物(6要素)
「白い丸い体+紺のネクタイ+頭に金のストップウォッチ+右手のガッツポーズ」のキャラ指定(時短もちの仕様です)。

結果は 英語4.5/日本語6.0(満点)。日本語版は指定どおり。英語版は「頭にストップウォッチを乗せる」が「頭そのものがストップウォッチになる」と解釈され、顔が時計盤になりました。これはこれで面白いのですが、指定の再現としては崩れです。
テストE:JSONレイアウト(5要素)
前置き文だけ日英で変え、中身のJSONは完全同一にして比較。

結果は 両方4.5で互角。タイトル位置・文字列は両方とも正解。英語版は「open 8:00」が右端で縦書きになり一部切れ、日本語版はカップが空のマグカップで湯気なし、と細部の欠けの出方が違いました。JSONの中身が英語なので、前置きの言語の影響は小さいようです。
結果まとめ

【今回の範囲(5テスト・各1枚)では、日本語プロンプトが同等以上 という結果になりました。公式対応外なのに、です。
もちろん注意点もあります。各テスト1枚ずつの結果なので、生成のブレで逆転する可能性はあります。また「綺麗さ」ではなく「指定要素の再現数」で比べているので、絵の好みは別です(テストAの英語版の雰囲気は筆者も好きです)。
実務的にはどうするか
この結果から言えるのは、「日本語で書いたら損をする」という単純な話ではなさそうだ、ということです。
風景や雰囲気の指定は、日本語のままで十分通る
看板など「描いてほしい日本語の文字」があるときは、指示も日本語が無難
キャラの細かい属性指定も、日本語の方が素直に通った(今回の範囲では)
JSONレイアウトは前置きの言語を気にしなくてよい
英語に翻訳する手間をかける前に、まず日本語で要素を具体的に書く方が、時短にも再現にも効く。これが今回の実測の結論です。
AI時短ラボでは、画像生成AI「MOSS-Image」を実際に触って測る実測記事を連載しています。
MOSS-Imageプロンプト実践集(無料)→
MOSS-Imageプロンプト深掘り編(無料)→
MOSS-Image 風景シリーズ(無料)→
MOSS-Image ファンタジー風景シリーズ(無料)→