
画像生成AIに日本語で頼んだらどうなる?5モデルで試したら、通じるやつと全く通じないやつにハッキリ分かれた
画像生成AIの「プロンプト(指示文)」は英語で書くのが常識、と言われてきました。
自分はいつもDeepLで訳してから入れてます。でも、そもそも日本語のまま通じるなら、その手間いらなくない?
というわけで、手元にある5つのモデルに日本語と英語で同じ内容を頼んで、どれくらい通じるか比べてみました。
結論
FLUX.2 klein と Z-Image Turbo は日本語がちゃんと通じる。 英語とほぼ同じ絵が出る
Chroma は日本語を完全に無視。 何を頼んでも同じ森の絵が出てきた
Anima も日本語を無視。 毎回、関係ない人物のイラストになった
Juggernaut XL(SDXL)は「なんとなく日本っぽい」雰囲気だけ伝わる
ただし、『こたつ』『たこ焼き』みたいな細かいものは、日本語が通じるモデルでも苦手。英単語を混ぜると良くなることもある
条件
GPU:RTX 5070(VRAM 12GB)/ComfyUI
サイズ:1024×1024、シード42で固定
モデル:FLUX.2 klein/Z-Image Turbo/Chroma/Anima/Juggernaut XL
お題は4つ。日本語で書いた文と、それを英語に訳した文で比べた
渋谷:夜の渋谷のスクランブル交差点、雨が降っていて、たくさんの人が傘をさして歩いている。写真。
こたつ:こたつに入ってみかんを食べている三毛猫。和室。イラスト。
縁側:夏の縁側でスイカを食べている麦わら帽子の少年、風鈴、入道雲。アニメ風。
たこ焼き:屋台でたこ焼きを焼いているおじさん、湯気、提灯の明かり。写真。
画像はどれも、上の段が日本語、下の段が英語です。
お題1:夜の渋谷

klein・Z-Image:日本語でも英語でも、ちゃんと雨の渋谷。どっちで頼んだか見分けがつかない
Anima:日本語だと、渋谷どころか緑髪のお兄さんのイラストになった
Chroma:日本語だと、なぜかアニメ調の森
Juggernaut:日本語でも「夜・雨・傘・日本の街」までは伝わってる。でも渋谷じゃない
お題2:こたつでみかんを食べる三毛猫

klein・Z-Image:三毛猫・みかん・和室は日本語でも完璧。でもこたつは日本語でも英語でも、どっちのモデルでも出てこない
Anima・Chroma:日本語だと関係ない絵。でも英語だと「こたつ」がいちばん正確に出たのはこの2つ
Juggernaut:日本語だと、猫と和食がいっぱい並んだテーブル。惜しい
お題3:夏の縁側でスイカを食べる少年

klein:日本語でもほぼ完璧。ただしスイカがメロン(?)っぽくなって、風鈴がベルになった
Z-Image:日本語でもスイカ・麦わら帽子・風鈴、全部ある
Anima・Chroma:日本語だとまた関係ない絵
Juggernaut:日本語だと「夏の田舎道を歩く子ども」。雰囲気だけ伝わった
お題4:屋台でたこ焼きを焼くおじさん

klein・Z-Image:日本語でも、屋台・湯気・提灯・おじさんは完璧。でもたこ焼きじゃなくて焼き鳥っぽいものを焼いてる
英語だと、Z-Image・Anima・Chroma・Juggernautはちゃんとたこ焼きになった
Juggernaut:日本語だと、きれいな厨房で笑顔の男女。屋台感ゼロ
なんでこうなるの?
ざっくり言うと、画像生成AIの中には「文章を読む係」(テキストエンコーダー)がいて、その係が日本語を読めるかどうかで決まります。
klein と Z-Image:読む係が「Qwen3」という、日本語も勉強してる言語AI。だから日本語が通じる
Chroma:読む係が「T5」という、ほぼ英語しか知らない係。日本語は全部「知らない文字」扱いになって、毎回同じ絵が出る
Juggernaut(SDXL):読む係が「CLIP」。日本語は苦手だけど、漢字の一部を拾って「日本っぽさ」だけ伝わる
Anima:読む係はQwen3(小さい版)だけど、学習のときに英語のタグで教わってるので、日本語の文章には反応しない
ちなみにChromaとAnimaは、日本語だと4つのお題全部で、ほぼ同じ絵が出てきました。完全に「何も書いてない」のと同じ扱いになってるっぽいです。
おまけ:「日本語+肝心な単語だけ英語」は効く?
日本語が通じる klein と Z-Image で、「こたつ」「たこ焼き」「スイカ」だけ英語にして試しました。
「kotatsuに入ってみかんを食べている三毛猫。和室。イラスト。」
「屋台で takoyaki を焼いているおじさん、湯気、提灯の明かり。写真。」
「夏の縁側で watermelon を食べている麦わら帽子の少年、wind chime、入道雲。アニメ風。」

上から「日本語だけ」「日本語+英単語」「英語だけ」です。
こたつ:kleinは、こたつ布団つきのちゃんとした「こたつ」が出た! 日本語だけ・英語だけのときは出なかったのに。Z-Imageはちゃぶ台止まり
スイカ:kleinの「メロンっぽいもの」がちゃんとスイカになった。Z-Imageは風鈴がそれっぽくなった
たこ焼き:kleinは串カツみたいなものになった。Z-Imageは、ソースがかかった丸いものが鉄板に並んで、たこ焼きにかなり近づいた。でも完璧ではない
効くときはかなり効く。でも確実ではない、という結果でした。
まとめ:日本語で書くならこう
日本語でいい:FLUX.2 klein、Z-Image Turbo
英語で書く:Chroma、Anima、SDXL系(Juggernautなど)
日本語が通じるモデルでも、「こたつ」「たこ焼き」みたいな細かいものは、英単語を混ぜると良くなることがある(でも確実ではない)
注意書き
シード1つでの比較です。シードを変えると結果が変わる可能性があります
「通じる」「通じない」は自分の目で見た判断です