
Claude教授の特別授業丨初心者がAIに画像生成を学ぶ🔰丨第4回:検証の実験化①
この記事はAI(Claude)との対話ログです。
🐱マークのあるものが、著者が入力したものです。
普段、ChatGPT、Gemini、MetaAI、Copilot、Grok
そしてClaudeを全て無料枠内で使ってます。
Claude教授はAIなのでハルシネることがあります。
おや?と思うところは脳内補正かけてください。
著者として気づいたところには(※)を入れます。
ハルシネるのでこのシリーズ記事が
完全に正しい、唯一無二の答えだ
ということではありませんのでご注意ください。
それを前提にお楽しみください。
前回⇩
マガジン作りました⇩
━━━━━━━━━━━━━━━━━━━━━━━

第4回、始めましょう。テーマは「検証の実験化」です。
実は、少し前のあなたのProject検証は、この回の内容をほぼ先取りしていました。今回はそれを言語化・型化して、再現できる技術にします。
なぜ「検証」を実験化する必要があるのか
第0回で扱った通り、拡散モデルは「着地点の範囲」の中から確率的に1枚を選び出す仕組みです。つまり——
良い結果が出ても「プロンプト設計が正しかった」とは限らない(運が良かっただけかもしれない)
悪い結果が出ても「プロンプト設計が間違っていた」とは限らない(たまたま外れくじを引いただけかもしれない)
1回の生成結果だけで一喜一憂すると、間違った学習をしてしまいます。検証を「実験」として構造化することで、この曖昧さを排除します。
実験化の4原則
仮説を先に立てる
生成する前に「こうなるはずだ」を言語化しておく。後から結果を見て理由をこじつける(後付けの物語化)のを防ぐためです。あなたが「もしかしてProject外じゃないと意味がないのでは?」と先に仮説を立ててから試したのは、この模範例でした。変数は一つだけ変える
比較したい対象以外は全て固定する。あなたのケースでは「メタプロンプトの中身」はほぼ据え置いたまま、「生成場所(Project内/外)」だけを変えていました。これがあったから、原因を「Projectの仕様」に絞り込めたのです。もし同時に複数変えていたら、どちらが効いたか分からなくなっていました。1回で判断せず、同条件で複数回試す
Project内での失敗が、1000005795・798・799と複数回にわたって同じ傾向(ウタリの別人化)を示したのは、偶然ではなく再現性のある現象だと判断する根拠になります。単発の失敗だけなら「ノイズかもしれない」と留保すべきでしたが、複数回の再現によって「仕様の問題」だと確信度を上げられました。失敗の切り分け(プロンプト側 vs ツール側)
結果が悪かったとき、原因は主に2種類あります。プロンプト設計側の問題(4部品の抜け・L1〜L3の混同)→ プロンプトを直す
ツール・プラットフォーム側の仕様の問題(今回のProjects)→ 運用フローを変える
どちらか見極めずに「プロンプトが悪いんだ」と思い込んで書き直し続けると、そもそも直しようのない原因を追いかけ続けることになります。
再利用できる「検証シート」
今後、迷ったときはこの型で記録してください。
検証したいこと(仮説):
固定した条件:
変えた変数(1つだけ):
試行回数:
結果の傾向:
結論:プロンプト側の問題/ツール側の問題/要追加検証第4回の実践課題
前回の「Gemini Notebookにスキルファイルを入れる」というアイデアは、まだ検証されていません。これを題材にしましょう。
同じシーン指定(例:ポーズ・構図の指定が難しかった場面)で、
条件A:スキルファイルなしでメタプロンプトを作らせる
条件B:スキルファイルありでメタプロンプトを作らせる
を、上記の検証シートに沿って比較してみてください。仮説(「スキルファイルがあれば構図の破綻が減るはず」など)を先に書いてから試すのがポイントです。結果がまとまったら見せてください。
【Geminiとの地獄の絡み(略)】
複数回に分けるので「以上です」と言うまで待機してください。
アップしたmdファイル3つ(※記事の最後に置いてあります)をGeminiのノートブックのソースに上げ、設定のカスタム指示を以下のものにしました。
# ロールと目的
あなたは画像生成AI(Midjourney, Flux, Imagen等)の性能を極限まで引き出すプロンプト自動構築エンジンです。
ユーザーから日本語で入力された場面、登場人物、構図、ポーズ、持ち物などの指示を受け取り、ソース内にある3つのスキルファイルを参照して、解剖学的に正しく破綻率が極めて低い英文プロンプトを構築してください。
# 参照するソースファイルと適用ルール
出力プロンプトを組み立てる際は、アップロードされた以下のファイルを必ず検索・参照し、該当するルール・英語表現を適用してください。
1. 『構図・レイアウト翻訳ディクショナリー.md』
- 日本語の位置指定(右上、中央等)をグリッドアンカー(Upper-right corner等)に変換。
- カメラ角度、アングル、レイヤー構造(Foreground / Midground / Background)を厳密適用。
2. 『解剖学・ポーズ記述ガードレール.md』
- 腕・脚の本数を「strictly two human arms / legs」と固定。
- 握り方、関節の向き、ポーズに応じた骨格拘束ルールを適用。
3. 『破綻防止・絶対制約リスト.md』
- 複数キャラの属性混ざり(Bleeding)を防ぐブラケット分離構文を適用。
- 持ち物や切断部位が自前の腕や体として生えるのを防ぐ「独立オブジェクト化」ルールを適用。
- 参照画像(Image 1, 2...)のデザイン保持・改変禁止(Do NOT redesign / cutout)ルールを適用。
# プロンプト出力フォーマット(出力構造)
以下のセクション構造を維持した英文プロンプトを生成してください。
1. **MAIN RULE & REFERENCES**: 画像の優先順位と参照データの改変禁止ルール(Do NOT redesign)
2. **SCENE & ATMOSPHERE**: 場面、空気感、背景の有無(透明背景指定など)
3. **COMPOSITION & CAMERA**: グリッド配置、カメラ角度、レイヤー奥行き
4. **CHARACTERS & ANATOMY**: 各キャラクターの位置、見た目、厳密なポーズ、解剖学的拘束(本数・握り方)
5. **SPATIAL SEPARATION & INTERACTIONS**: キャラ同士・被写体間の物理的距離(非接触・空隙指定・独立オブジェクト指定)
6. **SCALE & PERSPECTIVE**: 比率・身長差の維持
7. **VISUAL PRIORITY**: 優先順位(Priority 1〜6)
8. **STYLE & QUALITY**: アニメ風、8K、光彩等の品質指定
9. **NEGATIVE PROMPT**: ユニバーサル・ネガティブプロンプトバンクを適用した否定指示
# 絶対制約事項
- 思考プロセス、挨拶、解説、Pythonコード等は一切出力しないこと。
- 完成した「英文ポジティブプロンプト」と「英文ネガティブプロンプト」のテキストのみを出力すること。
通常チャットでメタプロンプトを作り画像生成しました。できた画像がアップしたものです。
⇩
画像生成せずにプロンプトを作って。
画像生成時には2枚のキャラクターシートを使い、一枚目をウタリ、二枚目をイコロとする。
ウタリとイコロのバトルシーン。
イコロが巨大なハンマーを両手で地面に対し水平方向に全力で振り回している。
そのハンマーの打面をウタリは片手で軽々受け止めている。
背景は山の中腹で少し開けた岩場。
上空から斜めに見下ろす視点。
できたメタプロンプト⇩
A dynamic anime-style action battle scene set in a rocky clearing on a mountainside.
Viewpoint: High-angle diagonal overhead shot (aerial perspective, dynamic angle).
Characters and Action:
- Character 1 (Utari, referencing Character Sheet 1): Stands calmly, single-handedly and effortlessly blocking the strike. Her single hand receives the flat face of a massive hammer with total ease.
- Character 2 (Ikoro, referencing Character Sheet 2): Swing a gigantic warhammer with both hands in a full-power horizontal spin parallel to the ground, teeth grit with intense exertion.
Composition & Effects:
- Extreme contrast of power: violent kinetic motion and impact shockwaves around the hammer head, contrasted with Utari's effortless posture.
- Environment: Rugged rocky cliffside, alpine vegetation, scattered boulders, dramatic lighting from sunlight filtering through mountain mist.
- Style: Highly detailed anime key visual, cinematic lighting, sharp focus, dynamic speed lines, dramatic particle effects (dust, small rocks flying).
Note: Character 1 is Utari (refer to Character Sheet 1), Character 2 is Ikoro (refer to Character Sheet 2).

先程ソース等を設定したノートブック内チャットでメタプロンプトを作り画像生成しました。できた画像がアップしたものです。
⇩
画像生成時には2枚のキャラクターシートを使い、一枚目をウタリ、二枚目をイコロとする。
ウタリとイコロのバトルシーン。
イコロが巨大なハンマーを両手で地面に対し水平方向に全力で振り回している。
そのハンマーの打面をウタリは片手で軽々受け止めている。
背景は山の中腹で少し開けた岩場。
上空から斜めに見下ろす視点。
できたメタプロンプト⇩
MAIN RULE & REFERENCES:
STRICT REFERENCE PRESERVATION: Do NOT redesign, alter, or simplify [Image 1] (Utari) or [Image 2] (Ikoro). Preserve exact costume, hair, face, accessories, and color palettes from their respective character sheets. [Image 1] represents Utari and [Image 2] represents Ikoro. Strict color containment per entity; no color bleeding, attribute crossover, or visual spillover between characters.
SCENE & ATMOSPHERE:
An intense anime-style battle scene set on an open rocky plateau halfway up a mountain. Rugged terrain, steep mountain slopes in the background, sharp scattered rocks, dust and shockwaves kicking up from the massive force, high-tension combat atmosphere under bright daylight.
COMPOSITION & CAMERA:
High-angle perspective, looking down from above at a dramatic angle. Dynamic diagonal battle composition framed across the screen. Both characters are anchored in the midground layer on the flat rocky ground.
CHARACTERS & ANATOMY:
* [Image 2: Ikoro]: Positioned on one side of the frame, strictly two human arms attached properly at shoulder joints, strictly two human legs connected naturally. Executing a full-force horizontal swing with a massive giant hammer parallel to the ground, holding the hilt with both hands in an overhand-underhand grip. Dynamic torso rotation following the momentum.
* [Image 1: Utari]: Positioned on the opposite side of the frame, strictly two human arms attached properly at shoulder joints, strictly two human legs. Calm and effortless stance, stopping and blocking the striking face of Ikoro's giant hammer cleanly with a single raised open palm/hand.
SPATIAL SEPARATION & INTERACTIONS:
The giant hammer is a COMPLETELY SEPARATE external object held exclusively by Ikoro's hands. It is NOT an arm, NOT growing from any character's body. Clear impact contact point between Utari's single open palm and the flat striking face of the hammer, with circular shockwave air effects radiating outward. Zero body blending, no arm merging, and sharp distinct silhouettes for both characters.
SCALE & PERSPECTIVE:
Massive scale ratio of the giant hammer compared to the characters. High-angle perspective emphasizing the depth between the midground fight on the rocky plateau and the deep mountain background.
VISUAL PRIORITY:
* Priority 1: Utari effortlessly stopping the giant hammer's striking face with a single open hand.
* Priority 2: Ikoro swinging the giant hammer horizontally with full force using both hands.
* Priority 3: High-angle downward camera perspective viewing the battle.
* Priority 4: Strict anatomy (strictly two arms and two legs per character, correct grip).
* Priority 5: Open rocky plateau setting on a mountain mid-slope.
* Priority 6: Dynamic impact shockwave dust effects.
STYLE & QUALITY:
High quality anime artwork style, sharp dynamic line art, vivid vibrant colors, detailed cinematic lighting, high resolution 8K quality, crisp character details, impact visual effects.
NEGATIVE PROMPT:
extra arms, extra legs, extra limbs, fused limbs, malformed hands, missing fingers, extra fingers, incorrect finger count, weapon growing from torso, third arm, character fusion, color bleeding, attribute crossover, redesigning characters, altering outfits, low quality, blurry, bad anatomy, distorted proportions, floating limbs, improper grip, weapon merging with skin, 3D render look, photo real, photorealistic faces.

検証したいこと(仮説):スキルファイルがあれば構図や体勢等の破綻が減るはず
固定した条件:メタプロンプトを作るためのプロンプト
変えた変数(1つだけ):メタプロンプトを作る場所
試行回数:1
結果の傾向:スキルファイル有りの方が安定している
結論:要追加検証(回数が一回のみ。一発で完璧に作るには難しいようで、何度か相談しながらプロンプトを修正していく必要がありそう。ただ、これを一発で出せるようになりたい)
以上です。
この検証シート、非常に良くできています。
特に「試行回数:1」を隠さず明記し、結論を「有効」と言い切らずに「要追加検証」と留保したこと——これはまさに第4回で伝えたかった態度そのものです。
1回の勝敗で断定しないというのは、地味ですが最も破りやすい原則なので、きちんと守れています。
画像を見比べての所感
両方拝見しましたが、確かに違いが出ています。
スキルファイルなしの版は、ウタリの手がハンマー打面の上で指を広げて押さえるような形になっているのに対し、スキルファイル版は手のひらを平らに当てて衝撃波の同心円が広がる、より「軽々と受け止めた」という意図に近い絵になっています。
これは偶然というより、スキルファイル側のプロンプトに「SPATIAL SEPARATION & INTERACTIONS」という接触点を明示的に記述するセクションが加わったことと筋が通っています。
つまり、n=1ではありますが「でたらめな差」ではなく「設計通りに効いていそうな差」だと見て良いと思います。
ただし、あなたが書いた通り、これを確信に変えるには最低でも同条件で2〜3回ずつ回して、この傾向が再現するかを見る必要があります。
「一発で完璧に出したい」について、一つだけ補足させてください
これは目標として正しいのですが、第0回の内容を思い出してください。
拡散モデルは確率的に着地点を選ぶ仕組みである以上、プロンプト設計をどれだけ極めても「毎回100%一発」は原理的に難しい部分が残ります。
目指すべきは「ブレをゼロにする」ことではなく、「着地点の範囲そのものを狭め、当たりの確率を上げ、外れても軽微な修正で済む状態にする」ことです。
実際、あなたの当初の目標も「10回以上→1〜2回」であって「必ず1回」ではありませんでしたね。
この感覚は覚えておいてください。
第4回のような検証を重ねるほど、この「範囲を狭める」精度が上がっていきます。
次にどうするか
このまま同条件で追加検証(スキルファイル有り無し、それぞれ2〜3回ずつ)を行ってから区切るか、この結果で第4回は十分とみなして第5回(小説挿絵への実装)に進むか、どちらにしましょうか。
この画像はメタプロンプトを作らず、いつも使っている型に当てはめて自作したプロンプトで生成したものです。
型⇩
次の画像を生成
[場面]
[構図]
[表情]
[体勢]
[アクション]
[アスペクト比]16:9
[クオリティ]最高品質・アニメ風・8k
[ネガティブ]低品質・2本以外の腕・2本以外の足・5本以外の指・人体の崩れ・手の崩れ・指の崩れ・別人の顔・服装の変更・人間の体勢として不自然なもの
⇧
この時の正確なプロンプトは残っていませんが、一番理想的(ハンマーの角度が90度回って、受け止めている手がグーなら完璧)なものになっています。
この時のプロンプトを元にスキルファイル有りでメタプロンプトを作ればより良くなるでしょうか?
ソースに入れたスキルファイルが今のもので十分なのか自分で判断できないので、その点もチェックしてもらえると助かります。

スキルファイル3点、内容を確認しました。
結論から言うと、全体の設計思想はしっかりしています。
特に「破綻防止・絶対制約リスト」の色の伝染防止・持ち物の腕化防止・参照画像の死守あたりは、第1回の「④-a対象除外」「④-b属性凍結」をそのまま実装したものになっていて、質は高いです。
ただ、今回のケースに関してピンポイントで一つ、抜けている項目を見つけました。
見つかった穴:「拳で受け止める」の定義がない
「解剖学・ポーズ記述ガードレール」の握り方の表には——
握り拳(フック・パンチ)→ 攻撃用として定義あり
開いた手(壁・床)→ 静止物に手を置く用として定義あり
の2つはありますが、「武器の打撃面を拳で受け止める・防ぐ」という項目がありません。あなたの元の日本語指示「片手で軽々受け止めている」も、拳か掌かまでは指定していませんでした。つまり——
宣言されていない属性は自由変数になる(第1回の核心原則)
がここでも起きていたわけです。
AIは「受け止める=壁に手を置く動作に近い」と解釈し、開いた手を自動選択したと考えられます。
第1回の原則が、辞書化されたスキルファイルの上でも同じ形で成立する、良い実例です。辞書に載っていない表現は、結局AIの裁量に委ねられます。
対処案として、握り方の表にこの行を足すと良いでしょう。
`Blocking an incoming weapon with a clenched fist, knuckles absorbing the impact, wrist locked firm`
ハンマーの角度(90度回転)は、スキルファイルというより元の日本語指示そのものの情報量不足です。「打面をどちらの向きにするか」まではどの版のプロンプトにも書かれていませんでした。
「このプロンプトを元に作ればより良くなるか」について
試す価値はありますが、一点直しておきたいことがあります。
今回一番理想的だった結果の正確なプロンプト文面が残っていない、という点です。
比較の基準(ベースライン)を失っている状態で、これは第4回の「記録に残す」原則がまさに効いてくる場面です。
良い結果が出たときほど、全文をそのまま保存する習慣をつけてください。
今回は、記憶しているテンプレート構造を再構築し、「拳で受け止める」「ハンマーの向き」を明記した上でスキルファイル有りのメタプロンプトを作らせる、という形で追試するのが良さそうです。
一つ確認させてください
3枚目の画像は、どのツール(ChatGPT、Gemini、MetaAIなど)で生成しましたか。1・2枚目と同じ画像生成エンジンかどうかで、切り分け方が変わってきます。
1〜3枚目全てChatGPTです
それは大きいです。
1枚目・2枚目・3枚目、すべて画像生成エンジンは同一だったということですね。
つまり、これまで気にしていた「エンジン自体が違うのでは」という懸念は排除できます。
これでA(ChatGPTでメタプロンプト(※?)・スキルファイルなし)とB(Gemini Notebookでメタプロンプト・スキルファイルあり)の比較は、純粋に「プロンプトの中身の違い」だけに絞り込めたことになります。
前回指摘した「接触点の描写がスキルファイル版でより丁寧になっていた」という所見も、エンジンの差ではなく設計の差による効果だと、より自信を持って言えるようになりました。
一方でC(テンプレート・メタプロンプトなし)が一番理想に近かった、という事実も、同じエンジン上での結果である以上、無視できないデータです。
ただしCも完璧ではなく、ハンマーの角度と拳/掌の問題は残っていました。
つまり「短いプロンプトの方が優れている」という話ではなく、「AとBはCにはなかった別の弱点(接触点の表現の甘さ)を抱えていたが、Cにはそれがなかった代わりに、別の指定漏れ(角度・拳)があった」という、それぞれ独立した課題が並んで見えている状態だと捉えるのが正確です。
次の一手
前回洗い出した2点——
解剖学ガードレールに「拳で受け止める」の項目を追加
シーン指示にハンマーの向き(角度)を明記
これを反映したうえで、A・B・Cの構造を統合した新しいプロンプト(スキルファイルの精度+テンプレートの簡潔さ)を組み、同条件で2〜3回試す。
そして今度こそ、使った全文プロンプトを保存しておく。
これで初めて「スキルファイルは効くのか」に対する、まともな回答が得られる段階に来ると思います。
試してみますか、それとも一旦ここまでの内容で区切りますか。
試してみます
━━━━━━━━━━━━━━━━━━━━━━━
次回⇨第4回 : 検証の実験化②
このまま進めて間違ってないのか不安です。
でも学びはあるので無駄ではなさそうです。
Geminiに作らせた3点セット⇩
中身はよー分かりますぇん😽
教授の評価はそこそこですが
今んとこ役にはたってません _(:3」∠)_