テキストから画像生成（Text-to-Image）とは、「どんな画像を作りたいか」を文章で伝えると、AIがその内容に沿った画像を生成する技術です。「画像生成AI」と呼ばれる機能の代表的な使い方の一つです。

たとえば「青空の下で本を読む白猫。やさしい水彩画風」と入力すると、その場面を描いた画像を作れます。画像検索のように既存の画像を探すのではなく、入力した条件をもとに新しい画像を生成するのが特徴です。ただし、既存作品と似ないことや、指示どおりの画像が必ず出ることは保証されません。

ざっくり言うと

知りたいこと答え
何を入力する？被写体・背景・雰囲気などを書いた文章（プロンプト）
何が出てくる？文章で伝えた条件に沿ってAIが生成した画像
何に使える？アイキャッチ、サムネイル、資料の挿絵、デザインのラフなど
何を確認する？文字・細部の正確さ、素材や人物の権利、利用条件

「画像を作る」「画像を読み取る」「画像を編集する」は、それぞれ別の役割です。同じAIサービスで複数の機能を使える場合もあります。

イメージ

1. Text-to-Imageでできること

文章だけで、写真風の画像やイラストなど、さまざまな表現を試せます。用途はたとえば次のとおりです。

  • ブログ・SNS
    記事のアイキャッチ、投稿用のイラスト、動画サムネイルの背景
  • 仕事の資料
    スライドの挿絵、企画書に入れるイメージ図
  • デザインの準備
    チラシやバナーの雰囲気を比較するためのラフ
  • 趣味・創作
    架空の風景、絵本風の場面、オリジナルのキャラクター案

特に便利なのは、頭の中の「こんな感じ」を、言葉で伝えて目で確かめられることです。完成した広告や作品としてそのまま使うかどうかは、画像の品質と権利を確認してから決めます。

代表的な利用先にはChatGPTの画像生成、Geminiの画像生成、Adobe Fireflyなどがあります。Stable Diffusionはサービス名というより画像生成モデルの系列です。サービスとモデルでは役割が異なり、使える機能や料金、利用条件も一律ではありません。

正確には

2. 画像検索・Vision・AI画像編集との違い

機能主な入力主な役割
画像検索探したいものの名前・検索語すでに存在する画像を探す
Text-to-Image作りたい画像の説明文新しい画像を生成する
Vision（画像認識）画像と質問画像の内容を読み取って説明する
AI画像編集既存の画像と修正の指示背景・構図・一部分などを変更する

たとえば、猫の写真を探すのは画像検索、アップロードした猫の写真について質問するのはVision、「本を読む白猫を水彩画で作る」のがText-to-Imageです。

ただし、この表は機能を理解するための分類です。最近の製品には、生成した画像を会話の中で直したり、参考画像を使ったりできるものもあります。「文章を入力して画像を出す」だけが、画像生成サービスのすべてではありません。

3. プロンプトの書き方と画像の直し方

AIに伝える指示文をプロンプトといいます。画像生成では、まず「何を描くか」「どこに配置するか」「どんな雰囲気にするか」を書くと、希望を伝えやすくなります。

たとえば、カフェの秋限定メニューを紹介する背景画像なら、次のように頼めます。

秋のカフェのテーブルに、湯気の立つコーヒーカップと紅葉した葉。
写真風。夕方のやわらかい光。温かみのある色。
横長の構図で、右側には見出しを置くための余白を広く残す。
画像の中に文字は入れない。

これは説明用の入力例であり、特定のサービスでこの画像が生成されたという実測結果ではありません。

出力が思いどおりでなければ、一度にすべてを書き換えるより、違う部分を具体的に伝えてみましょう。

  • 画像が暗い → 「テーブルを明るく。夕方の雰囲気は残す」
  • 余白が狭い → 「カップを左側に寄せ、右半分を空ける」
  • 小物が多い → 「カップと葉以外の小物を減らす」

指示する → 画像を見る → 直したい点を伝える、という繰り返しが基本です。生成のたびに全体の配置が変わる場合もあるため、同じ構図を保てるかはサービスの編集機能にも左右されます。

また、描いてほしくない要素を指定する方法として、ネガティブプロンプトがあります。ただし、専用の設定欄がある製品と、普通の文章で「入れないで」と伝える製品は同じではありません。指定すれば必ず除外されるわけでもありません。

4. AIはどうやって画像を作る？ 拡散モデルの基本

画像生成AIの作り方は一種類ではありません。広く使われてきた代表的な方法の一つが、拡散モデル（Diffusion Model）です。

仕組みを大まかに説明すると、次の流れになります。

  1. 砂嵐のようなノイズを含む状態から始める。
  2. 「夕焼けの海辺を歩く柴犬」などの文章を手掛かりに、画像に近づくようノイズを段階的に調整する。
  3. その処理を繰り返し、最終的な画像を得る。

紙に輪郭を描き足していくのではなく、ノイズから少しずつ画像を整えていくイメージです。

Stable Diffusionなどの説明に出てくる潜在拡散（Latent Diffusion）では、画面の画素そのものではなく、画像の情報を圧縮した「潜在空間」で処理してから画像に戻す方法が使われます。DDPMやLatent Diffusionの研究論文に、その考え方が示されています。

ただし、これは初心者向けに簡略化した説明です。すべての画像生成AIが拡散モデルで動くわけではありません。 現行製品の内部構造がすべて公開されているとも限らないため、製品名から方式を決めつけることはできません。

5. 得意なことと、苦手になりやすいこと

得意なこと人が確認したいこと
雰囲気や画風の異なる案をすばやく試す指示した構図・色味になっているか
イラストや写真風の背景案を作る手・小物の数・背景などが不自然でないか
文章から広告や資料のラフを作る文字・数字・ロゴ・実在の商品が正確か

画像内の文字や細部を描く性能は進歩しています。しかし、誤字、数字の取り違え、ロゴの変形などが起こらないわけではありません。特に広告の価格、営業時間、電話番号、商品名などは、生成した画像をそのまま信用せず、元の情報と照合してください。

正確な日本語や価格表記が必要なら、AIで背景を作り、文字は画像編集・デザインソフトで入れる方法もあります。細かい点までチェックできる大きさで画像を開き、公開前に確認しましょう。

また、写真風の画像が本物の出来事を示すとは限りません。実在の場所や人物を描いたように見えても、事実の記録として利用できるとは限らない点にも注意が必要です。

6. 公開・商用利用で確認すること

「AIが作った画像だから、誰でも自由に商用利用できる」とは限りません。 少なくとも次の点を分けて確認します。

  1. 使ったサービス・モデルの条件
    個人利用と商用利用で条件が異ならないか。無料・有料プラン、選んだモデル、機能に適用される規約は何か。
  2. 入力する素材の権利
    他人の写真やイラストを参考画像としてアップロードしてよいか。写真に人物が写る場合は、同意やプライバシーにも問題がないか。
  3. 生成結果の第三者の権利
    他人の作品、キャラクター、商標、人物の肖像などを不適切に使っていないか。
  4. 誤解を招く表現
    架空の場面を事実の写真のように示していないか。価格・日付・人物・商品を誤って表示していないか。

たとえばAdobe Fireflyは商用利用に関する案内を公開していますが、同じサービス内でも提携先モデルなど条件が異なる場合があります。Stability AIもモデルのライセンス条件を公表しています。実際に使うサービス・モデル・プランに適用される最新の案内を確認してください。

生成画像と著作権の関係は、一律に「必ず著作権がある」「AIが作ったから権利はない」と言い切れません。文化庁が公表する「AIと著作権について」の資料も、確認の手掛かりになります。

よくある質問

やってみよう

判断クイズ

第1問

画像生成AIで作ったカフェの告知画像は雰囲気がよいものの、商品名の文字が少し崩れています。広告に使うなら、最も適切なのは？

  • A. 同じ指示で再生成して、文字が見やすくなった画像を選び、そのまま公開する。
  • B. 商品名を元データで確認し、必要なら文字部分をデザインソフトで入れ直してから公開する。
  • C. 商品名は説明文にも書くので、画像内の文字は元データと照合せず公開する。

第2問

無料の画像生成サービスで、仕事用のバナー画像を作りました。商用利用について、どの判断が適切ですか？

  • A. 使ったサービス・モデル・プランの利用条件を確かめ、入力素材と生成結果の第三者の権利も確認する。
  • B. サービスが商用利用を許可していれば、他人のロゴが画像に入っていても問題ないと判断する。
  • C. 無料で保存できる画像なら、個人SNSから企業広告へ転用しても条件は変わらないと判断する。

第3問

「夕焼けの海辺にいる柴犬」と頼んだところ、犬が小さすぎました。まず何を試すのがよいですか？

  • A. 指示は変えず、同じプロンプトでの生成を繰り返すことだけで解決を目指す。
  • B. いったん画像を保存して犬の部分だけを拡大し、解像度や画質を見ずに完成とする。
  • C. 「柴犬を画面の左側に大きく配置し、夕焼けと海辺は残す」と、直したい点を具体的に伝える。

あわせて読みたい

締めに

まとめ

Text-to-Imageは、文章から新しい画像を生成する技術です。何を描くか、どんな雰囲気か、どう配置したいかを伝え、出力を見ながら少しずつ修正するのが基本です。

画像の案出しやラフ作りに便利ですが、文字や実在の情報が正しいか、公開・商用利用できる条件を満たすかは別に確認が必要です。「作るのはAI、使ってよいかを判断するのは人」という区別を覚えておきましょう。