Nano Banana ProとGPT Image 2のキャラクター一貫性は、1枚の正面顔では比べられません。同じ承認済みキャラクターを、正面、横向きまたは全身、動きの大きいポーズ、場面や画風を変えたカットへ展開し、先に固定した特徴が残るかで判定します。顔だけ似ていても、体格、髪型、衣装、小物、絵柄が別物なら不採用です。
このページの作成中に、同条件の4カットを両ルートで生成・採用した実測はありません。そのため一般的な勝者は作りません。代わりに、オリジナルの架空キャラクターを使い、結果を「合格」「1回だけ修正」「別ルートへ切替」「手作業を予算化」のいずれかへ進められる検収カードを用意します。
なお、「同じものを保つ」という課題には、キャラクターだけでなく実在商品の背景差し替えも含まれます。商品では顔や髪ではなく、ラベル、色、形、付属品が固定対象です。後半の商品画像の背景差し替えA/Bテストも残しているので、目的に合う枝から始めてください。
| 守りたい対象 | 最初に固定するもの | 合否を決める最難関 |
|---|---|---|
| 漫画・絵本・ブランドマスコットの同一キャラ | 承認済みアンカー、顔の特徴、体格、髪、衣装、小物、画風 | 横顔、全身、激しい動作、照明や画風の変更 |
| 実在商品の背景差し替え | 元写真、ラベル、ロゴ、色、形、容量、付属品 | 透明部、細い輪郭、反射、接地影、掲載先の規則 |
同一キャラが目的なら、先に4カットの合格条件を書く
日本語では「キャラクター一貫性」だけでなく、「同一キャラに見える」「顔を固定する」「参照画像から別ポーズを作る」といった言い方が実際の作業に近いです。ただし、顔固定だけを合格条件にすると、頭身や衣装が変わるドリフトを見落とします。
ここでは、既存作品のキャラクターを再現するのではなく、権利を確認できるオリジナルキャラクターを使います。例として、架空の児童向け探偵キャラクター「澪」を次のように固定します。
変えてはいけない特徴
- 顎までの濃紺ボブ、右分け、琥珀色の目
- 左目の下の小さなほくろ、丸みのある顎、細い眉
- 赤い短いスカーフ、真鍮の非対称ブローチ、紺のショートコート
- 6.5頭身、細身だが子どもっぽくしすぎない体格
- 線の太さ、影の置き方、彩度を含む水彩漫画調の視覚言語
変えてよいもの
- 表情、ポーズ、カメラ角度、背景、時間帯
- ストーリー上必要な手持ち小物
- 指定した1項目だけの照明または画風ストレス
最初の正面絵が気に入ったからといって、そのままアンカーにしません。顔、全身、衣装、小物が判読できる版を「承認済みアンカー v1」として保存し、両ルートへ同じファイルを渡します。別々に圧縮した画像や、片方だけ追加したキャラクターシートは、モデル差ではなく入力差を作ります。
公式に確認できることと、まだ証明できないこと
OpenAIの公式モデル情報では、gpt-image-2は画像入力を受け、画像生成と編集に対応します。入力画像は自動的に高忠実度で処理されます。一方、公式の制限事項にも、複数回の生成で recurring character の視覚的一貫性を維持できない場合があると明記されています。参照画像を使えることは、4カット合格の保証ではありません。OpenAIのGPT Image 2モデル情報と画像生成ガイドを実行前に再確認してください。
Googleの公式画像生成ガイドでは、Nano Banana Proはgemini-3-pro-imageで、同一キャラクター維持を目的とした参照画像を最大5枚まで含められます。これも入力枠の説明であり、顔、体格、髪、衣装、最難関カットの合格を保証する記録ではありません。Gemini画像生成ガイドで現行の上限とモデルIDを確認します。
両APIで設定名や入力枠を完全に同じにはできません。公平にそろえるのは、承認済みアンカー、固定特徴、変更してよい範囲、4つの要求カット、再試行上限、納品サイズ、レビュアー、合否基準です。ルート固有の差は隠さず、検収カードへ記録します。
4カットは「別々に」検収する
- ニュートラルな正面または胸上：顔、ほくろ、髪の分け目、スカーフ、ブローチを確認する基準カット。
- 左横顔または全身：横顔で顎と鼻が別人化しないか、全身で頭身と衣装の長さが変わらないかを見る。
- 動きの大きいカット：階段を駆け下りながら手帳を開く。手足、コート、ブローチ、体格が動作で崩れないかを見る。
- 場面・画風ストレス：夜の駅ホームへ移し、青い逆光を加える。水彩漫画調のまま顔色、線、衣装色が別の作品にならないかを見る。
4枚を1枚のコラージュにして遠目で眺めるだけでは不十分です。各出力を納品サイズで開き、アンカーと同じ倍率で並べ、顔または識別印、体格、髪、衣装・小物、視覚言語、書き出し品質を別々に判定します。
そのまま使える4ショット検収カード
まず、プロジェクト条件を両ルートで共有します。
| 固定項目 | 記入欄 |
|---|---|
| キャラクター／案件ID | 例：オリジナル探偵「澪」／episode-01 |
| 承認済みアンカー | ファイル名、版、ハッシュ |
| 固定する識別特徴 | 顔、ほくろ、体格、髪、衣装、小物、視覚言語 |
| 変えてよいもの | 表情、ポーズ、背景、照明など今回許可する項目だけ |
| 最難関カット | 例：動作カット。理由も記入 |
| 固定する再試行予算 | 例：各ルート初回＋縮小修正1回 |
| 納品条件 | ピクセル寸法、比率、形式、使用先 |
| 停止ルール | 固定特徴または最難関カットが修正後も落ちたら切替 |
| 証拠日 | 実行日と公式仕様の確認日 |
次に、各ルートにつき4行を複製して埋めます。「○／△／×」だけで終わらせず、却下症状と最小修正を残します。
| カットと要求変更 | 顔・識別印 | 体格・頭身 | 髪 | 衣装・小物 | 視覚言語 | 納品サイズ | 却下症状 | 最小修正 | 判定 |
|---|---|---|---|---|---|---|---|---|---|
| 1. 正面／胸上 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 合格・修正・切替 |
| 2. 左横顔／全身 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 合格・修正・切替 |
| 3. 階段を駆け下りる | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 合格・修正・切替 |
| 4. 夜の駅／青い逆光 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 未実施 | 合格・修正・切替 |
ルートごとの実行条件と費用も、画像とは分けて残します。
| 集計項目 | Nano Banana Pro | GPT Image 2 |
|---|---|---|
| 実ルートIDと証拠の所有者 | 公式ならgemini-3-pro-image。プロバイダー経由なら別名も記録 | 公式ならgpt-image-2。プロバイダー経由なら別名も記録 |
| 参照パックとルート固有設定 | ファイル名、枚数、解像度、比率、設定差 | ファイル名、枚数、品質、サイズ、設定差 |
| 課金対象の試行数 | 未実施 | 未実施 |
| 課金総額・請求の所有者・確認日 | 未確認 | 未確認 |
| 採用できた出力数 | 未実施 | 未実施 |
| レビューの見積時間・時間単価・費用 | 未実施 | 未実施 |
| 手修正の見積時間・時間単価・費用 | 未実施 | 未実施 |
| 採用出力あたりの生成費 | 算出前 | 算出前 |
| 1採用画像あたりのレビュー費 | 算出前 | 算出前 |
| 1採用画像あたりの手修正費 | 算出前 | 算出前 |
| 採用出力あたりの総費用 | 算出前 | 算出前 |
| 総合判定 | 合格・1回修正・切替 | 合格・1回修正・切替 |
生成に対する課金と人の作業費は、分けて計算します。
hljs text採用出力あたりの生成費 = そのルートで発生した課金総額 ÷ 採用できた出力数 1採用画像あたりのレビュー費 = 総レビュー費 ÷ 採用できた出力数 1採用画像あたりの手修正費 = 総手修正費 ÷ 採用できた出力数 採用出力あたりの総費用 = 採用出力あたりの生成費 + 1採用画像あたりのレビュー費 + 1採用画像あたりの手修正費
課金総額には、請求された初回、却下、再試行をすべて含めます。採用出力が0枚なら割り算をせず「算出不可」とし、切替または停止の判断へ進みます。公式APIの費用、プロバイダー課金、レビュー費、手修正費を一つの「モデル価格」に混ぜません。それぞれ所有者と確認日を残し、未確認の項目はゼロではなく「未確認」と書きます。
合格、1回修正、切替を先に分ける
4カットすべてで固定特徴を満たし、最難関カットと納品サイズも通ったルートだけを、そのキャラクターと条件に限って合格にします。正面顔だけが美しい、コラージュの縮小表示では似て見える、ダウンロードに成功した、提供元のギャラリーに似た例がある、といった状態は合格ではありません。
落ちた項目には、変数を一つ減らす修正を1回だけ許可します。例えば夜景で髪色とコート色が崩れたなら、背景とポーズを固定し、照明だけを弱めて再試行します。修正後も固定特徴または最難関カットが落ちたら、プロンプトを足し続けず、別ルートへ切り替えるか手作業を予算化します。
キャラクターシートの作り方、参照素材の版管理、ドリフト症状ごとの直し方、長期シリーズのライブラリ運用は、ここで重複させません。続きは一貫したキャラクターを作る実務ワークフローで管理し、この比較ページには両ルートの4カット記録だけを戻してください。
YingTuで任意比較する場合の境界
YingTuの画面には、任意の参照画像入力と、Nano Banana Pro、GPT Image 2 VIPというルート表示があります。これは比較を始める入口にはなりますが、永続的なキャラクターメモリ、4カット合格、公式API契約との同一性を証明しません。GPT Image 2 VIPはOpenAI公式のgpt-image-2そのものとして記録せず、プロバイダー側のルート名として分けます。
本稿の作成中に、YingTuで4カットを生成、反復、ダウンロード、採用した事実はありません。利用する場合は、参照、設定、全試行、却下理由、最終ファイル、課金の所有者を保存してから判定してください。
最初の判断：これは背景差し替えか、商品再生成か
「商品画像の背景を変える」という依頼には、少なくとも四つの作業が混ざります。
| 作業 | 商品本体 | 背景 | 向いている判断 |
|---|---|---|---|
| 背景切り抜き | 元写真から抽出する | 透明または未設定 | 商品を残したまま後工程へ渡したい |
| 合成 | 切り抜いた商品をそのまま配置する | 実写、単色、別素材 | 商品の画素をできるだけ守りたい |
| 生成編集による背景差し替え | 参照画像として保持を要求する | AIが生成・再構成する | 光、影、接地感まで一体化したい |
| 商品シーンの再生成 | 似た商品を生成し直す可能性がある | AIが生成する | コンセプト案。実在SKUの証拠にはしない |
実在SKUを販売ページに載せるなら、今回の主題は三つ目の「生成編集」です。ただし、商品保持の検査に一度でも落ちたら、二つ目の切り抜き合成へ戻れるようにします。マスク、輪郭修正、透明素材、合成の工程そのものを進めたい場合は、商品画像の背景削除・合成ワークフローを使ってください。
先に「変えてはいけないもの」を書く
プロンプトより先に、SKUごとの保護リストを作ります。例えば、ポンプ式の美容液なら次のように分けます。
保護するもの
- 容器の形、ポンプの向き、キャップの有無
- ブランド名、商品名、容量、数字、単位、法定表示
- ラベルの色、ボトルの透明度、液体の色
- 撮影角度、トリミング、商品が占める比率
- 付属品、セット個数、バリエーション識別
変えてよいもの
- 背景色または指定した撮影シーン
- 背景側の小道具
- 商品と矛盾しない接地影
- 背景側の光量とボケ
「高級感のある広告写真にして」だけでは、モデルは商品側も改善対象だと解釈できます。「背景のみ変更」と書いても完全保持の保証にはなりません。だから指示文と検査表をセットにします。
同条件A/Bテストを8段階で行う
1. 元写真を1枚に固定する
権利を確認した、機密性のない未加工の商品写真を1枚選びます。商品全体にピントが合い、端が切れておらず、ラベルを拡大して読めることが条件です。強い影、反射、透明素材、細いストラップは難易度を上げますが、本番で必要なら避けずにテスト対象へ残します。
元写真は複製せず、同じファイルを両方のルートへ渡します。画像を先に圧縮したルートと原寸のルートを比較すると、モデル差ではなく入力差になります。
2. 掲載先と背景を一つに決める
Amazon.co.jpのメイン画像、楽天市場の第1商品画像、自社ECのライフスタイル画像、Instagram広告では、合格条件が違います。
Amazonの日本向け出品ガイドでは、メイン画像について純白の背景 RGB 255, 255, 255、画像面積の85%以上を商品が占めること、商品全体が切れず、実物を正確に表すことなどが案内されています。長辺は500〜10000ピクセル、ズーム用途では1600ピクセル以上が推奨されています。要件は更新され得るため、公開直前にAmazon出品サービスの商品登録ガイドを再確認してください。
楽天市場の出店者向け解説は、商品の色や形を明確に伝える基本として白背景を挙げ、プロダクトカットと使用場面を示すライフスタイルカットを目的別に分けています。楽天市場の商品写真ガイドを参照し、店舗管理画面の現行ルールがある場合はそちらを優先します。
A/Bテストでは「Amazon用の純白メイン画像」と「自社EC用の洗面台シーン」を一度に頼みません。1回のテストにつき掲載先と背景を一つに固定します。
3. 指示文の核を固定する
モデル固有の構文まで完全に同じにする必要はありません。しかし、目的と制約はそろえます。
hljs text入力された商品写真を参照し、商品本体は変更せず、背景だけを差し替える。 変更する範囲: - 背景を純白（RGB 255,255,255）にする - 商品の下に、元の光方向と矛盾しない薄い接地影を置く 変更しない範囲: - 商品の形、角度、縮尺、トリミング - ラベル、ロゴ、文字、数字、容量、色 - 素材感、透明度、反射、付属品、セット個数 商品本体を正確に保持できない場合、似た商品を生成して補わない。
ライフスタイル背景なら、純白の指定を「朝の柔らかい自然光が入る白い洗面台」に置き換えます。小道具の数、地平線、光の方向も固定すると、背景の派手さに判定が引っ張られにくくなります。
4. ルートIDと設定を記録する
OpenAIの公式Image APIでは、gpt-image-2を直接選び、既存画像全体またはマスク範囲を新しい指示で編集できます。入力画像は高忠実度で処理されますが、これはSKUが必ず同一になるという保証ではありません。また、現行の公式ガイドではgpt-image-2の透明背景は未対応です。仕様はOpenAIの画像生成ガイドで再確認します。
Googleの公式ドキュメントでは、Nano Banana Proは安定したgemini-3-pro-imageルートで、画像入力を使った生成・編集が案内されています。Nano Banana 2のgemini-3.1-flash-imageとは別モデルです。Gemini画像生成ガイドで現在のIDを確認してください。
YingTuの画面に表示されるgpt-image-2-vipは、公式のgpt-image-2というAPI契約そのものではなく、プロバイダー側のルート名です。価格、パラメーター、ログ、上限、障害時課金、サポートは、その時点のプロバイダー契約に属します。比較表には必ず次を残します。
- 実際のルートID
- 品質、サイズまたは解像度
- アスペクト比
- 参照画像の有無
- 実行日時
- アカウントと請求の所有者
5. 再試行予算を同じにする
片方を1回、もう片方を「良くなるまで」試す比較は無効です。例えば各ルート最大3回と決め、1回目は同じ目的、2回目は同じ種類の修正、3回目は最終確認にします。
商品名の一文字が変わった出力に対し、背景だけを褒めて採用してはいけません。再試行するなら「ラベルを元画像どおりに保持」と同じ修正カテゴリを両方へ適用し、回数を記録します。
6. 商品を先に、背景を後で見る
レビュー順を固定します。
- 元写真と出力を同じ倍率で並べる
- ラベル、ロゴ、数字、単位、バリエーションを拡大する
- 輪郭、細い部品、透明部、反射を確認する
- 色、素材、形、角度、商品占有率を比較する
- 接地影、光、遠近、背景の自然さを見る
- 掲載先のサイズ、形式、背景規則を確認する
最初に背景を見ると、「きれいだから多少の違いは許す」という後付けが起きます。商品保持は合否、背景品質は合格品同士の順位付けです。
7. プレビューではなくダウンロードファイルを検査する
プレビュー、成功表示、HTTP 200、4Kバッジだけでは本番可否を判断できません。ダウンロードした最終ファイルで、ピクセル寸法、形式、圧縮、背景の不透明性、色の変化、細部のつぶれを確認します。
Amazon用の白背景なら、見た目が白いだけでなく、背景のRGB値も確認します。自社EC用なら、実際に表示するサイズへ縮小し、細い輪郭や小さなラベルが崩れないかを見ます。
8. 採用出力あたりの費用で比べる
単価ではなく、合格した画像を1枚得るための費用を比較します。
hljs text採用出力あたりの費用 = そのルートで発生した課金総額 ÷ 採用枚数 + 1採用画像あたりのレビュー・手修正費
課金総額には、却下した試行、失敗時に請求された分、再試行を含めます。さらに、生成時間、レビュー時間、切り抜き修正、ラベル修復、再ダウンロードも記録します。価格や失敗時課金が確認できない場合は空欄ではなく「未確認」とします。
判定表：どこで止めるか
| 見えた状態 | 判定 | 次の行動 |
|---|---|---|
| ラベル、ロゴ、容量、色、形、付属品が変わった | 即却下 | 商品再生成として扱わず、背景限定の再試行を1回だけ行う |
| 商品は保たれたが輪郭に白い縁、色かぶり、欠けがある | 条件付き却下 | マスク修正または切り抜き合成へ切り替える |
| 商品は保たれ、背景も自然だが掲載先の背景・占有率・サイズに違反 | 却下 | ルールに合わせて背景と書き出しを修正する |
| 両方が全項目を通り、費用差も小さい | 引き分け | 既存の請求、ログ、運用所有者に合う方を選ぶ |
| 片方だけが固定予算内で全項目を通る | このテストの勝者 | 対象SKUと条件を限定して採用する |
| どちらも商品保持に失敗する | 勝者なし | 切り抜き合成、手動レタッチ、再撮影へ進む |
「勝者なし」はテストの失敗ではありません。商品情報を変えずに済むための正しい停止判断です。
YingTuを比較用ワークスペースとして使うとき
現在のYingTuワークスペースでは、Nano Banana Proはgemini-3-pro-image、GPT Image 2 VIPはgpt-image-2-vipとして表示され、プロンプト、任意の参照画像、サイズまたは解像度、アスペクト比、プレビュー、コード確認の入口があります。生成には有効なAPIキーが必要です。
ここで比較する場合も、画面にモデル名があることを完了証拠にしません。
- 同じ元写真と背景目的を用意する
- 片方ずつ実際のルートIDを記録する
- 設定と再試行上限を保存する
- ダウンロード後に商品保持を判定する
- プロバイダー課金とレビュー時間を台帳へ入れる
本稿の作成中に、YingTuでこの商品背景タスクを実行、反復、ダウンロードした事実はありません。したがって、YingTu上のどちらかを勝者とは扱いません。
A/Bテストの記録テンプレート
| 項目 | Nano Banana Pro | GPT Image 2 |
|---|---|---|
| 元画像ファイル | 同一ファイル名・ハッシュ | 同一ファイル名・ハッシュ |
| 掲載先 | 例：Amazon.co.jpメイン画像 | 同じ |
| 変更する背景 | 例：純白＋薄い接地影 | 同じ |
| 保護リスト | SKU固有の文字・色・形・付属品 | 同じ |
| 実ルートID | gemini-3-pro-image | 公式はgpt-image-2。YingTuならgpt-image-2-vipと記録 |
| 設定 | 解像度、比率、参照入力 | サイズ、品質、比率、参照入力 |
| 試行上限 | 例：3回 | 3回 |
| 採用／却下 | 未実施 | 未実施 |
| 却下理由 | 未実施 | 未実施 |
| ダウンロード検査 | 未実施 | 未実施 |
| 課金総額 | 未確認 | 未確認 |
| レビュー・修正時間 | 未実施 | 未実施 |
| 採用出力あたりの費用 | 算出前 | 算出前 |
この表を埋められない状態では、モデルの勝敗ではなく「証拠不足」と結論づけます。
よくある質問
同一キャラでは、Nano Banana ProとGPT Image 2のどちらが上ですか？
一般的な勝者は決められません。承認済みアンカー、固定特徴、4カット、再試行上限、納品条件をそろえ、そのキャラクターで全項目を通った方だけを条件付きで採用します。両方が落ちる、または手修正費が大きいなら「勝者なし」が正しい結論です。
参照画像は1枚あれば十分ですか？
正面または胸上だけを作るなら開始点になりますが、横顔、全身、後ろ姿、衣装の細部が読み取れない1枚では、モデルが見えない部分を補います。本番で必要な最難関カットから逆算し、必要な情報がアンカーにない場合は、方法ページで参照パックを作ってから比較してください。
Nano Banana Proにキャラクター画像を5枚入れれば一貫性は保証されますか？
保証されません。5枚はGoogleの現行契約で案内されるキャラクター参照の上限であり、顔、体格、髪、衣装、視覚言語が4カットすべてで通るという成功率ではありません。矛盾する5枚を入れるより、承認済みの版と役割を明記した参照パックを使います。
顔は同じでも、衣装や頭身が変わった場合は合格ですか？
固定項目に衣装や頭身を含めたなら不合格です。落ちた変数を一つに絞った修正を1回だけ行い、それでも戻らなければ別ルートへ切り替えるか、手修正を明示的に予算へ入れます。顔だけの主観評価へ基準を動かしません。
商品画像の背景差し替えでは、Nano Banana ProとGPT Image 2のどちらが上ですか？
一般的な勝者は決められません。同じ元写真、保護リスト、背景目的、再試行上限で、商品保持と掲載先ルールを通った方が、そのSKUと条件に限った勝者です。両方が落ちる「勝者なし」も有効です。
同じプロンプトをそのまま両方へ入れるべきですか？
目的、保護項目、変更項目、却下条件は同じにします。モデル固有の入力方法や設定名まで無理に同一化する必要はありません。ルートごとの差分を記録し、出力意図と予算をそろえます。
背景切り抜きと背景差し替えは同じですか？
違います。切り抜きは商品を背景から分離する工程です。差し替えは新しい背景へ置く工程で、生成編集では商品側まで再構成される可能性があります。商品画素の保持が最優先なら、切り抜きと合成を分ける方が安全です。
Amazon.co.jpのメイン画像にも生成背景を使えますか？
まず現行の出品ルールを満たす必要があります。日本向け公式ガイドは純白背景、商品占有率、商品全体、実物の正確な表現などを案内しています。AI出力でも例外にはなりません。ラベルや色が変わった画像は、背景が白くても不採用です。
GPT Image 2は透明背景で書き出せますか？
現行のOpenAI公式ガイドでは、gpt-image-2は透明背景をサポートしていません。透明な切り抜き素材が必要なら、背景除去を別工程にし、公開前に最新仕様を再確認してください。
gpt-image-2-vipは公式のgpt-image-2と同じですか？
同じ契約として扱えません。gpt-image-2はOpenAI公式Image APIのモデルIDです。gpt-image-2-vipはYingTuで見えるプロバイダールートであり、価格、パラメーター、上限、ログ、障害時課金、サポートはそのルートの条件に従います。
1回で良い画像が出たら勝者にしてよいですか？
商品保持の全項目を通り、ダウンロードファイルと掲載先ルールも通ったなら、その1回は採用候補です。ただし、もう片方と試行予算が異なる、却下出力を記録していない、費用が未確認なら、ルート全体の勝者とは言えません。
どの時点で切り抜き合成へ戻るべきですか？
固定した再試行予算内で、ラベル、色、形、付属品、細い輪郭の保持に失敗した時点です。背景を生成編集で一体化する利点より、商品情報を守る価値が大きいなら、切り抜き合成、手動レタッチ、再撮影を選びます。
