Z-Imageのプロンプト順序ガイド！先頭ほど強い書き方とテンプレ集

監修者_SD以外

監修者プロフィール

森下浩志

日本最大級のAI情報プラットフォーム「romptn ai」編集長。著書に「0からはじめるStable Diffusion」「0からはじめるStable Diffusion モデル・拡張機能集編」など、AmazonベストセラーのAI関連書籍を多数執筆。AIにおける情報の非対称性を解消するための社内研修や出張講義も行う。

Z-Imageはプロンプトの「順番」で結果が変わる

Stable DiffusionやMidjourneyで使っていたプロンプトをそのままZ-Imageに貼り付けても、思った絵が出てこない——これはよくあるつまずきです。原因の多くは「単語の意味」ではなく「単語を置く順番」にあります。

Z-Imageは、プロンプトの前に書いた要素ほど強く効く傾向があります。同じ単語でも、文頭に置くか末尾に置くかで仕上がりが変わるため、他モデルの感覚で書いた長い指示文が空回りしてしまうのです。

この記事では、まず「なぜ先頭が強いのか」という仕組みを押さえたうえで、被写体から制約までを並べる順序の型、Z-Image Turbo特有の「negativeが効かない」問題への対処、そして用途別にコピペして使えるテンプレートまでを順番に解説します。読み終えたときには、自分のプロンプトの「どこを直せば効くか」を自分で判断できる状態を目指します。

「先頭ほど強い」の正体｜注意と512トークン

Z-Imageが先頭を重視するのは、モデルが一度に注意（attention）を向けられる範囲に限りがあるからです。テキストへの注意はおおむね512トークン前後で頭打ちになり、その手前から少しずつ精度が落ちていきます。つまり、後ろに書いた要素ほど「読み飛ばされやすい」わけです。

だからこそ、いちばん描いてほしい被写体と、画像内に入れたい文字は、プロンプトの最前部に置くのが基本になります。装飾的な形容詞を延々と前に積むより、主役を先に宣言したほうが狙いどおりになります。

トークン数の上限は使う環境によって変わります。オンラインのデモ環境では512トークンが上限ですが、ローカルで動かす場合はmax_sequence_lengthを1024に上げて、より長いプロンプトを通すこともできます。

ただし「長く書ける＝詰め込んでよい」ではありません。実用上は、1つのプロンプトに盛り込む強い要素を3〜5個に絞ると、注意が分散せず狙いが安定します。

意図通りに出す6ブロックの並び

先頭ほど効くという原則を、実際の並び順に落とし込みます。Z-Imageで再現よく使えるのは、次の6つのブロックを上から順に書く型です。

骨組みにすると、次のような並びになります。

[被写体と特徴], [シーン・環境], [カメラ・画角], [ライティング], [スタイル], [必ず入れたい条件]

元になったアイデアでよく見る「被写体→品質→顔・肌→体型→衣装→撮影→仕上げ」という細かい並びは、この6ブロックを人物向けに展開した派生形だと考えると整理しやすくなります。

調整するときのコツは、一度に1ブロックだけ変えることです。被写体・カメラ・ライティングを同時にいじると、何が効いたのか分からなくなります。1ブロックずつ動かし、効き目を確かめながら詰めていきましょう。

negativeは効かない｜制約を肯定文で書く

理由は仕組みにあります。Turboは少ないステップで生成する蒸留（distilled）モデルで、生成時にclassifier-free guidance（CFG）を使いません（guidance_scaleは0.0が基準値）。negative promptはCFGの仕組みに乗って初めて働くため、CFGがない以上、書いても反映されないのです。

ではどうするか。答えはシンプルで、「描いてほしくないもの」を「描いてほしい状態」に言い換えて、肯定文で書くことです。

「〜しない」ではなく「〜である」で状態を指定する。これがTurboで制約を効かせる基本の発想です。

BaseとTurboで違うプロンプトルール

「Z-Imageならnegativeも重み付けも効くはず」という情報を見かけることがあります。これは間違いというより、どの版（バリアント）の話なのかが抜けていることが多いだけです。

Z-Imageには、用途の違う版があります。標準のZ-Image-Baseは通常の拡散モデルに近く、CFGを使うためnegative promptが効きます。一方、速さ重視のZ-Image-Turboは蒸留版でCFGを使わないため、negativeは効きません。

(keyword:1.3)のような重み付け構文も同じで、Base寄りの環境では部分的に効くことがありますが、Turboでは基本的に当てになりません。いま自分が使っているのがBaseかTurboかを最初に確認しておくと、ネット上の断片的な情報に振り回されずに済みます。

コピペで使えるプロンプトテンプレート集

ここからは、6ブロックの並びをそのまま形にしたテンプレートを、用途別に紹介します。[ ]の中を自分の条件に置き換えるだけで使えます。

共通のコツは2つです。主役を先頭に置くことと、入れたい条件は肯定文で最後にまとめること。盛り込みすぎると注意が分散するので、各テンプレでも強い要素は3〜5個までを目安に、不要な[ ]は削って使ってください。

①人物・ポートレート

人物写真は、年齢や雰囲気といった「主役の核」を先頭に置くのが効きます。実写らしさを出すには、完璧すぎる描写より、わずかな不均一さ（笑いじわ、左右差）を肯定文で足すのがコツです。

ある40代女性のミディアムショット、自然体の表情、うっすらと笑いじわ、
柔らかな窓際の自然光、浅い被写界深度、35mmレンズ、
フィルム写真風の色味、飾らないありのままの雰囲気

冒頭の「40代女性のミディアムショット」が主役の宣言です。ここを具体的にするほど、後ろに続く光やレンズの指定が活きてきます。

②風景・シーン

風景やシーンは、主役（何を見せたいか）を決めてから、環境・構図・光の順に積みます。小道具を増やしすぎると散らかるので、1〜2個に絞りましょう。

夕暮れの海辺に立つ古い灯台、遠くに小さな漁船、
ローアングルの広角構図、水平線を上1/3に配置、
オレンジ色の斜光とやわらかな逆光、
シネマティックな写実スタイル、静かで穏やかな空気感

「古い灯台」という主役を先に置き、漁船は「遠くに小さく」と役割を限定することで、画面の主従がはっきりします。

③物撮り・商品

商品写真は、商品そのものを先頭に置き、背景・質感・光・条件の順で固めます。文字やロゴの扱いは「入れない」ではなく、肯定文で「無地の背景」のように指定します。

白い陶器のコーヒーカップのクローズアップ、立ちのぼる湯気、
無地のグレー背景、質感が分かる斜め前からの構図、
上方からの柔らかいスタジオ照明と淡い影、
清潔感のある写実的な商品写真、余白を広めにとった構図

「余白を広めに」と指定しておくと、あとからタイトル文字を載せるレイアウトにも使い回しやすくなります。

Z-Imageプロンプトのよくある質問

まとめ

Z-Imageで意図どおりの画像を出す近道は、単語選びより「並べ方」を整えることでした。最後に要点を振り返ります。

まずは用途に合うテンプレートを1つ選び、[ ]を自分の条件に置き換えるところから始めてみてください。基本の始め方や料金が気になる場合は、Z-Imageの使い方をまとめた記事もあわせて読むと、つまずきにくくなります。