Ofox運営チームによる公式チュートリアルの転載です。AI支援で編集し、保存済みの実行記録と照合しています。2026年10月13日のAgent実行と、それ以前のAPI比較は別の検証です。本日新しい生成を行ったという意味ではありません。
Ofox Agent で商品シーンを3つ作成する
コードを使わないワークフローの場合は、Ofox Agent を開き、商品画像を添付して、作成したいシーンを説明します。まずサインインし、アカウントで画像タスクを実行できることを確認してください。このワークフローは利用量に応じて課金されるもので、無料で生成できることを保証するものではありません。制御されたリクエストを必要とする開発者向けには、以下のAPI比較が別の選択肢としてあります。
1. 参照画像を選び、一貫性を保つ要素を指定する
新しい会話を開始し、添付ファイルを追加（クリップのアイコン）から、鮮明な元画像をアップロードします。タスクを送信する前に、添付画像が表示されたことを確認してください。自分で撮影した商品写真、または使用許可のある画像を使いましょう。後の指示で参照できるよう、元のファイル名が分かる状態にしておきます。
商品の特徴となる要素を列挙します。形、比率、素材、色、キャップ、ラベル、ロゴなどです。2枚目の参照画像を追加する場合は、その役割を明確に説明してください。「画像1は商品全体、画像2はラベルの詳細です」のように指定します。追加画像は不足している情報を補うために使い、互いに矛盾する商品を提示しないようにします。以下の過去の比較では、同じ合成画像の一部を切り抜いて使いました。別々の商品写真2枚を使ったテストではありません。
2. 同じ元画像から別々のシーンを依頼する
Agentの会話にすでに添付してあった元のボトル画像を使い、それ以前に編集された出力画像は使わないよう明示しました。新しい会話で始める場合は、最初にその元画像を添付してください。実際に使用した3シーンの指示文は次のとおりです。
Now create exactly THREE separate product-scene images for this tutorial. For EACH image use the ORIGINAL attachment en-opportunity-source.png as the product reference, not the previously edited output. Keep the same amber bottle and ivory cap, product shape, proportions and color; do not add logos or lettering. Scene 1: neutral linen tabletop with soft window light. Scene 2: light stone plinth with a gentle shadow. Scene 3: clean cream paper backdrop with one folded paper accent. Return three separate files, not a collage, and identify each scene. Use the same available image-editing model for all three; no video, no extra variations. Reply in English.
ファイル名、商品説明、シーンのリストは、自分の内容に置き換えてください。配置先でアスペクト比の指定が必要なら、その値も伝え、実際の出力サイズを確認します。「コラージュではなく、3つの別ファイル」と明記すると、希望する納品形式がはっきりします。シーンごとに元画像を使い直せば、変更済みの商品を次の参照画像として使うようAgentに指示せずに済みます。ただし、細部の一貫性が保証されるわけではありません。
今回の確認でAgentが実際に返したもの
2026年10月13日、タスクが完了し、1024 × 1024のPNG画像が3枚ダウンロードできました。各画像ツールのカードには、OpenAI: GPT Image 2, medium と表示されていました。これらは新たにAgentで生成した出力であり、過去のAPI比較画像ではありません。
シーン1のAgent出力：リネンのテーブルの上に置かれたボトル
シーン3のAgent出力：折り畳んだクリーム色の紙のアクセントの横に置かれたボトル
依頼した3つの背景はそれぞれ確認でき、琥珀色のボトルとアイボリーのキャップも、3枚を通して同じ商品だと分かります。構図や、商品が占める見かけの大きさにはばらつきがあり、完全な一貫性を示すものではありません。入力画像にはロゴもラベルの文字もなく、このAgentでの実行では2枚目の参照画像もテストしていません。返されたファイルのうち2つは生成されたファイル名が同じでした。ファイル名だけに頼らず、ダウンロードした画像にシーンごとの異なる名前を付けてください。
3. シーンを1つずつ確認して保存する
実際に画像が出力されるまで待ちます。各プレビューを開き、元画像と照らし合わせてから、3枚の出力同士も比較してください。次のチェックリストを使って確認します。
- 確認項目: 商品の同一性 / 次の条件を満たす場合のみ採用: 形、キャップ、比率が実際の商品に適している /
- 確認項目: ラベルとロゴ / 次の条件を満たす場合のみ採用: 必要な文字とマークがすべて、判読できるサイズで元画像と一致している /
- 確認項目: シーン / 次の条件を満たす場合のみ採用: 指定した背景があり、不要な物体が商品に重なっていない /
- 確認項目: 納品形式 / 次の条件を満たす場合のみ採用: 指定した寸法を満たす、使用可能な個別ファイルが3つある /
採用する各ファイルは、プレビューからダウンロードします。石のシーンだけに問題がある場合は、採用済みのリネンと紙の出力を残し、元の添付画像から1枚だけ差し替えるよう依頼します。「石のシーンだけを作り直してください。元のキャップとボトルの比率は維持してください。他の2つのシーンは再生成しないでください。」これは修正依頼の提案例であり、再試行が成功した証拠ではありません。タスクがまだ実行中の場合は、再送信する前にステータスを確認してください。
Agentが画像ではなく助言を返した場合は、添付画像を使って画像編集を実行するよう、明確に依頼してください。ツールがエラーを報告した場合は、再試行する前にエラーとタスクの状態を保存してください。モデル名を作り上げたり、入力欄で選択したチャットモデルが画像モデルでもあると思い込んだりしないでください。
実際のパッケージには、個別の確認が必要です。今回の無印の合成ボトルでは、ロゴ、法的表示、素材が正確に再現されるかどうかは確認できません。これらの詳細が重要な場合は、使用が許可された商品写真と照らし合わせ、誤解を招く出力は採用しないでください。1枚の画像を少しだけ変更したい場合は、部分編集Agentワークフローと保護チェックを使ってください。
開発者向け比較：1枚の参照画像と、同じ商品の切り抜き画像
以下の比較は、Agentのワークフローとは別に、GPT Image 2.5 Flare APIを通じて実施しました。6つの出力と、そこから導ける限定的な結論をそのまま掲載しています。この比較から、Agentで利用できるすべてのモデルの挙動が分かるわけではありません。
参照画像をもう1枚追加しても、商品が一貫してよりよく保たれるわけではありませんでした。GPT Image 2.5 Flareでは、画像1枚のリクエストでも2枚のリクエストでも指定したシーンが生成されました。ただし、参照画像を2枚使った石のシーンでは、ボトルの見かけの大きさとキャップの比率がより目立って変化しました。この小規模なテストでは、商品全体がはっきり写った参照画像1枚から始めるのが、より妥当でした。
この結論が当てはまる範囲は、あえて限定しています。テストしたのは、ラベルのない合成ボトル1点、シーンのプロンプト3種類、各条件につき1回の生成です。2枚目の参照画像は同じ画像の詳細な切り抜きであり、別のカメラアングルではありません。この結果から、別々に撮影された商品写真を複数使うことが一般に役立たないとは結論づけられません。
このワークフローは、少数の商品ビジュアルを制作するクリエイターや、参照画像を使った編集機能を実装する開発者向けです。生成結果6点、プロンプトの正確な構成、参照画像の準備方法、実用的な採否チェックリストを紹介します。
元画像と比較条件を準備する
元画像は、以前のGPT ImageテストでOfoxを通じて生成した、アイボリーのキャップが付いた琥珀色のボトルです。顧客から提供された写真ではなく、ブランド表示も読めるラベルもありません。入力ファイルのサイズは1024 × 1024ピクセルです。
すべてのシーンのリクエストで使った、合成ボトル全体の参照画像
条件Aでは、この画像だけを使います。条件Bでは、最初にこの画像を指定し、続けて元画像から座標 (320, 200, 720, 850) で切り出した画像を指定します。この切り抜きにはボトル本体とキャップの一部が含まれます。サイズは400 × 650ピクセルで、新たな視点の情報は含んでいません。
ここは重要な点です。切り抜きは既存の特徴に注意を向けられますが、商品で隠れている面を見せることはできません。これを「2つの視点」と呼ぶと、入力画像の情報を誇張することになります。製品の背面にあるロゴが課題なら、その面を実際に撮影した、使用許可のある写真を用意し、そのワークフローを別途評価してください。
2つ目の参照画像について説明する文も含め、両方の条件で同じプロンプトテンプレートを使いました。これにより、指定する画像だけを変え、文章によるリクエストは一定に保てます。
プロンプトテンプレート全文
Place this same amber bottle with the same ivory cap on {SCENE}.
Preserve bottle shape, cap shape, amber color and proportions.
Show one complete upright bottle, no text, no additional products.
The first reference is the whole product; any second reference is a
detail crop of that same image, not another product.
シーンごとの置き換え文字列は次のとおりです。
- シーン: リネン / 正確な置き換え文字列:
an ivory linen tabletop with soft window light/ - シーン: 石 / 正確な置き換え文字列:
a pale stone bathroom shelf/ - シーン: 紙 / 正確な置き換え文字列:
a muted sage paper studio background/
すべての呼び出しで、Ofoxの openai/gpt-image-2.5-flare を /v1/images/edits で使用し、size=1024x1024、n=1を指定しました。品質パラメーターとマスクは明示的に指定していません。これはFLUXのテストでも、画像モデルの系統間の比較でもありません。観察結果をまとめる前に、選択した利用可能なルートが実際に応答することを確認しました。
まず参照画像1枚で送り、次に比較条件を実行する
参照画像1枚のリクエストでは、multipart形式の画像フィールドを使います。認証情報は OFOX_API_KEY に保存し、スクリーンショットや共有スクリプトには含めないでください。
curl --silent --show-error --fail-with-body \
--connect-timeout 15 --max-time 120 \
'https://api.ofox.ai/v1/images/edits' \
-H "Authorization: Bearer $OFOX_API_KEY" \
-F 'model=openai/gpt-image-2.5-flare' \
-F 'image[]=@source.png;type=image/png' \
-F 'size=1024x1024' -F 'n=1' \
-F 'prompt=Place this same amber bottle with the same ivory cap on an ivory linen tabletop with soft window light. Preserve bottle shape, cap shape, amber color and proportions. Show one complete upright bottle, no text, no additional products. The first reference is the whole product; any second reference is a detail crop of that same image, not another product.' \
-o linen-one.json
参照画像2枚の条件では、元画像のフィールドの後に detail-crop.png を含む image[] フィールドを追加し、別の出力ファイル名で保存します。プロンプト、モデル、その他のパラメーターは変えないでください。これらは料金が発生する生成リクエストです。6回のシーン生成を実行する前に、ダウンロード可能なキットを確認してください。
正常な応答では、base64形式のPNGデータが返されました。キットでは、返された元データと応答メタデータを別々に保存します。使用するルートが異なる形式で返す場合は、エラーオブジェクトを画像として保存せず、形式に応じた処理を明示的に行ってください。初回セットアップと応答データのデコード方法については、GPT Image APIガイドを参照してください。
リネン：どちらの条件でもボトルを見分けられる
どちらの画像でも、暖かいサイド光が当たる淡い布地の上にボトルが置かれています。琥珀色の本体とアイボリーのキャップは見分けられる状態です。2枚目の出力では反射や本体下部の陰影が変わっており、元画像をピクセル単位でそのまま置き換えたものではありません。
雰囲気を伝える画像であれば、どちらも候補になり得ます。寸法や素材の色を実物の商品に一致させる必要があるカタログ画像では、見分けられることだけでは不十分です。承認済みの写真と比べ、購入者が受け取る商品を変えてしまうような変更は不採用にしてください。
石：このサンプルでは2枚目の参照画像で改善しなかった
見かけの大きさがはっきり異なる、参照画像2枚から生成した石の棚のシーン
参照画像1枚の結果では、元画像に近い大きさでボトルが画面に配置されています。参照画像2枚の結果では、棚を広く見せる構図の中で、ボトルがより小さく見えます。キャップと本体の比率も異なって見えます。シーン全体としては自然でも、これは比率を保つというプロンプトの要求に反しています。
入力画像の違いだけでなく、生成時の確率的なばらつきも関係します。各条件につき1回ずつ、固定シードも使わずに生成したため、違いのすべてを追加した切り抜きの影響だとは断定できません。ここで言えるのは、参照画像を増やしたという理由だけで、この条件の出力を採用してはいけないということです。
紙：背景がシンプルなほうが確認しやすい
どちらの出力でも、セージ色の背景にボトルが大きく、直立した状態で配置されています。陰影や細かな輪郭には違いが残っています。シンプルな背景は、情報量の多いライフスタイル写真風のシーンよりも、こうした違いを見つけやすくしますが、完全な保持を保証するわけではありません。
最初のワークフロー検証では、商品をはっきり確認できるシンプルなシーンから始めてください。その後で、小物や遠近感、複数の商品を加えます。そうしないと、シーンの仕上がりに目を奪われ、商品が参照画像から徐々にずれていることを見落としかねません。
画像ごとに意図を持って採否を決める
元画像と並べて、出力を元の解像度で確認してください。ここでの所見は、6点のサンプルを目視して判断したものであり、ブラインド評価や自動の同一性スコアによるものではありません。
- 確認項目: シルエット / 確認する点: 肩、幅、本体の底部、首部 / 判断基準: 説明できない形状の変化があれば不採用 /
- 確認項目: キャップ / 確認する点: 本体に対する幅、高さ、縁 / 判断基準: パッケージの形状が変わっていれば不採用 /
- 確認項目: 素材 / 確認する点: 琥珀色のガラス、反射、透過性 / 判断基準: 自然な照明の変化と素材の変化を区別する /
- 確認項目: 構図 / 確認する点: 商品全体、サイズ、切り抜き / 判断基準: 商品の一部が切れている、または不要な商品が重複していれば不採用 /
- 確認項目: シーン / 確認する点: 指定した表面と照明 / 判断基準: 見栄えがよくても、指定と異なるシーンなら不採用 /
- 確認項目: ラベルまたはロゴ / 確認する点: このテスト用データには含まれていない / 判断基準: 実運用の前に、実商品を使った文字のテストを別途追加する /
根拠のない「一貫性100%」のスコアを、このチェックリストから導き出さないでください。採用基準は、商品画像に責任を持つ担当者と決めてください。ブランド入りのパッケージでは、全体の構図が優れていても、文字の正確さやロゴの配置が必須条件になることがあります。
結果が1つでも基準を満たさない場合は、まず問題がシーンにあるのか、入力した参照画像にあるのか、それとも商品のずれにあるのかを見極めてください。次の比較では変数を1つだけ変えます。役割を決めずに画像を追加すると、結果の原因を特定しにくくなることがあります。
実運用に向けた実用的な出発点
承認済みの商品画像を1枚、具体的なシーンのプロンプト、固定した出力要件を使います。最初に採用した結果を保存し、モデル、入力ファイル、プロンプトを正確に記録してください。ラベルのクローズアップや別の承認済みアングルなど、2枚目の参照画像がどんな情報を補うのか明確に説明できる場合にだけ追加し、その効果を評価してください。
元の商品を保つことが要件なら、新しいシーンを作るたびに前の生成結果を次の入力に使わないでください。それは複数ターンで編集する別の実験になります。今回の6回のリクエストでは、毎回同じ元画像から開始しているため、シーンから次のシーンへ連鎖的にずれが引き継がれることはありません。
商品そのもののピクセルを厳密に保持する必要がある場合は、未変更の商品を採用した背景に合成することを検討し、境界、遠近感、影を確認してください。部分的な変更やピクセル単位の確認については、マスクのチュートリアルを参照してください。自然に見える画像だからといって、厳密な保持が証明されるわけではありません。