はじめに
新リリースの gpt-image-1.5 を、絵本生成サービス QUBOOK に組み込みました！
絵本の文字に改善がみられて、かなり手応えがあります。
実際に新modelで作成したqUBOOKの絵本をご覧いただきたいです。
QUBOOKとは
QUBOOKは量子アニーリング× 生成AI で「オリジナル絵本」を生成するアプリです。詳しくはぜひ以下をご覧ください。
■ Qiitaの記事
https://qiita.com/Peanuts05/items/391cc451f678c908f650
■ 公式サイト
QUBOOK公式サイト
■ X
https://x.com/qubo_ok?s=21
QUBOOKの画像生成
QUBOOKではOpenAIの画像生成モデルを利用して絵本を作成しています。
gpt-image-1の利用
OpenAI は2025年4月23日に、画像生成モデル gpt-image-1 を API で提供開始しました。
（ChatGPT の画像生成体験を支えるネイティブなマルチモーダルモデルを、開発者向けに API として提供した、という位置づけです）
QUBOOKでも、2025年12月17日まではgpt-image-1を利用していました。
これまでの絵本作成時の課題
https://qiita.com/Peanuts05/items/391cc451f678c908f650
上記で記述している通り、gpt-image-1 はプロンプトを調整することで、高品質の画像を生成してくれていたのですが、絵本用途だと次の課題が残っていました。
- ひらがなの形が微妙に変。特に「ぎ」「み」などの濁点・半濁点が崩れる
- 小さい文字や長文が破綻しやすい
gpt-image-1.5の登場
2025/12/16 に、新しい ChatGPT Images が発表され、API では GPT Image 1.5（gpt-image-1.5） として利用できるようになりました。
https://openai.com/ja-JP/index/new-chatgpt-images-is-here/
公式の紹介では、主に以下が強調されています。
- 最大4倍高速（待ち時間が短くなる）
- テキストレンダリング改善（密度が高い/小さい文字が強化）
- 編集・保持が強い（編集を重ねても、光/構図/人物の見た目など「大切な部分」を保ちやすい）
- 画像の入出力コストが 20% 減（gpt-image-1と比べて）
絵本への導入
QUBOOKでも、絵本の生成に使用するmodelを切り替えました (2025年12月18日)
文字を正確に記述すること&今よりさらに参照画像の特徴を強く保持する (キャラの顔・服装・スタイルを維持しようとする) 効果を期待しています。
本当に文字に強くなっているでしょうか?
modelだけを変えたパターン (quality=high)
modelを gpt-image-1 から gpt-image-1.5 に変更して絵本を作成してみました。
→ 公式のアナウンス通り、文字がコンパクトに読みやすくなっています！！
文字も細かく、きれいになりました。。。(「む」が少し気になりますが)
しかし、絵柄が変わりましたね。。。
promptで何とかできるのでしょうか。
promptで絵柄を固定できるか
promptを調節して、今の高品質な画像のまま、元の描画スタイルに近いものに戻せるか色々試してみました。下記がFIXしたpromptです。
■ イラストスタイル（厳守）
=== 必須スタイルルール（重要・厳守）===
【線画】
- すべての物体・キャラクターに、濃い茶色（#5D4037）の輪郭線を必ず入れる
- 輪郭線の太さ：画像全体で一定の中〜やや太め
- 線はベクターの滑らかな曲線（ラフな手描き／スケッチ風は不可）
- 線の太さに強弱を付けない（均一）
【塗り（ここが最重要）】
- 100% ベタ塗りの単色のみ
- グラデーションは絶対に禁止
- 柔らかい陰影や環境光（アンビエントオクルージョン）は絶対に禁止
- テクスチャ／粒状感／ノイズは絶対に禁止
- Photoshop の塗りつぶし（バケツ）ツールで塗ったような見た目
- 「水彩」や「絵画風」ではなく、ベクターアートの感覚
【厳密なカラーパレット】
- 空：べた塗りのセルリアンブルー（#87CEEB）
- 雲：純白（#FFFFFF）、シンプルな楕円形
- 草／植物：べた塗りの緑（#4CAF50）
- 砂／地面：べた塗りのベージュ（#F5DEB3）
- 海：べた塗りの青（#4FC3F7）
- 肌：べた塗りのピーチ系（#FFCC99）
- 髪：黒 または 濃い茶色
【キャラクターの比率】
- 頭の大きさ：全身の高さの約1/3（ややちびキャラ寄り）
- 目：大きく丸く、黒い瞳が目の大部分を占める
- 鼻：小さな点、または小さなカーブ
- 口：シンプルな曲線
- 体：単純な形、服のディテールは最小限
- 手：ミトン状、または簡単な指表現
【避けるもの（入れないこと）】
- 水彩表現はNG
- ぼかし・フェザーなど柔らかい境界はNG
- リアルなライティングや影はNG
- 空気遠近法はNG
- 複雑な質感はNG
- 絵筆の筆致が見えるような描き方はNG
- ジブリ風はNG
- 写実的なイラストはNG
- 油絵風はNG
【スタイル参照】
近い雰囲気：Pocoyo、Hey Duggee、Peppa Pig、Duolingo のイラスト、
シンプルな知育アプリ風、初期Flashアニメ風
影響範囲
- このテンプレートを使う全ての絵本生成に適用される
- 既存のセクション（センテンス記載、背景多様性など）は変更なし
以下のような出力が得られました。
元のQUBOOKの絵に近く、品質の高いものになりました。
quality = low でも絵本が作れるか?
apiのパラメータには「quality」という画像の品質を定義するパラメータが用意されています。
qualityについては公式から以下のような趣旨のアナウンスが出ています。
- まず low からを推奨、多くのケースで、十分な品質を保ちつつ生成が大幅に速くなる
一方で、以下のようにも記述されています。
- dense layouts / heavy in-image text なら output generation quality を high にするのがおすすめ
文字数が少ない簡単な画像の生成
文字数が少ない場合は、high でも low でも品質が変わらないように見えました。
試しに以下のpromptで quality = high と quality = low の画像を生成しました。(私の主観ですが...)
■ promot
絵本風のイラスト。「おはよう」というひらがなテキストが画像内に表示されている。
どっちがhighかわかりますか？
このレベルでは違いが判らないくらい高品質ですよね?
(前者が low で後者が high です。)
これを見ると、絵本でもlowでいけるんじゃないかと思ったのですが、絵本生成では明確に差が出てしまいました。
文字数が多い絵本の生成
QUBOOKでは、quality を low にすると以下のような画像が生成されました。
絵の部分はとてもきれいですが、ほとんど日本語が書けていませんw
まとめ
- gpt-image-1.5 に切り替えると、絵本用途で「文字」がかなり安定しました（少なくとも私の検証では、細かい文字の可読性が向上）
- ただし モデル変更により絵柄が変わるため、絵本のトーンを揃えるなら スタイル固定プロンプトが必要でした
- **quality=low はQUBOOKのような複数の文字が含まれる画像生成には不適切でした。
→ 文字が重要ならquality=highを推奨、低遅延/大量生成で試行回数を回すならlowを検討するべきです。 - ちなみに、コストは約3.5ドル/冊から約3ドル/冊に低下しました