画像モデルに「背景だけ変えて」と頼んだのに、顔がずれたり、衣服の色が変わったり、余計な小道具が登場したりします。これは必ずしもモデルの問題ではありません。多くの場合、リクエスト文が編集内容・望む結果・保持ルールを一文に混ぜてしまっているのです。
この記事で扱う内容
Nano Banana JSONプロンプトによる制御力向上の理由
画像モデルは短い文章を「フレーム全体の解釈変更の許可」として受け取ってしまうことが多いです。リクエストを名前付きブロックに分けることで曖昧さが減ります。役立つ原則は単に「中かっこを使うこと」ではなく、何を変更し、何を固定し、結果をどう評価するかを宣言する.
| プロンプトの必要性 | なぜ構造化が有効なのか |
| 再現性のあるキャンペーン | ブランド・商品・キャラクター・カメラ情報は安定して使い回し、シーン変数は変更できます。 |
| 画像編集 | 編集操作と保持ルールとを明確に分離できます。 |
| チーム制作 | 長い段落を解読せずに名前付き変数をチームで確認できます。 |
| デバッグ | うまくいかない場合、矛盾・曖昧・過負荷なフィールドを特定できます。 |
| バッチバリアント | 1つのテンプレートからアスペクト比、背景、レンズ、照明、衣装などの制御された変更を生成できます。 |
また、クリエイター間で意見の相違もあります。チュートリアルによってはJSONを「隠れたコントロールハック」とよびますが、実際は命令設計の方法と捉える方が適切です。GeminiはAPIのように型を厳密に強制しません。フィールドの意味を解釈するため、構文的に完璧なJSONでもビジュアルリクエストが矛盾またはモデル能力範囲外なら失敗します。
Nano Banana向け実用的JSONスキーマ
信頼できるスキーマは、あなたのクリエイティブな意思決定を反映すべきです。すべてのリクエストにすべてのフィールドが必要なわけではありませんが、プロジェクト内でフィールド名は安定させましょう。
{ "task": "generate | edit | combine", "subject": { "identity": "who or what must remain recognizable", "appearance": "physical details, wardrobe, material, colors", "action": "pose, gesture, interaction" }, "environment": { "location": "setting", "time": "time of day or era", "weather": "atmospheric conditions" }, "composition": { "shot": "close-up | medium | wide", "framing": "centered | rule of thirds | negative space", "aspect_ratio": "16:9" }, "camera": { "lens": "50mm", "angle": "eye level", "depth_of_field": "shallow" }, "lighting": { "key": "soft window light", "direction": "camera left", "color_temperature": "neutral daylight" }, "style": { "medium": "editorial photography", "palette": ["cobalt blue", "warm gray"], "finish": "natural texture, restrained contrast" }, "edit": { "operation": "replace background", "target": "background only" }, "preserve": ["face", "hair", "wardrobe", "pose", "camera crop"], "constraints": ["no extra people", "no text", "no duplicated objects"]}
具体的な値を使う 「Cinematic」は広すぎますが、「ソフトなタングステン実用光、35mmレンズ、ローキーコントラスト、控えめなフィルムグレイン」は検証できます。 フィールドは直交させる カメラの決定はcameraフィールドで、他のstyleフィールドには分散させないこと。 制約は観測可能にする 「良く仕上げる」は確認できませんが、「ボトルのシルエットを保持し背景のテキストはすべて消す」は確認できます。追加のシナリオ言語が必要な場合は次を参照：Nano Banana Proプロンプト例 そして結果に実質的影響のあるフィールドだけを残しましょう。
Nano Banana画像生成用JSONプロンプトテンプレート
新規画像ではまずsubjectを定義し、次にenvironment、composition、camera、light、finishへと外側へ進みます。この順序で矛盾を抑制できます。
{ "task": "generate a photorealistic campaign image", "subject": { "type": "fictional female trail runner", "appearance": "late 20s, dark curly hair, orange windbreaker", "action": "tightening a shoe before sunrise" }, "environment": { "location": "rocky mountain trailhead", "weather": "thin morning mist", "background": "layered ridgelines with no buildings" }, "composition": { "shot": "medium-wide environmental portrait", "framing": "subject on left third, open space on right", "aspect_ratio": "16:9" }, "camera": {"lens": "35mm", "angle": "slightly low", "motion": "frozen"}, "lighting": {"key": "sunrise rim light", "fill": "soft cool sky light"}, "style": {"medium": "outdoor editorial photography", "finish": "real skin and fabric texture"}, "constraints": ["anatomically correct hands", "no logos", "no text", "no extra limbs"]}
探索が目的なら自然言語の方が速いこともあります。重要な変数を特定してからJSONを使ったり、成果の再利用が必要ならJSONを使いましょう。Eコマースのチームは、scene・surface・camera・lightingブロックを以下のAI商品モックアッププロンプトパターン.
不要な変化を抑える画像編集用JSONプロンプト
最も安全な編集プロンプトは範囲が狭いものです。元画像を記述し、編集対象を限定し、置換内容を指定し、保持ルールも視覚的な表現で明記します。
{ "task": "edit the supplied portrait", "edit": { "operation": "replace background", "target": "pixels behind the person", "replacement": "misty mountain railway platform at dawn" }, "match": { "perspective": "match the source eye level and focal length", "lighting": "add subtle cool ambient light and realistic edge spill", "shadows": "maintain natural contact and directional shadows" }, "preserve": [ "exact facial identity and age", "hairline, hairstyle and eye color", "jacket design and color", "expression, pose, hands and crop" ], "constraints": ["do not add accessories", "do not beautify the face", "no text"]}
もしローカルのワークフローを管理せずにこのパターンを試したい場合、Media.io Nano Banana画像ジェネレーター はブラウザ上でプロンプト主導の生成・編集をサポートしています。新モデルルートを使う場合は、Nano Banana 2画像編集 の方が直接的です。明瞭な元画像をアップロードし、コントロールされた1回の編集を行い、ID・幾何・照明・不要な追加物を確認してからプロンプトを拡張します。
キャラクター一貫性や商品モックアップ向けJSONワークフロー
新規シーンでもキャラクターが同一とわかるようにする
キャラクターの一貫性は単に「同じキャラクター」フィールド1つでは実現できません。再利用可能なidentityブロックでは、安定した顔の構造、特徴的な髪型、年齢範囲、体形、印象的な衣装、アンカーになる特徴1,2個を記述します。シーン・ポーズ・カメラ・表情などが可変項目となります。
{ "character_id": "courier_01", "identity_lock": { "face": "oval face, wide-set gray eyes, straight nose, faint left-cheek scar", "hair": "short copper bob with side fringe", "proportions": "athletic build, consistent height and shoulder width", "signature": ["teal utility jacket", "small silver pendant"] }, "scene_variables": { "location": "rainy orbital transit station", "action": "checking a holographic route map", "shot": "medium close-up", "expression": "focused but calm" }, "preserve": ["identity_lock", "age", "skin tone", "jacket design", "pendant"]}
ガイダンス付きワークフローについてはNano Bananaキャラクター一貫性ツール を参照してください。identityブロックを簡潔に定義した後に使いましょう。形容詞をむやみに増やすよりも、再現性のある特徴の保持が重要です。
商品を再設計せずバリアントを作る
商品プロンプトでは不変の製品形状 と変更するキャンペーンアート演出 を分けましょう。シルエット・キャップ・素材・ラベル位置・比率・ブランドカラーは保持し、表面・背景・小道具・レンズ・照明は変化させます。Eコマース用途には、Nano Banana商品モックアップジェネレーター の方が汎用画像動画変換ツールより適した文脈になります。
マルチ画像合成用JSONプロンプト
マルチ画像プロンプトが失敗するのは、モデルが各入力の役割を理解していないときです。参照画像ごとに「IDリファレンス」「商品リファレンス」「環境リファレンス」「ポーズリファレンス」「スタイルリファレンス」などの役割を与え、2つ以上の情報が競合する場合は優先順位を明確化しましょう。
{ "task": "combine three supplied images into one travel advertisement", "inputs": [ {"image": 1, "role": "preserve model identity and wardrobe"}, {"image": 2, "role": "preserve suitcase shape, material and color"}, {"image": 3, "role": "use hotel terrace as the environment"} ], "composition": "model standing beside suitcase near terrace railing", "integration": { "scale": "physically plausible human and luggage proportions", "lighting": "unify all subjects under warm golden-hour light", "shadows": "add contact shadows consistent with the terrace floor", "depth": "model and suitcase sharp, sea softly receding" }, "priority": ["model identity", "product geometry", "environment perspective"], "constraints": ["no duplicated suitcase", "no extra fingers", "no visible source-image borders"]}
作業が参考画像の合成であれば、AI画像コンバイナーのワークフロー を使うとプロンプト曖昧性を減らせます。エッジのなじみ、オブジェクトのスケール、光の方向、接触シャドウ、最終画像に各参照の役割が守られているか確認してください。
Nano Banana JSONプロンプトでよくあるミス
| 失敗例 | 何が起きるか | 修正方法 |
| 無効なJSON構文 | 人間と自動処理の両方でプロンプト再利用ができません。 | ダブルクォート、かっこの対応、末尾カンマなし、保存前に検証を。 |
| 矛盾するフィールド | 暖かい朝日と冷たい臨床光、クローズアップとワイドショット両方を要求してしまう。 | 優先事項を1つに定め、重複する演出指示を除きます。 |
| ネストしすぎ | 視覚的に有用な情報を増やさずプロンプトが長くなります。 | レビューアが一覧できる浅いスキーマ構造に保つこと。 |
| 曖昧な値 | 「より良く」「美しい」「シネマティック」などは判断をモデルに預けてしまいます。 | カメラ・照明・素材・色・構成で観察できる選択を記述してください。 |
| 保持ルール欠如 | 編集中にアイデンティティ、製品形状、ポーズ、トリミング、ブランドカラーが変化してしまう。 | 明確なpreserve配列を設け、編集対象を狭くします。 |
| 変更点が多すぎる | モデルがフレーム全体を作り直してしまいます。 | 編集を段階的に行い、その都度チェックしましょう。 |
| 不可能な空間論理 | 手、反射、スケール、オブジェクトの接触が一貫しなくなります。 | インタラクションを簡素化し、パース、スケール、影を定義しましょう。 |
有用なデバッグ手順は次の通りです：矛盾を取り除く、編集回数を減らす、保持を強化する、スキーマを簡素化する、参照画像を改善する、そして最後に詳細を追加します。長いプロンプトはしばしば本当の矛盾を隠します。
リピート可能なJSONプロンプトワークフロー
- ビジュアル目標を一文で書きましょう。編集を明確に述べられない場合、JSONは曖昧さを整理するだけです。
- タスクを分類しましょう。生成、編集、結合、拡張、復元、またはバリアント作成から選択してください。
- ロックされた変数と編集可能な変数を分けます。識別情報、製品形状、ロゴ、ポーズ、切り抜きは固定する必要があるかもしれません。
- 関連するフィールドのみ選択してください。用途がなければ平面的なグラフィックにカメラの操作を含めないでください。
- 構文を検証しましょう。テンプレートはスプレッドシートやスクリプト、オートメーションで再利用する場合、有効なJSONとして保存しましょう。
- 最小限で有用なテストを実行しましょう。完全なキャンペーンをリクエストする前に、一つの変更をテストしましょう。
- 基準で見直します。保持、要求された変更、解剖学、オブジェクト数、テキスト、パース、光、アーチファクトを確認します。
- 成功したプロンプトをバージョン管理しましょう。プロンプト、参照画像、モデル、日付、アスペクト比、結果を保存します。
最良のNano BananaのJSONプロンプトは最長ではありません。テスト可能な最小限の構造化指令がもっとも理想的であり、利用者が既に好んでいる要素を保護します。安定したスキーマから始め、実際の失敗から改善し、ポートレート、製品、キャラクター、構図向けのシナリオ別テンプレートを用意しましょう。
よくある質問
-
Nano Banana JSONプロンプトとは何ですか？
Nano Banana JSONプロンプトは、画像生成または編集リクエストを、被写体、環境、カメラ、照明、編集操作、制約、保持ルールなど、名前付きフィールドに整理します。これはプロンプトの慣習であり、必ずしも公式APIスキーマというわけではありません。 -
Nano Bananaは本当のJSONを理解しますか？
Gemini画像モデルは構造により変数が明確に分けられているため、通常よく整ったJSON風指示に従います。ただし、モデルはJSONをソフトウェアのように厳密に検証するのではなく意味的に解釈する場合があるため、構文が正しくても全てのフィールドが守られるとは限りません。 -
JSONプロンプトは通常のプロンプトより優れていますか？
JSONは再現性が高い、複数変数、編集、バッチやチームのワークフローに最適です。探索目的なら短い自然言語プロンプトが速い場合もあります。一つの変数だけを変え、それ以外を保持したい場合、構造化がとても役立ちます。 -
Nano Bananaで顔が変わるのを防ぐには？
識別保持ルールを明確に述べてください：顔の形状、年齢、肌のトーン、生え際、目の色、表情、体型比率を保持。編集範囲を制限し、変更が許可される点を特定し、一番明瞭な参照画像を使いましょう。 -
画像編集JSONプロンプトには何を含めるべき？
元画像の役割、編集操作、対象領域、望ましい置換、保持ルール、構図、照明の一致、リアリズム制約、追加や変更してはいけない要素リストなどを含めましょう。 -
一つのJSONプロンプトを複数画像に再利用できますか？
可能です。安定したフィールドをテンプレートとし、背景やカメラ、衣装、アスペクト比、キャンペーンシーン等の変数を差し替えます。バージョン管理されたマスター・プロンプトを保持すれば成功した設定を再現可能に保てます。 -
正しいJSONプロンプトなのに間違った結果が出るのはなぜ？
よくある原因は、フィールドの競合、あいまいな値、同時変更が多すぎる、保持ルールの欠落、弱い参照画像、不可能な空間指示、モデルの限界などです。リクエストを単純にし、一度に一つの編集をテストしてください。
