ネガティブプロンプトとは何か:対応モデルと実際に効果のあるリスト

ネガティブプロンプトとは何か

ネガティブプロンプトは、一部の画像モデルがメインのプロンプトと合わせて読み取る2つ目のテキスト欄です。メインのプロンプトが画像を特定の概念へ引き寄せるのに対し、ネガティブプロンプトは画像を別の概念から遠ざけます。技術的には、モデルは画像がネガティブテキストの方向へ動いた場合にどう変化するかを計算し、各ノイズ除去ステップでその逆方向へ誘導します。

だからこそ、ネガティブプロンプトはモデルが自然に引き寄せられがちなもの——余分な指、ぼやけた背景、透かし、ありがちなツヤツヤした仕上がり——に対して最も効果を発揮します。逆に、モデルがそもそも描く気のないものに対しては効果が薄くなります。風景画のネガティブプロンプトに「no elephants(ゾウはいらない)」と書いても何の役にも立ちませんが、ポートレートのネガティブプロンプトに「oversaturated, HDR, plastic skin(彩度過多、HDR、プラスチック肌)」と書けば結果は変わります。

どのモデルがネガティブプロンプトに対応しているか

Stable Diffusion 1.5、SDXL、そしてAutomatic1111・ComfyUI・Forge・Fooocus上のほとんどのコミュニティチェックポイントには、専用のネガティブプロンプト欄があります。ネガティブプロンプトはここから生まれ、ここで最も重要な意味を持ちます。

Midjourneyにはネガティブ欄がありません。代わりに--noパラメータを使います:--no text, watermark, blur。Midjourneyは文章による否定表現を理解しないため、プロンプト内に「no text」と書くと、テキストを入れてほしいという要求として読み取られてしまいます。

Flux、ChatGPT Images(GPT Image)、Gemini、Nano Bananaはネガティブプロンプトを使いません。FluxのT5テキストエンコーダーはプロンプト全体を一つの説明文として読むため、その中に含まれる否定表現は無視されるか、逆の意味に取られます。ChatGPTとGeminiは代わりに自然言語による制約に従います。「背景は無地にして、文字は入れないでください」が機能するのは、これらがネガティブチャネルを持っているからではなく、指示追従モデルだからです。

• Stable Diffusion、SDXL、コミュニティチェックポイント:専用のネガティブプロンプト欄があり、効果が高い。
• Midjourney:--noパラメータをカンマ区切りで指定、効果は中程度。
• Flux:ネガティブプロンプトなし。代わりに欲しいものを説明する。
• ChatGPT Images、Gemini、Nano Banana:ネガティブプロンプトなし。短いポジティブな制約を使う。

効果のあるネガティブプロンプトの書き方

今起きている失敗に絞って、短く具体的に書きましょう。フォーラムからコピーした60項目のネガティブプロンプトは、ほとんどがノイズです。それぞれの項目がガイダンス予算のわずかな割合を占め、自分の画像に当てはまらない項目は結果をランダムな方向へ引っ張ってしまいます。

まずは空の状態から始めます。一度生成してみて、何がうまくいかなかったかを確認し、それに対応する2〜3個の項目を追加して、もう一度生成します。ほとんどの画像はネガティブ項目が10個未満で十分です。最も重要な項目を先頭に置きましょう。CLIPはテキストを77トークンのまとまりで読み取り、それぞれの先頭に重みを置くためです。

重み付けは控えめに使いましょう。SDXLで(deformed hands:1.3)とすれば、リスト全体を膨らませることなく、特定の項目にかかる圧力だけを高められます。すべてを1.4に重み付けするのは、何も重み付けしないのと同じことです。

用途別ネガティブプロンプトリスト

以下のリストはStable DiffusionとSDXL向けの出発点です。すべてではなく、自分の問題に合ったブロックだけを使ってください。Midjourneyの場合は、同じ単語を--noに移してください。

写実的なポートレート:deformed hands, extra fingers, fused fingers, extra limbs, asymmetrical eyes, plastic skin, waxy skin, oversharpened, HDR, oversaturated, airbrushed, doll-like, uncanny

手と解剖学的な破綻:extra fingers, missing fingers, fused fingers, six fingers, bad hands, malformed limbs, extra arms, disconnected limbs, mutated anatomy

テキスト・ロゴ・アーティファクト:text, watermark, signature, logo, caption, letters, jpeg artifacts, compression noise, frame, border, split screen, collage

アニメ・イラスト:bad anatomy, extra digits, lowres, worst quality, low quality, jpeg artifacts, signature, watermark, username, blurry, cropped, realistic skin texture(フラットなセル画調にしたい場合)

プロダクト・インテリアのレンダリング:warped perspective, floating objects, duplicated objects, uneven reflections, clutter, text, watermark, fisheye, over-exposed highlights

既定の見た目へのスタイルドリフト:digital painting, 3D render, smooth, glossy, cinematic lighting, dramatic, bokeh(参考画像がフラット、ドキュメンタリー調、あるいは手作り感のあるものの場合)

• 写実的なポートレート:plastic skin, oversaturated, HDR, deformed hands, extra fingers, waxy, airbrushed
• 手:extra fingers, fused fingers, missing fingers, bad hands, malformed limbs
• テキストとアーティファクト:text, watermark, signature, logo, jpeg artifacts, border, collage
• アニメ:bad anatomy, extra digits, lowres, worst quality, signature, blurry, cropped
• プロダクトレンダリング:warped perspective, floating objects, duplicated objects, clutter, fisheye

SDXLのネガティブプロンプトはSD 1.5とは異なる

SD 1.5のチェックポイントは「lowres, bad anatomy, worst quality」のようなタグで埋め尽くされたキャプションで学習されているため、こうした品質タグには実際に効果があります。SDXLは学習のされ方が異なり、従来の品質タグのブロックはほとんど効果を発揮せず、短く具体的なネガティブプロンプトの方が高いパフォーマンスを示します。SDXLでは、品質を表す単語を積み重ねるのではなく、具体的な欠陥と具体的な避けたいスタイルを記述してください。

PonyやIllustrious系の派生モデルを含む多くのSDXLファインチューンは、モデルカードに独自の推奨ネガティブブロックを用意しています。それをベースにして、自分の具体的な項目を2〜3個追加してください。

答えがネガティブプロンプトではないとき

モデルが参考画像の洗練された一般的なバージョンばかりを生成してしまう場合、修正すべきなのは通常ポジティブプロンプトの方です。欲しいメディウム(表現媒体)と残したい不完全さを名指しし、それらを先頭に置きましょう。Image to Promptでは、ターゲットモデルとしてStable Diffusionを選ぶと、これが自動的に行われます。スタイルを先頭にしたカンマ区切りのタグを書き出し、そのスタイルが避けるべき具体的な既定美観へのドリフトに基づいた、対応するネガティブプロンプト行を生成します。

ChatGPT ImagesとGeminiでは、すべてのネガティブ表現をポジティブな制約に置き換えてください。「文字を入れない」は「看板は無地のままにする」になります。「ぼやけていない」は「画面全体をシャープなピントに保つ」になります。これらのモデルは後者の形式の方がはるかに確実に従います。