CGへの扉 Vol.78：プロンプトは短くていい。Nano Banana がもたらす新しい作法

呪文ではなく、場面を語る時代へ

画像生成AIの進化は、今や「いかに長く複雑なプロンプトで指示できるか」ではなく、「いかに短く鋭く意図を伝えられるか」という段階へと入っています。その象徴が、2025年8月にGoogleから登場した画像生成モデル「Nano Banana」正式名称Gemini 2.5 Flash Imageです。

このモデルは、かつての呪文のようなキーワード羅列型プロンプトではなく「場面を語る」ことを最も重視します。公式ドキュメントでも「describe the scene（場面を描写せよ）」と明示されており、プロンプトのテクニックではなく物語性や情景を表現する能力に長けている人ほど活用しやすいのが特徴です。例えば、こちらの画像のプロンプトは「頭飾りを赤い花で作られたものに替える」のみのシンプルなものです。

Nano Bananaが最小限の指示で成立する理由は、Nano Bananaが複数の形式を同時に扱える「マルチモーダル」であること、そして文脈を利用する大規模言語モデルとして機能していることです。

この変化は私たちにとって何を意味するでしょうか？ Nano Bananaの登場は単なる生成AIツールの更新ではなく、少しおおげさかもしれませんが「創造の作法そのものの更新」として捉えるべきでしょう。生成AIがもたらす表現の革命は、もはや画像編集ツールPhotoshopが置き換えられるなどといったツールの進化に留まる話では片づけられません。

特に画像生成の領域では、Midjourney、Stable Diffusion、DALL-Eといった第一世代の画像生成AIでは、プロンプトとは「魔法の呪文」のようなものであり、利用者は無数のキーワードを並べ、生成AIの反応を手探りで引き出すしかありませんでした。

一眼レフの細かなレンズ仕様をプロンプトに書くと被写界深度の深い画像が生成されたり「highly detailed（高精細）」
「trending on artstation（ArtStationサイトで人気）」「backlight（逆光）」「octane render（GPUを使ったリアルな描画）」など、制作の上では本質的ではない呪文のようなプロンプトを試行錯誤するために時間が奪われていました。

その試行錯誤を繰り返すそのプロセスは、ある種の推理ゲームのような、それはそれで楽しい試行錯誤でしたが、同時に「再現性のなさ」「不気味で曖昧な描画」「構図や光の破綻」といった、プロとしては看過できない課題を常にはらんでいました。

Nano Bananaとは何か？：通称の裏にある本質

この新しく登場した画像生成AI「Nano Banana」という名前を聞いたとき、多くの人は「奇妙なネーミングだな」と微笑むかもしれません。しかし、この通称には軽さとは裏腹の、設計思想の核心が宿っています。これは、GoogleがGemini 2.5シリーズの一環として開発した画像生成／編集モデルで、正式名称は「Gemini 2.5 Flash Image」。

もともと社内開発コードネームとして使われていたNano Bananaが一般利用者にも伝わってしまい、通称化したとのことです。開発担当者が、深夜に匿名で競合AI比較サイトLMArenaに登録するときに、思いつきで選んだ仮の名前がそのまま使われたとも言われています。Nano（極小）とつきますが、AIのモデルサイズとして極小なわけではありません。

Nano Bananaの中核的な思想は明確です。「複雑な呪文のようなプロンプトではなく、短い場面描写こそが最も強く、正確にAIへ伝わる」というこの姿勢は、Googleが公式に公開している開発者向けドキュメントやプロンプトガイドにも色濃く表れています。AIモデルの核となる能力は「深層的な文脈理解」であり、単語を羅列するのではなく、意味を内包した情景を語ることこそが精度の高い出力に直結します。
技術的な特徴に目を向ければ、それはまさに「生成AIの第二世代」と呼べるものでしょう。

1. 同一キャラクターの一貫した表現
2. 複数画像の参照・融合
3. 会話的に編集
4. テキスト表現精度の向上（ポスターの文字など）
5. スタイル（見た目・雰囲気・質感）を付与、加工の自由度
6. 高速な応答性
7. 安全性（SynthIDによる識別性）

これらは単なる機能リストではありません。一貫して「プロンプトの簡素化」と「意味の明示化」を後押しするための設計です。つまりNano Bananaは、「AIが高度になったから使いやすくなった」のではなく、「利用者が直感的に、物語的な描画に使えるようにするために、AIの側が構造を変えた」というこれまでには無かった稀有な例です。ここに、このAIの先進性とデザイナーへの本質的な挑戦があります。私たちが再び何かを描く、何かを表現するという行為の意味を問い直す瞬間でもあります。

Nano Banana向けプロンプト設計の原理：短く語る5段階構造

Nano Banana（Gemini 2.5 Flash Image）が根本的に刷新したのは、「プロンプトとは何か」という定義そのものです。これまで、画像生成AIのプロンプトといえば「使えるワードをひたすら組み合わせる知識戦」でした。例えば、「masterpiece, ultra-realistic, 8K, cinematic, volumetric light…」といったキーワードの羅列は、まるで呪文のように広まり、ユーザーたちはそのプロンプトでしか使えない妙な語彙力を競い合っていました。

しかし、それは本質的にモデルとの対話ではなく、クジに当たるよう祈願していることに過ぎません。Nano Bananaが提案するのは、そこからの脱却です。プロンプトキーワード列挙ではなく、意味と情景をふくんだ「語り」としてのプロンプトです。これこそが、より精密で構成的な画像を生む鍵になるという、明確な思想が設計の中心にあります。

なぜNano Bananaでは短い語りが通じるのか？ その背景には、モデル内部の構造的な進化があります。Nano Bananaは、Transformerベースのマルチモーダルモデルであり、単語単位の特徴一致ではなく、文脈全体から意味を再構成する能力に長けています。このため、単語の列よりも、短くても構造の通った文章（＝場面描写）を与える方が、より一貫性と統一感を持った生成画像が返ってくるのです。

Googleの公式ガイドではこのように書かれています。「キーワードを並べるのではなく、場面を記述してください。断片的な単語ではなく、統一された文脈で提示されたほうが、モデルは一貫した画像を構成しやすくなります」。これはつまり、「言葉の多さではなく、意味の構造が大事」という設計思想にほかなりません。

5段階の構造：最小で最大を伝える

では、どうやって短い語りを組み立てればいいのでしょうか。ここで効果的なのが、Nano Bananaの文脈理解に最適化された5段階のプロンプト構造です。

主題：誰を／何を描くのか？人物、動物、物体、空間など

場（Scene）：どこで／いつの時間帯か？自然・都市・室内／朝・夜・黄昏など

行為・状態：何をしているか／どんな表情か？静止か動作か、感情は？

光・質感・色：光源の方向、コントラスト、色調、空気感など

抑制・除外条件（ネガティブプロンプト）：何を避けるか？人物を出さない、手の歪みを防ぐ、彩度を抑えるなど

この5つの視点を1〜3文で簡潔にまとめることで、プロンプトは「短くても、深く通る」ものになります。これは詩のようでもあり、演出設計のようでもあり、プロダクト開発のブリーフのようでもある。つまり、デザイナーにとって最も馴染み深い構造なのです。

悪い例： “girl, bookshelf, soft light, calm, white dress, bokeh”
良い例： 白いワンピースの少女が静かな図書館の窓辺に座っている。やわらかな光が本棚を照らし、ページの影が彼女の膝に落ちる。人物は一人、背景は静か。

この表現は、「意味を語ることが、視覚を導く」ことの実践例です。これらは単なる技術的なテクニックではありません。むしろ、表現に関するリテラシー教育そのものの再定義とも言えます。Nano Bananaにおけるプロンプトとは、画像生成の命令文ではなく、構造化して語れるかどうかが、生成の質を分けることになります。単なるツールの使い方以上に、「伝える力」「構成する力」が問われているということに他なりません。

会話で仕上げる編集プロセス：作って終わりから、整えて深めるへ

多くの画像生成AIにおいて、プロンプトとは「一発勝負の指令」であり、出力された画像が期待と異なっていた場合、ユーザーはまた最初からプロンプトを調整して再試行するしかありませんでした。この繰り返しは、ある種のパターン学習としての楽しさはあるものの、編集という行為が排除された不自然な制作体験でもありました。

Nano Banana（Gemini 2.5 Flash Image）は、ここでも従来モデルとは異なる思想を採っています。このモデルは、会話的編集を前提とした設計になっており、画像生成後も「一手ずつの修正」が自然言語で可能です。この一連の流れは、従来の「何度も最初からやり直す」アプローチではなく、画像生成を、対話と試行のプロセスとして設計するということです。

「背景を夕方のトーンに変えて」
「被写界深度をもう少し浅く」
「全体を青寄りに、少し落ち着かせて」
「キャラクターの表情を微笑に」

これらは、一見するとPhotoshopの調整レイヤーのようにも思えるかもしれませんが、大きく異なるのは、操作の言語化という点です。もはやスライダーやパレットをいじるのではなく、意図を言語で伝えることで編集を行うという、きわめて抽象度の高いツールとのコミュニケーションへと進化しているのです。このとき、プロンプトは「設計図」であり、会話的編集は「演出・ディレクション」とも言えます。デザイナーの仕事が「手を動かす」から「言葉で動かす」へと変化します。

初稿を素早く作るという行為の再定義

重要なのは、Nano Bananaでは「最初の画像が完成形ではない」という前提が成立していることです。これは、まるでデザインレビューに提出する初稿のようです。「見せることで議論が生まれ、次の段階へ進める」。このプロセスそのものが、Nano Bananaに組み込まれているのです。最初の出力が完璧である必要はありません。むしろ、出してから整えるという構えこそが、このモデルの設計意図に沿った正しい使い方です。

編集は「1回1変更」が原則

Googleの開発者向けガイドでも強調されているのが「1回の編集で、1つの要素だけを変更する」という基本原則です。

悪い例：人物も服も背景も変えて
良い例：背景を少し暗く

この原則は、単にモデル側の処理制約を避けるためだけでなく、編集行為そのものに「思考の焦点」を持たせるための設計です。複数変更を一度に指示すれば、曖昧な意図伝達になり、モデルの解釈の幅も不安定になります。一手ずつ寄せていくことで、クリエイター自身の意図も明確になっていく。このプロセスは、人間とAIの共同設計とも言える行為です。どこまでをAIに任せ、どこからを自分で整えるか。どの言葉が画像をどのように変化させるか。その効果の見立てこそが、これからのデザインにおける新しい職能となるのかもしれません。

参照画像を使った融合プロンプトの威力：混ぜることで、ブレない創造を可能に

画像生成AIにおける最大の課題の一つは、「再現性」と「一貫性」です。たとえばキャラクターデザインにおいて、1枚目のイラストでは魅力的だった表情や衣装が、2枚目以降で微妙に破綻してしまう。背景の構図やライティングが整わず、同じ世界観の中に存在しているように見えないそうした生成AI特有の違和感に悩まされた経験は、AIを使ったことのあるクリエイターであれば一度はあるでしょう。

Nano Bananaは、この問題に対して決定的な打ち手を持っています。それが、複数の画像を参照し、それらの特徴を融合して新たなビジュアルを生成する機能です。これは単なる「画像をヒントにする」レベルではなく、構図、色、質感、照明、人物の造形、衣装のしわに至るまでをモデルが統合的に解釈し、新しい一枚として再構成するという、極めて高度な処理です。

デザイナーは常に、「既存のスタイル」「ブランド基調」「制約条件」の中で、新しさや創造性を生み出さなければなりません。そこでは、完全なゼロからの創造ではなく、むしろ「意味ある制約の中で、差異を作ること」が問われます。参照画像をプロンプトにふくめることで、Nano Bananaは「この要素は引き継ぎ、この部分は刷新する」といった部分的継承と差異化のデザイン判断を、自動で支援します。これはもはや絵を描くというより、構造的に継承と変化を設計するという行為に近いかもしれません。

Googleのガイドラインでも推奨されているように、複数の参照画像を与える際は、「どの画像のどの要素を反映させるか」を明確に言語化すると、解釈が安定します。

例：顔はA、衣装はB、背景はC。Aの瞳の色はそのまま。Bの質感は維持して、Cの光源は弱めに。

このように短文で記述するだけで、モデルはそれぞれの画像の構成要素を正しく抽出し、融合する土台を構築してくれます。特に以下のようなシーンで有効です。

1. ブランドガイドラインを守りつつ、新しいクリエイティブを作るとき
2. 複数の過去案件の要素を集約し、統合的な世界観を設計するとき
3. ビジュアルコンセプトの方向性を絞るための中間案を出すとき

このような融合プロンプトは、ビジュアルコンセプトづくりにおける作業に非常に適しています。一部の人は、参照画像を使うことを「AIに頼りすぎる」「オリジナリティが薄れる」と懸念するかもしれません。しかし、むしろその逆です。参照を「構造的に指定する」ことこそ、作家性を反映していることになります。

ただ出てきた画像を選ぶだけではなく、「どこを継承し、どこを崩すか」を判断する行為は、デザインにおける最も高度な編集作業です。また、Nano Bananaは安易な融合をしません。色調の不整合、光源のズレ、衣装のテクスチャ誤認などが起こらないよう、モデル内部で精緻な意味分解と構成再編を行っています。これは、混ぜれば終わりではなく、混ぜたあとに整える知性があるAIであり、だからこそ信頼して試行錯誤が進められるのです。

融合プロンプトを使いこなすことで、デザイナーは「自分で描けないもの」を描くのではなく、「自分が持つ経験や知識を再編し、新しい表現へと導く力」を手に入れます。Nano Bananaの参照の機能は、デザインの最も本質的な行為である継承と差異の設計を、より高速かつ言語的に行えるようにした点で、極めて革新的なツールだとも言えるでしょう。

Nano Bananaが再構築する「現場の当たり前」

新しい技術が生まれたとき、それが真に浸透するかどうかは「現場がどう使うか」にかかっています。Nano Banana（Gemini 2.5 Flash Image）が示す構文的生成の考えは、単なるAIの進化にとどまらず、実務の流れを根本から見直す契機を私たちに与えています。「今ある業務を効率化する」のではなく、「今までは不可能だった方法で、価値の起点を変える」この視点こそが、Nano Bananaを業務で活かす上での鍵になります。

想定事例1：広告キャンペーン初期の「世界観試作」

これまで、広告の初期フェーズでは「コンセプトはあるが、まだビジュアル化できない」状態が長く続きがちでした。
ビジュアル化にはイラストレーターやフォトグラファーへの発注が必要であり、企画チームは「言葉だけ」で提案を組み立てるしかありませんでした。Nano Bananaが導入されると、以下のようなプロセスが可能になります。

1. 世界観をふくんだ短文プロンプトで複数の方向性を生成
2. 「この方向に寄せて」「この色調を落として」などの会話的編集で整合
3. モデル、商品、背景素材を参照画像として統合的に設計
4. 最終的にはバナーやポスター、SNS素材へのスムーズな展開

ここで重要なのは、Nano Bananaが単に「絵を早く出すツール」ではなく、企画初期に言語と画像を行き来することで、表現の方向性を定めるツールとして機能しているという点です。

想定事例2：UI/UXデザインにおけるムード共有の高速化

プロダクトデザインの現場では、「この雰囲気でいきたい」という抽象的なアイデアを、UI設計者・エンジニア・ビジネス側とすばやく共有する必要があります。Nano Bananaを使えば、以下のようなステップが実現できます。

1. 「安心感」「医療的清潔感」「温かみと信頼性」などの短文プロンプトからプロダクトの雰囲気を示すムードボード画像を複数生成
2. チーム内で「この方向性が近い」とフィードバックを受けて対話的編集
3. UIパーツの参考レイアウトやインタラクション雰囲気の可視化につなげる

これにより、「資料を探して」「それっぽい事例を集めて」ではなく、チームごとの文脈からムードを作るという手法が実践可能になります。「これは今まで見たことのあるものの集合ではなく、我々のためだけに生成された1枚だ」という感覚は、合意形成にも強く作用します。

想定事例3：オンラインショッピング・商品ビジュアルの多バリエーション生成

物販・小売・ECの領域では、同じ商品を多様な文脈で見せる力が売上を左右します。Nano Bananaは、商品の素材画像を参照にしながら、次のようなアウトプットが可能です。

1. 「春らしい木漏れ日」「白い布の上」「モダンなキッチン」のように、背景文脈を変えて印象を分化
2. 同じ商品を「ギフト向け／家庭向け／ビジネス用」などのコンテキストで再構成
3. 季節の演出（紅葉／雪景色／青空）などを自動で付加

ここでは「撮影コストを削減する」という効果にとどまらず、背景の物語を示して売るという表現設計力を
AIで増幅させるという意味で、本質的で創造的な拡張を行っています。

想定事例4：編集・出版領域での挿絵・カバー制作

雑誌・Web記事・書籍の表紙といった編集の現場でも、Nano Bananaは変化をもたらします。記事テーマや論点を反映した「象徴的なビジュアル」を、プロンプト数行で生成できれば、デザイナーは表現者というより編集的デザイン者としての役割を担うことができるのです。加えて、Nano Bananaは比較的高度なテキストレイアウトも扱えるため、「タイトル文字が載る余白を残して」「中央から人物を外して」などのレイアウト意識を持った構図設計が可能です。

「簡単でいい」は、浅さではなく鋭さを表す

ここまでで強く伝えたかったのは「プロンプトは、簡単でいい」ということ。でもそれは、浅くていい、という意味ではありません。これは、情報量の削減ではなく、意味の精度、意味の強度を問う言葉です。

言葉の順序、余白の作り方、ふくませる雰囲気、排除する情報すらすべてが設計として働きます。つまりプロンプトが簡単になることで「構造を持った問い」であり、そのプロンプトを書くという行為は、「デザイナー自身が考え直す内省的行為」になるのです。「言葉を削ったとき、残る本質は何か？」という、厳しい問いです。長いプロンプトには、曖昧な意図や曖昧な言葉を埋め込みやすいですが、思ったとおりにはなかなかなりません。一方、短いプロンプトは、あなたが何を望んでいるかが直接伝わる、直接映る鏡になります。

創造の役割は、「何を作るか」から「どう見せるか」へ

生成AIは、確かに「手を動かす」時間を減らしました。しかしその代わりに、「何を選び」「どんな順で見せ」「どこに余白を残すか」この転換は、デザイナーが作る人から伝え方を設計する人へと進化する兆候です。Nano Bananaを使うことは、見えないところでの判断の積み重ねであり、プロンプトは、何かを選び取る行為です。ツールは進化していきます。プロンプトもいずれは消えるかもしれません。それでも、「なぜそれを作るのか」「誰に何を届けたいのか」という問いは、常に人間の役目です。プロンプトは簡単でよくなりました。けれどもその短い言葉は鋭くなければいけないのです。

本連載の今後の予定：「CGへの扉」では、単なるAIの話題とは少し異なり、CG/VFX, アートの文脈から話題を切り取り紹介していきます。映像制作の現場におけるAI活用や、AIで価値が高まった先進的なツール、これからの可能性を感じさせるような話題、テクノロジーの話題にご期待ください。何か取り上げて欲しいテーマやご希望などがございましたら、ぜひ編集部までお知らせください。

CGへの扉：

Vol.77：CGの祭典SIGGRAPH2025におけるAIの存在感

Vol.76：出力の一貫性をいかにして保つか？ 生成AI時代の「らしさ」とは

Vol.75：ランキングから読み取る、AI性能競争を把握する

Vol.74：映像制作の未来はここに。Veo 3の進化とFlowが切り開くAI時代の映像制作

Vol.73：生成AIの苦手を克服。世界観を維持し、演出可能なAIの台頭

Vol.72：GDC 2025で巻き起こっているAIへの冷静な評価と未来への展望

Vol.71：Google Labs発、Whiskの追撃

Vol.70：OpenAIの12Daysを振り返り、アルトマンの思想とAI業界の栄枯盛衰を考察する

Vol.69：AIが制作にも研究にも浸透。SIGGRAPH Asia 2024を振り返る

Vol.68：AIの価値はクリエイティブの試行錯誤の回数と速度

Vol.67：AdobeMAX 2024開催。生成AIの近未来「Sneaks」の驚き

Vol.66：偶然に任せない、生成AIにおける演出・調整の可能性

Vol.65：CGの祭典SIGGRAPH2024におけるAI活用の潮流

Vol.64：不祥事とは無縁、生成AIが生み出す広告映像の違和感

≫≫すべてのバックナンバーはこちらから

Contributor：安藤幸央