12.2.1 画像生成ロードマップ：プロンプト、制御、レビュー

画像生成は、1 行のプロンプトで終わる作業ではありません。意図、プロンプト記録、パラメータ、必要な制御、候補比較、レビューまで含むワークフローです。

まずパイプラインを見る

最初の習慣は、何を作りたいか、どのモードを使ったか、どの seed やパラメータが結果を左右したか、出力前に何を確認すべきかを記録することです。

プロンプト記録を作る

import json

brief = {
    "topic": "RAG basics",
    "audience": "beginners",
    "style": "clean editorial cover",
}
prompt = f"{brief['style']} for {brief['topic']}, friendly visual metaphor for {brief['audience']}, clear layout"
record = {
    "mode": "text-to-image",
    "prompt": prompt,
    "negative_prompt": "blurry, watermark, unreadable text",
    "seed": 42,
    "review": ["legibility", "copyright", "brand safety"],
}

print(json.dumps(record, indent=2))

期待される出力：

{
  "mode": "text-to-image",
  "prompt": "clean editorial cover for RAG basics, friendly visual metaphor for beginners, clear layout",
  "negative_prompt": "blurry, watermark, unreadable text",
  "seed": 42,
  "review": [
    "legibility",
    "copyright",
    "brand safety"
  ]
}

プロンプト記録を再現できなければ、画像を安定して改善することも難しくなります。

この順番で学ぶ

ステップ	読む内容	練習の成果
1	拡散の直感	ノイズ、デノイズ、seed、サンプリングを説明する
2	Stable Diffusion の部品	text encoder、U-Net、VAE、latent space を図にする
3	応用と制御	text-to-image、image-to-image、inpainting、ControlNet、LoRA を比較する

通過条件

プロンプト記録を書き、選んだ生成モードを説明し、3 つの候補メモを残し、出力前に少なくとも 1 つのレビューリスクを記録できれば、この章は通過です。