参照画像を使う編集は、元画像のどの部分を残し、どの部分を変えてよいかを決めることから始まります。商品チームは同じボトルの周囲を新しい背景に変えたいかもしれません。デザイナーは三枚の参照画像を一つのシーンに組み合わせたいかもしれません。ブランドチームは読める文言を載せたレイアウトや編集可能なベクター素材が必要かもしれません。これらは別々の編集作業です。
GPT Image 2、FLUX.2、Recraft V4はいずれも画像を入力として使えますが、制御方法は異なります。GPT Image 2は反復編集やマスクに適しています。FLUX.2は複数の参照画像の合成と色の制御に適しています。Recraft V4はデザインを重視した画像・ベクター生成に適していますが、洗練された出力から想像するより編集機能には制限があります。
この比較では、参照画像への忠実性、変更箇所の分離、出力の適合性、修正コスト、利用可能性という共通の基準を三つに適用します。一つのモデルを万能の勝者とは扱いません。
結論の早見表
| モデル | 最初に試したい用途 | 参照画像と編集の方法 | 出力と利用可能性 | 主な制約 |
|---|---|---|---|---|
| GPT Image 2 | 被写体を保ちながら背景や細部を変更する | 複数の参照画像、プロンプトによる編集、マスク、複数ターンの編集 | 現在のWhisk AI画像カタログで利用でき、1K、2K、4Kを選択可能 | 正確な文字、レイアウト、繰り返し使うブランド要素は確認が必要 |
| FLUX.2 | 複数の参照画像を一貫した一つのシーンに組み合わせる | 主画像と追加の参照画像、スタイル利用、比率の指示、色制御 | 外部APIとプレイグラウンドで利用可能。最大4MP出力 | エンドポイント選択、非同期ポーリング、解像度に応じた費用の計画が必要 |
| Recraft V4 | デザイン重視のラスターまたはベクター素材を作る | 強度を指定する画像から画像への生成、デザイン・ベクター生成 | RecraftアプリとAPIで利用可能。V4 Proは高解像度の作業向け | V4モデルのページではプロンプトによる編集、画像セット、artistic levelの制御は非対応 |
既存の商品を扱う場合は、次の変更を説明しやすいモデルから始めます。最初の下書きも重要ですが、ワークフローが制作で使えるかどうかは四回目の修正で決まることが多いものです。
参照画像を使う編集で測ること
参照画像を使う編集は、画像をアップロードしてプロンプトを加えるだけではありません。通常、入力には元画像、一枚以上の参照画像、変更の指示、出力要件が含まれます。モデルはそれらの関係を解釈しなければなりません。
結果を比較する前に、次の問いを使います。
- 何を識別できる状態に保つか？ 商品の形、顔、衣服、素材、被写体の同一性。
- 何を変えるか？ 背景、照明、小道具、色の処理、切り取り範囲、テキストの領域。
- 異なる役割を持つ参照画像は何枚か？ 元画像一枚と、元画像に素材やスタイルの参照画像三枚を加える場合は異なる問題です。
- 次の編集は何か？ 局所的な修正、新しいシーン、異なるアスペクト比、デザイン全体のバリエーション。
| 確認項目 | 答えるべき問い | 記録する証拠 |
|---|---|---|
| 参照画像への忠実性 | 購入者にとって重要な元画像の部分を保っているか | シルエット、比率、表面、重要な印 |
| 変更箇所の分離 | 指定箇所だけが変わり、他の部分は変化していないか | 編集箇所周辺の前後比較 |
| 参照画像の使用 | 指定したシーン、素材、スタイルが結果に見えるか | 色、照明、質感、構図の手がかり |
| 出力の適合性 | 次の制作工程に画像を渡せるか | 比率、解像度、形式、使える文字用余白 |
| 修正コスト | チームメンバーが最初からやり直さずに次の変更を説明できるか | 時間、クレジット、試行回数、入力の交換 |
GPT Image 2: 反復編集に適したモデル
GPT Image 2はテキストと画像を入力として受け取り、画像を出力します。参照画像からの新規作成、既存画像の編集、マスクで選んだ部分の変更に対応しています。別の会話型の方法では複数ターンの編集にも対応するため、毎回指示全体を言い直さずに同じ方向性を調整できます。
例えば「ボトル、キャップ、カメラアングルを保ち、石の背景を暖かみのある紙のセットに変え、右側に見出しの余白を残す」という指示に適しています。背景を変えながら被写体をそのままにしたい場合、マスクで編集範囲を絞れます。
現在のWhisk AIカタログでは、GPT Image 2をテキストからの画像生成と画像編集の両モードで提供しています。画像編集では最大16枚、各10 MBまでの参照画像を受け付け、アスペクト比と1K、2K、4Kの解像度を設定できます。カタログでは10クレジットから利用でき、2Kと4K出力にはより高い倍率が適用されます。別途APIクライアントを作らずにGPT Image 2を試せる、現在のWhisk AIでの方法です。
GPT Image 2にも明確な限界があります。正確な文字配置、厳密なレイアウト、透明背景、繰り返し使うブランド要素は別途承認が必要です。説得力のあるコンセプトを作る一方で、ラベル、小さな印、繰り返し登場するキャラクターの細部を変えることがあります。これらはピクセル単位で保持された証拠ではなく、確認対象として扱ってください。
GPT Image 2が適する場合:
- 一枚の元画像に重要な同一性が含まれる。
- チームがプロンプトを何度か修正する予定である。
- マスクや局所編集で変更の影響範囲を狭められる。
- Whisk AIワークスペースでモデルを試したい。
FLUX.2: 複数の参照画像を組み合わせるモデル
FLUX.2は、複数の異なる役割を持つ参照画像セット向けに作られています。編集APIは主画像のinput_imageと、input_image_2からinput_image_8までの任意の追加参照画像を受け付けます。プレイグラウンドは最大10枚の参照画像に対応します。この構造は、被写体、素材、場所、照明の方向性、スタイルの見本を一つのシーンに組み合わせる指示に適しています。
モデル群には明示的な制作上の選択肢もあります。klein系は速度を優先し、maxは最高品質を目指し、proは制作用途のバランスを取り、flexは文字組みなどの制御を重視します。プレビューエンドポイントには最新の改善が入り、固定されたエンドポイントは再現性を高めます。FLUX.2の編集は最大4MPに対応し、正確なブランドカラーをプロンプトと参照画像セットに取り入れる色の指示も含まれます。
この制御には処理の調整が伴います。APIリクエストはポーリング用URLを返し、結果は非同期で届きます。署名付きの結果URLは有効期間が限られるため、本番の連携では出力を速やかに取得または保存する必要があります。料金もモデルと出力解像度によって変わります。キャンペーン用の画像セットでは、各出力と共にエンドポイント、解像度、参照画像の順序、プロンプトを記録してください。
FLUX.2が適する場合:
- 複数の参照画像から別々の視覚要素を取り入れたい。
- 会話型の修正より、正確な色と相対的な比率が重要である。
- 非同期APIを管理でき、固定されたエンドポイントを使いたい。
- 一枚の元画像ではシーン全体を表現できない。
FLUX.2は現在、Whisk AIカタログの生成モデルではありません。外部モデルの選択肢として比較し、Whisk AIのGPT Image 2の結果と比べる際には同じ参照画像セットと確認表を使いましょう。
Recraft V4: 編集に制限のあるデザイン重視の出力
Recraft V4はデザイン品質からこの作業に取り組みます。モデルのドキュメントでは、均整の取れた構図、まとまりのある色、洗練された細部、構造化された文字、編集可能なベクター出力を重視しています。V4 Proは高解像度のラスター作業を対象とし、V4のベクター系は拡大縮小できる作品を生成します。公開API料金はV4ラスター画像一枚$0.04、V4 Proは$0.25、V4 Vectorは$0.08、V4 Pro Vectorは$0.30です。
こうした強みは、パッケージ案、ポスター、アイコン、メニューなど、ビジュアルの体系自体が成果物の一部となる場合に重要です。Recraft V4は単純なシーンのリミックスより完成度の高いデザイン案を作れる場合があり、ベクター出力は編集可能な形状が必要なチームへの引き継ぎ方を変えます。
参照画像を使った編集については、現在のドキュメントを詳しく読む必要があります。V4モデルのページでは、スタイル作成、プロンプトによる編集、画像セット、artistic levelの制御は非対応と記載されています。APIエンドポイントのドキュメントでは、Recraft V4のラスターおよびベクターモデルでimageToImageが利用可能とされ、元画像とほぼ同一の0から、類似性が最小の1までのstrengthを指定します。インペインティングとアウトペインティングは引き続きV3モデル向けに記載されています。つまり、V4の画像から画像への生成は大まかなバリエーションには役立ちますが、マスクを使った局所編集と同じ精密な編集方法として扱うべきではありません。
Recraft V4も現在のWhisk AIカタログの生成モデルではありません。Whisk AIには別の画像処理モデルRecraft Crisp Upscaleがあり、画像の解像度と鮮明さを高めます。この項目はRecraft V4の生成やデザイン制御を提供するものではありません。
Recraft V4が適する場合:
- レイアウト、文字組み、イラスト、ベクター形式での引き継ぎが指示の一部である。
- 限定的なレタッチより、デザイン重視の最初の下書きがほしい。
- 大まかな画像から画像へのバリエーションで問題ない。
- 制作パイプラインに採用する前に、現在のV4編集方法を確認できる。
編集する内容で選ぶ
商品を保ちながら背景を変える
GPT Image 2から始めます。明瞭な元画像を渡し、変えてはいけない細部を示し、環境の変更は一度に一つずつ説明します。Whisk AIでは画像編集モードを使い、方向性を試す間は扱いやすい解像度から始めます。被写体、シーン、スタイルを幅広く指定する場合は、AI商品写真ガイドの参照画像の分け方が役立ちます。
複数の参照画像を一つのシーンに組み合わせる
FLUX.2から始めます。各参照画像に役割を割り当て、元画像の順序を固定し、再現性が重要な場合はエンドポイントを固定します。役割のない参照画像セットでは、どの入力が変化を引き起こしたか分からず、確認が難しくなります。
レイアウトまたはベクター素材を作る
Recraft V4から始めます。読める文字、均整の取れた構図、拡大縮小できる形状が出力の一部である場合に使います。重要な文言や規制対象の表現はデザインの承認工程を通してください。レイアウトを理解するモデルでも、間違った文字を出力することがあります。
カタログの事実を守る
承認済みの商品写真を正しい基準として使います。これらのモデルは背景、キャンペーン用の切り取り、季節の方向性を検討できますが、生成されたピクセルで寸法、成分、表示、必須パッケージ文言を定義すべきではありません。
公平な三モデル比較を行う
ブランド名のない琥珀色のボトルを一つ、落ち着いたキャンペーンのアイデアを一つ、横長の比率を使います。元画像、出力サイズ、試行回数、確認基準を一定に保ち、同じ順序で試します。
- 商品を保ちながら背景を変える。
- 素材または照明の参照画像を追加する。
- 文言のための明確な余白を残した切り取りを作る。
- 局所的な修正または制御されたバリエーションを一つ試す。
- 時間、料金またはクレジット、出力解像度、失敗した細部、次に求める変更を記録する。
完成度の高いRecraftのデザインとGPT Image 2の最初の下書きを比較しないでください。各モデルに最も弱い判断を修正する機会を与え、承認できる方向性に到達するまでの労力を比較します。
次の修正を評価する
魅力的な画像でも目的を果たしていないことがあります。顧客が見る大きさで出力を確認し、元の参照画像と比較します。
| 項目 | 合格の条件 | 再生成または修正する場合 |
|---|---|---|
| 商品への忠実性 | 形、キャップ、素材、重要な特徴を識別できる | シーンの編集を指示したのに被写体が変わる |
| 変更箇所の分離 | 指定箇所が変わり、触れていない部分は安定している | 背景の編集で商品や切り取り範囲が意図せず変わる |
| 参照画像の使用 | シーン、スタイル、色、素材の参考が結果に見える | 結果がありきたりな見た目に戻る |
| 出力の適合性 | 比率、解像度、形式、文字用余白が媒体に合う | 誰かが使う前に構図を作り直す必要がある |
| 次の編集コスト | 次の変更対象が一つ明確で、入力範囲が限られている | 一つの欠点を直すために指示全体を作り直す必要がある |
この評価表によって、モデル選択を制作上の判断にできます。GPT Image 2は局所的または会話型の修正コストを減らせる場合があります。FLUX.2は複雑な参照画像セットを組み立てるコストを減らせる場合があります。Recraft V4はデザイン素材の引き継ぎコストを減らせる場合があります。最初の生成料金が最も低いことと、プロジェクト全体のコストが最も低いことは同じではありません。
まとめ
識別できる状態を保ちたい被写体の反復編集やマスクにはGPT Image 2を選びます。複数の参照画像の合成、色制御、エンドポイント単位の再現性にはFLUX.2を選びます。大まかなバリエーションで問題なく、編集の制限が指示に合う場合、デザイン重視のラスターまたはベクター出力にはRecraft V4を選びます。
Whisk AIユーザーにとって、この比較の中で現在の画像カタログから生成に使えるのはGPT Image 2です。Whisk AIワークスペースで始め、最初の編集は範囲を絞り、解像度を上げたり参照画像を増やしたりする前に結果を元画像と比較してください。
よくある質問
参照画像を使う画像編集にはどのモデルが最適ですか？
既存の被写体を反復編集するなら、GPT Image 2が最も有力な出発点です。複数の参照画像を一つのシーンにまとめる場合はFLUX.2が適しています。デザイン品質、構造化された文字、ベクター出力が成果物の一部である場合はRecraft V4が適しています。
Whisk AIは三つのモデルをすべて提供していますか？
いいえ。現在のWhisk AI生成カタログではGPT Image 2を提供しています。FLUX.2とRecraft V4は生成モデルとして選択できません。Recraft Crisp UpscaleはV4の生成ではなく、別の画像処理モデルとして利用できます。
Recraft V4で精密な局所編集はできますか？
注意が必要です。RecraftのAPIドキュメントではV4の画像から画像への生成に強度の制御がある一方、V4モデルのページではプロンプトによる編集が非対応とされ、インペインティングとアウトペインティングはV3向けです。アカウントで正確な編集方法を確認するまでは、V4をデザインとバリエーションのモデルとして扱ってください。
生成画像を最終的な商品単体写真にできますか？
商品とブランドの確認なしには使わないでください。正確なラベル、表示、寸法、規制遵守の細部には承認済みの写真を使います。これらのモデルは、その正しい基準の周囲のビジュアルの方向性を検討するために使いましょう。