GLM-Image使い方完全ガイド：テキストから画像生成まで
GLM-Imageは、Zhipu AIが開発した16Bパラメータのマルチモーダル画像生成モデルです。自己回帰（AR）と拡散（diffusion）のハイブリッドアーキテクチャを採用しており、テキストからの画像生成（T2I）と画像からの画像生成（I2I）の両方を一支でサポートしています。MITライセンスの下で商用利用可能で、APIコストは約0.015ドル／画像とやすい価格設定になっています。本格的に使い始める前に、基本的な仕組みと実際の第一步を確認しておきましょう。
T2I（テキストから画像生成）とは
T2Iは、文章で描述した内容を画像に変換する手法です。プロンプトとして「夕暮れの東京の街並みを走る赤いスポーツカー」のような自然な日本語を入力すると、モデルがその情景を描き出します。
GLM-ImageのT2I性能は指標でも裏付けられています。テキスト描画の正確さを測るCVTG-2Kベンチマークで91.16%、長文理解力を測るLongText-Benchでは中国語97.88 percent、英語95.24%という結果が出ています。日本語の長い描述にも対応しており、単純な物体提示だけでなく、構図や气氛の指定がある程度忠实に再現されます。
どんなシーンに向いているか
- ブログ・SNS用のサムネイルやビジュアル作成
- 商品アイデアのプロトタイピング
- プレゼン資料のイラスト素材
- 物語のシーンイメージのクイックスケッチ
I2I（画像から画像生成）とは
I2Iは、既存の画像を入力として、新しい风格的或者详细内容变化させた画像を出力する手法です。完全な白紙から作るT2Iに対し、ベースとする画像がある場合にその特性を活かしながら方向転換できます。
GLM-ImageのI2Iは、「画風の转换」「一部分の変更」「背景の置换」など幅広い編集意図に対応しています。たとえば、手描きのワイヤーフレームスケッチを入力してリアルな产品画像を出力したり、写真の背景だけをAIで生成した風景に置き換えたりできます。
T2IとI2Iの整理
| 項目 | T2I | I2I |
|---|---|---|
| 入力 | テキストプロンプトのみ | 参照画像＋テキストプロンプト |
| 主な用途 | 白紙からの創作 | 画風変換、部分編集 |
| ベンチマーク適性 | LongText-Bench、CVTG-2K | 参照画像忠实度評価 |
ステップバイステップ：実際に画像を作る流れ
ステップ1：APIエンドポイントの準備
GLM-ImageはAPI経由で利用します。対応モデルはMITライセンスで提供されており、自分のサーバー環境にデプロイするか、Zhipu AIのクラウドAPIを直接呼び出すか选びます。クラウドAPIを使う場合、APIキー発行後にリクエストを送信できます。
ステップ2：プロンプトの設計
画像生成の品质はプロンプト次第です。良いプロンプトの共通点は三个あります。
具体的であること。「かわいい動物」より「木に登る子猫のアップ、背景はボケた庭」。オブジェクト、構図、画角、雰囲気 각각指定するほど结果が安定します。
** 스타일 を明示すること。**「水彩画風」「フォトリアリスティック」「インベーダーゲーム風」など、艺术的方向を说一句加えるだけで출력印象が大きく変わります。
**否定プロンプトで制約を与えること。**好ましくない要素（崩れた文字、醜い顔、透視歪みなど）を否定プロンプトに列出すると、特定缺陷の出現频率が下がります。
ステップ3：APIリクエストの送信
T2Iの場合の基本的なリクエスト構造は以下です。
{
"model": "glm-image-v2",
"prompt": "深夜の東京、ネオンが雨に反射する交差点、歩きスマホの女性",
"num_inference_steps": 25,
"guidance_scale": 7.5,
"width": 1024,
"height": 1024
}
I2Iの場合は image フィールドにベース画像のURL或者base64符号化を渡します。ステップ数（num_inference_steps）を増やすと细致度は上がりますが処理時間も伸びます。デフォルトの25ステップで品質と速度のバランスが良い出発点になります。
ステップ4：出力の確認と比較
同じプロンプトでもシード值（乱数起点）を変えると别腹出た来ます。数パターン生成して最も愿景に近いものを選ぶのが实务的な流れです。不满意であれば、ステップ数·CFG値·samplerを変更して再生成してみてください。
プロンプト設計の実践的なコツ
长文プロンプトは怖くない
GLM-ImageはLongText-Benchで示した长文理解性能が実利用に直結します。単純な「犬の写真」ではなく、「夕暮れのビーチでボールを追いかけるゴールデンレトリバー、水しぶきあり、摄影は70mm、 shallow depth of field」まで溺れ込んでください。
日本語特有の考虑的注意事项
日本語は英語より语顺の自由度が高く、モデルが意図を汲み取りにくい场合があります。できるだけ「对象＋状态＋背景＋画角＋技法」の顺で整理すると结果が安定します。また、汉字と平假名を混在させた一贯した表記がモデルにより正しく伝わります。
画角と摄影用语を援用する
「Wide angle shot」「close-up portrait」「birds-eye view」「dutch angle」「soft diffused lighting」「golden hour lighting」など电影·摄影の用语をプロンプトに含めると构图と光线の質が大きく改善します。
文字入れが必要な場合
テキスト描画はGLM-Imageの得意分野ですが、完全な期待通りにならない场合もあります。CVTG-2K 91.16%というスコアは行业内で高い水准である一方、极小字号や复杂な书体の完全再現は难度が高いです。重要な文字は生成後にグラフィックツールで重ね贴りするのを推奨します。
他の画像生成モデルとの比較
| 項目 | GLM-Image | DALL·E 3 | Stable Diffusion XL | Midjourney v6 |
|---|---|---|---|---|
| パラメータ数 | 16B | 非公开 | 6.6B | 非公开 |
| アーキテクチャ | AR+Diffusion Hybrid | Diffusion | Diffusion | Diffusion |
| T2Iベンチマーク | LongText-Bench CN 97.88% | VQAScore高評価 | CLIP ViT-L | 主观評価为主 |
| テキスト描画 | CVTG-2K 91.16% | 優秀 | 中程度 | 低程度 |
| I2I対応 | ○ | △ (リミックス功能) | ○ | ○ |
| ライセンス | MIT | プロプライエタリ | CreativeML Open RAIL | プロプライエタリ |
| APIコスト | 約$0.015/画像 | $0.04/画像〜 | 自己ホスティング | $10/月开始 |
| 商用利用 | ○ | ○ (API契約必要) | ○ (RAIL条件付き) | ○ (有料プラン) |
MITライセンスで自己ホスティング可能な点是、Stable Diffusion系に近い灵活性を持ちながら、16Bという规模のハイブリッドモデル로서テキスト描画と长文理解两项で明確に差別化されています。DALL·E 3やMidjourneyのような月額缚りではなく使った分だけの従量制なのも实测 thérapeut です。
FAQ：よく寄せられる質問
Q: GLM-Imageは無料で使えますか？
MITライセンスの下でモデル权重が公开されているため、自分でサーバー用意すればAPI호출コストなしで使えます。ただし、16Bモデルの実行にはVRAM約32GB以上（FP16）のGPUが必要です。クラウドAPIを使う場合は使った分だけ料金が発生します。
Q: 生成された画像の商業利用は可能ですか？
MITライセンスに従う限り、商用利用 含めて自由に使えます。ただし、生成AIの商業利用に関する各国の法規制（EU AI Act、各地の著作権法等）は別途確認が必要です。
Q: 日本語以外のプロンプトでも動作しますか？
中国語·英語での性能が最も高く保证されています。LongText-Bench CN 97.88%·EN 95.24%という数字は各言語の长文プロンプトでの评测结果です。其他言語でも动作しますが、日本語の长文プロンプトには现状最も最適化されています。
Q: 画像から画像生成（I2I）で元の画像に似たまま风格だけ変えるには？
I2Iリクエスト時に prompt で目标とする风格を明示し、image_strength 或者 guidance_scale を調整してください。值を小さくすると入力をより忠実に保ち、值を大きくすると风格変換が强烈になります。默认值近辺から初めて、结果を見ながら微調整するのが確実です。
Q: テキスト描画で文字が崩れるときの対処法は？
文字崩れが起きる主な原因是、字号が小さい·书体が复雑·周囲と构図が纷雑ケースです。対応策として、プロンプトに「clear English text」「large bold text」「simple sans-serif font」などの修饰を加える、guidance_scale を高めに设定する、`生成後に別ツールで文字をオーバーレイする、という三段構えが实效的です。
Q: APIのリクエスト上限や速度制限はありますか？
クラウドAPIを利用する場合、アカウントレベルによってリクエスト頻度·同時接続数に制限があります。本番环境での大量処理を予定する場合は、レートリミット设计とリクエストの批量处理（batch API）を組み合さがが必要です。
次のステップ：試してみる
GLM-Imageの実際の威力は、手を動かして试すうちにはっきりします。下のリンクからテキストから画像生成のインタフェースを開けば、本稿で説明したプロンプト術をすぐに試せます。
生成した画像で気に入ったものは、ギャラリーに投稿してみてください。コミュニティ\Blueprintされた作品は次の读者的確認眼に晒され、モデル改进에도貢献します。
Pricing plansやAPI quotaの详细内容を確認したい場合は、/pricing 页も合わせてご覧ください。
