Image-to-Image AI：GLM-Imageで画像を編集する実践ガイド

Image-to-image（I2I）生成は、用意した画像を起点に、プロンプトに従って描き直します。気に入った構図や被写体はそのままに、変えてほしいところだけを変えることができます。GLM-Imageはtext-to-imageとimage-to-imageの両方に対応しており、この2つのモードはひとつのワークフローを形成します。プロンプトから作り、画像をもとに refinement する、という流れです。本ガイドでは、I2Iが適している場面、プロンプトの書き方、すべてを左右するstrength設定、そして生成を無駄にする失敗パターンを解説します。

先に結論：すでに8割できている画像があるなら、image-to-imageを使いましょう。テキストプロンプトから何度もリロールして運を待つのは、クレジットが蒸発する原因です。

<!--IMG: The same product photo restyled through three image-to-image passes: studio, lifestyle, and seasonal-->

画像から画像への生成とは？

テキストから画像への生成は、何もないところから言葉を画像に変えます。画像から画像への生成は、画像と言葉を新しい画像に変えます。参照画像と指示を与えると、モデルは参照画像を読み取り、その構造を理解し、可能な限り元の要素を保ちながら、指定された変更を加えて再生成します。

仕組みとしては、参照画像はモデルの潜在表現にエンコードされ、プロンプトがその表現の再構築を導き、強度設定が元の画像からどれだけドリフトして再構築することを許可するかを制御します。ドリフトが低いと小さなタッチアップになり、高いと再発明になります。

I2Iパスで残るもの（おおよその信頼性順）：全体の構図、主要な要素の配置、メイン被写体のアイデンティティ（低〜中程度の強度で）、全体的な色のストーリー。変わるもの：明示的に求めたもの、加えて — これが落とし穴です — 高強度で漏れ込むドリフトです。I2Iはマスクではなく、交渉です。それが力であり、リスクでもあります。

画像-to-画像とテキスト-to-画像、どちらを使うべきですか？

適用頻度の高い順に4つの状況：

ほぼ成功したものを編集する。 生成したものが構図、製品、ムードは正しかったが、背景が間違っていたり照明が平坦だった場合。プロンプトから再生成すると成功した部分をすべて失う可能性がある； "背景をXに置き換え、被写体は変更しない" という画像-to-画像の実行で成功を維持できる。

しっかりした構図でのスタイル転写。 レイアウトが正しい写真やレンダリングがあり、それを水彩画、オイルペインティング、またはフラットベクターアートにする必要がある場合。画像-to-画像は新しい構造を創作するのではなく、既存の構造にスタイルを適用する。

勝ちパスの基盤からのバリエーション。 一つのヒーロー画像から6つの派生画像：季節バージョン、代替カラーバージョン、A/Bテスト用の異なる背景など。各バリエーションは同じリファレンスから派生するため、同じファミリーレスemblanceを保つ。

シリーズ全体での一貫性。 同じキャラクターが異なるシーンでも同じように見える必要がある、またはカタログで製品が同一である必要がある場合。すべての生成を同じリファレンスに固定すると、プロンプトのみの生成に比べてばらつきが大幅に狭まる。

一般的なルール：テキストプロンプトを2〜3回以上ロールして、すでに持っていたものと同じものに戻そうとしたら、画像-to-画像が欲しかった。

イメージ・トゥ・イメージプロンプトの書き方

I2Iプロンプトは、3つのパートからなるパターンに従います。

[what to change] + [what to keep] + [style and quality direction]

多くの人が飛ばしがちなのが真ん中のパートで、これが期待外れの最大の原因です。モデルは、参照画像のどの部分を絶対に残すべきかを自動では判断できません。具体的に指定しましょう。

Replace the background with a Tokyo street at night, keep the product
and its label exactly unchanged, neon reflections on the surface,
commercial product photography, sharp focus

Convert to watercolor style, preserve the composition and all major
elements, soft washes, visible paper texture, museum-grade illustration

Change the lighting to golden hour, keep the model's pose and outfit
identical, warm rim light from the left, editorial photography

注目してほしいのは、これらのプロンプトが画像をゼロから描写していないという点です。その情報は、すでに参照画像が担っています。プロンプトの仕事は、差分——つまり変更点——を述べ、動かしてはいけない部分を囲い込むことです。もし絵全体の説明を書いてしまっているなら、それは遠回りしたテキスト・トゥ・イメージです。根底にある技術は、通常のプロンプト作成と同じです——被写体、スタイル、具体的なディテール。詳しくは AI画像プロンプトの書き方 で解説しています——ただし、担うべき役割は変わります。参照画像がシーンを提供し、プロンプトが編集を担うのです。

強さ：結果を決める唯一の設定

強さパラメータ（一部のツールではdenoising strengthと呼ばれます）は、モデルが参照画像をどの程度上書きできるかを制御します：

強さ	挙動	おすすめ
低（おおよそ0.3–0.4）	軽いタッチ。アイデンティティと詳細が生き残る	修復、照明の微調整、テクスチャ
中（おおよそ0.5–0.7）	バランスの取れた編集。構造は保たれ、内容は変化する	背景の置き換え、スタイルの変更
高（おおよそ0.7–0.9）	参照が提案になる	再創造、劇的な再スタイリング

2つの正直な注意点。まず、正確なスケールとパラメータ名はツールやバージョンによって異なります。したがって、上記の範囲を目安として、自身のテストで調整してください。次に、強さは解像度と相互作用します。同じ設定でも、小さいサイズでは細部が生存する余地が少ないため、より破壊的になることがあります。

避けるべき定番の矛盾：高強さと「何も同じに保つ」。モデルに積極的に書き換えるよう指示し、同時に何も変えないよう指示してしまう。どちらか一方を選んでください。アイデンティティの保持は低強さを求め、変換は高強さを求め、ほとんどの実際の編集はそれらの間です。

<!--IMG: The same reference image processed at low, medium, and high image-to-image strength-->

実際に収束する反復ワークフロー

ランダムなワンショット編集はランダムな結果を生みます。このループは収束します：

1. ベースを作成する。 text-to-image で生成する（または自分の画像をアップロードする）。ここで良いピックを選べ — 強固なベースは後続の各ステップで報われる。
2. 編集する前に診断する。 具体的に何が間違っているかを書き留めよ。「照明が平坦だ」は指示。「より良くせよ」は願い事だ。
3. 最初のI2Iパス — 大まかな筆遣い。 背景、スタイル、または全体の照明を中程度の強度で。パスごとに一つのテーマ。
4. 2番目のパス — 具体的な調整。 色調補正、ムード、詳細強調を低強度で。
5. 出力を新しい参照としてフィードバックする。 各パスは累積する：昨日までの結果は明日の開始点となる。
6. 修正がドリフトより小さくなるまで止める。 パスで解決する問題と同じだけ新しい問題を導入したら、収束した — またはベースを再考すべきで、さらにパスをやるべきではない。

2つのアクセラレーター：ツールがシードを公開している場合、シードを再利用せよ。そうすればプロンプトの微調整で新しいサイコロを振るのではなく、制御された比較ができる；そして、どの強度値がどの種類の変化を引き起こしたかをメモしておけ、自分のキャリブレーションテーブルこそが誰かの汎用的なものより価値がある。

よくある失敗パターンと対処法

盛り込みすぎプロンプト。 「背景を変えて、夜にして、絵画風にして、雪を足して、車を消して」。一度に5つの編集は、壊れるチャンスも5つ。どの指示がダメージの原因かを特定する術もない。対処法：1パスにつき1テーマ、順番に進める。

曖昧な改善リクエスト。 「もっとプロフェッショナルに」では、モデルに雰囲気だけ伝わり、動かすレバーがない。対処法：欠点と解決策を明示する — 「散らかった背景をクリーンなグラデーションに置き換え、被写体はそのまま」。

リファレンスとの戦い。 構図と矛盾する変更を求めると（広い風景で「被写体をフレームいっぱいに」など）、モデルはプロンプトとアンカーのどちらを取るか迫られる。対処法：レイアウト自体が間違っているなら、テキストから画像生成に戻ってそこで直す。

高強度でのテキスト編集。 再描画が強いと、画像内テキストが再ランダム化される — 気に入っていた看板が、別の間違った字形で戻ってくる。対処法：テキスト入り画像は低強度でやり直し、プロンプトに正確なテキストを再記述し、短く保つ。GLM-Imageのテキストレンダリングはここでの強みだ — モデルの看板能力であり、詳しいプレイブックはAIテキストレンダリングのベストプラクティスにある — ただし、逆らわずに活用した場合に限る。

終わりなきリファイン。 10パス目が、3パス目で直せなかったものを直すことはまずない。対処法：収束を受け入れるか、より良いベースからやり直す。完璧より完成。

イメージツーイメージができないこと

I2Iは指示に基づく再描画であり、ピクセル編集ではありません。具体的に「この3ピクセルを左に動かす」とか、一つの正確なピクセル領域をその場で再彩色するとか、ブランドのヘックスコードや正確なフォントタイポグラフィが生成後も生き残ることを保証することはできません——その精度はAI生成後のPhotoshop、Illustrator、またはInkscapeに属します。強度が高い場合のアイデンティティドリフトは物理現象であり、プロンプトで取り除けるバグではありません。そして、画像内の長いテキストはどのモデルでもリスクが残ります；短いフレーズが信頼できる領域です。プロフェッショナルなパターンはまさにこの順序です：AIで画像を作成し、デザインツールで最後の数ミリメートルを調整します。

よくある質問

GLM-Imageは画像から画像への生成をサポートしていますか？
はい — テキストから画像への生成と画像から画像への生成の両方がサポートされています。標準的なワークフローは、ベースとしてテキストから画像への生成を行い、その後I2Iパスで洗練とバリエーションを提供します。

どの強さから始めればよいですか？
典型的な編集では、中程度（おおよそ0.5〜0.7）から始めるのが適切です。アイデンティティや詳細の保存が最も重要視される場合は低めに下げてください；意図的な再創造のみ高めにし、参照が構造ではなく提案として生き残ることを期待してください。

自分の写真を参照として使用できますか？
一般的にはい — 自分の画像に対するスタイル転写と編集がコアのユースケースです。識別可能な人物の画像については、使用する権利と同意を持っている責任があります。

別のI2Iパスより再プロンプトのほうが良いのはいつですか？
参照自体が構成の問題の場合です。I2Iは参照のレイアウトを継承します；同時に保存しているレイアウトを修正することはできません。構造的な問題はテキストから画像への生成に戻します。

自分の作品でこのループを試してみてください: 画像ジェネレーターを開く →