もともとは nanowow.ai に掲載されたものです — Dev.to の読者向けにこちらに再掲しています。
GPT Image 2 Subject-Lock Editing: input_fidelity の実践ガイド
GPT Image 2 のSubject-Lock 編集（input_fidelity パラメーター経由）は、EC販売者、ファッション事業者、そしてバリアント撮影を大量に行う人にとって、最も役に立つ機能の1つです。さらに、DALL-E 3、Midjourney、Ideogram にはこの機能に相当するものがありません。
このガイドは実用的です。input_fidelity が何をするのか、どんな用途にどの値を使うべきか、いつ失敗するのか、そしてそれを中心に実際のワークフローをどう組むかを説明します。
読みながら試してみたい場合は、nanowow.ai/gpt-image-2 にアクセスし、Edit モードに切り替えて、任意の参照画像をアップロードしてください。
Subject-Lock が実際に行うこと
これまでのあらゆる画像モデル（DALL-E 3、Midjourney、Stable Diffusion、Ideogram）は、毎回そのたびにゼロから生成し直します。参照画像をアップロードし、変更点を説明すると、モデルは参照画像に似た新しい画像を生成します。形状、比率、色、細部などに小さなズレが、毎回の生成で必ず発生します。
GPT Image 2 の Edit モードは、動作が異なります。参照画像をアップロードし、input_fidelity に 0 〜 1 の値を設定します：
-
input_fidelity: 1.0— 被写体がほぼピクセル単位で維持されます。あなたが明示的に説明した部分（背景、ライティング、テキスト、衣類）だけが変わります。 -
input_fidelity: 0.0— 参照はゆるい“スタイルの参考”に変わり、モデルは自由に再生成します。 - その中間のどこか — なめらかなスライダーのような調整です。
実務では、重要なのは次の3つのゾーンです：
| ゾーン | 値の範囲 | 何が起きるか |
|---|---|---|
| ピクセルロック | 0.8 – 1.0 | 商品 / ロゴ / 顔は、世代をまたいでも同一のまま維持されます。商品バリアントの撮影、ラベル差し替え、背景の置き換えに最適です。 |
| シェイプロック | 0.5 – 0.7 | 全体のシルエットと比率は維持されますが、質感や細かなディテールは揺らぐ可能性があります。衣類のリスタイリング、ポーズ維持のリスタイリング、照明のみの変更に最適です。 |
| インスピレーション | 0.2 – 0.4 | ゆるいスタイルの借用です。粗い構図を保ちながら、ムード、スタイル、媒体などのバリエーションを探るのに最適です。 |
Subject-Lock が活きる場所
ECのプロダクト撮影
定番の用途です。1つの商品を撮影し、N 個の背景を生成します。
ワークフロー：
- 無地の背景で商品写真をアップロード（どんな写真でもOK。スマホ撮影でも可）。
input_fidelity: 0.9を設定。- プロンプト：「この商品を大理石のカウンタートップに置いてください。朝の窓光、45°の自然な影、ミニマルなエディトリアル構図で。」
- 5つのバリアントを生成 — すべての商品は同一のままで、変更されるのはシーンだけ。
Photoshop の合成は不要。マスキングも不要。モデルが文字どおり保持してくれるため、ラベル文字、キャップの形状、セラミック素材の質感まで世代をまたいで正確なままです。
ラベル / パッケージの差し替え
既存の商品写真を用意し、リシュートせずにラベルやパッケージのテキストだけを変更します。
ワークフロー：
- 既存の商品写真をアップロード。
input_fidelity: 0.85を設定。- プロンプト：
"ラベルの文字を、正確に 'LIMITED EDITION — 500ml — BREWED 2026-04' としてください。商品の形、ライティング、背景は同一のままに保ってください。" - モデルはラベル上のテキストだけを書き換え、その他はすべて保持します。
これは EC の運用者から最もよくある要望で、以前は文字どおり不可能でした。
ファッション：ポーズ維持で衣装のリスタイリング
モデルの写真をアップロードし、ポーズを保ったまま衣装をリスタイルします。
ワークフロー：
- 全身のモデルショットをアップロード。
input_fidelity: 0.6（シェイプロックゾーン — ポーズは維持され、衣装は変更可能）。- プロンプト：
"チャコールの Issey Miyake プリーツ ブレザーを、白いシャツの上に着せてください。同じポーズ、同じライティングで。" - ポーズと構図はロックされ、衣装は説明された服から描き直されます。
同じモデルで衣装を20パターン作るファッションカタログの場合、これにより撮影日そのものを 20 のプロンプトに置き換えられます。
キャンペーン全体でのキャラクター一貫性
ヒーロー画像を1つ撮影し、同じキャラクターでキャンペーン全体を生成します。
-
同じキャラクター、10種類のシーン →
input_fidelity: 0.85 -
同じ衣装、異なるモデル →
input_fidelity: 0.5＋新しいモデルについて説明 -
同じ商品、異なる季節 →
input_fidelity: 0.9＋季節に合う背景を説明
うまくいくプロンプトの型
パターン 1：明示的な“保持”リスト
モデルに「何を変えないか」を伝えます。GPT Image 2 は保持の制約を尊重します。
背景を、ミニマルな白いスタジオのセットアップに変更し、柔らかい側面光にします。
保持：商品形状、ラベル、セラミックの質感、キャップの色。
商品そのものは変更しないでください。
パターン 2：シーンと被写体の分離
シーン：北欧風のキッチンのカウンタートップ。朝の光。コーナーにリネンのナプキンが
見える。浅い被写界深度（DoF）。
被写体（参照から保持）：[商品] — ラベル、比率、仕上げを
ピクセル単位で同一のまま保つ。
パターン 3：素材レベルのロック
リブ模様のあるガラスの質感、液体の色、ラベルのタイポグラフィを
参照とまったく同じように保持してください。変更してよいのは木製の背景と
周囲の食材だけです。
Subject-Lock が苦手なところ
input_fidelity がうまく機能しない 3つのシナリオがあります。パイプラインを組む前に、それらを理解しておきましょう。
1. 実在の人の顔
GPT Image 2 は fal.ai 経由でルーティングされ、実在人物の容貌に関する ByteDance/OpenAI のコンテンツポリシーが適用されます。識別可能な顔が写った写真をアップロードすると → content_policy_violation のエラーが頻発します。スタイライズされたキャラクター、イラストベースの参照、または商品中心の撮影では顔を切り取る（クロップする）方法を使ってください。
2. 小さすぎる / 低解像度の参照画像
参照が 512×512 以下の場合、細部はモデルの事前処理で失われます。ラベルやタイポグラフィの正確さが重要なら、少なくとも 1024×1024 の参照をアップロードしてください。
3. 競合するプロンプト
返却形式: {"translated": "翻訳されたHTML"}input_fidelity: 0.9 を設定してから、大きなスタイル変換（「この商品を水彩画にして」）を依頼すると、結果がどろっとしたものになります。高い fidelity は、シーン／光／テキストの変更を、被写体を保持したまま行うためのものです。被写体そのものを再レンダリングするためではありません。
上級：Subject-Lock と構造化テキストを組み合わせる
最も強力なワークフローは、input_fidelity: 0.9 と GPT Image 2 のテキスト描画機能を組み合わせることです。商品を維持し、その上のテキストだけを変更します。
例 — ラベルの文字入れ替え：
ラベルを「Limited Edition 2026 - #0147 of 500」と完全に読み取れるように変更してください。
ボトルの形、ガラスの色、コルク、背景はまったく同一のままにしてください。
フォント：参照と同じもの。太さとカーニングも一致させてください。
モデルはボトルをピクセル単位で保持し、書き換えるのはラベルのテキストのみで、既存のタイポグラフィとも一致させます。限定版の投入（ドロップ）、シリアル番号付きの商品、パーソナライズされた SKU なら、この手法で 1 枚のヒーロー写真を無限のバリエーションに拡張できます。
クイックスタート チェックリスト
初めて Subject-Lock を生成する前に：
- 参照画像 ≥ 1024×1024、PNG または JPEG、30 MB 未満。
- 参照画像内に実在の人物の顔はなし（意図的にイラスト／デフォルメの場合を除く）。
-
上のゾーン表を基に、保持したい内容で
input_fidelityを選択。 - プロンプトは「シーン／光／テキストの変更」を説明し、被写体変換ではない。
- 最後に「保持リスト」 — 変えてはいけないもの。
input_fidelity: 0.9 で最初の生成を試し、モデルが硬すぎるなら下げ、目的からずれて流れていくなら上げて調整してください。
次に進む場所
- 実際の出力付きの、厳選された GPT Image 2 プロンプト 40 個を閲覧：nanowow.ai/gpt-image-2/prompts
- Subject-Lock を無料で試す（登録で 5 クレジット）：nanowow.ai/gpt-image-2 → 編集（Edit）モードに切り替え
- 完全なモデル比較（DALL-E 3、Nano Banana 2、Ideogram と比較）：nanowow.ai/compare/gpt-image-2-vs-dall-e-3
- プロンプト構造の深掘り：Best GPT Image 2 Prompts (2026)
よくある質問（FAQ）
Q: Subject-Lock は実在の人物の写真を編集できますか？
基本的にはできません — fal.ai の上流コンテンツポリシーが、実在人物の類似性をフラグします。デフォルメされたキャラクター、イラスト、商品／物体の写真は問題なく使えます。
Q: Edit モードのクレジットコストはいくらですか？
同じサイズ／品質でのテキストから画像よりやや高くなります（参照画像の処理により、生成ごとに概ね +1〜2 クレジット）。
Q: 複数の参照画像をアップロードできますか？
はい — GPT Image 2 は参照画像の配列を受け付けます。キャラクター＋服装の保持に便利です。あるいは、開始フレームと終了フレーム（動画に近いワークフロー）として用いることもできます。
Q: 透明な背景でも動きますか？
はい。background: "transparent" と Subject-Lock を組み合わせることで、被写体を保持しながら背景を差し替えられます。
Q: これは ChatGPT のインペインティングとどれくらい違いますか？
根本的に異なります。ChatGPT のインペインティングは、マスクした領域を毎回再生成します — 被写体の保持についての保証はありません。Subject-Lock は設計として、ピクセルレベルで保持します。
今すぐ Subject-Lock を試す：nanowow.ai/gpt-image-2（Edit モード）。厳選されたプロンプト 40 個を閲覧：nanowow.ai/gpt-image-2/prompts。
この投稿は初めて nanowow.ai に掲載されました。質問があれば、下に返信してください。
