Image Creator - AI画像生成スキル

Google Gemini / OpenAI GPT Image / ZhipuAI GLM-Image / fal.ai を使った画像生成・編集。

詳細なCLIオプション・モデルID・全ワークフローは docs/reference.md を必要時に参照。

デフォルト設定（明示指示がない場合に適用）

強制ではなく推奨デフォルト。ユーザー指示があればそちらを優先。

| 項目 | デフォルト | 例外 | |---|---|---| | 既定プロバイダ（汎用生成） | codex サブスク枠（無課金） | 利用不可時は Gemini nb2 へ自動フォールバック／透過・正確な比率・2K/4K 指定時は OpenAI | | 画像内テキストの言語 | 日本語 | 「英語で」等の明示時／型番・通貨記号・API等は原表記 | | Gemini モデル | nb2（Nano Banana 2） | --model pro/flash 明示時 | | OpenAI モデル | gpt-image-2 | -b transparent 時は自動的に gpt-image-1.5 へフォールバック | | 情報密度 | プロンプト項目を省略せず全て描画 | 「要約」「シンプル」指示時は割愛 | | 日本語テキスト quality | medium 以上 | low は文字崩れ可能性 |

Step 0: ユースケース判定（最初に実行・質問は最小限）

技術詳細（プロバイダー等）より先に「何を作りたいか」を下の 5 タイプに当てはめる。依頼文・添付・直前の会話でタイプが一意に定まるなら AskUserQuestion を使わず、そのまま次のステップへ進む（例: 「YouTube のサムネ作って」→ リッチ画像、「透過のアイコンを 3 つ」→ シンプル画像（透過）、「この手順を図解して」→ Step 0.5）。

画像タイプ5択

| タイプ | 会話からの手がかり | 次のステップ | |---|---|---| | YouTubeサムネイル・ブログヘッダー | サムネ・ヘッダー・アイキャッチ・OGP | → Step 1: リッチ画像（generate_rich.py） | | 説明図・図解・比較図 | 図解・図にして・可視化・比較・フロー | → Step 0.5: 図種サジェスト | | アイコン・ステッカー（透過背景） | アイコン・ステッカー・透過・ロゴ | → Step 1: シンプル画像（透過） | | 一般的なイラスト・写真 | イラスト・写真・絵・風景・キャラ | → Step 1: シンプル画像 | | テキスト入り画像（文字精度重視） | 文字を入れて・見出し入り・日本語の文字 | → Step 1: GLM-Image |

複数タイプに読めて、どれを取るかで生成物が別物になるときだけ AskUserQuestion で 1 問（上の 5 択、推奨を先頭）。迷う程度なら既定（一般的なイラスト・写真＝無課金の codex 経路）で 1 枚作り、外れていれば作り直す方が速い。残り 4 タイプは従量課金の経路（Gemini / OpenAI / GLM）なので、そちらへ倒すか迷うときは先に無課金経路で試す。

Step 0.5: 図種サジェストテーブル

「説明図・図解・比較図」に判定した場合（「〇〇を図にして」「〇〇を可視化して」等）、以下から最も近い行を 1 つ選び、推奨図種の先頭で進む。伝えたい内容が表の複数の行に当てはまり、図種で成果物が別物になるときだけ、推奨図種 top3 を AskUserQuestion で 1 問提示する（推奨を先頭に置く）。

| 伝えたい内容 | 推奨図種 top3 | 推奨ツール | |---|---|---| | 論文・記事の要点を1枚に凝縮 | ビジュアルアブストラクト / インフォグラフィック / ワンページャー | generate_rich.py --mode graphrec | | 処理・意思決定の流れ・手順 | フローチャート / シーケンス図 / 状態遷移図 | mermaid-to-webp（記法正確） | | 担当者別の業務フロー | スイムレーン図 / BPMN / フローチャート | mermaid-to-webp | | 時系列・スケジュール | タイムライン / ガントチャート / カスタマージャーニー | ガント=mermaid / 他=generate_rich.py --mode process | | 階層・分解構造 | ロジックツリー / マインドマップ / 組織図 | mermaid-to-webp | | 概念の優先度・段階 | ピラミッド図 / マトリクス図 / ロジックツリー | generate_rich.py --mode comparison | | 集合・重なり・関係性 | ベン図 / 概念図 / ネットワーク図 | generate_rich.py --mode comparison | | 比較・評価軸（4象限/SWOT） | マトリクス図 / レーダーチャート / 比較表 | generate_rich.py --mode comparison | | データベース構造 | ER図 | mermaid-to-webp | | システム・モジュール構成 | アーキテクチャ図 / シーケンス図 / ネットワーク図 | アーキ=generate_rich.py / シーケンス=mermaid | | 数値データの可視化 | 棒/折/円グラフ / ヒートマップ | mermaid (xychart) または matplotlib | | 流量・遷移・絞り込み | サンキー / ファネル / フロー図 | サンキー=mermaid / ファネル=generate_rich.py | | 事業戦略フレーム | ビジネスモデルキャンバス / バリューチェーン | generate_rich.py --mode comparison | | 体験・ストーリー | カスタマージャーニー / タイムライン | generate_rich.py --mode process |

判定ルール:

構造記法系（フロー/シーケンス/ER/ガント/組織図）→ 図形の正確性重視 → mermaid-to-webp にルーティング
ビジュアル発信系（ビジュアルアブストラクト/インフォグラフィック/BMC/ジャーニー）→ レイアウト自由度重視 → generate_rich.py

Step 1: ツール選択マトリクス

| 要件 | ツール | 主なオプション | |---|---|---| | 汎用生成（何も指定なし・無課金） | generate_codex.py | --effort / -n <枚数> | | リッチサムネイル・説明図 | generate_rich.py | --mode anime-wow / --mode graphrec / --character-preset | | 透過背景アイコン・ステッカー | generate_openai.py | -b transparent | | 正確な比率・2K/4K・印刷用 | generate_openai.py | -s <size> -q high | | 参照画像のスタイルコピー | generate.py | -r <ref.png> | | 複数枚同時生成 | generate_codex.py / generate_openai.py | -n <枚数> | | テキスト描画精度重視（日中） | generate_zhipu.py | - | | 日本語プロンプト | generate.py / generate_zhipu.py | - | | デフォルト | generate_codex.py（サブスク・無課金／不可時 Gemini） | - |

プロバイダー別の強み

Codex サブスク枠（既定）: ChatGPTログイン認証で gpt-image-2 を無課金利用。汎用生成の既定。ただし size/quality/厳密比率は制御不可・透過不可（→ 必要時は OpenAI へ）
Gemini: 日本語理解・参照画像スタイルコピー・フォールバックチェーン豊富
OpenAI: 高品質・ネイティブ透過背景・正確なサイズ/2K/4K・複数枚同時生成（-n）。従量課金
GLM-Image: 日中テキスト描画精度91.16%、低コスト（$0.015/枚）
fal.ai: Gemini障害時の自動フォールバック（GPT Image 1.5）

モデル選択ヒューリスティック

Gemini:

既定 nb2 - Pro品質+Flash速度・参照画像10枚・thinking制御（Preview）
キャラクター一貫性重視 → pro（Preview）
速度・安定性（GA）優先 → flash

OpenAI:

既定 gpt-image-2 - 最新・最高品質・テキスト描画強
透過背景 → gpt-image-1.5 に自動フォールバック（-b transparent時）
軽量・低コスト → gpt-image-1-mini

Step 2: リッチ画像モード（`generate_rich.py`）

パターン/モード対応表

| pattern | mode | 用途 | |---|---|---| | thumbnail | anime-wow | アニメ風・驚き表現 | | | anime-impact | アニメ風・インパクト重視 | | | anime-pop | アニメ風・ポップ/明るい | | | anime-bright | アニメ風・鮮やか/清潔感 | | | formal-default | ビジネス・フォーマル | | | real-default | 写真風リアリスティック | | illustration | comparison | 比較・対比 | | | graphrec | 図解・グラフィックレコーディング風 | | | process | プロセス・フロー図 | | | custom | カスタムプロンプト自由形式 |

キャラクタープリセット（`--character-preset`）

default / idol / vtuber / business / tech / teacher / mascot / cool

詳細は --list-presets で取得可能。

追加で決める項目（会話から読み取り、読めなければ既定）

サムネイル: スタイル（アニメ/ビジネス/写真。既定: ビジネス）、アニメ風なら雰囲気（驚き/インパクト/ポップ/明るい。既定: 明るい）、キャラクター有無（既定: なし）
説明図: タイプ（図解=graphrec / 比較=comparison / プロセス=process / カスタム。既定: 内容に最も近いもの、迷えば graphrec）

AskUserQuestion は、読み違えると生成物が別物になる 1 点だけに使う（例: アニメ風か写真風かで参照画像の扱いが変わるとき。推奨を先頭に置く）。それ以外は既定で 1 枚作り、結果を見てから直す。

Step 3: 推奨設定早見表

| ケース | プロバイダー | モデル | オプション | |---|---|---|---| | 汎用・高品質 | Gemini or OpenAI | nb2 / gpt-image-2 | - | | 透過アイコン・ステッカー | OpenAI | gpt-image-1.5（自動） | -b transparent | | 参照画像コピー | Gemini | nb2 / pro | -r <ref> | | シンプルイラスト | Gemini | flash | --magenta-bg + マゼンタ除去 | | キャラ一貫性重視 | Gemini | pro | -r <参照キャラ> | | テキスト重視（英語） | OpenAI | gpt-image-2 | - | | テキスト重視（日本語/中国語） | GLM-Image | glm-image | - | | プロトタイプ・軽量 | OpenAI | gpt-image-1-mini | - | | 低コスト大量生成 | GLM-Image | glm-image | - |

背景除去の選び方

| 方法 | 適したケース | |---|---| | OpenAI -b transparent | OpenAI使用時（最も簡単） | | remove-bg-vision.py | 実写・写真風・複雑背景・グラデーション（macOS 14+） | | remove-bg-magenta.py | イラスト・シンプル図形・フラットデザイン（--magenta-bgで生成後） |

ツール一覧

| ツール | 用途 | |---|---| | generate_codex.py | codex サブスク枠・無課金の汎用生成（既定） | | generate.py | Gemini 汎用生成 | | generate_rich.py | パターン/モード対応リッチ画像 | | generate_openai.py | OpenAI 生成・編集 | | generate_zhipu.py | GLM-Image (ZhipuAI) 生成 | | generate_fal.py | fal.ai 生成（フォールバック用） | | remove-bg-magenta.py | マゼンタ背景除去（1px収縮含む） | | remove-bg-vision.py | macOS Vision API 背景除去 | | erode.py | 透過画像エッジ収縮 | | split_transparent.py | 透過画像を個別オブジェクトに分割 |

詳細オプションは各スクリプト --help または docs/reference.md 参照。

codex サブスク枠生成（無課金の既定経路）

Codex CLI 組み込みの built-in image_gen（gpt-image-2）を ChatGPT ログイン認証（サブスクリプション枠） で呼び出す。OPENAI_API_KEY を明示的に外して起動するため API 従量課金が発生しない。「何も指定しない汎用生成」の既定。

# 可用性判定（利用可=exit 0 / 不可=exit 3）
uv run python scripts/generate_codex.py --check

# 生成（単発）
uv run python scripts/generate_codex.py "青空と一本桜のシンプルなイラスト" -o sakura.png

# 複数枚（共有スタイルで連続生成）／作り込みは effort を上げる
uv run python scripts/generate_codex.py "章扉の装飾" -n 3 --effort xhigh -o slide.png

前提:

Codex CLI がインストール済みで、codex login により ChatGPT でログインしていること（API キー不要）。
未導入・未ログイン環境では exit 3 を返す。SKILL の既定ルーティングは自動で Gemini へフォールバックする。

制約（built-in image_gen 由来）:

size/quality/厳密な比率を制御できない（--aspect は prose ヒントで、密な縦長内容では無視されがち）。
透過背景を出力できない。
→ 正確な比率・2K/4K・quality=high・透過が必要なときは generate_openai.py（従量課金） を使う。

品質向上（augment・既定ON）: built-in は size/quality を制御できないため、品質はプロンプト設計で引き上げる。generate_codex.py は既定で「専門デザイナー役の付与＋品質バー＋（構造的内容なら）レイアウト委譲・補助ラベル補完」を自動付与する（ユーザーの明示テイストは尊重し不要な装飾は足さない）。これが effort より効く最大の品質レバー。特にインフォグラフィック・図解・ポスターで顕著。--no-augment で無効化可。

effort の目安: 単発の簡単な画像は low、作り込み（インフォグラフィック・図解・複数枚のスタイル統一）は high/xhigh。effort を上げても解像度は伸びない（built-in 上限〜1〜2K）。
比率: --aspect は向き（portrait/landscape/square）を強い prose で誘導する。向きの一貫性は上がるが、解像度・厳密な比率は built-in の制御外（ピクセル固定が要る納品物は generate_openai.py -s の従量課金経路へ）。

偽装検証（自動）: codex は稀に image_gen を呼ばず SVG/PIL 等で自作した画像や既存流用で「生成した」と偽装する。本スクリプトはプロンプトの偽装禁止文言＋「codex が報告した生成パスが開始マーカーより新しい実ファイルであること」の検証で弾く（検証に落ちると exit 2）。報告パスを正典とするため、複数セッション同時実行時も他セッションの生成物と混同しない。

トークン期限切れ: 認証エラー（token_expired/unauthorized 等）検出時は exit 4。ユーザーに ! codex login（対話 OAuth、Claude 代行不可）での再ログインを依頼する。

重要ワークフロー（非自明なもの）

透過アイコン（最も簡単）

uv run --with openai --with pillow scripts/generate_openai.py \
  "シンプルな星のアイコン" -b transparent -o star.png

ステッカーシート生成 → 分割

# 1. マゼンタ背景で複数配置生成（LARGE gaps で重なり回避）
uv run --with google-genai --with pillow scripts/generate.py \
  "Multiple separate kawaii stickers with LARGE gaps: coffee cup, donut, cat, star. Arranged in 2x2 grid, well separated." \
  --magenta-bg -o sheet.png

# 2. 背景透過
uv run --with pillow --with numpy --with scipy scripts/remove-bg-magenta.py sheet.png

# 3. 個別分割
uv run --with opencv-python --with numpy scripts/split_transparent.py sheet.png ./stickers/

プロンプトのコツ: LARGE gaps between them, well separated, Arranged in XxY grid

参照画像スタイルコピー + 透過

# 1. 参照画像のスタイルで生成（スタイル維持のためマゼンタ指定なし）
uv run --with google-genai --with pillow scripts/generate.py \
  "Same exact style as this image. Object: coffee cup. NO text." \
  -r reference.png -o coffee.png

# 2. Vision API で背景除去
python3 scripts/remove-bg-vision.py coffee.png

複数枚同時生成（OpenAI）

uv run --with openai --with pillow scripts/generate_openai.py \
  "かわいい動物のアイコン、1つの動物" -n 5 -b transparent -o animal.png
# → animal_01.png, animal_02.png, ... が生成される

テキスト入り画像（GLM-Image）

uv run --with requests --with pillow scripts/generate_zhipu.py \
  "「祝・開店」と書かれた和風バナー" -o banner.png

耐障害性・フォールバック

Gemini のフォールバックチェーン

Pro → codex（無課金） → OpenAI gpt-image-2 → NB2 → fal.ai → Flash
NB2 → codex（無課金） → OpenAI gpt-image-2 → fal.ai → Flash
Flash は GA モデルで最安定
codex サブスク枠（無課金）を従量課金 OpenAI の前段に置き、コストを最小化

条件

codex フォールバック: codex CLI＋ChatGPT ログイン時のみ（不可なら静かに次へ）。参照画像指定時は比率制御不可のためスキップ
OpenAI フォールバック: OPENAI_API_KEY 設定時のみ。参照画像指定時は edit API の差異でスキップ
fal.ai フォールバック: FAL_AI_API_KEY 設定時のみ
--no-fallback でチェーン無効化

リトライ・タイムアウト

503/429/408 は最大2回の指数バックオフ（10秒→20秒）。504 は即フォールバック
NB2/Pro: 300秒、Flash: 600秒、OpenAI: 180秒、fal.ai: 120秒

Note: NB2/Pro は Preview 段階。サーバー過負荷による 503/504 があり得る。最高安定性が必要なら Flash（GA）を直接指定。

前提条件

uv インストール: curl -LsSf https://astral.sh/uv/install.sh | sh
macOS Vision API 使用時: macOS 14.0 (Sonoma) 以降

環境変数

| プロバイダー | 環境変数 | |---|---| | Codex サブスク枠（既定） | 不要（codex login で ChatGPT ログインのみ。OPENAI_API_KEY は自動で外して起動） | | Gemini | GEMINI_API_KEY | | OpenAI | OPENAI_API_KEY | | GLM-Image | GLM_API_KEY or ZAI_API_KEY（https://z.ai で取得） | | fal.ai | FAL_AI_API_KEY | | 参照画像検索（generate_rich.py --ref-search） | SERPAPI_KEY |