微信扫一扫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 |