画像生成AI比較｜同じ指示文で12個、いちばん本物の日本人っぽいのは？

01

結論：日本人の写真らしさは Nano Banana 2（うちの見立て）

先に答えを書きます。

いちばん自然だったのは、Nano Banana 2 です。

お母さんの場面も、おじいちゃんの場面も、どちらも自然でした。

理由は2つです。指示したことが、そのまま絵になっていること。そして、作り笑いになっていないことです。おじいちゃんだけが退屈そうで、子どもは小さく、わくわくしていました。

すぐ後が、Nano Banana 2.1 です。 Nano Banana 2 の次の版で、こちらも2枚とも、ふつうのスナップ写真に見えました。

日本人の写真のような絵なら、今回の条件では Nano Banana 2 と 2.1 が強かった、というのが、うちの見た感じです。

実は、Claude（Anthropic の AI）にも選ばせてみました。Nano Banana がかなりいい、という所は、うちの見方と同じでした。

ただ、12個ともどれも悪くありません。 Seedream の 5.0 Lite や 4.5 も悪くありませんでした。あとは、出したい絵と好みで選んでかまいません。

写真らしさの見方は、人によって割れます。海外の記事（AI Fire、2026年10月9日）では、4つのモデルを5つのテストで比べて、写真らしさは GPT Image 2.5 のほうが上、という判定でした。

なので、この記事の順位は「この指示文と、この場面での結果」として読んでください。

02

まず動画で：12個を比べた本編とショート

比べた様子は、アワタイムの YouTube で出しています。語り手のシルビオは、アワタイムが AI で作った架空のキャラクター（AI 社員）です。顔も声も AI で、実在の人ではありません。

押すと、この場で再生します（YouTube）。2枚目と3枚目は、その章の頭から再生します。

章の頭から見るときは、次のリンクも使えます。

• 1:11〜 比べ方（新しいタブ）（使った道具と、そろえた条件）
• 9:14〜 指示文のコツ（新しいタブ）（効いた所と、やりすぎた所）
• 11:21〜 まとめ（新しいタブ）（学び4つと、直した指示文）

ショートでは、AI っぽく見えた所の中から2つと、うちの1位を見せています。

03

比べ方：Higgsfield で12個、同じ指示文・同じ設定

12個の画像生成AIは、Higgsfield という道具でまとめて使いました。

Google・ByteDance・OpenAI など、いろいろな会社の画像生成AIを、1つのサイトで切り替えて使えます。アワタイムでは、ふだんは Claude Code から API（プログラムどうしをつなぐ窓口）で使っています。今回は、分かりやすいように、サイトの画面から作りました。

条件は、できるだけそろえました。

• 横長の 16:9 で、そのモデルで選べるいちばん高い解像度にしました。
• 1回に1枚ずつ作りました。
• 指示文を自動でふくらませる機能も、参考の画像も使っていません。
• 12個とも、同じ指示文、同じ設定です。作ったのは2026年10月です。

Higgsfield には、プランによって、決まったモデルがクレジット（道具の中で使うポイント）を使わずに作れる「Unlimited」の仕組みもあります。ただし、モデルと期間が決まっていて、使えるのは higgsfield.ai のサイトの上だけです。MCP などでサイトの外から作ると、いつもクレジットを使います（Higgsfield のヘルプ、2026年8月3日の版）。

比べた2つの場面

指示文は英語で書きました。日本語にすると、こんな内容です。

1. カットA（お母さん）：40歳くらいの日本人のお母さんが、台所の入口から居間に向かって、片手を口の横に当てて呼びかけている。
2. カットB（おじいちゃんと孫）：ソファでリモコンを持って、少し退屈そうにしているおじいちゃん。その横で、わくわくしている7歳と5歳の孫2人。

2つの場面には、同じ後半を付けました。

• ホームドラマの1コマのような、作っていない自然な写真にすること。
• モデルではないふつうの人で、毛穴のある肌にすること。
• 生活感のある日本のマンションにすること。

ねらいは、AI っぽさを消して、ふつうの日本の家族に見せることでした。もともとは、アワタイムで作っていた CM の場面に合う画像生成AIを探すための比べです。

ちなみに、この指示文は Claude Code に作ってもらいました。英語の全文は、動画の説明欄に載せています。

04

比べた12個の画像生成AI（会社と出た時期）

12個は、Google・ByteDance・Black Forest Labs・Kling・Higgsfield・OpenAI の6つの会社のモデルです。番号は、動画で出した順です。

いちばん古い Nano Banana は2025年8月です。いちばん新しい2つは、2026年10月に出たばかりの FLUX 3 Image と Nano Banana 2.1 です。

1年あまりの間に、これだけの数が出ています。

日付は、各社の公式のブログ・発表・モデルのページで、2026年10月31日に確かめました。

• Nano Banana は Google の画像のモデルの呼び名です。Nano Banana は Gemini 2.5 Flash Image、Nano Banana 2 は Gemini 3.1 Flash Image、Nano Banana Pro は Gemini 3 Pro Image という正式な名前があります。
• GPT Image 2.5 には、API で Flare と Sunburst の2つの版があります。今回使った Sunburst は、細かい作業のために精密さを足した版で、作るのに時間がかかります（OpenAI の発表）。同じ日に、ChatGPT では「ChatGPT Images 2.5」が出ました。
• Soul 2.0 は、Higgsfield が自分で作っている写真のモデルです。
• Kling O1 Image は、Kling（動画を作る AI の道具）が、動画のモデル Kling O1 と一緒に出した画像のモデルです（快手の発表）。

05

12個の結果を一覧で（◯と△）

12個の結果を、1つの表にまとめました。

動画で「自然」「うまい」など、よく見えたと言った所が ◯、「AI っぽい」「気になる」と言った所が △ です。全体の順位ではありません。

ここからは、会社ごとに、何が見えたかを書きます。

Google の4つ（Nano Banana 2・Nano Banana・2.1・Pro）

01 Nano Banana 2：お母さんもおじいちゃんも、パッと見て、ふつうのスナップ写真に見えました。特におじいちゃんの場面は、おじいちゃんだけがほおづえをついて退屈そうで、子どもは小さく、わくわくしています。指示したことが、そのまま絵になっていました。

02 Nano Banana：12個の中ではいちばん古いモデルです。出てきた絵も 1344×768 で、いちばん小さいサイズでした。それでも、おじいちゃんのうんざりした顔は、かなりうまいと思います。

09 Nano Banana 2.1：1番の次の版です。1番と同じく、2枚とも、ふつうのスナップ写真に見えました。

10 Nano Banana Pro：Google の上位版です。お母さんの場面は、明るくて、とても自然でした。ところが、おじいちゃんは、リモコンを電話のように耳に当てていました。物の使い方がおかしいと、それだけで AI だと気づかれやすくなります（うちの見方）。

ByteDance の3つ（Seedream 5.0 Lite・4.5・5.0 Pro）

04 Seedream 5.0 Lite：今回いちばん大きな、横 2848 ピクセルの絵が出てきました。顔に寄ると、しみや細かいしわが残っていて、きれいすぎない肌になっていました。

05 Seedream 4.5：ひとつ前の版です。床がかなり汚れていて、生活感というより、少し荒れた部屋に見えました。おじいちゃんの顔とカーディガンにも、茶色い変なしみがたくさん付いていました。

11 Seedream 5.0 Pro：上位版です。部屋の散らかり方は、かなりリアルでした。ただ、おじいちゃんは退屈そうではなく、にっこり笑っていました。

Black Forest Labs の2つ（FLUX.2 Pro・FLUX 3 Image）

03 FLUX.2 Pro：おじいちゃんの場面は、フィルムで撮った昔の家族写真のような雰囲気が出ています。うちの代表は「すごくエモくて、昭和っぽくて、これはこれで好き」だそうです。ただ、お母さんは口を大きく開けていて、呼びかけるというより、叫んでいるように見えました。

12 FLUX 3 Image：写真らしさはあります。でも、よく見ると、お母さんの顔に細かいポツポツがあって、少し汚れた感じに見えました。おじいちゃんのカーディガンにも、お母さんのセーターにも、白いくずのような物がびっしり付いていました。指示文に「着古した服」と書いたのが、効きすぎたのかもしれません。

そのほかの3つ（Kling O1 Image・Soul 2.0・GPT Image 2.5）

06 Kling O1 Image：お母さんは40歳くらいと頼んだのに、60代くらいに見えました。20歳ほど多めです。目元にも手にも、深いしわが出ていました。おじいちゃんも、退屈そうではなく、にこにこ笑っていました。

07 Soul 2.0：お母さんは口を大きく開けていて、後ろには、頼んでいない人が2人立っていました。おじいちゃんの場面では、「文字やロゴは入れない」と書いたのに、男の子の半ズボンにロゴのようなマークが入っていました。

08 GPT Image 2.5（Sunburst）：どちらもすごくきれいです。でも、部屋も人も整いすぎていて、かえって AI っぽく見えました。お母さんのセーターも、頼んだミントグリーンより、灰色っぽくなっていました。

06

AI っぽく見えた所は6つ

12個を見比べて、AI っぽく見えてしまった所を並べると、次の6つでした。

1. 年が上に見える：40歳くらいと頼んで、60代くらいに見えた（06）。
2. 顔や服にしみが出る：顔とカーディガンに茶色いしみ（05）、顔に細かいポツポツ（12）。
3. 頼んでいないロゴが入る：「ロゴは入れない」と書いたのに、半ズボンに印（07）。
4. 表情がオーバーになる：呼びかけるはずが、叫んでいるよう（03・07）。退屈なはずのおじいちゃんが、にこにこ（06・11）。
5. 整いすぎる：部屋も人もきれいすぎる（08）。
6. 服の汚れを付けすぎる：白いくずがびっしり（12）。

このほか、頼んでいない人が後ろに写る（07）、リモコンを電話のように耳に当てる（10）という絵もありました。

ひとつひとつは小さなことです。でも、こういう違和感が1つあるだけで、見た人は AI だと気づきやすくなると思います（うちの見方）。

直し方は、大きく2つです。

• 指示文を直す：強い言葉をしぼり、ほしい状態で書く（次の章からのコツ4つ）。
• 何枚か作って、人の目で選ぶ：同じ指示文でも、絵は毎回少しずつ変わります。変な所のない1枚を選びます。

CM のような仕事で使うなら、この「選ぶ所」こそ、人の目が生きる所だと思います。アワタイムでも、AI で作ったカットは、ディレクターが1つずつ確かめています（AI動画制作のページのよくある質問）。

07

絵の大きさ：大きい絵ほど自然、ではなかった

同じ「いちばん高い解像度」で頼んでも、出てきた絵の大きさは、モデルでばらばらでした。

いちばん大きい Seedream 5.0 Lite（2848）と、いちばん小さい Nano Banana（1344）では、横の長さが2倍以上ちがいます。

でも、大きな絵が出るからといって、自然に見えるとは限りません。 うちの1位の Nano Banana 2 は 2752 で、いちばん大きいわけではありませんでした。

この数は、今回の条件（Higgsfield のアプリ・2026年10月）で届いた絵の記録です。

08

指示文のコツ4つ：効いた所と、やりすぎた所

うちの指示文には、効いた所と、やりすぎた所がありました。比べて分かった学びは、次の4つです（本編の 9:14〜「指示文のコツ」（新しいタブ））。

1. 場面を、ひとつの文章で書く（効いた）

効いたと思うのは、どんな写真にしたいかを、ひとつの場面として文章で書いたことです。

「ホームドラマの1コマのような、広告ではないスナップ」と書いたことで、作り笑いのような顔は少なかったです（うちの見立て）。

画像生成AIの会社の公式のガイドも、同じことを書いています。

• Google（Gemini の画像の作り方）：「Describe the scene, don't just list keywords」（単語を並べるより、場面を書く）。写真らしい絵には、カメラの角度・レンズ・光など、写真家の言葉を使う。
• OpenAI（画像の指示文のガイド）：写真の言葉（レンズ・光・構図）を使い、毛穴・しわ・布のすれ・不完全さのような、本物の質感をはっきり頼む。
• Black Forest Labs（FLUX の写真らしい絵のガイド）：OpenAI とほぼ同じで、レンズ・光・構図・質感を書く。

2. 強い言葉は、2〜4つまで（やりすぎた）

やりすぎたのが、生活感です。

少し傷んだ床、少し散らかった部屋、着古した服。生活感の言葉を何度も重ねて書いたせいで、どのモデルも、部屋が少し貧乏くさくなってしまいました。生活感は、足すのは簡単ですが、引くのは難しいのです。

数えてみると、うちの指示文は英語の単語で、カットAが252語、カットBが313語ありました。Black Forest Labs の FLUX.2 のガイドでは、30〜80語がたいていの用途にちょうどいい（Usually ideal）とされています。

そのうえ、くたびれた感じの言葉を8つほど重ねていたので、部屋の印象が強く出すぎたのだと思います。

12枚を並べると、どの部屋も、床や壁や家具が少しずつくたびれていました。12 の服の白いくずも、「着古した服」と書いたのが効きすぎたのかもしれません（うちの見立て）。

3. 「〜しない」ではなく、ほしい状態で書く

気をつけたいのが、「〜しない」という書き方です。会社によって、ガイドが正反対なのです。

• Black Forest Labs：FLUX.2 は、ネガティブプロンプト（入れたくない物を書く欄・書き方）に対応していない。ほしい物を書く。
• Google：「車なし」と書くより、「車の気配のない、がらんとした通り」のように、ほしい場面を書く。
• OpenAI：「透かしなし」「ロゴなし」のような入れない物は、はっきり書く。

うちの指示文には「Not glamorous, not stock photo…」と、「〜しない」を6つ続けた文がありました。最後には「No text, no captions, no signs, no logos.」も書きました。それでも、07 Soul 2.0 にはロゴのような印が入りました。

なので、部屋や人の様子は「明るく片付いた部屋」のように、ほしい状態で書きます。文字やロゴのような「入れない物」は、最後に短く1行だけにします。

4. 短く書いて、1つずつ足す

いちばん大事なのは、最初から全部書かないことです。

短い指示文で1枚作り、足りない所を1つずつ足します。こうすると、どの言葉が効いたのかが分かります。逆に、最初から長く書くと、どの言葉が絵を変えたのか分からなくなります。

うちの指示文は、最初から長すぎました。次の章で、直した形を見せます。

09

そのまま使える指示文のひな形と、直した例

今回の指示文は、次の順番で組み立てました。直した版も、だいたい同じ順番です。

日本語のひな形にすると、こうなります。（　）を埋めて使ってください。

（横長の 16:9／縦長の 9:16）の写真。
（40歳くらいの日本人の女性）。（ミント色のニット）。
（台所の入口から、リビングに向かって明るく声をかけている）。自然な表情。
（家族のホームドラマの1コマ）のような、広告ではないスナップ写真。
（明るく片付いた、日本のマンションの台所）。
（窓からのやわらかい光）。目の高さから、（35mm）のレンズで。
文字やロゴは入れない。

生活感がほしいときも、言葉は2〜4つまでにします。「少し散らかった」「着古した」を足したくなったら、まず1つだけ足して、作り直して見比べます。

直した英語の指示文（カットA）

動画の最後の「いい指示文の例」の全文です。生活感の言葉を減らして、明るくきれいな部屋を、ほしい状態で書きました。

Horizontal 16:9 photo. A Japanese mother around 40 leans out from the kitchen doorway and calls cheerfully toward the living room on the right, one hand beside her mouth, mid-word, natural unforced expression. Low ponytail with a few loose strands, soft mint-green knit sweater. Waist-up, her face in the upper third of the frame. A candid moment from an ordinary Japanese family at home, like a frame from a Japanese TV home drama. Real skin with visible pores and fine lines, light makeup. A clean, bright, tidy Japanese apartment with a few everyday items. Soft daylight from a window, eye level, 35mm lens. No text or logos.

直した英語の指示文（カットB）

Horizontal 16:9 photo. In a bright, clean Japanese living room, a retired Japanese grandfather in his early 70s sits on a sofa holding a TV remote, chin resting on his hand, looking a little bored. Short thinning grey hair, thin metal-frame glasses, beige cable-knit cardigan over a light-blue checked shirt. Right beside him, his two small grandchildren lean in with excited gap-toothed smiles: a 7-year-old boy in a yellow T-shirt and navy shorts, and a 5-year-old girl with two short pigtails, an orange top and a navy skirt, hands clasped. The children are small, clearly young. All three faces close together in the center of the frame, nobody cut off. A candid moment like a frame from a Japanese TV home drama. Real skin texture, natural expressions. Soft daylight from a window, eye level, 35mm lens. No text or logos.

前の指示文（カットA 252語・カットB 313語）が、直した版ではカットA 107語・カットB 140語になりました。「〜しない」の並びは、最後の「No text or logos.」だけにしました。

なお、この直した版で12個を作り直す比べは、まだしていません。仕事で使った絵は、比べのあとに、部屋や服をもう少しきれいにして作り直した物です。

10

無料で試せる画像生成AIと、Midjourney（2026年10月31日）

今回の12個のうち、いくつかは無料で試せます。Midjourney は今回の12個に入っていませんが、よく比べられるので、一緒に並べました。

Gemini アプリ（Nano Banana 2・2.1・Pro）

無料（0円）でも、画像の生成と編集ができます（Google の Gemini のプランのページ）。

ただし、2026年10月9日から、プランに入っていない人のモデルは「自動」になりました。ほとんどの頼みごとは、いちばん速い Flash-Lite で答えます（Gemini アプリ ヘルプ）。そして、画像のモデルは、Flash-Lite のときは Nano Banana 2 Lite、Flash か Pro のときは Nano Banana 2 です（同じヘルプ）。

つまり、無料でも Nano Banana 2 になるときはありますが、いつもではありません。Flash を選べるのは、Google AI Plus（月725円）からです。Nano Banana Pro は、有料のプランで、画像を作り直すときに選べます（Gemini アプリ ヘルプ）。

Nano Banana 2.1 は、Google の Nano Banana のページでは「Google AI のプランで使える」と書いてあります。ただ、Gemini アプリ ヘルプは、有料のプランでも Flash か Pro のときの画像のモデルを Nano Banana 2 と書いていて、2.1 の名前は出ていません（2026年10月31日）。

ChatGPT（GPT Image 2.5 の仲間）

ChatGPT では「ChatGPT Images 2.5」が、すべての利用者に順に広がりました（2026年9月8日、OpenAI の発表）。無料のプランでも画像を作れますが、回数に制限があります。有料の Go・Plus・Pro では、画像の生成が増えます（ChatGPT の料金のページ）。

今回の 08 は、API の Sunburst という版です。ChatGPT の中の版と、名前が分かれています。

Dreamina（Seedream）

CapCut の Dreamina（dreamina.capcut.com）では、画像や動画に使える無料のクレジットが毎日もらえます。画像のモデルには、Seedream 5.0 Lite や Seedream 5.0 Pro があります（Dreamina のページ）。

Higgsfield（今回の12個）

いちばん安い Starter は、月19ドルで、月270クレジットです（年払いの表示で、月払いと同じ値段。Higgsfield の料金のページ）。12個を1つの画面で比べたいときに便利です。

Midjourney は？ 料金と、今回入れなかったこと

Midjourney は、画像生成AIの中でもよく名前が出る道具です。ただ、今回の12個には入っていません。

公式のページで確かめたことを並べます（2026年10月31日）。

• 無料体験：Discord と midjourney.com には、いま無料体験はありません。スマホの niji・journey のアプリ（iOS・Android）に、限られた体験があります。
• 料金：Basic 月10ドル・Standard 月30ドル・Pro 月60ドル・Mega 月120ドル。年払いにすると20%安くなります（Basic なら年96ドル＝月8ドル）。
• 作り放題：Relax モードで画像を作り放題にできるのは、Standard・Pro・Mega です。
• 人に見られない設定：作った画像を非公開にする Stealth モードは、Pro と Mega だけです。
• 会社で使うとき：年の売上が100万ドルを超える会社は、Pro か Mega が必要です（利用規約は別に確かめてください）。
• いまの版：既定の版は V8.2 で、2026年7月24日からです。

無料で試してから選びたいなら、まずは Gemini アプリ・ChatGPT・Dreamina のどれかから始めるのが手軽です（編集部の見方）。

11

目的別のおすすめ：うちならこう選ぶ

12個を比べた結果と、アワタイムでの使い方から、目的別のおすすめをまとめました（うちの見方）。

日本人の自然な写真なら、Nano Banana 2 か 2.1。

今回の条件では、いちばん自然でした。広告ではない、ふつうの家族のスナップを作りたいときに向いています。

昔の家族写真のような雰囲気なら、FLUX.2 Pro。

おじいちゃんの場面は、フィルムで撮ったような雰囲気が出ました。うちの代表の好みです。ただし、表情がオーバーになることがあるので、何枚か作って選びます。

きれいすぎない肌なら、Seedream 5.0 Lite。

しみや細かいしわが残っていました。モデルっぽくない人を作りたいときに試す価値があります。

同じ人物を何度も出すなら、先に見本帳を作る。

アワタイムの AI 社員シルビオは、Higgsfield の画像で Nano Banana Pro を選び、全身の1枚を入れて、キャラクターシート（顔と服の見本帳）を作りました。2クレジットでした（AIインフルエンサーの回の説明欄（新しいタブ））。動画にするときは、このシートを毎回渡します。

どれを選んでも、最後は人の目で選ぶのは同じです。AI が1回で出した絵が、そのまま使えるとは限りません。

画像を作ったら、次は動かします。画像から動画を作る方法は「画像から動画を作る方法」で、企画から書き出しまでの全体は「AI動画の作り方」で説明しています。

12

画像を動画にする：アワタイムの作り方

アワタイムは、AI で作った映像の素材を組み立てて、CM や紹介の動画を作っています（AI動画制作のページ、以下 LP）。

この比べも、もとは CM の場面に合う画像生成AIを探すための物でした。実際に使った絵は、比べのあとに、部屋や服をもう少しきれいにして作り直しています。AI で何枚も早く作り、人の目で選んで直す。これが、アワタイムの作り方です。

お客様の動画を作るときの流れは、次の6つです（LP）。

AI に任せるのは、構成（台本）の案と、映像の素材です。ヒアリング・編集・確認・修正は、人がします。

AI で作ったカットは、ディレクターが1つずつ確かめます。違和感のある物は、作り直すか、実写の素材や動く図（モーショングラフィックス）に置き換えて仕上げます（LP のよくある質問）。この記事で見た「AI っぽい所」を外すのも、この確かめの仕事です。

お手持ちの写真・動画・ロゴがあれば、AI で作ったカットと組み合わせて作れます。制作に使う生成 AI の道具は、利用規約を確かめて、商用利用が認められた範囲で使っています（LP のよくある質問）。

料金は、広告動画で1本3万円〜・最短3日で初稿です。日数は素材の確認のあとから数え、内容で変わります（LP）。

LP のサンプルから、この記事に近い2本を選びました。押すと再生します（音が出ます）。

SHIZUKU は、滴・肌・ボトルで美容液の世界観を伝える、15秒の縦の CM のサンプルです（架空の商品。LP）。

AIへの伝え方 3つのコツ は、AI に頼むときに「目的・背景・出力形式」の3つを足す、という研修の動画のサンプルです（LP）。画像の指示文も、ひと言で頼まずに中身を足していくのは同じです（編集部の見方）。

13

自分で作るか、頼むか

どちらが向いているかは、作る枚数・本数と、かけられる時間で決まります（編集部の見方）。

自分で作るのが向いている人

SNS の投稿や資料に、画像を何枚か使いたい人です。この記事のひな形と、無料で試せる所から始められます。

頼むのが向いている人

会社の広告・商品の紹介・採用など、仕事で使う動画を、期日までに確かな品質で出したい人です。

画像生成AIは、12個あれば12通りのくせがあります。指示文を直し、何枚も作って選び、さらに動かして編集するには、時間がかかります。商用利用の確かめもいります。

AI 動画で、できること・できないことは「【AI動画制作】できること・できないことは？メリットと外注の決め方」にまとめています。

14

よくある質問

15

まとめ

12個の画像生成AIを、同じ指示文で比べたポイントは、次の3つです。

日本の家族の写真では、Nano Banana 2 がいちばん自然で、すぐ後が Nano Banana 2.1 でした。ただ、12個ともどれも悪くなく、あとは好みです。

それより差が出たのは、指示文の書き方です。場面を文章で書き、強い言葉は2〜4つまで、ほしい状態で書き、短く書いて1つずつ足します。

そして、どのモデルでも、最後は人の目で選びます。アワタイムは、AI で早く作り、AI っぽい所をディレクターが見て外し、動画まで仕上げます。

関連記事：

• AI動画の作り方、全部見せます｜無料・スマホで始める7つの手順
• 画像から動画を作る方法
• 【AI動画制作】できること・できないことは？メリットと外注の決め方
• 【Claudeで動画編集】まだポチポチ編集してる？爆速で終わらせる方法