Design guide
Nano Banana プロンプト設計ガイド
図鑑のプロンプトをコピーするだけでも十分ですが、自分の案件に合わせて書けるようになると景色が変わります。 ここでは、やりたいことを5つの型に分類し、それぞれの書式を解説します。
Basics
すべての土台になる4原則
1. 動詞から始める
「生成して」「削除して」「変換して」「合成して」「翻訳して」。 最初の動詞で、モデルが何のモードで動くかが決まります。 名詞の羅列で始めると、生成なのか編集なのかの解釈がぶれます。
2. 抽象語を残さない
「おしゃれ」「きれい」「いい感じ」は、モデルにとっては空欄と同じです。 その空欄はデータセットの平均値で埋められます。つまり「よく見る絵」が出てきます。 平均から抜け出したいなら、色・素材・時間帯・角度を名指ししてください。
× 空欄が多い
おしゃれなカフェの写真
○ 空欄を埋めた
午後3時の光が差す、真鍮のカウンターと濃い焦茶のタイル壁のカフェ。窓際の席に湯気の立つカップ。35mm、腰の高さから
3. 「ない」ではなく「ある」で書く
「車を入れないで」と書くと、モデルはまず車を思い浮かべます。 代わりに「がらんとした無人の通り」と、望む状態そのものを描写してください。 ただし例外として、ロゴや文字などを確実に排除したいときは 「ロゴは入れない」「文字は入れないで」と明示したほうが安定します。
4. 1回1変更で会話する
一発で完璧を狙わないこと。ベースを作り、光だけ変え、要素を1つ足し、最後に色調を整える。 この順番なら、どの指示が効いたのかが分かるので、次の一手が正確になります。
Framework 01
画像生成
ゼロから作る場合と、手元の画像を材料にする場合で、書式が2つに分かれます。
A. テキストから生成する（参照画像なし）
この5つが埋まっていれば、まず大きくは外しません。 「思ったのと違う」ときは、たいてい構図かスタイルが抜けています。 構図はショットサイズ（クローズアップ／バストアップ／ミディアム／ロング）と配置、 スタイルは「何で撮った／描いた絵なのか」を書きます。
茶色のテーラードドレスと艶のあるブーツを身につけ、構造的なハンドバッグを持ったファッションモデルを生成して。 自信に満ちた堂々としたポーズで、体をわずかに横へ向けている。 背景は継ぎ目のない濃いチェリーレッドの背景紙、スタジオ撮影。 ミディアムフルショット、画面中央に配置。 ファッション誌のエディトリアル風。中判アナログフィルムで撮影したような粒状感と豊かな発色、シネマティックな照明。
B. 参照画像を混ぜて生成する（マルチモーダル）
最大14枚まで参照画像を組み合わせられます。ただし、 それぞれの画像が「何として」使われるのかを言葉で割り当てないと混ざります。 「1枚目は構造の設計図として」「2枚目は素材として」のように、添付順と文中の番号を必ず一致させてください。
添付の1枚目のラフスケッチを構造の設計図として、2枚目の生地サンプルを張地の素材として使い、 高精細な3Dレンダリングのアームチェアを生成して。 スケッチの脚の角度と背もたれの曲線は忠実に守り、生地の織り目と色はサンプルのまま再現して。 出来上がった椅子を、日当たりの良いミニマルなリビングルームの窓際に配置して。
Framework 02
画像編集
Nano Banana の編集は、選択ツールの代わりに言葉でマスクを切るという発想です。
A. 会話だけで編集する（セマンティックマスク）
「どこを変えるか」より「どこを変えないか」を書くほうが重要です。 変えない部分の記述が薄いと、モデルは画面全体を作り直してしまい、 直したい箇所以外も微妙に変わってしまいます。
この写真から、背景に写り込んでいる歩行者を削除して。 手前の被写体、床のタイルの模様、壁の質感、照明の当たり方は一切変更しないで。 削除した部分は、周囲の壁と床の続きとして自然に補完して。 色調やコントラストも元のまま維持して。
B. 新しい画像を足して構成を変える
ベース画像に別のオブジェクトを合成する場合、破綻するポイントは決まっています。 影の向きと大きさと接地の3つです。この3つは毎回明示してください。
1枚目のリビングの写真をベースにして、2枚目の観葉植物を合成して。 植物はソファの左端、窓との間の床に自然に置いて。鉢の底は床に接地させ、影を落として。 リビング側の光源（右の窓からの午後光）に合わせて、植物の陰影とハイライトの向きを揃えて。 植物のスケールは、ソファの座面の高さと比べて自然になるよう調整して。 リビングの他の要素は変更しないで。
C. スタイルだけを変える
写真を絵画調やアニメ調に変換するときは、 「構図は保つ／写真的ディテールは捨てる」を同時に指定します。 片方だけだと、別物になるか、ただフィルタをかけたような中途半端な絵になります。 作家名を出すより、筆致・色数・線の太さ・影の段数といった技法を分解して書くほうが安定します。
この都会のストリート写真を、ポスト印象派の油彩画のスタイルに変換して。 うねるような太い筆致、絵の具の盛り上がりが見えるマチエール、青と黄のコントラストを強調した色彩。 元写真の構図、建物の配置、人物の位置関係は正確に保って。 写真的なディテールは捨てて、絵画としての筆のリズムを優先して。
Framework 03
リアルタイム検索と組み合わせる
Nano Banana はウェブ検索の結果を画像に反映できます。学習データの内側だけで完結しないのが強みです。
コツは、3つの動詞を順番に並べることです。 「検索して」「分析して」「描いて」と段を区切ると、各ステップの精度が上がります。 いきなり「今日の天気の絵を描いて」と頼むと、検索を挟まずに想像で描かれることがあります。
まず、東京の今日の天気と日付をウェブ検索して。 次に、その情報を分析して風景の描写条件に落とし込んで（雨なら濡れた路面と厚い雲、晴れなら澄んだ空と強い影、という具合に）。 最後に、その条件を反映した東京の街並みを、コンパクトなミニチュア都市として描いて、最新型のスマートフォンの画面の中に埋め込んで。 画面の中の日付も、検索した実際の日付でレンダリングして。
Framework 04
テキストレンダリングとローカライズ
文字が正しく出るかどうかは、書き方でかなり変わります。守るべき作法は4つです。
文字は必ず囲む
出したい文字列は「」や引用符で囲んで、他の説明文と切り離します。囲まないと、指示文の一部が絵の中に紛れ込むことがあります。
書体を指定する
フォント名でも、特徴の描写でも通ります。「極太のサンセリフ」「流れるようなブラッシュスクリプト」「細いジオメトリックサンセリフ」。
階層を言葉で決める
「最も目立たせる」「小さく控えめに」と役割を書くと、サイズと太さの関係が安定します。数値より役割のほうが通ります。
文言を先に確定する
画像に入れる前に、まず文章だけを会話で詰める。「画像はまだ生成しないで」と添えれば、コピー検討フェーズに留められます。
行ごとに指定する
スキンケア商品の広告ビジュアルを作成して。商品の右側に、3行のテキストを次の指定でレンダリングして。 1行目：流れるようなエレガントなブラッシュスクリプトで「GLOW」、大きく。 2行目：太いブロック体のインパクトのある書体で「10% OFF」、最も目立たせる。 3行目：細いミニマルなジオメトリックサンセリフで「Your First Order」、小さく控えめに。 3行は左揃えで、行間はゆったり。色は背景から浮く明度差をつけて。
レイアウトを保ったまま多言語へ
完成したビジュアルに続けて翻訳を頼めば、デザインを維持したまま言語だけを差し替えられます。 海外向けのバナー展開では、これがいちばん時間を節約できる使い方です。 日本語は文字数が変わるので、「行送りだけ調整していい」と逃げ道を1つ与えると破綻しません。
このバナーのレイアウト、配色、書体の太さの比率はそのまま維持して。 テキストだけを日本語に差し替えて。「GLOW」は「うるおう。」、「10% OFF」は「初回10%OFF」、 「Your First Order」は「はじめての方限定」にして。 日本語は自然な字間で、明朝ではなくモダンなゴシック体で組んで。 文字が枠からはみ出さないよう、行送りだけ調整していい。
Framework 05
クリエイティブディレクターとして指示する
ここまで来ると、プロンプトは「お願い」ではなく「発注書」になります。 照明・カメラ・色調・素材の4つを自分で決められると、出力は運ではなく設計の結果になります。
① 照明を設計する
撮影現場の言葉がそのまま通ります。基本は
キーライト／フィルライト／バックライトの3灯。
柔らかくしたければソフトボックス、劇的にしたければ光源を1つに絞ります。
- 清潔・商業的 →「ソフトボックスを使った3点照明」
- 劇的・絵画的 →「キアロスクーロ技法で、コントラストを極端に大きく」
- 情緒的・温かい →「ゴールデンアワーのバックライトで、長い影を作って」
- 硬質・都市的 →「単一の硬い光源で、輪郭のはっきりした影を落として」
② カメラとレンズを選ぶ
機材名は、その機材特有の絵づくりをまとめて呼び出すショートカットです。
- GoPro：超広角の歪みと没入感、アクション
- Fujifilm：落ち着いた本格的な色再現
- 使い捨てカメラ：直接フラッシュの生々しさ、ノスタルジー
- 中判フィルム：豊かな階調と粒状感、広告的な品位
レンズは狙いに直結します。
広角（24mm）：空間の広がり、遠近の誇張標準（35–50mm）：自然な見え方、ドキュメンタリー望遠（85–135mm）：圧縮効果、ポートレート向きマクロ：微細な質感、極端な拡大f/1.8 の浅い被写界深度：主題以外を溶かす
③ 色調とフィルムを決める
- 「1980年代のカラーフィルムで撮影したような、粒状感のある画像にして」
- 「シネマティックな色調で、シャドウを落ち着いたティールに寄せて」
- 「モノクロ、コントラスト高め、深い黒を残して」
④ 素材と質感を名指しする
これが最も効きます。カテゴリ名ではなく、素材名まで降りてください。
× カテゴリ止まり
スーツのジャケット／鎧／コーヒーカップ
○ 素材まで降りた
ネイビーブルーのツイードのジャケット／銀の葉模様がエッチングされた装飾的なプレートアーマー／マットな釉薬のミニマルなセラミックのコーヒーカップ
キアロスクーロ技法によるポートレート。コントラストを極端に大きくして。 光源は被写体の左斜め前方にある窓からの自然光1灯のみ。それ以外は深い闇に沈める。 顔の右半分は完全に暗く落とし、鼻筋と頬骨のハイライトだけを残す。 黒背景。埃が舞い、光の筋が空気中に見える。 17世紀オランダ絵画のような重厚な色調、深いアンバーとディープブラウン。 85mm、f/2.8、バストアップ、正面よりわずかに斜め。
Structured prompting
JSONで書くという選択
プロンプトを文章ではなく JSON で書くと、再現性が上がります。 ただし理由を誤解していると効果が出ないので、まずそこから。
なぜ再現性が上がるのか
「モデルが JSON を特別よく理解するから」ではありません。本当の理由は3つです。
- 書き落としが無くなる。キーが並んでいると、空欄が目に見えます。 文章だと「照明を書き忘れた」ことに気づけません。そして 書かなかった項目は、必ずデータセットの平均値で埋められます。
- 項目が混ざらない。「暖かい」が光の話なのか色の話なのかが、
lightingとstyle.gradeに分かれていれば曖昧になりません。 - 差分が取れる。1つのキーだけ書き換えて再送すれば、 出力の違いは必ずその項目に起因します。原因を特定できる、これが最大の利点です。
基本の骨格
項目名は自由ですが、迷ったらこの5ブロックで足ります。 完全なテンプレートは図鑑にあります。
{
"subject": "誰が・何が",
"action": "何をしている",
"setting": "どこで・いつ",
"composition": { "shot": "…", "angle": "…", "placement": "…" },
"camera": { "lens": "…", "aperture": "…", "focus": "…" },
"lighting": { "key": "…", "fill": "…", "mood": "…" },
"style": { "medium": "…", "grade": "…", "grain": "…" },
"output": { "aspect_ratio": "16:9", "resolution": "2K" }
}
1キーだけ変える、という使い方
これが本命です。テンプレートを固定して、検証したい項目だけを差し替えます。 商品の色展開、キャラクターの表情差分、同じ構図での画風比較—— 「何が効いたのか分からない」という状態が消えます。
次のJSONをテンプレートとして使う。以降、私が指定した1つのキーだけを変更し、 他のすべての値は完全に固定したまま画像を生成して。 （JSON） まず、このままの設定で1枚。 次に "color" だけを "深い藍色" に変えて1枚。 次に "color" だけを "焦茶" に変えて1枚。 それ以外の値は一切変えないで。
向いている場面・向いていない場面
○ JSONが効く
商品カタログの量産／キャラクターの一貫性／漫画のコマ割り／ 比較検証（A/Bテスト）／チームで設定を共有する／数日後に同じ絵を再現したい
× 文章のほうがいい
一発勝負のアート作品／情感や物語性が主役の絵／ まだ方向性が固まっていない探索段階／短い修正指示
JSONは管理の道具であって、品質の魔法ではありません。 中身が「おしゃれな部屋」のままなら、JSONにしても結果は変わりません。 キーを埋めるときに、結局は 具体的な語彙が必要になります。
また、探索段階でいきなりJSONを書くと、固めすぎて発想が広がりません。 会話で方向性を見つけて、決まったらJSONに書き起こして保存する—— この順番が現実的です。
Advanced
上級編：もう一段上げる5つ
基本の型を押さえた人が、次に効かせられる技術です。 どれも「モデルが何を手がかりにしているか」を利用したもので、 知っているかどうかで出力がはっきり変わります。
1. 用途を一文だけ添える
Nano Banana Pro は、描き始める前に構成を組み立てます。 だから「これは何に使う絵なのか」を伝えると、そこから逆算してくれます。
「高級料理本に載せる写真です」と一言足すだけで、 浅い被写界深度、余白の取り方、抑えた色に自然と寄っていきます。 構図や照明を細かく指定しなくても、その用途の定石を引き当ててくるわけです。
ただし順番が重要です。 検証室で確かめたところ、被写体や小物まで具体的に書き込んだあとに 用途の一文を足しても、絵はほとんど動きませんでした。 先に書いた具体的な指示が絵の方向を決めてしまい、あとからの一文はそこに引きずられます。 用途はまだ指示が薄いうちに書いてください。
× 用途がない
木のまな板の上のパンを撮影して
○ 用途を添えた
木のまな板の上のパンを撮影して。これは高級料理本の扉に使う写真です
2. 形容詞は絵にならない
「美しい」「最高品質」「8K」「傑作」——この種の言葉は、 画面上の何ひとつ変えません。 モデルが描けるのは、光の状態と物の質感だけです。
「素晴らしい陶芸家の写真」ではなく、 「曇天の窓から差す光」「粘土の飛沫」「棚の上の素焼き」「爪の間の土」。 形容詞を1つ削って、目に見えるものを1つ足す。これを繰り返すだけで別物になります。
3. 数字で寸法を固定する
大きさの手がかりを与えると、画面の説得力が一段上がります。 「水筒」ではなく「750mlのステンレス水筒」。 容量・寸法・頭身・階数——数字が入ると、他の要素との比率が決まります。
レンズと絞りも同じ役割です。85mm f/8 と書けば、
被写体との距離感とボケ量が同時に決まります。
4. 編集は Lock → Change → Amount → Constraints
画像編集で最も確実なのが、この4段の型です。 「変えない部分を書く」をさらに構造化したもので、業務の指示書に近い形になります。
Lock（固定）：水筒のマットな黒い質感、ブラッシュドのキャップ、細い円筒の形、 画面内での大きさと位置、斜め45度のアングル、水滴の付き方。 Change（変更）：背景をキッチンのカウンターから、日の当たる登山道の平たい岩の上へ。 Amount（程度）：背景の全面的な入れ替え。ただし控えめに。 ゴールデンアワーではなく穏やかな自然光。合成ではなくロケ撮影に見えること。 Constraints（禁止）：水筒を新しい環境光以上に照らし直さない。金属に新しい映り込みや ハイライトを足さない。元の寒色寄りの色調を保つ。キャップと水滴には触れない。 手・人物・登山道具は画面に入れない。
Amount（程度）が効きます。 「全面的に入れ替えるが、控えめに」のように、変更の強さまで指定すると、 やりすぎも物足りなさも防げます。ここを書く人はほとんどいません。
5. 禁止事項は最後にまとめる
原則は肯定形で書くことですが、広告や商用の絵では「入ってはいけないもの」が必ずあります。 それは末尾に箇条書きでまとめてください。文中に混ぜるより効きます。
（本文のあと） 入れないもの：他の小物、手や人物、ブランドのロゴや文字、 金属面の強い白飛び、地面の影以外の影。
商品写真なら「手・ロゴ・強い白飛び」、資料の図なら「文字・数値」、 キャラクターなら「余計な小物」。案件ごとに定型化しておくと、毎回貼るだけになります。
Known limits
壊れやすい条件を避ける
どんなに書き方を工夫しても崩れる条件があります。 戦うより、崩れない構図に逃がすほうが早い。
| 崩れやすい条件 | なぜ | 逃がし方 |
|---|---|---|
| 集合写真で顔が小さい | 顔に割ける解像度が足りず、目鼻立ちが溶ける | 人数を減らすか、寄って顔を大きくする。全体像が要るなら後ろ姿や俯瞰にする |
| 被写体が5つ以上 | 位置関係の指示が混ざり、配置がずれる | まず2〜3個で作り、あとから編集で1つずつ足す |
| 手の複雑なポーズ | 指の本数と関節が破綻しやすい | 手を休ませる、単純な物を握らせる、画面外に出す、後ろに回す |
| 長い文字列 | 長いほど1文字の取りこぼしが起きやすい | 短いほど確実。ただし検証したところ日本語35文字でも3回中2回は完全一致した。 出せるが、出したあと必ず目視で確認する |
| 細部が主役の絵 | 標準解像度では情報が足りない | 4Kで、かつクローズアップの構図にする |
| 誤字が許されない文言 | 脱字が混ざる可能性を排除できない | 商品名・価格・固有名詞は画像に描かせず、自分で組版する |
キャラクターは「名前＋3〜5の特徴」で固定する
設定シートを添付するのが最も確実ですが、文章だけで粘る場合はこの形が有効です。 名前を付けて呼び、識別に使う特徴を3〜5個に絞って毎回書く。 多すぎると散り、少なすぎると別人になります。
「ハル」を描いて。ハルの特徴は次の4つ。この4つは毎回まったく同じにする。 1. 外はねのショートボブ、青みがかった黒 2. 丸い黒縁の眼鏡 3. 左の目尻の小さなほくろ 4. カーキ色のオーバーサイズのワークジャケット 今回のシーン：夕方の河川敷で、自転車を押しながら振り返っている。
NotebookLM
NotebookLM とつながっている
知っておくと得をする事実があります。 NotebookLM が作るインフォグラフィック・スライド・動画解説の絵は、 Nano Banana Pro が描いています。
つまり、このサイトで扱っている語彙——配色、線の太さ、余白、影の有無、文字数の制限——は、 NotebookLM の出力にもそのまま効きます。別のツールの話ではありません。
2026年3月から始まった Cinematic Video Overviews では、 Gemini 3 が演出を決め、Nano Banana Pro が画を作り、Veo 3 が動画にする、 という3段構えになっています。だから「1画面に文字を詰め込まない」「図と写真で語る」 といった指定が通ります。
できること
NotebookLM のカスタム指示欄に、デザイン規則をまとめて渡せます。 一度書いておけば、以降のインフォグラフィックもスライドもレポートも同じ見た目に揃います。
このノートブックで生成するインフォグラフィック、スライド、レポートは、 すべて次のデザイン規則に従ってください。 配色：背景はオフホワイト。主色は濃紺。強調色は1色だけ、山吹色。 この3色以外は使わない。グラデーションは使わない。 書体：見出しはモダンなゴシック体、本文は同じ書体の細字。 図版：線の太さは均一。影は付けない。角丸は小さめで統一。 余白：要素の周囲を広く取る。1枚に詰め込まない。 図の中の文字：短く。1要素あたり6語以内。長い説明は図の外に出す。
ブランドガイドのPDFをソースに追加して、 「アップロードしたガイドの色・書体・デザイン要素に従う」と書く手もあります。
逆に、こちらから figures を渡すとき
自分で作った図を NotebookLM に読ませる場合は、 重なり・透過・影を使わないほうが正確に読まれます。 人が読みやすい図は、AIにとっても読みやすい。 要素は5つまで、箱と矢印だけ、コントラストは高く。
Iteration
仕上げは「会話」でやる
実務でいちばん効くのは、じつはこの部分です。一発勝負をやめると、成功率が跳ね上がります。
（1回目）ベースを作る 北欧風のワークデスクの写真を作成して。木の天板、白い壁、自然光。 （2回目）光だけ変える いいですね。構図と家具はそのままで、光だけ夕方のゴールデンアワーに変えて。 （3回目）要素を1つ足す そのままの光で、デスクの右奥に小さな観葉植物を1つ足して。影も合わせて。 （4回目）仕上げ 構図はこのまま、全体をわずかにシネマティックな色調（シャドウをティール寄り）にして、2Kにアップスケールして。
毎回「構図と○○はそのまま」という固定条件を先頭に置くのがポイントです。 これを省くと、指示していない部分まで少しずつ変化していきます。
そして最後に、解像度を上げる指示（2K／4Kへのアップスケール）を入れて締める。 最初から最高解像度で回すより、構図が固まってから上げたほうが速く、無駄がありません。