比較
今いちばんおすすめの画像生成AIモデルは？同じプロンプトで4モデルを検証
どの用途でもいちばん、というモデルはありません。何を作るかで選ぶのが正解です。同じプロンプトをそのまま Nano Banana Pro、Nano Banana 2、GPT Image 2、Seedream 5.0 Pro に送り、各グループ・各モデル1回ずつ生成しました。プロンプトをいちばん守ったのは GPT Image 2 で、アニメキャラの細かい指定をすべて再現し、画像内の文字も間違いゼロでしたが、1枚に80〜105秒かかります。いちばん速いのは Nano Banana 2 で、1枚13秒ほど。文字も参照画像での編集もよくでき、クレジットも少なめです。写真の質感がいちばん細かいのは Seedream 5.0 Pro で、人物のしわやそばかすがいちばんはっきりしています。Nano Banana Pro はポスターがプロンプトどおりのフラットなレトロ調にいちばん近い一方、アニメキャラでは細部をいくつか落としました。ポスターの中国語「星光夜行列车」と日本語「星降る夜の旅へ」は、4モデルとも正しく書けました。4モデルとも Sky Studio で使えます。
この記事は Sky Studio が書いています。Sky Studio は記事で紹介するツールのひとつです。 他社ツールについての情報は2026年10月時点のものです。
検証の方法
よく使われる5つの用途を選びました：人物写真、文字、商品写真、アニメキャラクター、参照画像での編集です。各グループで同じ英語のプロンプトをそのまま4モデルに送り、どのモデル向けにも書き換えていません。各グループの下に、検証に使った英語の原文と日本語訳を載せています。どちらもそのままコピーできます。日本語訳は英語の原文から翻訳したものです。
- 解像度：Nano Banana Pro、Nano Banana 2、GPT Image 2 は 1K。Seedream 5.0 Pro は Sky Studio では 2K のみなので 2K です。ページの画像は縮小だけで拡大はせず、長辺は 1200 ピクセル以内です。
- アスペクト比：人物写真・文字・アニメは 3:4、商品写真は 1:1、編集は 16:9 です。
- 生成は1回だけ：各モデル・各グループ1回だけ生成し、下の画像はそのままの出力です。選び直しもレタッチもしていません。商品写真は画像生成AIのページ用に作ったサンプルです。
- 時間：送信から画像ができるまでの時間で、各社のモデルAPIを直接呼び出して測りました。Sky Studio では、これに順番待ちと保存の時間が加わります。
- 文字の確認：画像内の文字は1行ずつ拡大して確認し、さらに別のAIモデルにも画像の文字を書き起こさせて、結果が一致することを確かめました。
| モデル | 今回いちばん良かった点 | 今回の問題 | 1枚の時間 |
|---|---|---|---|
| Nano Banana Pro | ポスターがプロンプトどおりのフラットなレトロ調にいちばん近い。編集で元のアングルを保った | アニメキャラで両手に手袋、光る球を左手に持ち、全身も描いていない | 18〜37秒 |
| Nano Banana 2 | いちばん速い。ポスターの文字はすべて正しい。編集で元のアングルと人物を保った | アニメ画像の背景のネオン看板が崩れた文字。人物写真は引きすぎ | 13〜14秒 |
| GPT Image 2 | アニメキャラの指定をすべて再現。画像内の文字もすべて正しい | 編集でカメラを寄せ、構図を変えた。生成が遅い | 79〜105秒 |
| Seedream 5.0 Pro | 人物写真の細部がいちばん多い。編集で元のアングルと人物を保った | アニメキャラのお団子が1つだけ | 43〜119秒（2K） |
人物写真：いちばん本物の写真に近いのは
このグループでは、肌、手、湯気、窓の雨を見ます。雨の日のキッチンの窓辺で、60代の女性が温かい飲み物を両手で持って笑っている写真で、肌は自然なまま、レタッチなしという指定です。
Close-up portrait photo of a woman in her late sixties with short silver hair, deep laugh lines and light freckles, laughing as she holds a steaming ceramic mug in both hands. She wears a chunky mustard-yellow knit sweater and sits by a rain-streaked kitchen window. Soft window light from the left, 85mm lens, shallow depth of field, natural skin texture, no retouching.
クローズアップのポートレート写真：60代後半の女性。短い銀髪で、深い笑いじわと薄いそばかすがあり、湯気の立つ陶器のマグカップを両手で持って笑っている。ざっくりしたマスタードイエローのニットセーターを着て、雨のしずくが流れるキッチンの窓辺に座っている。左からのやわらかな窓の光、85mm レンズ、浅い被写界深度、自然な肌の質感、レタッチなし。
4枚とも本物の写真のようです。肌には質感とそばかすがあり、カップを持つ指も自然で、どれも窓に雨粒があり、光は左から当たっています。違いは画角と細部です。
- Seedream 5.0 Pro：しわ、そばかす、セーターの編み目がいちばんはっきりしています（2K で生成）。目を細めて笑い、髪はいちばん短く、湯気もはっきり見えます。
- GPT Image 2：いちばんスナップ写真らしい一枚です。窓の外に顔を向けて笑い、カップの湯気がいちばんはっきりしています。
- Nano Banana Pro：いちばん標準的なクローズアップのポートレートです。光はやわらかく、湯気はうっすら一筋だけです。
- Nano Banana 2：いちばん引いた画角で、木のテーブル、やかん、キッチンまで写っています。プロンプトの「クローズアップ」よりミディアムショットに近く、湯気も薄めです。
文字：日本語と中国語を正しく書けるのは
このグループでは画像内の文字を見ます。架空の夜行列車のレトロなポスターで、上に英語のタイトル、中ほどに中国語と日本語を1行ずつ、いちばん下に英語の小さな1行を入れる指定です。
A vintage travel poster for a fictional night train. At the top, large bold letters read "STARLIGHT LINE". Below it, a line in Chinese reads "星光夜行列车", and under that a line in Japanese reads "星降る夜の旅へ". The illustration shows a blue night train crossing a stone arch bridge under a starry sky, with mountains and a crescent moon. At the very bottom, a small line of text reads "Departs nightly at 23:45 from Platform 4". Flat mid-century illustration style with a limited palette of navy, cream and gold.
架空の夜行列車のヴィンテージ旅行ポスター。上部に大きな太字で「STARLIGHT LINE」と書かれている。その下に中国語で「星光夜行列车」、さらにその下に日本語で「星降る夜の旅へ」という一行がある。イラストは、星空の下で石造りのアーチ橋を渡る青い夜行列車で、山々と三日月も描かれている。いちばん下には「Departs nightly at 23:45 from Platform 4」という小さな一行の文字。紺、クリーム、ゴールドの限られた色だけを使った、ミッドセンチュリーのフラットなイラスト。
4枚とも、指定した4行の文字はすべて正しく、いちばん下の小さな文字や「23:45」にも間違いはありませんでした。
- Nano Banana Pro：プロンプトのフラットな画風にいちばん近く、大きな色面と整った線で、デザインされたレトロポスターのようです。ただし橋はクリーム色のアーチ橋で、石造りには見えません。
- Nano Banana 2：描き込みが多く、星座の線、蒸気機関車、石のアーチ橋の下の谷まで描かれています。全体は紺の背景に置かれた、クリーム色の縁のあるポスターです。
- GPT Image 2：レイアウトがいちばん整っていて、タイトル・中国語・日本語の間に飾り線があり、下の小さな文字は別の帯に収まっています。車体にも「STARLIGHT LINE」と書き、これも正しい文字です。
- Seedream 5.0 Pro：英語のタイトルを斜体にして2行に分けました。車体にも「STARLIGHT LINE」を加え、文字はどれも正しいです。
プロンプトで指定した文字は、今回4モデルとも正しく書けました。差が出たのはモデルが自分で足した文字で、下のアニメのグループで分かります。
商品写真：いちばん広告写真らしいのは
このグループは画像生成AIのページのサンプルで、4モデルに送ったのも同じプロンプトです。カフェの木のテーブルに置いたコールドブリューの瓶で、ラベルに「SKY BREW」と書く指定です。
A glass bottle of cold brew coffee on a sunlit wooden cafe table, condensation on the glass, a kraft paper label that reads "SKY BREW", soft morning light, shallow depth of field, product photography
日の当たるカフェの木のテーブルに置かれた、コールドブリューコーヒーのガラス瓶。瓶には水滴がつき、クラフト紙のラベルには「SKY BREW」と書かれている。やわらかな朝の光、浅い被写界深度、商品写真
4枚とも水滴、浅い被写界深度、カフェの朝の光があり、「SKY BREW」も正しく書かれています。
- Nano Banana 2 と GPT Image 2：ラベルを完成したパッケージデザインにして、山のマーク、「COLD BREW COFFEE」、容量まで加えました。文字はどれも正しいです。GPT Image 2 は背景に「GOOD COFFEE GOOD DAY」と書いたレターボードも置きました。
- Nano Banana Pro：ラベルを貼らず、麻ひもで瓶の口に下げたクラフト紙のタグに「SKY BREW」と書きました。
- Seedream 5.0 Pro：いちばんシンプルで、ラベルには「SKY BREW」の2語だけです。横からの光と影がいちばん強い一枚です。
自分の商品写真から画像を作るなら、EC商品画像のAIツール5選も参考にしてください。
アニメキャラクター：細かい指定をいちばん守るのは
このグループでは、長い指定をどこまで描き分けられるかを見ます。特に左右の手です。指なし手袋は左手だけ、右手には光る小さなロボット、レンチは工具ベルトに差し、全身を描くという指定です。
Full-body illustration of an original anime character: a teenage girl inventor with short teal hair tied in two small buns and brass goggles pushed up on her forehead. She wears an oversized orange work jacket with rolled-up sleeves and patches, has one fingerless black glove on her left hand only, and holds a small glowing round robot in her right hand. A wrench is tucked into her tool belt. She stands in a cluttered rooftop workshop at sunset, with city lights in the background. Clean cel-shaded anime style, vibrant colors.
オリジナルのアニメキャラクターの全身イラスト：10代の少女発明家。ティールの短い髪を小さなお団子2つにまとめ、真鍮のゴーグルを額に押し上げている。袖をまくった、パッチ付きのオーバーサイズのオレンジ色のワークジャケットを着ている。黒い指なし手袋は左手だけにはめ、右手には光る丸い小さなロボットを持っている。工具ベルトにはレンチが差してある。夕暮れの、ごちゃごちゃした屋上の作業場に立ち、背景には街の明かり。すっきりしたセル画調のアニメスタイル、鮮やかな色。
- GPT Image 2：指定をすべて再現しました。お団子2つ、ゴーグル、指なし手袋は左手だけ、右手にロボット、レンチは腰のベルト、そして全身です。背景には「工房」「発明」「IDEAS」「PARTS」といった看板まで加え、文字はすべて正しいです。
- Seedream 5.0 Pro：手袋、ロボット、レンチは正しいものの、お団子は1つだけでした。キャラクターに名前まで付けて、ジャケットとコンテナに「RINNY」と書いています。
- Nano Banana 2：手袋、ロボット、ベルトのレンチは正しいのですが、さらに左手に大きなレンチを持たせています。ジャケットのワッペンと背景のネオン看板の文字は崩れていました。
- Nano Banana Pro：両手に手袋をはめ、光る球を左手に持たせ、絵もひざまでで全身ではありません。
プロンプトが長く細かくなるほど、モデルの差がはっきり出ます。このグループで一つも落とさなかったのは GPT Image 2 だけでした。
参照画像で編集：人物を別の場面に入れる
このグループでは、2枚の参照画像を同時に守れるかを見ます。人物は画像1に、場面は画像2に似せる指定です。画像1は Sky Studio のキャラクター機能で作ったAIの人物のアップ、画像2は人のいないカフェの一角です。2枚とも事前に生成したもので（Seedream 5.0 Flash を使用。今回の4モデルには含まれません）、4モデルには同じ2枚を渡しました。
Place the woman from image 1 into the café from image 2. She sits at the table by the window, holding a white coffee cup in both hands and smiling softly at the camera. Keep her face, blonde ponytail, white headband and white zip-up jacket exactly as in image 1, and keep the café, the window light and the camera angle from image 2. Photorealistic.
アップロードした画像1の女性を、アップロードした画像2のカフェに入れてください。窓際のテーブルに座り、白いコーヒーカップを両手で持って、カメラに向かってやさしく微笑んでいます。顔、金髪のポニーテール、白いヘアバンド、白いジップアップジャケットは画像1とまったく同じにし、カフェ、窓の光、カメラアングルは画像2のままにしてください。写実的に。
4モデルとも、金髪のポニーテール、白いヘアバンド、白いジャケットを保ち、顔も画像1によく似ています。
- Nano Banana 2、Nano Banana Pro、Seedream 5.0 Pro：画像2のアングルを保ちました。レンガの壁、壁のランプ、窓台の観葉植物、2脚の椅子はすべて元の位置のままです。
- GPT Image 2：カメラを寄せて構図を作り直し、観葉植物とテーブルが大きくなりました。人物の顔と、カップを両手で持つしぐさはよくできています。
- Nano Banana 2：わずか14秒でした。ただし「やさしく微笑む」ではなく歯を見せて笑い、カップはテーブルのソーサーに置いたままです。
- Nano Banana Pro：人物をカメラから少し遠くに座らせ、カップを両手で胸の前に持たせました。窓ガラスにはうっすら白い映り込みがあります。
- Seedream 5.0 Pro：人物がいちばん鮮明です（2K で生成）。窓ガラスには同じくうっすら白い映り込みがあり、時間はいちばん長い約2分でした。
Sky Studio のワークスペースでは、参照画像を順番にアップロードし、プロンプトに「アップロードした画像1」「画像2」と書けば、どの画像かを指定できます。上のプロンプトと同じ書き方です。
Nano Banana Pro と Nano Banana 2 の違い
どちらも Google の画像モデルで、Nano Banana Pro は Gemini 3 Pro Image、Nano Banana 2 は Gemini 3.1 Flash Image です。今回の検証では次のとおりでした。
- 速さ：Nano Banana 2 は1枚13〜14秒、Nano Banana Pro は18〜37秒で、編集の1枚がいちばん時間がかかりました。
- クレジット：Sky Studio では、同じ解像度なら Nano Banana 2 のほうが1枚あたりのクレジットが少なく済みます。
- 文字：どちらもポスターの英語・中国語・日本語を正しく書きました。
- 細部：アニメキャラでは、Nano Banana 2 は手袋・ロボット・レンチの位置を正しく描き、Nano Banana Pro は両手に手袋、球を逆の手に持たせ、全身も描きませんでした。
- 画風：Nano Banana Pro のポスターはフラットなグラフィックデザインに近く、Nano Banana 2 は描き込みが多めです。
- 編集：どちらも人物と元のアングルを保ちました。
- アスペクト比：どちらも 1:1、3:4、4:3、9:16、16:9、21:9 を選べ、Nano Banana 2 はさらに 3:2、2:3、5:4、4:5 と、4:1、8:1 のような横長も選べます。
今回の検証では、Nano Banana 2 は速さ、クレジット、指定の守り方のどれでも Pro に負けていません。迷ったらまず Nano Banana 2 を使い、違う画風がほしいときに同じプロンプトで Pro も試すのがおすすめです。
| モデル | 開発元 | 解像度 | アスペクト比 | 参照画像 |
|---|---|---|---|---|
| Nano Banana Pro | 1K・2K・4K | 1:1、3:4、4:3、9:16、16:9、21:9 | 最大14枚 | |
| Nano Banana 2 | 1K・2K・4K | 上の6種に加え、3:2、2:3、5:4、4:5、4:1、8:1 | 最大14枚 | |
| GPT Image 2 | OpenAI | 1K・2K・4K | 1:1、3:4、4:3、9:16、16:9、21:9 | 最大16枚 |
| Seedream 5.0 Pro | ByteDance | 2K | 1:1、4:3、3:2、16:9、9:16、21:9 | 最大10枚 |
どれを選ぶか
- 細部を一つも落としたくない、または画像に文字が多い（ポスター、パッケージ、看板）：GPT Image 2。ただし1枚に時間がかかります。
- 速く、クレジットを抑えて日常的に作る：Nano Banana 2。
- 本物の写真のような質感（人物、商品）：Seedream 5.0 Pro。Sky Studio ではそのまま 2K で出力します。
- すっきりしたグラフィックデザインの雰囲気：Nano Banana Pro。
- 人物を別の場面に入れて、元のアングルも保ちたい：Nano Banana 2、Nano Banana Pro、Seedream 5.0 Pro。
- 迷ったら：同じプロンプトで2〜3モデルを1回ずつ試して選びましょう。
Sky Studio では、Nano Banana 2 と Seedream 5.0 Pro のクレジットがいちばん少なく、Nano Banana Pro と GPT Image 2 は同じで、前の2つより少し多めです。生成前に必要なクレジットが表示されます。
これは1回の検証の結果で、各モデル・各グループ1回ずつしか生成していません。AIの画像は生成のたびに変わるので、ここで分かるのは各モデルの傾向で、毎回同じになるわけではありません。同じ4モデルでキャラクター三面図を比べた結果はキャラクター三面図AIツールおすすめ5選、動画モデルの比較はAI動画生成はどれがいい？をご覧ください。
Sky Studioでの使い方
- Sky Studio を開き、ワークスペースで「画像生成」に切り替えます。
- 「AIモデル」でモデルを選びます。モデル名をクリックするとそのモデルだけ、名前の前のチェックボックスにチェックを入れると複数を同時に選べます。「魔法をかける」を1回押すと、選んだモデルがそれぞれ1枚ずつ生成するので、比べやすくなります。
- 編集するときは、「参照画像」に画像を順番にアップロードし、プロンプトに「アップロードした画像1」「画像2」と書いて、どの画像かを指定します。
- アスペクト比と解像度を選び、プロンプトを書きます（上のプロンプトをそのまま貼り付けても構いません）。下に今回のコストが表示されるので、確認してから「魔法をかける」を押します。
- 結果はワークスペースに残ります。絵コンテや動画にするなら、シネマティックキャンバスで続けられます。
よくある質問
今いちばんおすすめの画像生成AIはどれですか？
どれか1つがすべてでいちばん、ということはありません。今回の検証では、プロンプトの細部と画像内の文字がいちばん正確なのは GPT Image 2（ただし生成は遅め）、いちばん速くクレジットも少ないのは Nano Banana 2、写真の質感がいちばん細かいのは Seedream 5.0 Pro、グラフィックデザインらしさがいちばんあるのは Nano Banana Pro でした。どれも Sky Studio で使えるので、同じプロンプトで何モデルか試して選ぶのが確実です。
Nano Banana Pro と Nano Banana 2 の違いは？どっちがいいですか？
どちらも Google の画像モデルで、Nano Banana Pro は Gemini 3 Pro Image、Nano Banana 2 は Gemini 3.1 Flash Image です。今回の検証では、Nano Banana 2 は1枚13〜14秒、Pro は18〜37秒でした。Sky Studio では Nano Banana 2 のほうがクレジットも少なく済みます。どちらもポスターの英語・中国語・日本語を正しく書き、編集でも人物と場面を保ちました。アニメキャラでは Nano Banana 2 のほうが細部が正確で、Pro のポスターにはグラフィックデザインらしさがあります。迷ったらまず Nano Banana 2 がおすすめです。
GPT Image 2 と Nano Banana Pro はどっちがいいですか？
細部を一つも落としたくない、画像に文字が多い、というときは GPT Image 2 です。今回アニメキャラの指定をすべて再現したのは GPT Image 2 だけで、自分で加えた看板の文字もすべて正しかった一方、1枚に80〜105秒かかりました。速さやフラットなグラフィックデザインの画風を重視するなら Nano Banana Pro で、1枚18〜37秒です。Sky Studio でのクレジットは2つとも同じです。
日本語や中国語の文字がいちばん正確な画像生成AIは？
今回ポスターで指定した日本語「星降る夜の旅へ」と中国語「星光夜行列车」は、4モデルとも正しく書けました。差が出たのはモデルが自分で加えた文字です。GPT Image 2 がアニメ画像に入れた「工房」「発明」は正しく、Nano Banana 2 が同じグループで入れたネオン看板は崩れた文字でした。長い文章を入れるときは、生成後に拡大して確認しましょう。
いちばん速いモデルはどれですか？
Nano Banana 2 で、1枚13〜14秒でした。Nano Banana Pro は18〜37秒、Seedream 5.0 Pro は43〜119秒（2K で出力）、GPT Image 2 は79〜105秒です。各社のAPIを直接呼び出し、送信から画像ができるまでを測った時間で、Sky Studio ではこれに順番待ちと保存の時間が加わります。
Sky Studio でいちばんクレジットが少ないモデルは？
Nano Banana 2 と Seedream 5.0 Pro がいちばん少なく、Nano Banana Pro と GPT Image 2 は同じで、前の2つより少し多めです。クレジットは解像度や参照画像によっても変わり、生成前に今回の分が表示されます。
自分の写真を参照画像に使えますか？
使えます。Sky Studio では、GPT Image 2 は最大16枚、Nano Banana Pro と Nano Banana 2 は最大14枚、Seedream 5.0 Pro は最大10枚の参照画像を入れられます。プロンプトにはアップロードした順に「画像1」「画像2」と書いて指定します。写真に写っている人物、ブランド、作品を使う権利があることを確認してください。
プロンプトは英語で書かないとだめですか？
いいえ、日本語でそのまま書けます。各グループの下に日本語訳も載せているので、そのままコピーして使えます。今回英語の原文を使ったのは、4モデルに一字一句同じ文を渡すためです。自分でモデルを比べるときも、同じプロンプトを使うのがおすすめです。
同じプロンプトでもう一度生成すると、同じ結果になりますか？
なりません。AIの画像生成には毎回ランダムな要素があり、同じモデル・同じプロンプトでも、構図や細部は変わります。今回は各モデル・各グループ1回ずつなので、各モデルの傾向を見る参考にしてください。本番で使う画像は、何枚か生成して選ぶのがおすすめです。
Sky Studioでこれらのモデルを使うのにサブスクは必要ですか？
必要ありません。Sky Studioにサブスクはなく、生成した分だけクレジットを使います。使うクレジットは生成前に表示されます。クレジットは月末にリセットされず、有効期限もありません。
作った画像は商用利用できますか？
Sky Studioの利用規約では、生成結果の権利はお客様に帰属します（モデル提供元や第三者の権利を除きます）。プロンプトや参照画像に含まれる人物、ブランド、作品を使う権利は、お客様ご自身で確認してください。また、アップロードした素材や生成した作品を、AIモデルの学習に使うことはありません。