今週のAIビジュアル注目5選：Nano Banana Pro・Midjourney V8.2・FLUX.2・Kling 3.0・Veo 3.1を一言プロンプトで試す

2026年9月25日

今週は画像生成の「Nano Banana Pro」「Midjourney V8.2」「FLUX.2」、動画生成の「Kling 3.0」「Veo 3.1」で相次いで新機能が出そろった。それぞれの狙いをひとことで整理し、今日からコピペで試せるサンプルプロンプトをつけて紹介する。

1. Nano Banana Pro（Gemini 3 Pro Image）——文字が崩れない情報量の多い画像

Googleが開発者向けに提供するGemini 3 Pro Image（通称Nano Banana Pro）は、複雑な指示への追従性とテキストレンダリング精度が向上し、Google検索によるグラウンディングで実在の情報を踏まえた画像生成もできるようになった。狙いは「見出し・価格・ラベルなど文字情報を含むポスターやインフォグラフィックを、崩れずに一発で作る」こと。

Create a clean infographic-style poster for a coffee shop's autumn menu launch. Include a headline "AUTUMN BLEND — LIMITED WEEKS ONLY" in bold serif type, three product callouts with prices ($4.50, $5.20, $6.00) in small sans-serif labels, a warm color palette of amber, cream and deep brown, soft natural lighting, minimal flat illustration style, no photorealistic faces.

見出しや価格など「表示させたい文字」を引用符でくくって明示すると、テキストレンダリングの精度を試しやすい。色・照明・スタイルを別の文として並べておくと、あとから「照明だけ変えて」といった部分修正の指示も出しやすくなる。

2. Midjourney V8.2——好みに寄り添う「大胆で洗練された」絵柄

Midjourneyの最新版V8.2は、パーソナライズ精度の向上と低品質出力の低減にフォーカスしたアップデート。狙いは「自分がこれまで評価してきた好みの絵柄に、より大胆かつ洗練された形で寄せる」こと。

a lone lighthouse keeper climbing a spiral staircase at dawn, cinematic wide shot, moody teal and amber lighting, fine grain texture, bold graphic composition --ar 16:9 --s 250 --p

--pはパーソナライズ適用のパラメータで、V8.2ではこの反映精度が上がっている。--s（stylize）を高めに設定するほど「大胆で洗練された」傾向が強く出やすい。構図の語彙（wide shot、bold graphic composition）を先に置くと画角が安定する。

3. FLUX.2——最大10枚の参照画像でブランドを崩さず合成する

Black Forest LabsのFLUX.2は、最大10枚の参照画像を組み合わせて一貫性を保ったまま新しい構図を生成できる点と、4MPでの高精細な編集、タイポグラフィ精度の向上が特徴。狙いは「商品写真とロゴなど複数の参照を渡しても、ブランドの見た目を崩さず新シーンに合成する」こと。

Using the provided product photo and logo reference, place the sneaker on a wet asphalt street at night, neon reflections in pink and cyan, logo rendered sharply on the tongue, cinematic three-quarter angle, shallow depth of field, preserve exact product colorway.

「product photo」「logo reference」のように参照画像それぞれの役割を明言すると、複数参照時の混同を防げる。「preserve exact …」と保持したい要素を名指しすることで、新しいシーンに置いても崩れやすい色味やロゴの再現度が安定する。

4. Kling 3.0——セリフ入り複数ショットを1本のプロンプトで演出する

KuaishouのKling 3.0は、5言語のネイティブ音声・リップシンクと、複数ショットを1つの生成でつなぐマルチショット構成に対応した。狙いは「切り返しのある会話シーンを、音声とショット構成ごとプロンプト1本で演出する」こと。

Two-shot dialogue scene in a rainy Tokyo alley at night. Shot 1: medium close-up of a woman in a yellow raincoat saying "I didn't think you'd actually come." Shot 2: reverse angle, a man under a black umbrella replying "I said I would." Naturalistic Japanese-accented English delivery, ambient rain and distant traffic sound, handheld camera feel, moody neon lighting.

「Shot 1」「Shot 2」とショット番号を明示すると、複数ショットの切り替わりが安定して構成される。セリフをそのまま引用符で書くとリップシンクに反映されやすく、環境音を書き添えるとネイティブ音声生成の強みが活きる。

5. Veo 3.1（Flow）——参照画像で人物を保ったまま縦型ショート動画を作る

Google DeepMindのVeo 3.1と編集ツール「Flow」は、4Kアップスケール・縦型9:16対応・自然な光で要素を足し引きするInsert/Removeツールを追加した。狙いは「参照画像の人物の同一性を保ったまま、SNS向けの縦型ショート動画に仕立てる」こと。

Using the reference photo of the woman as the subject, vertical 9:16 video: she walks through a sunlit farmers market, camera slowly tracking alongside her at eye level, natural ambient market sounds, warm golden-hour light, soft handheld motion, 6 seconds.

「reference photo of … as the subject」と役割を先に宣言すると人物の同一性が保たれやすい。アスペクト比・尺・カメラワークを短い文で並べて書くと、編集意図がそのまま反映されやすい。

今週の新機能まとめ

モデル	提供元	今週の新機能	得意な用途
Nano Banana Pro（Gemini 3 Pro Image）	Google	高精度テキストレンダリング／検索グラウンディング／SynthID	インフォグラフィック・情報量の多いポスター
Midjourney V8.2	Midjourney	パーソナライズ精度向上／低品質出力の低減	個人の作風に寄せたアート生成
FLUX.2	Black Forest Labs	最大10枚のマルチ参照／4MP編集／タイポグラフィ向上	ブランド一貫性のある商品合成
Kling 3.0	Kuaishou（Kling AI）	5言語ネイティブ音声・リップシンク／マルチショット生成	セリフ付き動画・ショートドラマ
Veo 3.1（Flow）	Google DeepMind	4Kアップスケール／縦型9:16／Insert・Removeツール	SNS向けショート動画編集