今週のAIビジュアル分野は「新しいモデルが出た」だけでなく、既存の画像・動画を狙った場所だけ賢く直す「部分編集」機能が一気に強化された週でした。GPT Image 2の指示追従、Seedream 5.0 Proの範囲指定編集、Kling 3.0 Omniのマルチショット制御、Runway Gen-4.5の物理・カメラ理解、そしてVeo 3.1のオブジェクト消去まで、5つの新機能を「すぐ試せる自作プロンプト」付きで解説します。
①GPT Image 2：狙った文字を狙った場所に正確に置く
OpenAIの公式モデルページによると、GPT Image 2は生成前に構図やレイアウトを内部で検討してから描画する仕組みを持ち、複雑な指示への追従性とテキスト描画精度が大きく向上しています。狙いは「日本語の商品説明インフォグラフィックを、指定した文言そのままで正確に配置する」ことです。
Editorial product infographic for a Japanese specialty coffee brand, vertical 4:5 layout divided into three horizontal sections.
Top section: a thin-line icon of coffee beans next to the exact Japanese label "産地：ケニア ニエリ" in a light sans-serif font.
Middle section: a photorealistic ceramic cup at a 30-degree angle with steam rising, soft even studio lighting, no drop shadows.
Bottom section: a cream color band containing the bold Japanese tagline "毎朝、豆から挽く。"
Consistent warm terracotta-and-cream palette across all three sections, flat design accents only where noted.効いている要素は3つ。(1)本文に入れたい日本語をダブルクォートでそのまま囲むことで、モデルが意訳・改変せず文字面を再現しやすくなる。(2)「上段／中段／下段」とセクションを明示すると、内部でレイアウトを計画するタイプのモデルほど配置がぶれにくい。(3)「一貫したパレット」を明言してセクション間の統一感を担保している。
②Seedream 5.0 Pro：画像全体を作り直さず、狙った範囲だけ差し替える
ByteDanceの公式サイトは、Seedream 5.0 Proが空間的な注釈（点・選択範囲・矩形指定）に正確に反応し、指定した領域だけを編集できる点を特徴として挙げています。狙いは「既存の商品写真の、素材色だけをピンポイントで変更する」ことです。
Edit only the enclosed region on the sneaker's upper (the mesh panel from the toe to the laces): change the material from white mesh to matte olive-green leather, keeping the original stitching pattern exactly as is.
Do not change the sole color, the background, the shadow direction, or the camera angle from the source image.ポイントは「変えてよい範囲」と「変えてはいけない範囲」を両方書くこと。範囲指定編集モデルは前者だけでは背景まで再生成しがちなので、”keeping…”や”Do not change…”で維持対象を列挙すると、狙った箇所だけの差し替えに寄りやすくなります。
③Kling 3.0 / 3.0 Omni：カットとセリフを1本の指示で組む
Kuaishouの公式発表によれば、Kling 3.0 Omniはテキスト・画像・音声・動画を単一のマルチモーダル構成で扱い、複数ショットのストーリーボード制御と、映像に同期したネイティブ音声生成、最長15秒までの生成に対応しています。狙いは「カット割りと効果音を含む15秒の小さなCM」を1つのプロンプトで組み立てることです。
15-second three-shot commercial for a small bakery.
Shot 1 (0-5s, static wide shot): warm morning light through the window, a baker pulls a tray of croissants from the oven; ambient oven-door sound and a soft acoustic guitar begin.
Shot 2 (5-10s, slow dolly-in): close-up of a croissant being torn open with steam rising; a crisp tearing sound layers under the same guitar.
Shot 3 (10-15s, static wide shot): a customer smiles and takes a bite at a wooden counter; a gentle bell chime plays as the guitar resolves softly.
Keep the same warm color grading and camera height across all three shots.タイムコード付きでショットを分けて書くのが、マルチショット制御を持つモデルに指示を渡すコツです。各ショットに音の指示を添えると、映像と音声を一体で生成するOmni系の強みを引き出せます。最後に色味・カメラ高さの統一を明言し、カット間の一貫性を保っています。
④Runway Gen-4.5：カメラを「物理的な装置」として説明する
Runwayの公式発表は、Gen-4.5が物理法則・人体の動き・カメラワーク・因果関係の理解に優れることを強みとして挙げています。狙いは「速度に応じた自然な水しぶきとモーションブラーが出る、リアルな追走ショット」です。
Wide tracking shot following a cyclist on a wet coastal road at golden hour.
Camera mounted on a chase car moving at the same speed, roughly three meters behind and slightly to the left of the cyclist.
Rain droplets on the lens catch flare from the low sun. The front wheel kicks up a thin spray of water with each rotation.
The jersey fabric ripples realistically in the wind, and motion blur at the wheel spokes increases in proportion to speed.
Natural depth of field keeps the cyclist sharp while the background stays softly blurred.「カメラは追走車に固定、被写体の斜め後方3メートル」のようにカメラを実在の装置として具体的に置くと、ショット全体でカメラの動きが安定します。さらに「回転に応じた水しぶき」「速度に比例するブラー」など因果関係を明記すると、物理理解に強いモデルほど自然な結果になりやすい要素です。
⑤Veo 3.1：撮った映像の「そこだけ」を消す・足す
Google DeepMindの公式ページで紹介されているVeo 3.1のInsert & Remove機能は、既存の映像に対して照明や影を保ったままオブジェクトの追加・削除ができる編集機能です。狙いは「アップロードした映像から不要な物だけを、影ごと自然に消す」ことです。
In the uploaded video of a living room, remove the cardboard box on the wooden floor near the sofa.
Reconstruct the floor grain and the sofa's cast shadow exactly as they would look without the box.
Keep every other element, the camera motion, and the lighting completely unchanged throughout the clip.この機能はゼロから映像を作るのではなく、既存クリップに対する部分編集なので、プロンプトも「何を消すか」を対象物ひとつに絞って具体的に書くのが基本です。あわせて「床の木目や影を再構築する」ように明記すると、単なる塗りつぶしではなく照明を考慮した自然な仕上がりを狙いやすくなります。
今週のパラメータ早見表
| ツール | 提供元 | 今週の注目機能 | 出力・上限 |
|---|---|---|---|
| GPT Image 2 | OpenAI | 高精度テキスト描画・複数ターン編集 | 画像／最大2K相当 |
| Seedream 5.0 Pro | ByteDance | 点・矩形指定による範囲編集、多言語ネイティブテキスト | 画像 |
| Kling 3.0 / 3.0 Omni | Kuaishou | マルチショット制御＋ネイティブ音声生成 | 動画／最長15秒 |
| Runway Gen-4.5 | Runway | 物理・モーション・カメラ理解 | 動画 |
| Veo 3.1（Insert & Remove） | Google DeepMind | 照明を保ったオブジェクト追加・削除 | 動画（既存クリップの部分編集） |
主な情報源
- OpenAI Community – Introducing gpt-image-2
- OpenAI Developers – GPT Image 2 Model
- ByteDance Seed – Seedream 5.0 Pro
- Kuaishou IR – Kling AI Launches 3.0 Model
- Kling AI 公式リリースノート
- Runway Research – Introducing Runway Gen-4.5
- Google DeepMind – Veo
サンプルプロンプトは本メディアのオリジナル例です。各モデル・サービスは提供元の規約に従ってご利用ください。生成物の権利・商用条件は各規約をご確認ください。情報は公開時点のもの。収集・要約はAI、公開判断は人。