Scribble at 2026-11-06 07:11:00 Last modified: 2026-11-06 07:16:19
[Style]: Commercial studio photography
[Subject]: A single blue six-sided die
[Details]: Crisp white dots (pips), glossy smooth plastic texture, slightly rounded edges
[Composition]: Centered product shot
[Background]: Pure solid white background, isolated
[Lighting]: Soft studio lighting, balanced illumination
[Shadow]: Subtle contact shadow directly underneath
[Quality]: Sharp focus, high resolution, extremely detailed
Steps: 6, Sampler: Euler, Schedule type: Simple, CFG scale: 1, Seed: 2064466261, Size: 1024x1024, Model: qwen_image_2.1_turbo_bf16, Model hash: 188471e7c1, Module 1: qwen_image_2.1_vae_bf16, Module 2: qwen3vl_8b_int8_convrot, RNG: CPU, Emphasis: None, Version: neo-2.30
先日から、Qwen-Image 2.1 を使っている。上のプロンプトでお分かりのように、key - value 形式でプロンプトを解釈できるため、プロンプトの構成が非常にシンプルでクリアな見通しを与えてくれる。高性能な LLM をテキスト・エンコーダとして搭載するモデルには、どうしても自然文でプロンプトを作れと言う人がたくさんいて、もちろん脈絡を表現するには自然文の方がいいのだろう。でも、上のように特定の構図へ特定の物体を描くという機械的な処理を求めるなら、そういう LLM の解釈能力に依存するようなプロンプトの設計を作業スキームにするべきではないと思う。それこそ、そういう自然文をあれこれと（それこそ生成 AI を使って）ひねくり回すだけの、プロンプト・エンジニアと言われる出入り業者にロック・インされてしまい、無駄なお金を浪費することになる。
それから、これまで Krea 2, MOSS-Image, ERNIE-Image, FLUX.2 Klein などを使ってきたけれど、出てくる画像の精細度や構図などが、どれもイマイチであり、SDXL Lightning を超えるとは思えなかったのだが、この Qwen-Image 2.1 では良好な画像が得られるという実感を得た。ただし、依然として高性能な画像生成 AI に多い、プロンプトを長くすると画面に詰め込み過ぎてごちゃごちゃした絵になりがちという様子が見られるので、これはステップ数を減らしたり、サンプリング方法を変更するなどの調整が必要だ。