「日本語が中国語になる」は直った？｜ChatGPT Images 2.5の文字生成精度とnote見出し画像プロンプト検証

プロローグ

正直に言う。

noteの見出し画像をAIで作るたびに、実は毎回こっそりヒヤヒヤしている作業がある。

タイトルの日本語が、変な漢字になっていないかのチェックだ。

「存在しない漢字が混ざっている」「簡体字っぽい字形になっている」「一文字だけ崩れている」。これが、これまでの画像生成AIでは本当によく起きた。だから毎回、生成した画像を拡大して、一文字ずつ目で確認する作業が習慣になっていた。

2026年9月8日、OpenAIが新しい画像生成・編集モデル「ChatGPT Images 2.5」をリリースした。「文字やレイアウトが改善された」と聞いて、まず確かめたくなったのは一つだけだった。

あの「日本語が中国語になるバグ」は、直ったのか。

公式発表と照らし合わせてみる

まず、今回のアップデートで公式に説明されている内容を、実際に使う前に一通り整理しておく。

項目 公式発表との一致 2026年9月8日リリース 一致 最新の画像生成モデルという位置づけ 一致 自然な照明・豊かな質感の表現 一致 参照写真の被写体(人物・場所・特徴)の保持精度向上 一致 指定した部分だけを編集しやすい精密編集 一致 複数回編集しても崩れにくい一貫性 一致 生成レイテンシを最大50%削減(Images 2.0比) 一致(表現は「最大50%高速化」ではなく「レイテンシ削減」が正確) Sketch機能(手描きスケッチを参照画像化) 一致 テンプレート機能(ポスター・チラシ・商品写真など) 一致 画像上の位置を指定してコメント編集 一致 プロンプト共有機能 一致 API向けモデル(Flare / Sunburst) 一致 ChatGPT・ChatGPT Work・Codexの全プランへの提供 一致

ここまでは、公式発表とほぼそのまま一致している。ただし、次の3点は少し表現に注意が必要だった。

一つ目。 「C2PA透かし」という説明だけでは不十分で、正確には「C2PAメタデータに加えて、不可視の電子透かしも使用」というのが公式の説明に近い。

二つ目。 「外部の画像生成ランキング(Arena系)で上位」という話は、外部評価としては参考になるが、公式発表だけで順位を断定するのは危うい。評価時期や比較対象によって変わるからだ。

三つ目。 「他社より人物保持が優れる」も、比較条件次第で変わる。ロゴ制作についても、コンセプト案までは十分使えるが、最終的なロゴとして使うにはベクター化や権利確認、細部調整が別途必要になる。

本題:「日本語が中国語になるバグ」は直ったのか

結論から言うと、**完全に直った、というより「発生する頻度が大きく下がった」**というのが、実態に近い言い方だと思う。

そもそも、これまでの画像生成モデルにとって、文字は「意味を持つ記号」というより「画面上に並ぶ形の一種」に近かった。だから、漢字文化圏の似た字形が混ざったり、実在しない漢字が生成されたり、日本語としては読めるのに一文字だけ妙に崩れていたりした。

Images 2.5では、次の点が公式に改善点として説明されている。

• 複雑な指示の理解

• 現実情報を含む画像内容の正確性

• 複雑なレイアウトへの対応

• 精密な部分編集

• 複数回編集しても崩れにくい一貫性

この組み合わせによって、大きめのタイトル、短いキャッチコピー、ポスターや商品画像のような用途では、以前よりだいぶ安定した印象がある。

ただし、次のようなケースでは、今のところまだ目視確認が欠かせない。

• 長い日本語の文章

• 小さな文字

• 縦書き

• ルビ

• 漢字の多い文章

• 同じ文字を何度も配置するデザイン

• 画像を繰り返し編集したあとの文字

• 商標、商品名、価格、日付など、一字も間違えられない情報

つまり、「note見出し画像のタイトル」くらいの分量であれば、以前よりかなり信頼できるようになった。一方で、長文や細かい文字が絡む用途では、まだ気を抜けない。

「大量生成」から「少数仮説」への転換

Images 2.5を実際に使ってみて、一番の進化はどこかと聞かれたら、「一発で完璧な画像が出るようになったこと」ではないと思う。

良かった部分を壊さず、違う部分だけを直し続けられるようになったこと、こちらの方が大きい。

これまでのAI画像生成では、「とにかく大量に生成して、当たりを待つ」というやり方が主流だった。しかしこれは、コストと選択疲れが増えるだけで、あまり生産的ではない。

Images 2.5との付き合い方としては、次の流れの方が相性がいい。

1. 最初に構図の違う案を3枚ほど出す

2. 目的に最も近い1枚を選ぶ

3. 直したい場所を一つずつ具体的に指定する

4. 変更してほしくない部分も、あわせて明示する

5. 最終段階で、日本語の字形・指の本数・透過処理・端の切れ方を確認する

大量生成して当たりを待つのではなく、少数の仮説を早く出し、局所編集で完成させていく。これは、失敗の数を増やすことではなく、失敗から学べる回数を増やすという発想に近い。

実際に使っているプロンプト

最後に、実際にnoteの見出し画像を作るときに使っている型を置いておく。

生成時は、最初からこのくらい具体的に指定しておくと、後の修正が減る。

note見出し画像を作成してください。

サイズ：1280×670
世界観：暖色、映画的、静かな余韻
主役：一人
構図：タイトルを置く余白を中央または左側に確保
日本語タイトル：［タイトル］
タイトルは省略・言い換え・翻訳しない
日本語として正確に表示する
簡体字・繁体字・異体字・架空文字を使用しない
文字数が多い場合は2〜3行に分ける
署名や個人名は画像内に入れない

文字だけ直したいときは、画像全体を作り直させず、範囲を限定して指示する。

人物、背景、色、照明、構図は変更しないでください。
タイトル文字だけを修正してください。

正しい表記：
「［正確なタイトル］」

一文字ずつ照合し、日本語以外の字形を混ぜないでください。

エピローグ

正直に言うと、今回の検証で「もう安心して丸投げできる」とまでは思っていない。

長文や小さな文字、縦書きのような条件では、まだ自分の目でのチェックを外せない。ただ、少なくとも「note見出し画像のタイトル一行」くらいの用途であれば、以前より神経をすり減らさずに済むようになったのは確かだ。

このあたりの精度は、モデルが更新されるたびにまた変わっていく。だから、この記事の内容も、いずれ古くなる前提で書いている。

今のところは、これくらいの距離感で使うのがちょうどいいと思っている。

関連記事

▼ ツールに振り回されず、AIと現実的な距離感で付き合うために
AIを使い続けた3年間の正直な記録
https://note.com/quiet_emu2080/n/n8a9843349c9a

▼ 一発の完璧さではなく「構造」と「運用ルール」で打率を上げる
PMおじさんが、指原莉乃から学んだマネジメント論
https://note.com/quiet_emu2080/m/m957be4f5d32b

▼ Shiracoの思考OS（人を責めず、構造を見る）
【思考OS】人を責めるより構造を見る──20年目のPMが到達した「壊れない自分」の運用設計図
https://note.com/shiraco/n/n_sample03

構造学。──人を責めず、構造を見る。
問題は、人ではない。構造が、人をそう動かしている。

参考:OpenAI公式発表「Introducing ChatGPT Images 2.5」