親子猫の画像生成は難しい？破綻を防ぐプロンプト設計の工夫と検証記録

親子猫の画像を生成AIで描こうとすると、思わぬ壁にぶつかることがあります。

子猫の数が減ったり、身体が融合したり、母猫との触れ合いが不自然になったり…。

今回は「ママは最高のジャングルジム」というシーンを題材に、DALLE・Copilot・SORAそれぞれで破綻を防ぐプロンプト設計を試みました。

検証の過程と、汎用的に使えるプロンプトの工夫をご紹介します。

はじめに

先日、ベンガル親子猫のふれあいシーンを画像生成AIで作るためのプロンプト改良術をご紹介しました。

ところが、プロンプト改良術と言っておきながら、汎用的なプロンプトになっていなかったことが判明しました。

このプロンプトを使って、Copilotで画像生成を試みた結果

何度試しても５匹になりません！４匹が限界！

どうして、DALL・EやSoraとCopilotで違う結果になるの！？

そこで、Copilotの画像生成がDALLEやSoraと異なる挙動を示す理由をまとめてみました。

Copilotの画像生成における制約と傾向

大前提として、Copilotの画像生成においても、DALLEやSoraと同様、プロンプトに基づいて忠実な描写を目指します。

ただし、以下のような設計上の違いがあるのです。

1. 構造的複雑さの処理限界

「5匹の猫をそれぞれ異なるポーズ・位置で描写」という指示は、構図・空間・ポーズ・光・感情のすべてを同時に制御する高度なタスクです。

現在のCopilotの画像生成は、複数の個体を明確に分離して描写する能力が不安定で、特に「同種の動物を複数体」「ポーズ・位置の指定あり」の場合に、一部の個体が省略される傾向があります。

これは、画像生成モデルの構成やフィルタリング処理の段階で、過密・重複・誤認のリスクを避けるために簡略化される可能性があるためです。

2. プロンプトの解釈精度

DALL・EやSORAは、プロンプト内の構造的な関係性（位置・数・ポーズ）を忠実に再現する能力が高いです。（今回の例だと母猫と5匹の子猫の位置関係）

一方、Copilotの画像生成は、「暖かい雰囲気」「家族の愛情」「自然光」などといった情緒や雰囲気の再現（抽象的な要素）を優先する傾向があり、個体数やポーズの厳密な再現が犠牲になることがあります。

3. 内部フィルターと安全性設計

Copilotは、過密な構図や複雑な身体接触描写を安全性の観点から簡略化する場合があります。

特に「密接した複数の動物」「身体の重なり」「子猫の腹見せポーズ」などは、誤検知による簡略化や省略の対象になることがあります。

4. 先のプロンプトがDALL・E/SORAでは機能する理由

• 各子猫のポーズ・位置・向き・接触の有無が明確に記述されているため、構造的に解釈しやすい
• 「自然光」「暖かい雰囲気」「50mm視点」などの写真的要素が整っているため、DALLEやSORAは忠実に再現可能
• Copilotの画像生成は、プロンプトの構造的解釈よりも情緒的要素を優先する設計になっている可能性が高い

③について補足：Copilotの画像生成が構造的な忠実性（例：個体数、ポーズ、位置関係）よりも、雰囲気や感情の再現に重きを置く傾向があるという設計上の優先度の違いであり、意図的にユーザーの指示（プロンプト）を無視・軽視するという意味ではありません。

対策と改善案（Copilotで5匹を確実に描写させるには）

1. プロンプトの冒頭に「5匹の子猫を明確に描写することを最優先」と明記する
   • 例：「この画像では、5匹の子猫がそれぞれ異なるポーズで母猫の周囲に配置されていることが最重要です」
2. 各子猫のポーズのあとに「この子猫は他の子猫と重ならないように描写してください」と補足する
   • Copilotは「重なり＝省略対象」と誤解する可能性があるため、分離描写の強調が有効です
3. 「5匹の子猫の体がすべて完全に見えるように」と明記し、数の再確認を促す
   • 例：「5匹の子猫の体がすべて完全に見えるように描写してください。顔・前足・後ろ足・胴体がそれぞれ分離して見えることが重要です」

なぜCopilotとDALL・Eで「逆転現象」が起きるのか

「同じテーマで、プロンプトAだとCopilotでは比較的安定して描写されるのに、DALLEでは破綻率が極端に高い。そして、その破綻を避けるために構造的に細かく指定したプロンプトBを作ったら、今度はCopilot側で個体数が減るという逆の現象が起きてしまった。」

なぜ、この「逆転現象」が起きるのかについて解説します。

1. DALL・Eの弱点：多個体・複雑な接触

DALL・Eは「同種の動物が複数体」「身体が重なり合う」「遊びや接触のあるシーン」に弱く、身体パーツの融合や欠損が起きやすいです。

特に「背中に登る」「転がる」などの動作は、空間的な整合性を保つのが難しく、結果として破綻が頻発します。

ただし、Copilotであっても、構図によっては４匹以上の描写で破綻の確率が高くなります。

2. Copilotの傾向：雰囲気優先＋簡略化

Copilotは「暖かい雰囲気」「家族の愛情」「自然光」といった抽象的要素を優先するため、DALL・Eほど破綻はしません。

ただし、構造的に厳密な指示（5匹全員、ポーズ分離）を与えると、逆に省略や簡略化が起きるため、個体数が減ることがあります。

3. プロンプトの「抽象度」と「構造度」のバランス

DALLEは「抽象度が高いと破綻しやすい」ため、構造的に細かく指定する必要がある。

Copilotは「構造度が高いと省略しやすい」ため、抽象的に雰囲気を指定した方が安定する。

つまり、両者で最適なプロンプトの方向性が逆になっているのです。

4. 解決の方向性

当ウェブサイトにおける「プロンプト集を皆で共有する」という活動を考えると、DALLEでも破綻しない＋Copilotでも個体数が減らない両立が必要です。

1. DALLE向けには「構造的補強」
   • 個体数を明示（例：exactly five kittens）
   • 各個体の位置を「母猫の周囲に分散」と表現し、重なりを避ける
   • 「全ての体が完全に見える」と強調
2. Copilot向けには「抽象的＋雰囲気重視」
   • 「playfully climbing」「tumbling」「warm sunlight」などの自然な動作と雰囲気を中心に記述
   • 個体数は「five kittens」とだけ明示し、細かいポーズ指定は最小限にする
3. 共通化の工夫
   • プロンプトを二層構造にすることで、DALLEでの破綻率を抑えつつ、Copilotでの個体数維持を図る
     • 冒頭で雰囲気（Copilot向け）
     • 後半で構造的補強（DALLE向け）
   • 例： A warm, photorealistic family scene: a Bengal mother cat resting on a sunlit rug, surrounded by her playful kittens. Exactly five Bengal kittens are clearly visible, each with a distinct pose and separated body, no overlapping. One kitten gently sits near her cheek, another stands balanced on her shoulder, one lies belly-up near her front legs, one sits behind her tail, and one stands near her back looking upward. Natural shadows show gentle contact without fusion of bodies.

改良版汎用プロンプト

まずは、共通プロンプトで生成してみてください。これで破綻が出たら補強版を試してみてください

🐾 基本プロンプト（共通版・汎用）

CopilotでもDALL・Eでもまずはこのプロンプトをお試しください

A photorealistic, high-resolution family scene: a Bengal mother cat resting on a sunlit rug, surrounded by five playful Bengal kittens. Each kitten is clearly visible with its own distinct pose, natural shadows, and warm morning light. A gentle, affectionate atmosphere.

ポイント：短くシンプル、「five kittens」とだけ明示、雰囲気（warm, affectionate）＋基本構造（clearly visible, distinct pose）を両立

破綻防止を優先したため、子猫の表情が画一的になりやすいです。

🛠 各生成AI向けオプション（必要な場合のみ）

DALLE向け補強版
A photorealistic, high-resolution family scene: a Bengal mother cat resting on a sunlit rug, surrounded by exactly five Bengal kittens. All kittens have fully visible bodies, distinct poses, and no overlapping. Natural shadows and warm morning light create an affectionate atmosphere.

「exactly five kittens」 → 個体数を強調
「fully visible」「no overlapping」 → DALLEの破綻（融合・欠損）を防ぐための補強

Copilot向け補強版
A warm, photorealistic family scene: a Bengal mother cat relaxing on a sunlit rug while five playful Bengal kittens climb, tumble, and rest around her. Natural shadows and morning light highlight a gentle, affectionate atmosphere.

雰囲気重視 → Copilotは抽象的な情緒を優先した方が安定
動作表現（climb, tumble, rest） → 無邪気さを自然に描写

（参考）改良版 DALLE向けプロンプト

こちらは、別記事で紹介したプロンプト「A litter of fluffy Bengal kittens playfully climbing and tumbling over their patient mother cat who is relaxing on a sunlit rug. photorealistic, high resolution」のニュアンスを保つように改良したものです。

Photorealistic, close-up family scene indoors: a Bengal mother cat lying relaxed on a sunlit rug.
Exactly four fluffy Bengal kittens are playfully climbing and tumbling over her back and shoulders.
Each kitten is fully visible with distinct, well-defined bodies, paws, legs, and necks, clearly separated even while touching the mother.
Their paws rest naturally on her body without merging or distortion.
The mother cat gazes gently at one kitten with warm, attentive eyes.
Soft morning light, shallow depth of field, and a cozy atmosphere.
Camera at low eye-level, 85mm lens perspective for a natural close-up without distortion.
Natural shadows preserve clear outlines of every body, preventing overlap blending.

日本語訳：フォトリアルな室内のクローズアップ家族シーン：日差しの当たるラグの上でリラックスして横たわるベンガルの母猫。ふわふわのベンガル子猫が4匹、背中や肩に登ったり転がったりして遊んでいる。すべての子猫の体は完全に見え、足・脚・首がはっきりと定義され、母猫に触れていても明確に分離している。子猫の前足は自然に母猫の体に置かれ、融合や歪みはない。母猫は優しい眼差しで1匹の子猫を見つめている。柔らかな朝の光、浅い被写界深度、居心地の良い雰囲気。カメラは低いアイレベルで、85mmレンズの自然なクローズアップ視点。自然な影が各体の輪郭を保ち、重なりによる混ざりを防いでいる。

この改良版なら、DALLEでも「母猫＋4匹の子猫が遊ぶシーン」を比較的安定して生成できるようになります。

DALLE向けに改良はされていますが、汎用的に使うことも不可能ではないです。

少しだけアレンジしてみます

プロンプト例1（破綻回避と描写安定を強化）

上記「改良版 DALLE向けプロンプト」でも“初心者でも破綻が出にくい系の猫ファミリー写真” は生成できますが、ベンガル特有の模様や、子猫の体の分離精度をより安定させるため、少しだけ補強したプロンプトをご用意しました。

Photorealistic, close-up indoor family scene:
A Bengal mother cat lying relaxed on a sunlit rug.
Exactly four fluffy Bengal kittens, each fully visible from head to tail, playfully climbing and tumbling over her back and shoulders.
Each kitten has clearly separated bodies, legs, paws, and necks, no merging, no overlapping distortion.
All paws rest naturally on the mother’s body with correct anatomy.

The mother cat gazes gently at one kitten with warm, attentive eyes.
Soft morning light, shallow depth of field, cozy atmosphere.
Low eye-level camera angle, 85mm lens perspective, natural close-up without distortion.
Natural shadows preserve distinct body outlines for every cat, preventing blending or deformation.
Sharp fur texture, clear Bengal rosettes, clean edges.

日本語訳：
フォトリアルで、室内のクローズアップの家族シーン。
日差しの差し込むラグの上で、ベンガルの母猫がリラックスして横になっている。
子猫はちょうど4匹で、ふわふわのベンガル子猫たちが、お母さん猫の背中や肩によじ登ったり、転がったりして遊んでいる。
すべての子猫は頭からしっぽまで完全に見えており、体・脚・足・首がはっきり分離して描かれ、互いに触れ合っていても融合したり歪んだりしない。
前足は自然な形で母猫の体に置かれ、解剖学的に正しい。

母猫は、一匹の子猫をあたたかく優しい目で見つめている。
朝の柔らかい光、浅い被写界深度、居心地のよい雰囲気。
カメラは低い目線で、85mmレンズの自然なクローズアップ視点。
自然な影がすべての猫の輪郭を保ち、体同士が溶け合ったりぼやけたりするのを防ぐ。
毛のディテールはシャープで、ベンガル特有のロゼット模様も明瞭に描写されている。

プロンプト例2（より甘えんぼ感を強めたバージョン）

子猫たちの甘えんぼ感を強めてみました

Photorealistic, close-up indoor family scene:
A Bengal mother cat lying relaxed on a sunlit rug, gently curling her body as if embracing her kittens.
Exactly four fluffy Bengal kittens, fully visible from head to tail, are snuggling, climbing, and softly nuzzling against their mother.
One kitten rests its cheek on the mother’s shoulder, another kitten leans into her chest, while the others climb playfully but stay close, creating a warm, affectionate cluster.

Each kitten has clearly separated bodies, legs, paws, and necks, no merging or distortion.
Their paws touch the mother naturally with correct anatomy, showing gentle, affectionate contact.

The mother cat looks at one kitten with deeply warm, loving eyes, her expression calm and protective.
Soft morning light, shallow depth of field, and a cozy, intimate atmosphere.
Low eye-level camera angle, 85mm lens perspective for a natural close-up without distortion.
Natural shadows preserve clear, distinct outlines for every cat.

Sharp fur texture and defined Bengal rosettes, soft highlights emphasizing their closeness.

日本語訳：
フォトリアルで、室内のクローズアップ家族シーン。
日差しの差し込むラグの上で、ベンガルの母猫がリラックスして横になり、子猫たちを包み込むように体をやさしく丸めている。
子猫はちょうど4匹で、ふわふわのベンガル子猫たちが、お母さん猫に寄り添いながらよじ登ったり、頬をすり寄せたりして甘えている。
1匹は母猫の肩にほおを乗せ、別の1匹は胸元に寄りかかり、残りの子猫も遊びながら母猫にぴったりくっついて、あたたかく親密な雰囲気をつくっている。

すべての子猫は頭からしっぽまで完全に見えており、体・脚・足・首がはっきり分離して描かれ、融合や歪みはない。
前足は自然な形で母猫の体に触れ、やさしいスキンシップを示すように正しく描写されている。

母猫は、一匹の子猫を深い愛情を込めた優しい目で見つめ、守るような落ち着いた表情をしている。
朝の柔らかい光、浅い被写界深度、居心地がよく親密な雰囲気。
低い目線のカメラアングル、85mmレンズの自然なクローズアップ視点。
自然な影が、すべての猫の輪郭をはっきり保っている。

毛の質感はシャープで、ベンガル特有のロゼット模様も明瞭。彼らの親密さを際立たせる柔らかなハイライト。

本記事のまとめ

最後に

親猫と複数の子猫たちの描写は、「数」「ポーズ」「接触」「雰囲気」という要素が全部絡み合うので、生成AIにとって難易度の高いテーマです。

特に母猫と子猫が近くで触れ合う場面は、身体の重なり＝融合や欠損のリスクになりやすいので、破綻が出やすいのです。

しかし、構造と雰囲気のバランスを意識したプロンプト設計によって、破綻を抑えつつ愛情あふれるシーンを描くことができます。

難易度が高いからこそ「親子の愛情」「無邪気さ」「安心感」といった情緒を描けたときの完成度は格別ですよね！

今回の記事が、皆さんの猫画像づくりのヒントになれば嬉しいです。

おまけ

ちなみに、冒頭に問題のプロンプトをGemini（Nano Banana Pro）で試してみたところ

ただし、Nano Banana Proをもってしても、母猫の前足に近い子の破綻リスクがやや高めなようで、何度かやり直しが必要かもしれません。