生成伍

前回から引き続き画像生成します。今回は、現実にありそうな食べ物版。美味しそうな料理を生成していきます。和洋中で、違いを見ていきましょうか。今回も25日にAdobe Creative Cloudのクレジットが回復するので、駆け込みです。ちなみに、前回はイケメンの画像生成でした。

今回も前回の男性版と同じように、同じプロンプトでモデルを変えて画像生成しました。プロンプトの作成方法は前回同様、Google検索のGeminiに質問し、Adobe Fireflyでモデルの違いが出そうな食べ物を紹介してもらい、そして、そのプロンプトを考えてもらい、コピペしています。

和食の中では、鮭の塩焼きが非常にオススメとのこと。魚の焼き目と質感、大根おろし、和食器の解釈が違いを生むそうだ。プロンプトはこんな感じ。

Grilled salmon with grated radish, Japanese style, high quality food photography, close-up shot, depth of field, natural lighting, institutional plating.

Firefly Image 4だとこんな感じ。知っている鮭の塩焼きとは違うが、ゴマがかかっていて、美味しそう。ただ、醤油が配膳時にかかっているのはおかしいかも。いや、そういう料理と言われれば、これありか。

Gemini 3.1 (Nano Banana 2)だとこんな風。唯一背景が映り込んでいるのは面白い。ちゃんと大根おろしになっている。醤油が大根おろしに上からかかっていなのがおかしいかな。でも、ゴマがかかってうまそう。レモンもいいね。

GPT Image 2だとこんな感じ。そうそうイメージ通り。一番日本の食堂でありそうな絵だ。

FLUX.2 [pro]だとこれ。かなり大根おろしを盛ってる。醤油が大根おろしに上からかかっていなのがおかしいかな。

Runway Gen-4 Imageだとこれ。大根がつまになっているのが不思議。

Firefly Image 5だとこれ。湯気が出て、作りたてみたい。良い感じの鮭の塩焼きだが、表面が若干気になると言えば、気になる。大根おろしの先っちょの濡れもなんだろう。でも、レモンはオプションでいい感じ。

洋食はビーフステーキがいいとのこと。肉汁と焼き色のリアリティ、お皿と盛り付け、ハーブの表現がポイントになってくる。プロンプトはこんな感じ。

Gourmet beef steak with herbs, Western style, high quality food photography, close-up shot, depth of field, natural lighting, institutional plating.

Firefly Image 4だとこれ。骨付き肉だ。うまそう。生成画像っぽく見えないかも。

Gemini 3.1 (Nano Banana 2)だとこれ。これもうまそうに見える。

GPT Image 2はこれ。これもうまそう。シズル感がある。

FLUX.2 [pro]はこれ。これもいいけど、ちょっとシズル感が足りないのかな。

Runway Gen-4 Imageだとこれ。うまそう。

Firefly Image 5だとこれ。これもうまそう。おしゃれ系か。

中華はエビチリをオススメされた。ソースのツヤと透明感、器の文化、洗練された盛り付けの解釈が見どころ。プロンプトはこんな感じ。

Stir-fried chili shrimp, Chinese style, high quality food photography, close-up shot, depth of field, natural lighting, institutional plating.　　　

Firefly Image 4はこれ。全然、うまそう。でも、エビの炒めものだよね。

Gemini 3.1 (Nano Banana 2)はこれ。やっぱ、このモデルは背景が入る。知っているエビチリじゃない、揚げたエビ炒めみたいなところか。

GPT Image 2はこれ。カシューナッツが入って、ビュッフェで出てくるエビの炒め物だ。エビチリじゃないか。

FLUX.2 [pro]はこれ。湯気が出てるので出来たて。背ワタを取っている系かな。辛そうな炒め物だけど、うまそう。エビチリじゃない。

Runway Gen-4 Imageだとこれ。エビ料理だね。

Firefly Image 5だとこれ。明るい光だからか、辛そうに見えないけど、エビ料理か。

馴染みのある餡が絡んだエビは全然生成されない。英語の書き方なんだろうな。Chinese styleに引っ張られているぽい。

Geminiに聞くと、四川料理の宮保蝦仁に寄っているとのこと。もっと、日本風っていれなきゃダメみたい。そこでプロンプトを以下に修正した。

Ebi Chili, Japanese-style chili shrimp, succulent prawns coated in a thick, glossy, reddish-orange sweet and spicy chili sauce with finely minced scallions, high quality food photography, close-up shot, depth of field, natural lighting, institutional plating.

Firefly Image 4はこれ。エビチリ感が出てる。うまそう。

Gemini 3.1 (Nano Banana 2)はこれ。ちょっとエビの数が少ない気がするけど、ビュッフェから小皿で持ってきたんならアリかな。箸を見るに韓国風？

GPT Image 2はこれ。なんか一番見慣れたエビチリかも。うまそう。

FLUX.2 [pro]はこれ。知っているエビチリじゃないね。さっきも似たようなのが出てたから、このモデルは四川風が標準なのかも。

Runway Gen-4 Imageだとこれ。エビチリじゃない。エビ料理だね。頭が付いているので、刺身っぽく感じる。食べづらそう。これも四川風なんだろうか。

Firefly Image 5だとこれ。エビチリというより、あんかけ料理みたいな。

こうみると、日本を理解できるのと出来ないモデルがあるみたいだ。その中でGPT Image 2が一番アタリが多いように思える。Firefly Imageシリーズも人物を生成した時より使えるし、どのモデルで生成しても、美味しそうには見える。不気味の谷は少なかった。やっぱり、一応有料だってこともあるのかもしれない。

日本を理解できるか確かめるために、日本にしかなさそうな味噌ラーメンでも確かめてみることに。バターがスープに溶けかけているリアルな質感（シズル感）と謎のトッピング（パクチーや、大きすぎる生ニンニクなど）が混ざらないかが見どころとか。プロンプトは以下。

A classic Japanese miso ramen served in a traditional patterned ceramic ramen bowl. Authentic rich and cloudy miso broth, topped with a distinct yellow square of melting butter on top, a generous handful of sweet yellow corn kernels, tender chashu pork slices, a perfectly soft-boiled ajitama egg cut in half revealing a jammy yolk, green scallions, and a sheet of nori seaweed. High quality food photography, close-up shot, appetizing steam rising, shallow depth of field, natural lighting, institutional plating, rustic ramen shop ambiance.

Firefly Image 4はこれ。バターは溶けてないが、普通にうまそう。もやしも入っている。

Gemini 3.1 (Nano Banana 2)はこれ。やっぱり背景入れたがるね。ラーメン自体はうまそう。おたまれんげがあるのはこのモデルだけ。湯気があって、バターも溶けてる。ただ、醤油ラーメンぽくも見える。

GPT Image 2はこれ。なんか一番見慣れた味噌ラーメンかも。湯気があって、シズル感もあって、うまそう。

FLUX.2 [pro]はこれ。湯気があって、うまそうだけど、冷めたラーメンにも見える。麺が蕎麦っぽい。醤油ラーメンっぽくも感じる。

Runway Gen-4 Imageだとこれ。湯気もあって、うまそうだけど、素麺っぽい感じに見える。味噌ラーメンじゃない感じ。器も小さいか。

Firefly Image 5だとこれ。このモデルだけレンゲが出て、昔っぽさがある。あと、湯気が出て、良い感じだけど、卵が若干気持ち悪い。

GPT Image 2が一番アタリが多い。Gemini 3.1 (Nano Banana 2)も良い感じだけどね。Runway Gen-4 Imageは味噌ラーメンが何かわかってなさそう。やっぱ、このモデルは日本に疎いのかも。

やっぱり、味噌ラーメンは縮れた玉子麺の印象が強いので、プロンプトを以下に改良する。

A classic Japanese miso ramen served in a traditional patterned ceramic ramen bowl. Several strands of thick, wavy, crinkled yellow egg noodles are visibly lifted above the soup or peeking through the broth. Authentic rich and cloudy miso broth, topped with a distinct yellow square of melting butter on top, a generous handful of sweet yellow corn kernels, tender chashu pork slices, a perfectly soft-boiled ajitama egg cut in half revealing a jammy yolk, green scallions, and a sheet of nori seaweed. High quality food photography, close-up shot, appetizing steam rising, shallow depth of field, natural lighting, institutional plating, rustic ramen shop ambiance.

Firefly Image 4はこれ。バターは溶けてないが、普通にうまそう。もやしは無くなったが、縮れ麺はきちんと再現されている。

Gemini 3.1 (Nano Banana 2)はこれ。いつも通り背景が入っている。縮れ麺だけど、若干太いのかな。旗が立っているのが面白い。もやしとメンマが加わって、うまそうだ。割り箸があるのに、違う箸が二善あるのが気になる。レンゲが中華っぽいのも。

GPT Image 2はこれ。うまそう。やっぱ、麺が太く感じられるが、こんなものなのかな。

FLUX.2 [pro]はこれ。これも麺が太いってことは、世の中の標準はこの太さってことか。あと、色合いからか食欲がそそられないのはなんだろう。湯気はあるけど、冷めたラーメンに見えるのかな。

Runway Gen-4 Imageだとこれ。キタッー！今日一の謎画像。蕎麦とラーメンが入っているのかな。食品サンプルだと言われれば、それまでだ。

Firefly Image 5だとこれ。背景が入った。相変わらず煮卵が気持ち悪いのと、箸がおかしいのを除けば、いい感じか。

縮れ麺を加えても、GPT Image 2が一番いい気がする。Gemini 3.1 (Nano Banana 2)も引き続きって感じ。Runway Gen-4 Imageは日本のことに疎い。これで、消費クレジットが一番高い40って言うんだから、プロンプトの内容がよっぽど適切じゃないと使いづらい。

もっと、日本にしかなさそうな食べ物として、たこ焼きで試してみることに。鉄板の「たこ焼きの穴」を正しく認識できるか、「ひっくり返す途中」の表現力、ピック（串）の破綻がポイントだとか。プロンプトは以下。

A close-up shot of takoyaki being cooked on a traditional cast iron takoyaki grill plate with round molds. Several golden-brown takoyaki balls are captured mid-turn, flipped halfway by a metal pick to reveal the crispy, perfectly cooked outer crust and the gooey, steamy batter inside. Wisps of appetizing steam and tiny bubbles of sizzling oil are visible around each ball. Raw green scallions, bits of red pickled ginger, and small pieces of octopus are peeking from the uncooked sides. High quality food photography, dynamic action shot, shallow depth of field, warm natural lighting, rustic street food stall (yatai) ambiance.

Firefly Image 4はこれ。うまそう。たこ焼きの穴は丸くなっていないかも。

Gemini 3.1 (Nano Banana 2)はこれ。いつも通り背景が入っている。穴もピックも、生のたこ焼きもいいんじゃない。

GPT Image 2はこれ。すごい。ほとんど完璧なんじゃなかろうか。

FLUX.2 [pro]はこれ。タコが上に乗ってるのか！斬新だ。しかも、チーズのように溶けているのかも。ゴムって感じ。

Runway Gen-4 Imageだとこれ。なんだこれ！団子かな。団子焼きをピンセットで持ってる？

Firefly Image 5だとこれ。惜しい！タコが不気味の谷だね。ゴムっぽいのもね。

やっぱり、日本のことがわかってるモデルとそうじゃないモデル、惜しいモデルに分かれるみたい。Runway Gen-4 ImageとFLUX.2 [pro]は日本のこと以外で生成するのが良さそう。

なら、ピザだと全部ちゃんとしてるんだろうと思い、試してみることに。「チーズの伸び」の物理的なリアルさ、生地の焼き目（レオパード柄）、持ち上げている「手」や「トング」の描写がポイント。プロンプトは以下。

A close-up shot of a classic Neapolitan Margherita pizza being lifted from a rustic wooden pizza peel. A single triangular slice is being pulled up, creating a dramatic, gooey, and stretchy cheese pull with melted mozzarella connecting the slice to the rest of the pizza. The pizza features a perfectly charred, blistered leopard-patterned crust (cornicione), vibrant red San Marzano tomato sauce, fresh green basil leaves, and a drizzle of glistening olive oil. High quality food photography, appetizing steam rising, shallow depth of field, natural warm lighting, authentic Italian pizzeria ambiance.

Firefly Image 4はこれ。うまそう。マルゲリータに見える。

Gemini 3.1 (Nano Banana 2)はこれ。ここでも背景込みだね。焼き立てで、うまそう。マルゲリータに見える。

GPT Image 2はこれ。おっ、背景入ってる。焼き立てで、ピザもうまそう。ただ、どうやって持ち上げているんだろう。

FLUX.2 [pro]はこれ。これも背景が入った。全部がいい感じだ。焼き立てで、うまそう。

Runway Gen-4 Imageだとこれ。焼き立てで、うまそう。他と違って、全体的に明るい。ただ、ワンピースなのに、ホールに切った後がないのがおかしいか。生地の断面が布っぽいのも惜しい感じがする。

Firefly Image 5だとこれ。背景が入った。焼き立てで、うまそう。こっちも、ワンピースなのに、ホールに切った後がないのがおかしい。

全体的にそれっぽく再現されていた。やっぱ、基本は西洋に強いモデルなんだろうね。

食べ物だと、Firefly Image 4は0クレジットの割に破綻のないものを生成する印象。Gemini 3.1 (Nano Banana 2)は20クレジット。食べ物に関連する背景に自信があるように感じる。生成されたものもそれなりにきちんとしている。GPT Image 2も20クレジット。和洋中問わず、良い感じ。まんべんなく学習している感じか。FLUX.2 [pro]は20クレジットで、Runway Gen-4 Imageは40クレジット。西洋の物事に強いんだろうなという感想。Firefly Image 5は、10クレジット。小さくまとめようとしている感じがする。人物の時よりはマシな感じ。

クレジットが余ったので、ステーキを切ると肉汁が飛び出す動画を作ってみるとことに。プロンプトは以下。

A steak knife cuts deeply and smoothly into the tender steak. The steak parts away to reveal a perfectly cooked, juicy pink medium-rare interior. Rich glossy meat juices glisten and bubbles under the warm light. The camera slowly glides into a mesmerizing macro close-up of the steamy, mouth-watering cross-section. Cinematic slow-motion, highly realistic food physics.

最初はGemini Omni Flash。フォークが無いから上品さが足りないか。しかも切り裂くとそっちに切断面ができるのかという驚きがある。

Veo 3.1だとこんな感じ。やっぱり、フォークが無いから上品さが足りない切断面は正しいけど、最後に余計な肉がどこからか現れる。

Runway Gen-4.5はこれ。これまたヒドイ。ナイフの動きが人形劇みたいだし、切断面がそっちになるとは。

なんか総じて、動画がうまくいってない。不気味なCGって感じだ。プロンプトが悪いのかな。

Ray3はこれ。早回し撮影風かな。これが一番まともじゃないかな。Ray2は何度もトラブルが発生し、生成出来ず。なんの問題だろう。

Gemini Omni Flashは240クレジット。Veo 3.1は400クレジットで、Runway Gen-4.5が200クレジット。最後にRay3は500クレジット。やはり、クレジットの量がクオリティを担保しているのかもしれない。

次回は面白画像の生成を試します。