AI画像生成において、優れたポジティブプロンプト（指示文）を入力するだけでは、思い通りの完成度に到達できないことが多々あります。Stable Diffusion、SDXL、FluxなどのモデルをWebブラウザやREST APIから利用できる「Dezgo」でも、指の崩れ、彩度の過剰な上昇、過度なノイズ、プロンプト指示の無視といった問題は頻繁に発生します。
これらの課題を解決し、生成結果を精密にコントロールするために不可欠なのが、Dezgoの More options（詳細オプション）パネルおよびAPIパラメータに用意されている3つの基本設定項目です。すなわち、ネガティブプロンプト（Negative Prompt）、ガイダンススケール（Guidance Scale / CFG）、そして サンプリングステップ数（Sampling Steps） です。本稿では、これら3つのパラメータの挙動と相互作用を解説し、無駄な生成コストを抑えながら高品質な画像を安定して得るための実践的な設定手順をまとめます。
Dezgoにおける主要パラメータの配置と設定方法
Dezgoの無料Webインターフェース、従量課金制の Power Mode、あるいはREST API（POST https://api.dezgo.com/text2image）のいずれを使用する場合でも、パラメータの構造は共通しています。
- Webブラウザ画面：画像生成ツール（例：
Text-to-Image SD1やText-to-Image XL）のプロンプト入力欄の下にある More options アコーディオンを開きます。ここにネガティブプロンプトの入力フィールドと、Guidance（ガイダンス）およびSteps（ステップ数）のスライダー・数値入力ボックスが配置されています。 - REST API呼び出し：プログラムからDezgoのエンドポイントにリクエストを送る場合、リクエストボディに
negative_prompt（文字列、0〜1000文字）、guidance（浮動小数点数、-20〜20）、steps（整数、10〜150）を指定します。
各パラメータの役割を正確に把握することで、当てずっぽうな試行錯誤をなくすことができます。
1. ネガティブプロンプト：欠陥と不要なスタイルの排除
ポジティブプロンプトが「潜在空間内でどのような被写体・光彩・構図を生成すべきか」を指示するのに対し、ネガティブプロンプトは「ノイズ除去の過程でどのような特徴・構造的破綻・スタイルを避けるべきか」をAIに指示します。
標準的な初期テンプレート
Dezgoで提供されている標準的なStable Diffusion 1.5系モデル（Absolute RealityやRealistic Visionなど）向けには、以下のような包括的なデフォルトネガティブプロンプトが用意されています。
ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, blurry, bad anatomy, blurred, watermark, grainy, signature, cut off, draft
このテンプレートは、初期の拡散モデルで頻出する四肢の奇形、ピントの甘さ、電子透かし（ウォーターマーク）などを防ぐセーフティネットとして機能します。商用制作では、目的に応じて不要なスタイルをここに追加します。例えば、実写写真を目指す場合は cartoon, 3d render, anime を加え、ベクターイラストを制作したい場合は photorealistic, oversaturated を追加します。
Dezgoのプロンプト重み付け構文
特定の要素がどうしても消えない場合（余分な指や背景の文字など）、Dezgo独自のプロンプト重み付け（Prompt weighting）記法を使用して排除強度を高めることができます。
- 重みの増加（
+）：単語の末尾にプラス記号を追加します（例：watermark+、(extra fingers)++）。 - 重みの減少（
-）：過度な除外によって必要な質感が失われる場合、マイナス記号で影響を和らげます（例：grain-）。 - 複数単語のグループ化：カッコで括ってから記号を付与します（例：
(poorly drawn hands)+）。 - 数値による指定：
0から2までの数値（標準は1.0）をコロンまたは末尾表記で指定できます（例：(bad anatomy:1.2)または(bad anatomy)1.2）。
注意点
数千文字に及ぶ汎用ネガティブプロンプトを無差別に貼り付けるのは避けてください。無関係な否定語を大量に詰め込むと、モデルのアテンション（注目度）が分散し、画面全体のコントラスト低下や不自然な平面化を招きます。現在の出力に見られる具体的な問題に絞って設定することが鉄則です。
2. ガイダンススケール（Guidance Scale / CFG）：プロンプト順守と自然さのバランス
ガイダンススケール（Classifier-Free Guidance：CFGスケール）は、AIがポジティブプロンプトの記述内容にどれだけ厳密に従うかを決定するパラメータです。
Dezgoのガイダンス値は -20 から 20 までの範囲で設定可能であり、デフォルトの標準値は 7 に設定されています。
数値帯ごとの特性と推奨用途
| ガイダンス数値帯 | 視覚的特徴とモデルの挙動 | 最適なユースケース |
|---|---|---|
| 1 〜 5（低ガイダンス） | AIに高い創造的自由度が与えられ、色調や輪郭が柔らかく仕上がります。ただし、細かな指定や小物の描写は省略されやすくなります。 | 抽象画、雰囲気重視の背景アート、厳密なポーズ指定が不要なイメージビジュアル。 |
| 6 〜 9（黄金バランス） | プロンプトの再現性と画質の自然さが最も高い水準で両立する推奨領域。指示通りの構図を守りつつ、肌のキメや自然な陰影階調が維持されます。 | SD 1.5およびSDXLを使用する一般的なポートレート、商品コンセプト、風景写真。 |
| 10 〜 14（高忠実度） | プロンプトの単語を極めて厳格に描写します。エッジの明瞭度が高まりますが、コントラストが強くなり、陰影が硬くなる傾向があります。 | 複数の被写体が絡むシーン、厳格な配色指定、精密な建築や機械構造の描画。 |
| 15以上（過度な拘束） | 画像が「過調理（burnt）」状態に陥りやすくなります。蛍光色のような不自然な高彩度、輪郭のハロー現象、肌の荒れ、形態崩壊が発生します。 | 画質の著しい劣化を招くため、通常は推奨されません。 |
モデルアーキテクチャによる違い
- 標準SD 1.5 / SDXL：
6〜9の範囲が最適です。 - SDXL Lightning系モデル（
dreamshaperxl_lightning_1024px、juggernautxl_9_lightning_1024pxなど）：蒸留技術を用いた高速モデルはCFGに対して極めて敏感です。ガイダンスを1.5〜2.5程度まで下げないと、極端な白飛びや破損が生じます。 - Flux系モデル（
flux_1_schnellなど）：最先端のフローマッチング構造によりプロンプト理解力が元から高いため、ガイダンスを無理に引き上げる必要はありません。
3. サンプリングステップ数（Sampling Steps）：ディテールとコストの最適化
拡散モデルは、ランダムなガウスノイズから段階的にノイズを除去していくことで画像を生成します。サンプリングステップ数は、このノイズ除去イテレーションの実行回数を意味します。
Dezgoではステップ数を 10 から 150 の間で指定できます。ステップ数を増やすほど微細な描写を洗練させる余地が生まれますが、顕著な「収穫逓減の法則」が働きます。
ステップ数の目安と収穫逓減
- 10 〜 15ステップ（プレビュースケッチ）：構図や大まかな色味、ライティングの確認に適した高速生成。細部（瞳の輝き、細かな布地テクスチャ、遠景の樹木など）は未完成でぼやけやすい状態です。
- 20 〜 30ステップ（本番推奨ゾーン）：EulerやDPM++などの高効率サンプラーにおける最適収斂ポイント。解剖構造や主要なテクスチャが完全に定着し、画質と生成速度のバランスが最高になります。
- 35 〜 50ステップ（高密度描写）：細密な装飾、緻密な髪の毛の束、微細な金属彫刻、マクロ撮影など、極めて複雑なディテールを求める場合に有効です。
- 60ステップ以上（費用対効果の低下）：標準的なサンプラーでは、50ステップを超えたあたりから視覚的な品質向上はほとんど知覚できなくなります。一方で、計算時間と処理コストは比例して増大します。
無料モードとPower Modeにおけるコスト意識
Dezgoの利用プランによってステップ数の重みが異なります。
- 無料モード（Free Mode）：サーバー共有リソースの公平な運用の観点から、最大ステップ数や解像度に制限が設けられています。
- Power ModeおよびREST API：事前チャージした残高を消費する従量課金制です。1回あたりの生成コストはステップ数、出力解像度、選択モデルによって計算されます。25ステップで十分な画像に無駄に100ステップを指定すると、見た目の差がないにもかかわらずクレジットが3〜4倍の速さで消費されてしまいます。
クリエイター向け実践ワークフロー：4段階の反復改善法
すべての数値を一度に変更すると原因の切り分けが難しくなります。以下の順序でチューニングを行うのが最も効率的です。
- ステップ1：構図の選定（高速ドラフト）
- Guidanceを
7.0、Stepsを20にセットし、デフォルトのネガティブプロンプトを使用します。 - 数枚生成して理想的な構図を見つけたら、その画像の
Seed（シード値）を固定します。
- Guidanceを
- ステップ2：ネガティブプロンプトで欠陥を修正
- Seedを固定した状態で詳細を確認します。手に乱れがあれば
(poorly drawn hands)1.2をネガティブプロンプトに加え、文字混入があればwatermark+を追記します。
- Seedを固定した状態で詳細を確認します。手に乱れがあれば
- ステップ3：ガイダンススケールでプロンプト適合度を微調整
- 指定した衣装や小物が反映されていない場合は、Guidanceを
8.0〜9.0に引き上げます。 - 逆に輪郭が硬すぎたり色合いがきつすぎたりする場合は、
6.0〜6.5に下げて質感を和らげます。
- 指定した衣装や小物が反映されていない場合は、Guidanceを
- ステップ4：ステップ数を引き上げて最終レンダリング
- 構図と細部が固まったら、Stepsを
30〜35に上げて本番品質のレンダリングを行います。 - 大判印刷や高解像度出力が必要な場合は、Dezgoのアップスケール（Upscale）機能を利用して仕上げます。
- 構図と細部が固まったら、Stepsを
ネガティブプロンプトを「彫刻刀」、ガイダンススケールを「プロンプトへの追従ダイヤル」、ステップ数を「仕上げの研磨時間」として捉えることで、Dezgoの潜在能力を最大限に引き出すことができます。
参考資料
- Dezgo - Free Online AI Image/Video Generator, Apps & Tools
- AI Image Generator API - Flux/Stable Diffusion - Dezgo
- Prompt weighting - AI Image Generator API - Flux/Stable Diffusion - Dezgo
- Models - AI Image Generator API - Flux/Stable Diffusion - Dezgo
- Overview - AI Image Generator API - Flux/Stable Diffusion - Dezgo