本文へスキップ
image 2.5
日本語
制作をはじめる

GPT Image 2.5 公式プロンプト使用マニュアル2

公式ガイドの「画像を変える」手法を一冊にまとめた後編です。8つの編集シナリオ、複数ターンの反復、キャラクターの一貫性、そして実行できる公式コード例を掲載しています。プロンプトはすべて原文で、2つのモデルによる公式出力を併記しました。

編集の書き方:変えるもの、変えないもの

生成のプロンプトは画面だけを記述しますが、編集のプロンプトは画面と境界を同時に書きます。公式はこれを2つの並行するリストに分けています。変えるもののリストと、動かしてはいけないもののリストです。後者を書かないと、触れなかった部分までモデルが描き直してしまいます。

編集の入口は client.images.edit で、参照画像は image パラメータで渡します。マスクが必要な局所編集には別の手順があります。以下の8つのシナリオはすべてこの1つの書き方の上に成り立っています。

  • 「変更するのは X だけ」と述べ、保持するディテール(同一性、形状、レイアウト、光、ラベル)を列挙します。
  • 除外も明示します。余分な文字を入れない、ロゴを入れない、透かしを入れない。
  • 局所的な編集では、彩度、コントラスト、矢印、カメラアングル、周囲の物体も名指しします。
  • 入力画像には役割と番号を与えます。被写体、スタイル、衣装、背景のどれかです。
  • 1ターンにつき変更は1つ。直前の出力を次の入力として渡し、保持するディテールを繰り返します。

シナリオ1:レイアウトを保ったまま翻訳する

この公式例の入力は前編で扱ったコーヒーマシンのインフォグラフィックです。図中の文字をスペイン語に置き換え、それ以外は一切変えないよう求めています。出力後は翻訳そのものと、原文が残っていないかの2点を確認します。

このプロンプトの価値は、一文で「局所的な変更 + 全体の凍結」という構造を過不足なく表している点にあります。

公式の編集設定:size="1024x1536"、quality="high"。

公式プロンプト(原文)
Translate the text in the infographic to Spanish. Do not change any other aspect of the image.
スペイン語に翻訳され、元のレイアウトが保たれたコーヒーマシンのインフォグラフィック、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。翻訳と原文の残りを確認してください。
スペイン語に翻訳され、元のレイアウトが保たれたコーヒーマシンのインフォグラフィック、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ2:視覚スタイルを転写する

スタイル転写が決まるかどうかは、参照画像に役割をひとつだけ与えられているかにかかっています。この1枚は配色を提供するのか、質感なのか、媒体なのか。公式例では参照画像の役割を「スタイル」に限定し、新しい被写体は別に記述しています。同じ節に混ぜないでください。

公式の編集設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Use the same style from the input image and generate a man riding a motorcycle on a white background.
スタイル参照として使うピクセルアートのゲーム画面
入力公式の入力:ピクセルアートのスタイル参照。
参照スタイルで生成した白背景のピクセルアートのバイク乗り、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
参照スタイルで生成した白背景のピクセルアートのバイク乗り、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ3:同一性を保ち服装だけ変える

これは公式の凍結リストが最も完成された形で示されている箇所です。まず服装だけを変えると宣言し、変えてはいけない項目を列挙します。顔、顔の特徴、肌の色、体型、姿勢、同一性、面立ち、表情、髪型、比率。さらに背景、カメラアングル、フレーミング、画質まで凍結し、最後にアクセサリー、文字、ロゴ、透かしを除外します。

同じ構造は製品にも当てはまります。保つべきものは認識可能な形状、ラベル、素材で、変えてよいのはただひとつだけです。

公式の編集設定:size="1024x1536"、quality="medium"。入力は人物写真1枚と衣装参照3枚。

公式プロンプト(原文)
Edit the image to dress the woman using the provided clothing images. Do not change her face, facial features, skin tone, body shape, pose, or identity in any way. Preserve her exact likeness, expression, hairstyle, and proportions. Replace only the clothing, fitting the garments naturally to her existing pose and body geometry with realistic fabric behavior. Match lighting, shadows, and color temperature to the original photo so the outfit integrates photorealistically, without looking pasted on. Do not change the background, camera angle, framing, or image quality, and do not add accessories, text, logos, or watermarks.
同一性の参照として使う美術館での女性の写真
入力・同一性公式の入力:同一性と姿勢を提供する人物写真。
衣装の参照として使うベージュのジャケット
入力・衣装公式の入力:ベージュのジャケット。
衣装の参照として使う白いタンクトップ
入力・衣装公式の入力:白いタンクトップ。
衣装の参照として使うグレーのブーツ
入力・衣装公式の入力:グレーのブーツ。
指定した衣装に着替えた同じ女性の合成結果、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。顔と同一性が変わっていないか確認してください。
指定した衣装に着替えた同じ女性の合成結果、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ4:複数の参照を組み合わせる

合成では3点を伝えます。どの要素を動かすか、どこへ置くか、そしてそれ以外は変えないこと。公式例は場面の写真を画像1、犬と一緒の写真を画像2として渡し、番号で指定したうえで、光、構図、背景を画像1に固定すると付け加えています。

公式の編集設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Place the dog from the second image into the setting of image 1, right next to the woman, use the same style of lighting, composition and background. Do not change anything else.
街中の女性、合成の1枚目の入力
入力1公式の入力1:場面、光、構図を提供します。
犬と一緒の女性、合成の2枚目の入力
入力2公式の入力2:移す要素を提供します。
街中の女性の隣に犬を配置した合成結果、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
街中の女性の隣に犬を配置した合成結果、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ5:透明背景の製品切り抜き

切り抜きは、プロンプトとパラメータの両方が必要な唯一のシナリオです。公式のプロンプトは、被写体を中央に、輪郭を鮮明に、ハローやフリンジを出さず、製品の形状とラベルの可読性を正確に保つことを求め、そのうえで単色の背景、チェッカー柄、情景、影を明示的に除外します。リクエスト側では background="transparent" を設定して PNG か WebP で出力し、PNG には output_compression を使いません。

その透明な結果をさらに編集する場合、透明背景を保つという要件を繰り返す必要があると公式は述べています。

公式の編集設定:size="1024x1536"、quality="medium"、background="transparent"、output_format="png"。

公式プロンプト(原文)
Extract the product from the input image and isolate it on a fully transparent background.
Output: centered product, crisp silhouette, no halos/fringing.
Preserve product geometry and label legibility exactly.
Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow.
Do not restyle the product; remove the background and preserve clean alpha transparency.
元のシャンプーの製品写真
入力公式の入力:元の製品写真。
透明背景に切り抜かれたシャンプーのボトル、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
透明背景に切り抜かれたシャンプーのボトル、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ6:線画を写実画像にする

線画からレンダリングする作業を、公式は「元の意図を保ちながら写実的なコンセプトに変える」と位置づけています。プロンプトは仕様書のように書きます。まず正確なレイアウト、比率、遠近を保つことを求め、次にスケッチの意図に沿った現実的な素材と光を選ばせ、最後に「新しい要素や文字を加えない」で締めます。この最後の一文が、モデルによる構図の解釈し直しを止めます。

公式の編集設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Turn this drawing into a photorealistic image.
Preserve the exact layout, proportions, and perspective.
Choose realistic materials and lighting consistent with the sketch intent.
Do not add new elements or text.
川の谷を描いた線画
入力公式の入力:線画。
線画からレンダリングした写実的な川の谷、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
線画からレンダリングした写実的な川の谷、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ7:物体を消す

物体の削除は最も短い編集プロンプトです。消す対象を名指しし、それ以外をすべて凍結します。公式例は「男性の手から花を消す。他は何も変えない」とだけ書いています。後半の一文が人物、姿勢、光、構図を固定し、編集を局部にとどめます。

公式の編集設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Remove the flower from man's hand. Do not change anything else.
花を持ち青い帽子をかぶった男性
入力公式の入力:編集前の写真。
花を消した後の同じ男性、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
花を消した後の同じ男性、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

シナリオ8:人物を新しい場面に入れる

人物を新しい場面に置くときは、同一性の保持と場面の説得力に同時に対処します。公式例の入力は美術館の女性の写真で、まず映画ポスターではなく「実際に撮られた写真」に見えることを要求し、次に位置、視線、服装の状態、感情を書き、最後に場所、時間帯、自然光を指定して、映画的な光、劇的なカラーグレーディング、様式化された構図を明示的に避けます。

この節には技術的な注記もあります。gpt-image-2 へ移行する場合は input_fidelity を省略してください。画像入力は常に高忠実度で処理されます。

公式の編集設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Generate a highly realistic action scene where this person is running away from a large, realistic brown bear attacking a campsite. The image should look like a real photograph someone could have taken, not an overly enhanced or cinematic movie-poster image.
She is centered in the image but looking away from the camera, wearing outdoorsy camping attire, with dirt on her face and tears in her clothing. She is clearly afraid but focused on escaping, running away from the bear as it destroys the campsite behind her.
The campsite is in Yosemite National Park, with believable natural details. The time of day is dusk, with natural lighting and realistic colors. Everything should feel grounded, authentic, and unstyled, as if captured in a real moment. Avoid cinematic lighting, dramatic color grading, or stylized composition.
キャンプ場でクマから逃げる人物のアクション場面、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
キャンプ場でクマから逃げる人物のアクション場面、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

複数ターンの反復:起点を作り、条件をひとつだけ変える

公式の反復のルールは2行です。直前の出力を次の入力として渡すこと、そして変更は一度にひとつだけにすること。狙いは「どの変更が効いたか」を追えるようにすることです。

1手目はシャンプーの写真を夕暮れの高速道路の看板にします。看板の文言を引用符で囲み、原文どおり、1回だけ、判読可能に出すよう求め、透かしとロゴを除外します。2手目は一文だけです。雪の降る冬の夕暮れにする。場面、レイアウト、文言はすべて前の結果を引き継ぎます。

公式の編集設定(両ステップ共通):size="1024x1536"、quality="medium"。

公式プロンプト・1手目(原文)
Create a realistic billboard mockup of the shampoo on a highway scene during sunset.
Billboard text (EXACT, verbatim, no extra characters):
"Fresh and clean"
Typography: bold sans-serif, high contrast, centered, clean kerning.
Ensure text appears once and is perfectly legible.
No watermarks, no logos.
公式プロンプト・2手目(原文)
Make it look like a winter evening with snowfall.
複数ターンの起点として使う元のシャンプー製品写真
入力公式の入力:反復の起点となる画像。
夕暮れの高速道路沿いのシャンプー看板、GPT Image 2.5 Flare の出力
1ターン目 · Flare公式の出力例:1手目の結果、Flare の段。
夕暮れの高速道路沿いのシャンプー看板、GPT Image 2.5 Sunburst の出力
1ターン目 · Sunburst公式の出力例:1手目の結果、Sunburst の段。
雪の降る冬の夜に変えたシャンプー看板、GPT Image 2.5 Flare の出力
2ターン目 · Flare公式の出力例:2手目の結果、Flare の段。レイアウトと文言は前の結果を引き継ぎます。
雪の降る冬の夜に変えたシャンプー看板、GPT Image 2.5 Sunburst の出力
2ターン目 · Sunburst公式の出力例:2手目の結果、Sunburst の段。

キャラクターの一貫性:まず設定し、次に場面を変える

挿絵の多い本を作る場合、公式はまず再利用できるキャラクター参照を作り、それを場面、姿勢、ページをまたいで使い回すことを勧めています。方法は、外見、比率、衣装、雰囲気を固定の定義として書き、場面が変わるたびにそのブロックを繰り返すことです。

公式の設定(1手目は生成、2手目は編集):size="1024x1536"、quality="medium"。

公式プロンプト・キャラクター設定(原文)
Create a children's book illustration introducing a main character.

Character:
A young, storybook-style hero inspired by a little forest outlaw,
wearing a simple green hooded tunic, soft brown boots, and a small belt pouch.
The character has a kind expression, gentle eyes, and a brave but warm demeanor.
Carries a small wooden bow used only for helping, never harming.

Theme:
The character protects and rescues small forest animals like squirrels, birds, and rabbits.

Style:
Children's book illustration, hand-painted watercolor look,
soft outlines, warm earthy colors, whimsical and friendly.
Proportions suitable for picture books (slightly oversized head, expressive face).

Constraints:
- Original character (no copyrighted characters)
- No text
- No watermarks
- Plain forest background to clearly showcase the character
公式プロンプト・物語の続き(原文)
Continue the children's book story using the same character.

Scene:
The same young forest hero is gently helping a frightened squirrel
out of a fallen tree after a winter storm.
The character kneels beside the squirrel, offering reassurance.

Character Consistency:
- Same green hooded tunic
- Same facial features, proportions, and color palette
- Same gentle, heroic personality

Style:
Children's book watercolor illustration,
soft lighting, snowy forest environment,
warm and comforting mood.

Constraints:
- Do not redesign the character
- No text
- No watermarks
絵本風の森の小さなヒーローを紹介するイラスト、GPT Image 2.5 Flare の出力
設定 · Flare公式の出力例:1手目、キャラクターの設定、Flare の段。
絵本風の森の小さなヒーローを紹介するイラスト、GPT Image 2.5 Sunburst の出力
設定 · Sunburst公式の出力例:1手目、キャラクターの設定、Sunburst の段。
冬の雪の森でリスを助ける同じ森のヒーローのイラスト、GPT Image 2.5 Flare の出力
続き · Flare公式の出力例:2手目、同じキャラクター、Flare の段。
冬の雪の森でリスを助ける同じ森のヒーローのイラスト、GPT Image 2.5 Sunburst の出力
続き · Sunburst公式の出力例:2手目、同じキャラクター、Sunburst の段。

ワークフロー1:部屋の家具を差し替える

公式はこの用途の目標を「外科手術的なリアリズム」と定義しています。ひとつの物体だけを差し替え、カメラアングル、光、影、周囲の状況は保ち、結果が再設計ではなく実際の写真に見えるようにします。プロンプトの形は「X だけを差し替える + 凍結リスト + 素材の指定」です。

公式の編集設定:size="1536x1024"、quality="medium"。

公式プロンプト(原文)
In this room photo, replace ONLY the white chairs with chairs made of wood.
Preserve camera angle, room lighting, floor shadows, and surrounding objects.
Keep all other aspects of the image unchanged.
Photorealistic contact shadows and fabric texture.
白い椅子のある元のキッチンの写真
入力公式の入力:元の部屋の写真。
木の椅子に差し替えたキッチン、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
木の椅子に差し替えたキッチン、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

ワークフロー2:ホリデーカードをデザインする

季節のカードは場面、雰囲気、素材、光、正確な文言を同時に伝える必要があります。公式例はノスタルジックなテディベアを使い、「この文言だけを入れる」を独立した要件として、原文どおりに引用しています。

公式の生成設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Create a Christmas holiday card illustration.

Scene:
a cozy Christmas scene with an old teddy bear sitting inside a keepsake box, slightly worn fur, soft stitching repairs, placed near a window with falling snow outside. The scene suggests the child has grown up, but the memories remain.

Mood:
Warm, nostalgic, gentle, emotional.

Style:
Premium holiday card photography, soft cinematic lighting,
realistic textures, shallow depth of field,
tasteful bokeh lights, high print-quality composition.

Constraints:
- Original artwork only
- No trademarks
- No watermarks
- No logos

Include ONLY this card text (verbatim):
"Merry Christmas — some memories never fade."
窓辺に置かれた古いテディベアのホリデーカード、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。カードの文言が原文どおりか確認してください。
窓辺に置かれた古いテディベアのホリデーカード、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

ワークフロー3:コレクション玩具とパッケージをデザインする

グッズやパッケージのコンセプトは、製品写真の手がかりに乗ります。素材、パッケージ、印刷の鮮明さです。公式はデザインがオリジナルで権利侵害のないことを求め、複数のキャラクターやパッケージのバリエーションを比較することを勧めています。パッケージの文言も独立した要件として原文どおりに引用します。

公式の生成設定:size="1024x1536"、quality="medium"。

公式プロンプト(原文)
Create a collectible action figure of a vintage-style toy propeller airplane with rounded wings, a front-mounted spinning propeller, slightly worn paint edges, classic childhood proportions, designed as a nostalgic holiday collectible, in blister packaging.

Concept:
A nostalgic holiday collectible inspired by the simple toy airplanes
children used to play with during winter holidays.
Evokes warmth, imagination, and childhood wonder.

Style:
Premium toy photography, realistic plastic and painted metal textures,
studio lighting, shallow depth of field,
sharp label printing, high-end retail presentation.

Constraints:
- Original design only
- No trademarks
- No watermarks
- No logos

Include ONLY this packaging text (verbatim):
"Christmas Memories Edition"
ホリデー仕様のパッケージに入ったコレクション玩具のプロペラ機、GPT Image 2.5 Flare の出力
Flare公式の出力例:Flare の段。
ホリデー仕様のパッケージに入ったコレクション玩具のプロペラ機、GPT Image 2.5 Sunburst の出力
Sunburst公式の出力例:Sunburst の段。

実行できる完全なサンプル

公式はそのまま実行できるサンプルも用意しています。1回のリクエストでロゴを4案生成し、続いて参照画像から製品を切り抜きます。公式はこのサンプルが gpt-image-2 に固定されていると説明し、基準として使い、自分の評価では利用可能なモデルと対応するリクエスト設定を選ぶよう求めています。

実行前に OpenAI SDK をインストールし(Python は pip install openai)、OPENAI_API_KEY を設定し、製品写真を input_images/shampoo.webp として保存します。公式は、実際のリクエストには API 利用料金が発生すると注意しています。

  • 公式ページには Python 版と Ruby 版の両方があり、ここでは Python 版を掲載しています。
  • ロゴ生成では、返ってきた PNG のバイト列をアルファチャンネルごと保存します。
  • 切り抜きのプロンプトは前述の「透明背景の製品切り抜き」と同一なので、並べて読むと理解が早くなります。
公式 Python サンプル(原文)
import base64
from pathlib import Path

from openai import OpenAI

client = OpenAI()


prompt = """
Create an original, non-infringing logo for a company called Field & Flour, a local bakery.
The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space.
Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential.
Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1024x1536",
    quality="medium",
    background="transparent",
    output_format="png",
    n=4,  # Generate 4 versions of the logo
)

# Preserve the returned PNG bytes, including the alpha channel.
for index, item in enumerate(result.data, start=1):
    Path(f"logo-generation-{index}-gpt-image-2.png").write_bytes(
        base64.b64decode(item.b64_json)
    )

# Extract a product from a reference image.
prompt = """
Extract the product from the input image and isolate it on a fully transparent background.
Output: centered product, crisp silhouette, no halos/fringing.
Preserve product geometry and label legibility exactly.
Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow.
Do not restyle the product; remove the background and preserve clean alpha transparency.
"""

result = client.images.edit(
    model="gpt-image-2",
    image=[
        Path("input_images/shampoo.webp"),
    ],
    prompt=prompt,
    size="1024x1536",
    quality="medium",
    background="transparent",
    output_format="png",
)

Path("extract-product-gpt-image-2.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)

出力を使う前のチェックリスト

公式はガイドの最後にチェックリストを用意しています。編集した結果には特に必要です。編集こそ、触れていない箇所が静かに変わる場面だからです。

  • 必要な文字は正確で読みやすいか。図のラベルと、その関係は正しいか。
  • 人物の同一性、製品の形、ラベル、参照したディテールは保たれているか。
  • 今回の編集で変わったのは、依頼した箇所だけか。
  • 透明背景が必要な場合、背景を描いたのではなく実際にアルファチャンネルが入っているか。
  • プロンプトやモデルを変えるときは、代表的な入力で品質、遅延、コストを比較する。

よくある質問

編集のプロンプトは生成のプロンプトと何が違いますか?

公式は「変更するのは X だけ」と述べ、保持する要素を列挙する、という一文に集約しています。保持する対象は人物の同一性、形状、レイアウト、光、ラベルです。不要な文字、ロゴ、透かしといった除外も明示し、局所的な編集では彩度、コントラスト、矢印、カメラアングル、周囲の物体のうち動かしてはいけないものも名指しします。

編集を重ねると顔や製品が徐々に変わってしまうのはなぜですか?

公式は、編集を繰り返すと保ちたいディテールが変わり得ると明言しています。対処は毎回その制約を言い直し、1枚ずつ確認することです。領域をピクセル単位で維持する必要がある場合は、プロンプトだけに頼らず、承認済みの編集結果を元画像に合成する方法が推奨されています。

複数の参照画像はどう記述すればよいですか?

公式は参照画像に役割を割り当てるよう求めています。各入力画像を番号と用途で示し、被写体、スタイル、衣装、背景のどれを担うかを書き、どのように組み合わせるか、どの要素をどこへ移すかを説明します。公式の合成例も「2枚目の画像の犬を画像1の場面に置く」と番号で指定しています。

透明背景の切り抜きが失敗することがあるのはなぜですか?

公式は2つを同時に求めています。プロンプトで被写体を完全に透明な背景へ切り抜くよう指示し、単色の背景、チェッカー柄、情景、影を加えないと明示すること。そしてリクエスト側で background="transparent" を設定し、PNG か WebP で出力することです。描き込まれたチェッカー柄は透明ではないため、デコード後のアルファチャンネルを確認する必要があります。

線画を実写化するとき、最も起きやすい問題は何ですか?

公式はこれを「元の意図を保ちながら実在感を加える」作業と位置づけています。正確なレイアウト、比率、遠近を保つこと、スケッチの意図に沿った現実的な素材と光を選ぶこと、そして「新しい要素や文字を加えない」と明示することを求めます。この最後の制約がないと、モデルが構図を解釈し直してしまうことがあります。

公式の実行可能なコード例はそのまま使えますか?

公式はこの例が gpt-image-2 に固定されていると説明し、基準として使い、自分の評価では利用可能なモデルとそれが対応するリクエスト設定を選ぶよう求めています。実行には OpenAI SDK のインストール、OPENAI_API_KEY の設定、製品写真を input_images/shampoo.webp として保存することが必要です。実際のリクエストには API 利用料金が発生します。

自分の画像で試す

編集のプロンプトは実写で走らせた瞬間に差が出ます。GPT Image 2.5 のワークスペースを開き、参照画像を上げて、下の制約を自分のものに置き換えてください。

GPT Image 2.5 の生成ワークスペースを開く