先に結論
- 「画像生成AIは日本語の文字が描けない」は、この日に試した限りでは外れました。日本語の見出しを7枚描かせて、誤字は1文字もありませんでした。
- ただし同じ絵の中の小さい文字は読めません。 パソコンの画面や看板に書かれた文字は、日本語も英語もでたらめになりました。化けるかどうかを分けているのは言語ではなく、文字の大きさのようです。
- そして困ったのは誤字ではありませんでした。 同じ指示・同じ文言で5回引いたら、行の割れ方も、色も、大きさも、置き場所も毎回ちがいました。
- 文字だけ直すことができません。打ち替えるには1枚まるごと引き直すことになり、絵のほうも変わります。
- なので絵はAIに描かせて、文字はあとから別で置くほうが扱いやすい、 という結論は変わりませんでした。理由が「化けるから」ではなくなっただけです。
どう測ったか
画像生成モデルは Gemini 3.1 Flash Image、解像度 2K、横長16:9。 1枚あたり15円ほどかかります。合計8枚で、120円ほどでした。
絵の指示はすべて同じ文にそろえ、変えたのは「入れてほしい文字」だけです。 そろえないと、違いが出たときにその文字のせいだと言えなくなります。
頼み方は素直にしました。ローマ字で渡すといった小細工をすると、普通に使ったときの再現にならないからです。実際に渡した文はこうです。
| 絵の内容 | 明るい室内のデスク。ノートパソコンとコーヒーカップ。奥は柔らかくぼけている。 写真のような質感で、彩度は高め。左半分は明るく平坦にして、情報量を抑える。 |
|---|---|
| 入れる文字 | 画面の左半分に、次の文字を大きく、太いゴシック体で、はっきり読めるように入れてください。 「登録者が増えない本当の理由」 文字は画像の中で最も目立つ要素にしてください。誤字がないようにしてください。 |
結果1：見出しの文字は、そのまま出た
| 入れてほしいと頼んだ文字 | 枚数 | 見出しの誤字 |
|---|---|---|
| 登録者が増えない本当の理由（13文字） | 5 | 0 |
| 知らないと損（6文字） | 1 | 0 |
| 解説（2文字） | 1 | 0 |
| THE REAL REASON（英語・比べるため） | 1 | 0 |
「登録」「増」「本当」「理由」「解説」「損」あたりは、画数もそこそこあります。 それでも崩れませんでした。 英語を1枚だけ混ぜてあるのは、比べる相手がないと「日本語が」とは言えないからです。英語も日本語も、見出しは同じように出ました。
なお、これはこの日に、このモデルで測った結果です。 画像生成モデルは入れ替わりが速いので、古い記事の「日本語は化ける」も、この記事も、そのまま信じないほうがいいと思います。自分の使うモデルで数枚引いてみるのがいちばん早いです。
結果2：小さい文字は、日本語も英語も読めない
見出しが正しく出た同じ絵の中に、ノートパソコンの画面が写っています。そこを切り出しました。
これは日本語だけの話ではありませんでした。別の1枚では、画面の中の英語が「Analyticss」「Étine oreview」「Paqjecn analytics」になっていました。
つまり「日本語だから化ける」ではなく「小さいから化ける」ほうが、 測った結果には近いようです。 絵の中に看板・画面・書類・本の背表紙などを描かせるときは、そこに書かれる文字はあてにしないほうがよさそうです。
結果3：ここが本題。同じ指示から、毎回ちがう絵が出る
まったく同じ文をそのまま5回渡しました。文言も、絵の指示も、モデルも、解像度も同じです。出てきたのがこちらです。
1回目：3行・大きさがばらばら
3回目：2行・黒い文字
4回目：3行・勝手に2色| 回 | 行の割れ方 | 文字の色 |
|---|---|---|
| 1回目 | 3行（行ごとに大きさがちがう） | 白 + 黒いフチ |
| 2回目 | 2行 | 黒 + 白いフチ |
| 3回目 | 2行 | 黒 + 白いフチ |
| 4回目 | 3行 | 白と、オレンジの2色（頼んでいない） |
| 5回目 | 3行 | 白 + 黒いフチ |
2行が2回、3行が3回。「登録者が増えない／本当の理由」で割れた回もあれば、 「登録者が／増えない／本当の理由」で割れた回もありました。どこで改行するかは、こちらが決められていません。
なぜ、誤字より、こちらのほうが困るのか
- サムネイルは1枚だけ見られるものではありません。チャンネルのページでは何枚も並びます。 文字の位置と大きさが毎回ちがうと、並べたときにばらばらに見えます。
- 気に入らないところだけ直せません。「絵はいいけれど、この行の割れ方が嫌だ」と思っても、 直すには1枚まるごと引き直すことになり、絵のほうも別物になります。
- 引き直すたびにお金がかかります。1枚15円ほどなので、文字を打ち替えて5回引けば、それだけで75円ほどです。
- 読めるかどうかを見込めません。文字の色は毎回ちがい、背景の明るさも毎回ちがいます。 この組み合わせがたまたま読みにくくなる回を、止める手立てがありません。
誤字は見れば分かるので、出たら引き直せば済みます。ばらつきのほうは、引き直しても直らないのが違いです。
だから、文字はあとから置く
絵と文字を1回で作らせず、2つに分けるやり方があります。
- AIには、文字のない絵だけを描いてもらう。このとき文字の指示を一切書かないのがコツです。書くと描こうとします。
- 文字は、画像編集ソフトなりプログラムなりで、あとから乗せる。位置も大きさも色も改行位置も、こちらが決められます。
こうすると、文字を打ち替えても絵は変わりません。引き直しの費用もかかりません。絵の中の「文字が乗る場所」を明るく平坦にしておいてもらうと、 置いたときに読みやすくなります。 このとき「文字を置くので空けてください」とは書かず、 「左半分は明るく平坦にして、情報量を抑える」のように見た目の性質だけを書くほうが、指示が守られやすいです。
自分でAIに描かせるときに使えること
- 「日本語は無理」と決めつけずに、一度は試す。少なくともこの日のこのモデルでは、短い見出しはそのまま出ました。
- 1枚で判断しない。同じ指示で3〜5枚引いて、ばらつきの幅を見ます。 1枚だけ見て「使える」と思うと、あとで困ります。
- 絵の中の小さい文字はあてにしない。画面・看板・書類は、寄って見ると崩れています。
- 位置・大きさ・色を決めたいなら、AIに描かせない。決められないところを頼んでも、毎回ちがう答えが返ってくるだけです。
- 打ち替える予定があるなら、なおさら別で置く。引き直すと、直したくなかったところまで変わります。
AIに渡す指示のうち、どの一語が絵を決めているかを数えた話は「AIにサムネイルの背景を描かせると同じ絵ばかり出るのは、たいてい指示のせい」に書きました。 あとから文字を置くときに何文字までなら大きく出せるのかは「YouTubeサムネイルの文字数は何文字がいいのか」で実測しています。 文字の話に限らず、AI でサムネイルをつくると何ができて何ができないかは「AIでYouTubeサムネイルはつくれるのか」に1枚でまとめました。