H画像に一貫した背景を付けるには？「GPT Image2」創作補助検証

こんばんは、スタジオ真榊です。現在、主にChatGPT-5.5とCodexを使って新作催眠ADV「鬼怒川さんは催眠になんて掛からない」を制作中です。往年のBlackLilith作品のような古き良き選択肢Hノベルゲームを目指しているのですが、制作過程で漫画やイラストにも応用できそうな手法がいくつもわかってきたので、今回はそのうち、ChatGPTではどうしても断られてしまう「H画像に一貫した背景を付ける方法」についての検証結果をまとめました。

NanoBananaProの登場時もコンテンツの作り方が大きく変わったのを感じましたが、ChatGPT-5.5とCodexもまた別レベルの凄さがあり、こうしたゲーム素材が思いつく端からどんどん生成できてしまいます。

素材さえできてしまえば、ゲーム内への実装やサイズ調整などもCodex任せで簡単。PythonやJavaScript、CSSなどの知識がほとんどない文系人間の私にも、時間さえかければちゃんと遊べるオリジナルゲームが作れてしまいます。既に完成までの折り返し地点は過ぎたので、引き続き制作作業を進めながら、最新環境でできるようになったこと、まだできないことの境目を随時報告していきたいと思っています。

【注意】記事中に性行為を中心としたR-18画像が多数掲載されています。閲覧時は周囲にご注意ください。

１．GPT Image2を使った「AI背景」最前線

さて、ChatGPT-5.5に搭載された画像生成モデル「GPT Image2」の性能の高さについては、既にこちらの記事でまとめた通りです。特に漫画やゲームなどのコンテンツ制作においては、三面図や表情集といったキャラクター資料や背景の生成、そして

キャラ画像と背景を自然にミキシングできることが非常にエポックメイキングだと感じています。

以下、背景関連でGPT Image2がどんなことができるようになったかをざっくり紹介していきます。（※10枚連続生成がうまくできない場合は、下図のように「モデルを選択▶Thinking」が選択されているか確認して下さい。Instantモデルだと1枚の画像を10分割した画像になりやすいようです）

・キャラと背景のミキシング

キャラクター画像と背景画像を与えると、単なる合成ではなく自然に統一感のある画像を得ることができるのが最大の進化ポイント。ノベルゲームで言えば「立ち絵」と「背景」を準備できれば、その組み合わせで「イベントCG」を作れてしまうわけですね。

ゲーム仕様に合わせて画像のアスペクト比（このゲームでは16:9）を守ることもできますし、画風はわずかに変化するもののNanoBananaProより忠実に再現できているように見えます。

ミキシングの自由度はかなり高く、こちらの例のように、参照させたキャラ画像から表情やライティングが変わる場合でも、壁打ちしながら修正していけばなんなく作ることができます。

ただ、表情や顔立ちがキャラクターのイメージと異なっていくことはありますので、その場合はSDXLによるImg2imgやADetailerを使って画風統一を図ることになります。壁打ちするとどんどんキャラ容姿や背景が変容してしまうことがあるので、基本的に指示するたびに同じキャラ画像と背景をセットで添付するのがコツのようです。

また、キャラクターの背の高さなど、入力画像から読み取れない情報は反映されにくいので、プロンプトで補ってあげる必要があります。こちらは、前回の記事も紹介したベッドとキャラクターの縮尺が合っていない例。

これではベッドが小さすぎて横になれないので、「ベッドの大きさは大人二人が寝られるダブルサイズです」「ベッドに対してキャラクターが大きくなりすぎないように縮尺を調整してください」などと指示する必要があります。

・背景画像のtxt2img

背景画像については、詳しくテキストで説明することで、注文通りのものを作ることができます。ゲームや漫画の場合、それぞれのタッチを揃えなければならないので、このように参照画像を与えると画風を寄せてくれます。

特に指示しないと画風はセミリアルタッチになるので、リアルすぎないアニメ塗りにしたい場合は「セルシェーディング」「影は2段階まで」などと指定すると情報量の調整を行うことができます。自分の好みにあった画風で安定して生成できるChatGPT用画風プロンプトを探るのがまずは早道ですが、分からない場合は自分の理想の画像をGPT-5.5に投げて、率直に「こういう画風を画像生成で再現したいが、どのようにプロンプト指示すればいい？」と尋ねるのも有効です。

・これまでの作業を踏まえた強力なサポート

こちらは驚きの生成結果。キャラクターの服装3種と背景6種を与えてこのように指示したところ、そこまでゲームのシナリオを私と一緒に作ってきたGPT-5.5は、こんな単純な指示でシナリオ上必要と思われるイベントCGを勝手に判断して作ることができました。

このゴミ捨て場のイラストなどはほぼそのままゲームに採用できています。（顔立ちや細かな破綻はSDXLや手作業で修正しています）

・存在しない背景を創造的に補う

入力した背景と立ち絵をミキシングするだけでなく、背景部分を自由に注文することももちろんできます。これはゲームオーバー時のイベントCGを作ったところですが、ゲームオーバーに至った場面によって鬼怒川さんの服装が異なるので、5枚ずつ2パターン作ってもらっています。

いわゆる「イベントCG」はこのような形で思いついた端から作っていけるので、作ってはテストプレイし、イメージと違ったらやり直す、壊れたらCodexに直してもらう…の繰り返しでどんどんゲームが組み上がっていくというわけです。

２．問題提起と各種検証

さて、ここまででイラスト・漫画・ゲームの背景作りにおけるGPT Image2の性能の高さは伝わったことと思いますが、問題はHシーンです。

さすがのGPT Image2も、性的なニュアンスのあるtxt2img生成はもちろん不可ですし、SDXLなどで生成したH画像を一部編集する作業も断られてしまいます。Hシーンの手前までは人物と背景を一貫性を保てていたのに、Hシーンに突入したら背景なしというのはいかにもおかしく見えてしまいますので、なんとか工夫しないとなりません。

特にエロゲーの場合は、このような感じで背景と立ち絵をずっとプレイヤーに示して進行していくわけですから、細部が異なる背景や突然暗い背景にしてしまうと、没入感に欠けてしまいます。漫画の場合は、集中線やフキダシでごまかしたり、抽象的な背景にしたりしてもそこまで不自然ではないのですが…。

というわけで、Hシーンにも、ほかのシーンと同様に一貫性のある背景を付けるにはどうしたらいいかあれこれ試しました。まず、キャラクターと背景の画像は既に手元にある状態を前提に、「このキャラがこのベッドの上にいる」と自然に受け取ってもらえるようなイベントCGを作る方法をあれこれ考えてみます。

＜①SDXL生成のプロンプトで何とかできるか？＞

HシーンはSDXLやNovelAIなどで作ることが多いと思いますので、まずは、プロンプトを工夫することでなんとかこの背景と矛盾しない画像を生成できるか試しました。「white wall」や「blurry background」「bed room」「white sheet」「wooden floor」などと指示してみると、10枚に1枚くらいはなんとか矛盾しない画像が手に入ったのですが、効率があまりに悪すぎることがわかりました。

例えばここまでボケた画像でも、よくよく見てみると「このランプは部屋のどこにあったんだ？」「部屋のどっち側が映っているんだ？」ということになりますし、天井の梁のデザインも違います。右側にベッドのヘッドボードらしきものも映っていますが、背景画像と違ってウッド調ではないのでこれも妙に感じます。

「dark background」や「dark room」を使って背景を暗くし、なんとかごまかせないか、ということもやってみました。雰囲気は好みではありますが、結局色が変わるだけで根本的な問題解決にはなりませんでした。「black background」としてほぼ真っ暗にしてしまったり、抽象的なピンク背景にしてしまうこともできますが、それだと「Hシーンに正確な背景を付けるには」という前提と趣旨がズレてしまいます。

望みがありそうだったのは、roomやindoorsといった背景タグを一切使わず、「from above,ceiling」と「from below,white bed sheet」でゴリ押すパターンです。要するに「見上げているから天井しか映らない」「見下ろしているから白いシーツしか映らない」というカットにしてしまうわけですね。

これはかなり効果的で、自然でHイラストに集中できるカットになることが分かりました。ただ、これも「本当にその部屋にいる感じ」を演出できないので、問題の根本解決にはなっていませんね。全てのHイベントCGをそうする必要はありませんが、数枚くらいはちゃんと整合性の取れる絵を盛り込みたいところです。

＜②QwenImageEdit2511で何とかできるか？＞

ChatGPTやNanoBananaProが何とかしてくれないとなると、NSFW生成がOKなローカル画像編集モデルに頼りたいところです。記事執筆現在（2026年5月）で言えば、少し古いですがQwenImageEdit2511が最初に浮かぶモデルです。

QIE2511では「image1の女性の服装を、image2の水着やカチューシャに変更してください。ポーズや女性以外の部分は一切変更しないでください」といった衣装チェンジ指示や、「この画像を90度回転させてください」といった回転指示ができることがこれまでの検証で分かっています。ただし、どこまで行っても家庭用VRAMで動かすことを前提にしたローカルモデルですので、NanoBananaProやGPT Image2のような自由度の高い画像編集とまではいかないのがつらいところ。

QIE2511のbf16版を使ったワークフローで、「Hイラスト（1枚目）の白背景部分に、このベッドルーム（2枚目）を描いて」といった指示ができるかを試しました。結論から言うと、それなりに色んなプロンプトを試したのですが、全然うまくいきませんでした。

単純なプロンプトでも複雑なプロンプトでも、英語でも日本語でも、単純に2枚の画像をレイヤーで重ねてなんとか合成しようとして失敗しました、みたいな画像が出てくるばかり。しかも１枚あたりの生成に時間がかかってしまうため、全く効率的でないのです。

これなら、さきほどの「from below\from above作戦」で、シーツと天井ばかりの部屋でゴリ押ししたほうがましですね。もっと簡単な作業、例えば「コスプレHシーンで立ち絵とイベントCGの衣装の細部が違っている」といった場合に、「画像Aの衣装を画像Bにしてください」と頼むような作業ならQIE2511も活躍できるかもしれません。

＜③背景削除で何とかできるか？＞

次に試したのが、Hイラストの背景をPhotoroomで透過し、GPT Image2で生成した背景画像と自力で合成するという方法です。これは有望と思いましたが、高確率で「接地面も一緒に消えてしまう」という問題が生じました。

例えばこちらのイラストの背景に、さっきのベッドルームの背景を足したいとします。このイラストにはベッドシーツが描かれているので、シーツだけを残して白背景だけを消したいところですが、PhotoroomなどのAI背景透過では、シーツも含めて背景扱いになってしまうのですね。

よって、この画像を読み込ませると、このようにキャラクターが宙に浮いているような画像になってしまいます。まれにシーツがちゃんと残ってくれることもありますが、ほとんど安定しません。

ちなみにPhotoshopにも背景削除機能がついており、H画像の背景削除も断られませんが、こちらでやっても同じように接地面が消えてしまいます。

白背景ではなく「black background」や「green background」で生成して、白いシーツと黒い背景で分けてみるやり方も試してみましたが、これも結局同じでした。黒い背景にすると髪の毛やキャラクターの主線と混じって綺麗に背景透過できなくなりますし、グリーンバックにするとところどころ緑が残ってしまって余計汚くなってしまいます。

＜④「黒塗り法」でなんとかできるか？＞

もう一つ浅知恵を試してみました。もはやなにがなんだか分からないレベルに「黒塗り」を施してしまって、「この画像の白い背景部分にこの部屋を描いて」とChatGPTに頼んでみる方法です。

結論から言うと、これはうまくいきませんでした。あっさり意図が見破られて、ガードレールに抵触するというメッセージが出てしまいます。

これはあまりやりすぎるとアカウントBANにもつながりかねないため、黒塗り範囲を変えて数回だけ試しただけで撤収しました。画像によってはうまくいくかもしれませんが、リスキーですのであまり試したくない/すすめたくない方法です。

３．結論は「ハイブリッド法」

あれこれやっていくうちにたどり着いた現時点の結論は、ここまで試した方法のハイブリッド、つまり「いいとこどり」をするのが最も効率が良い、というものでした。ざっくり言うと、GPT Image2を使った背景バリエーションを先に用意しておき、それと合成しやすい角度のH画像をSDXLで作る…という二段構えの方法です。

・背景バリエーション作り

まずは、手元の背景画像から「壁の正面画像」を生成します。

するとこのような感じで、正確性はさておき、ある程度それらしいカットが10枚できます。

さらに、その画像のうちよくできているものを何枚か読み込ませて、このような指示をします。ベッドが描かれていない天井や床が映ったカットを、真正面ではなく少し角度をつけて描いてもらうわけです。（ベッドを外したのは、SDXL絵にシーツが映り込むので、それと矛盾させないためです）

これで、「ベッドのない背景画像」が角度別で20枚、手元に用意できました。次はこれと併せるHシーンを生成するのですが、プロンプトの一部をランダムパターン化できる拡張機能DynamicPromptを使って、「見下ろし/見上げ/水平」の3パターンで生成します。

・DynamicPromptを使ったバリエーション生成

DynamicPromptは、プロンプト欄で｛a|b|c｝という記述法をすることで、生成するごとにABCの中からランダムにタグを採用してくれる拡張機能です。例えば、｛smile|sad|angry｝と表記すれば、毎回笑顔か悲しみ顔、怒り顔のどれかが採用される仕組み。使い方などの詳細はこちらの記事を参照ください。

具体的には、H画像の生成プロンプトに on bed,white bed sheet,{from below,white wall,ceiling,|(on bed,white background, simple background:1.3)|from above,bed sheet}という文字列を入れて連続生成します。他に、背景に関するプロンプト（bed roomやnight、blurry background）は一切入れません。こうしておくと、生成される画像の3分の2は見下ろしアングルと見上げアングルになり、天井/ベッドシーツが背景になるので、ほとんど採用できるH画像になります。（※他に{pov| }も入れておくと、1/2で竿役から見た主観画像になるので、使いやすいバリエーションができます）

問題は、残る1/3の水平画像です。このやり方で生成した水平画像は、「白背景でベッド上の画像」ということになりますので、さきほどの「背景透過すると接地面ごと消えてしまう画像」となっています。それで全く構いませんので、大量に生成した中からイメージ通りにできた画像をフォルダにまとめて、Photoroomで全て透過してしまいます。（ボカシを掛けていますが、ほとんど接地面ごと背景が消えています。

＜①接地面がほとんど映っていない場合＞

ここからは場合分けです。まず、透過したH画像のうち接地面がほとんど（もしくは全く）描かれていないアングルのものについては、先ほど得られた20枚の背景カットから1枚なじみそうなものを選んで、強めにガウスぼかしをかけて角度を合わせて重ねるだけで、このような画像を得られます。

部屋の一角が入るだけで、それらしく見えるようになりました。キャンバス内に少しだけ接地面が描かれてしまっている場合も、キャラ画像を拡大すれば無問題です。上の画像は右下のスミにわずかにシーツが描かれるべき三角形がありますが、この大きさなら全く気になりません。

＜②接地面をごまかせない場合＞

一方、下図のような横からのカットで接地面をごまかせない場合は、透過前の画像と自力でミキシングします。このように、透過前の画像を上に、透過後の画像を下にした上で、接地面部分を「選択ペン」で覆います。キワのところは気を付けたいところですが、そこまで厳密でなくてもOKです。

この状態でこちらの「レイヤーマスクを作成」ボタンを押すと、選択した接地面を残して背景が透過された状態になります。あとは、先ほどと同じでこれに合う背景画像を探して「読み込み」、角度を合わせてぼかすだけです。

H画像自体がdutch angleなので、背景もこのような感じにすると自然になりそうです。

「読み込み」した画像は特殊な画像レイヤーになっていますので、位置決めができたら「ラスタライズ」した上でガウスぼかしを掛けます。こちらが完成図。かなり一貫性のある部屋感のある画像ができたのではないでしょうか。（右下のシーツのキワがおかしくなっている場合は、シーツ部分のマスク範囲をペンと消しゴムで適宜調整します）

ここからは好みですが、CLIPSTUDIOで「編集▶色相・彩度・明度」をいじって、より前景を邪魔しない色合いや暗さにしてもよいでしょう。

クリスタを使ったAI画像編集については、「画像生成AIユーザーのためのCLIPSTUDIO超入門」で詳しく解説しています。

ちなみに、全く加工しなくても、意外とそこまで不自然ではありません。GPT Image2独特の汚れ・色むらは感じられますが、それが逆に前景との差異になって良いという見方もあるかもしれません。

ガウスぼかしが画風と合わない場合は、「フィルター▶効果▶水晶」でこのような粒状ノイズっぽい効果を与えることもできます。

「フィルター▶効果▶イラスト調」を選び、処理内容を「色のみ」にすると、主線のないやんわりしたイラスト調の背景にも変換できます。背景があまり目立ちすぎるのもよくないので、ほどよく情報量は調整したいところです。

ただし、この処理では色の階調数が64以下になるため、左下のテレビ部分をみてもらうと分かる通り、もともとグラデーションだった部分に「段々」ができることに注意が必要です。

それぞれ、処理方法によって画風によって合う・合わないがあると思いますが、この方法ならかなり柔軟にH画像に一貫した背景を付けることが可能になります。どうしてもうまく前景と背景の画風がフィットしない場合は、作った画像を弱めにimg2imgしてなじませることもできます。

とはいえこれは1枚1枚手作業での合成ですから、SDXLで何百枚も生成するＨ画像全て、毎回一貫した背景を付けてもらうというわけにはいきません。そういうやり方が必要なら、GPTで作ったカットを使って「背景LoRA」を作る手もあると思いますが、SDXLの性能では家具の配置や文字などが毎回ぐちゃぐちゃになってしまうはずなので、学習の手間とメリットを比べると実用的ではないと思います。

４．「困難の分割」法

もう一つ、やや迂遠ではありますが、各ツールの得意分野と利用可能な範囲を分けて、背景合成をしやすくする方法もあります。さきほどの「黒塗り法」よりも安全な手法です。

例えば、ヒロインが先ほどのベッドに全裸で寝転んでこちらを恥ずかしそうに睨んでいるカットが必要だとします。しかし、そのままChatGPTに頼んでも規約エラーが出てしまうのは目に見えていますので、全裸ではなく着衣画像で注文します。これならギリギリ性的な感じにならないので、普通に生成することができます。

※たまにGPTくんが空気を読みすぎて（＝エッチになりすぎて）生成結果がエラーになることもありますが、プロンプトで「性的にならないように注意」とか「規約に抵触しないように」とか合わせて指示しておけばだいたいなんとかなる印象です。（10枚連続生成だと1枚でも性的だと断られるので、かえって打率が下がります）

あとはもうお分かりですね。SDXLやNovelAIのインペイント機能で、首から下を裸にしてしまうだけです。手の位置や表情など、残したい部分は塗りつぶさなければ維持することができます。

キャラクターが横になっているイラストとしてふさわしい画角の背景にさえなっていれば、あとはインペイントでなんとかできるわけですから、さきほどのようにSDXL画像を先に作って背景を合成するよりやりやすいケースもあると思います。「H画像に背景を付ける」のか、「背景画像にH画像を"後入れ"する」かの違いですね。

一発生成が難しい画像を、インペイントなどを使って複数段階に分けて作っていくやり方は、画像生成黎明期からあるスタンダードな手法です。デカルトは「困難は分割せよ」と言ったそうですが、ChatGPTだけではうまく処理できない問題はSDXLと上手に作業を分割して行うとうまくいくというわけ。

他にも、例えばHゲームのシナリオ部分にかかわるコーディングをCodexが断ってきたので、その部分のコードだけをGrokに任せてみると、割とノリノリでやってくれたとか、ChatGPTでは再現しきれない顔立ちをSDXLで補修した…みたいなケースも「困難の分割」の一種と言えるでしょう。

余談：「定点カメラ」表現について

H漫画ではよく「定点カメラ」と呼ばれる定番表現（同じ画角のベッドルームを何コマも重ねて、時計や日の落ち加減などで時間経過を示しつつ、何時間もHしている様子を描くもの）があります。スタジオ真榊で以前作った「奪妻契約」にも登場しますが、これも今紹介したのと同じ「背景先・キャラ後」のインペイント法でできています。

画像生成を使った定点カメラ表現については以前こちらの記事でも解説しましたが、いまはGPT Image2があるので背景部分の用意がより簡単になりました。

例えばこんな感じで、時間経過の表現は非常に簡単にできてしまいます。

電灯がついているかついていないかの指定もできて良い感じですね。（画面の汚れ感を処理しないといけないのは面倒ですが）

ただ、ここからSDXLインペイントでキャラクターを入れられるか？というとなかなか難しいです。体が見切れてしまったり、破綻したり、縮尺がおかしくなったりが多発するので、ここはどうしても切り貼りやサイズ調整、インペイント、手描き作業による面倒な補修が必要になります。

ちなみに、こうした遠景のインペイントのコツは、「画像全体」ではなく「マスク範囲のみ」を選び、「ノイズ除去強度１」かつNoobaiInpaintを使って生成すること。こうすると、インペイントした周辺のみが別キャンバスとして切り出されるので、破綻しにくくなります。使用プロンプトはfull bodyやfrom sideなどを使って、選択範囲にどうキャラがおさまるかを誘導してあげる必要があります。

終わりに

今回は短めのTIPS記事でしたが、ゲームにも漫画にも、広い範囲の応用ができる手法だと思います。立ち絵のTIPSでも紹介するかと思いますが、例えば胸が露出しているようなHな衣装の立ち絵バリエーションを作りたいときにも、「全年齢バージョンで生成▶SDXLで魔改造」の手法は有効です。

たとえばこんな感じで、いったんギリギリ全年齢な衣装としてChatGPTでバリエーション生成してしまうわけですね。こちらの衣装はいずれもChatGPTに考案してもらったものですが、ポーズ・表情バリエーションを作ることができました。もちろん断られることも多いのですが、プロンプトの工夫次第でかなり自由に創作の手伝いをしてくれます。

ChatGPT画像の弱点は、どうしても独特の色むらや汚れが出てしまうことと、壁打ちを繰り返すほどに劣化が進むこと。ただ、そこはSDXLによる補修がうまくできるようになっています。詳しいやり方については、こちらの記事の「検証２．粒状ノイズや色むらの修正方法」に書いてありますので適宜ご参照ください。

今後も立ち絵や背景の作り方、Codexを使ったノベルゲームの骨格、Hシーンの組み上げ方など、一つ一つのポイントごとに枝記事をアップしたいと思います。最終的には、AIを使ったエロゲーの個人製作についての大型記事「AIエロゲー制作が理解る！」（仮題）にまとめるつもりです。

毎回2万字超の大型記事ばかりになると、自分の求める情報がどこにあるか見つけにくくなりますし、書く方も読む方も疲弊してしまうので、今回のような1万字程度のTIPS/検証記事をできるだけ早くお届けしつつ、まとまったところでボリュームのある総まとめ記事（～が理解る！）にしていく良いループを目指したいと思っています。引き続き、応援よろしくお願いします！

それでは今回はこのへんで。スタジオ真榊でした。