MidjourneyとGPT Image 2.5を比較：文字と複雑な指示への対応はGPTが優勢

PromptsrefのAI画像生成ツールで生成された12枚の画像を比較しました。Midjourney V8.2、GPT Image 2.5 Flare、Sunburstに与えた課題は共通で、花屋の女性のポートレート、紅茶の缶、二言語のポスター、4コマの物語の4つです。デザイナーやECサイトの運営者、コンテンツ制作者にとって身近な用途を想定し、どの画像が制作の出発点として使いやすいかを見ています。

今回、正確な文字、指定された物、小さな出来事の流れをきちんと描く点では、GPT Image 2.5が有利でした。Midjourneyには、表情や色、イラストのタッチに魅力があります。 どちらも素材の質感は十分に表現できています。写実性の比較でも、FlareとSunburstの比較でも、すべての項目で勝るモデルはありませんでした。

人物写真：表情はMidjourney、視線の向きはGPT

最初の課題は、夕暮れの花屋の入口に立つ年配の女性です。オレンジ色のダリアを抱え、誰もいない通りを見つめています。店内の暖かな光と、屋外の青みがかった夕方の光を同じ画面に収める指定もあり、人物と周囲の場面をどう構成するかが問われます。

Midjourneyの画像は、見るべき場所がはっきりしています。しわのある顔、オレンジ色の花、深緑の店構えが自然に視線を集めます。古びた窓枠や壁も女性の表情とよく合い、背景が人物を邪魔しません。ポートレートとしては、この1枚が最も気に入りました。

ただし、場面の意味は変わっています。女性がカメラをまっすぐ見ているため、静かに通りを眺める一場面ではなく、見る人に向けて撮影された肖像になっています。花びらも入口の段差ではなく窓台に置かれています。印象的な画像ですが、指定した瞬間は描かれていません。

FlareとSunburstは、どちらも視線の向きが正確です。Flareは通りを広く見せ、Sunburstは縦長の画面で女性と入口に絞っています。どちらも店内の暖色と屋外の寒色が明確です。一方で、女性はやや若く見え、ポーズも演出された写真に近い印象を受けます。

雰囲気や表情で人物写真を選ぶならMidjourney、花屋の女性が通りを見つめる場面が必要ならGPTの画像を選びます。 視線の向きは小さな違いですが、人物が何をしているのかという見る人の理解を大きく変えます。

商品画像：質感はどちらも良好、指定への忠実さではGPT

紅茶の缶は、マットなオレンジ色の本体、ヘアライン仕上げの銀色のふた、クリーム色の紙ラベルという指定です。ラベルにはFIELDとJASMINE TEAだけを記載し、右側には緑の葉を1枚。テーブルと背景は淡いグレーで、左上から光を当てます。

Midjourneyは、金属のハイライト、表面の質感、明暗の変化を自然に表現しています。強めのサイド光が缶を引き立て、暖色の組み合わせにもまとまりがあります。ただ、背景はピンクに変わり、葉は2枚に増え、JASMINEからアルファベットのNが抜けています。ラベルにも余分な小さな文字が入り、強い影は指定と反対の左側に伸びています。

GPTの2つのバージョンは、ラベル、葉1枚、グレーの背景を正しく再現しました。金属のヘアライン、紙の凹凸、マットな塗装の違いがわかり、缶の下の影も自然です。Flareは縦長の画面いっぱいに商品を大きく置き、Sunburstは正方形の画面に余白を残しています。後者は、商品周辺に別の情報を配置しやすい構図です。

大きく表示すると、GPTの両画像のグレーの背景には細かな質感が見えます。Midjourneyのテーブルにも粒状感があります。すっきりした背景が必要なデザインでは、この部分を確認したいところです。缶の表面では本物らしさにつながる質感も、周囲の余白では不要な場合があります。

この紅茶缶のコンセプト画像なら、GPTを選びます。 3枚とも金属の容器らしく見えますが、GPTは商品名と配置の指定も守っています。Midjourneyの画像は光や色の参考にはなるものの、ラベルと配置には手を入れる必要があります。

ポスターと文字：文言が重要ならGPTから試す

書店のポスターには、“今晚，读一本书”、“AN EVENING OF READING”、“FRIDAY · 19:30–21:00”、“免费入场 · FREE ENTRY”の4つの文字要素と、開いた本、三日月を指定しました。中国語、英語、数字に加え、情報を読みやすく配置できるかを見る課題です。

Midjourneyは本と月、落ち着いた色使いを再現しましたが、イベントの文字情報はすべて抜けています。ポスターそのものではなく、デザイナーが文字を足して仕上げるためのイラストになっています。これはフォントの好み以前に、必要な情報がないという問題です。

FlareとSunburstは、どちらも4つの文字要素をすべて描いています。目視では、目立った誤字や時刻の誤りは見当たりませんでした。中国語の見出しが最も大きく、その下に英語の副題、中央にイラスト、下部にイベントの詳細が続きます。テーマと開催時間を無理なく読み取れる配置です。

Flareは本のページの線を多めに描き、Sunburstはシンプルにまとめています。ただ、実用性に大きく関わるのは、こうした描写の差より文言がすべて入っていることです。今回の二言語のイベント告知画像では、GPTの2枚を明確に高く評価します。

Midjourneyを使うなら、イラストを生成してから文字を別に組む方法が実用的です。公式の文字生成ガイドでも短い単語やフレーズが推奨され、標準的なラテン文字が得意とされています。GPTは画像と文字を一緒に作れますが、日付や価格、名称を頻繁に変えるデザインでは、最後の文字組みをデザインソフトで行うほうが管理しやすくなります。

絵コンテ：GPTは筋を保ち、Midjourneyは重要な動作を落とした

最後は4コマの課題です。黒髪のボブで黄色いレインコートを着た女性が、片耳だけ黒い白い犬と散歩しています。雨が降り始めると赤い傘を開き、次にひざをついて犬だけを傘に入れ、自分の頭は雨にぬれます。その後、ベンチで休み、犬は女性のひざに頭をのせます。傘は最初と最後のコマでは閉じている指定です。

見るべき点は3つあります。各コマに必要な物があるか、動作が正しいか、女性と犬が同じ登場人物として見えるかです。画風がそろっているだけでは、物語が成立しているとは限りません。

Midjourneyの柔らかな色、ゆったりした線、古い紙のような質感は絵本向きです。しかし、傘は最初から開いています。3コマ目では女性と犬の両方を覆い、最後のコマでは犬と傘が消えています。黒い耳もはっきり保たれていません。犬を守るために自分がぬれる行動と、最後に寄り添う結末が失われ、物語の要点が変わってしまいました。

FlareとSunburstは、傘を開き、犬の上へ移し、最後にベンチで寄り添うという4つの場面を保っています。レインコート、ボブの髪型、黒い耳も見分けられ、指定した手描きのイラスト表現も維持しています。GPTの画像はこの物語を伝えていますが、Midjourneyの画像は途中で筋が変わっています。

GPTの画像にも調整したい箇所はあります。Flareでは前半の肩ひもが後半で不明瞭になり、Sunburstではレインコートが開いた状態から閉じた状態に変わります。女性も、指定した若い成人より幼く見えます。絵コンテの下書きとしては内容が伝わります。完成した絵本にするなら、人物の年齢感や服装の細部をそろえる作業が必要です。

シリーズ画像と表紙：Midjourneyのスタイル参照を活用する

複数の表紙で色使い、光、描画のタッチをそろえたいとき、Midjourneyのスタイル参照は、共通の方向性を持たせるための実用的な機能です。気に入った参考画像を選び、画像ごとに題材を変えていきます。

公式ドキュメントによると、Style Referenceは色、質感、画材の表現、光の特徴を引き継ぎ、重みの設定で効果の強さを調整できます。Midjourney独自の味付けが強すぎると感じたら、標準のスタイル補正を抑えるRawモードも使えます。

シリーズ制作では、何をそろえるかを分けて考えることが大切です。水彩画らしい見た目をそろえるのは画風の問題で、同じ人物や同じパッケージを保つのは被写体の一貫性の問題です。Style Referenceが扱うのは前者で、それだけで同じ顔や商品を全画像に再現できるわけではありません。

FlareかSunburstか：用途に合う構図で選ぶ

両バージョンともラベルとポスターの文言を正しく描き、物語の主な出来事も保っています。今回の画像を選ぶ際に役立つ違いは、被写体の大きさ、背景の広さ、イラストの描き込みです。

今回の画像では、どちらかを常に優先する理由はありません。 花屋なら街並みも見せたいときはFlare、女性に注目させたいときはSunburstを選べます。紅茶缶なら、縦長か正方形か、商品脇にどれだけ空間が必要かというレイアウトの条件から選ぶのがよさそうです。

次の画像制作では、どのモデルを選ぶか

正確なラベルが必要な商品コンセプト、文字入りのイベントポスター、物語をコマに落とし込む仕事なら、まずGPT Image 2.5を使います。 これらの用途では、名前、数、動作といった情報が生成時に失われないことが重要です。今回のテストではGPTがより多くの情報を保ちました。

表情のある人物写真や表紙のイラストで、ある程度の解釈を受け入れられるならMidjourneyも試す価値があります。 花屋の女性は私たちが最も気に入ったポートレートで、絵本風の線にも魅力がありました。選ぶ理由は、こうした具体的な見た目のよさです。

求めているのは雰囲気が気に入る1枚なのか、すでに決まった内容を正確に伝える1枚なのか。前者ならMidjourneyを候補に入れます。後者なら、今回の結果ではGPT Image 2.5を選びます。

---

比較方法について

2026年9月21日に生成された4つの課題について、各モデルから共有された1枚ずつを評価しました。プロンプトはリンク先の作品ページで確認できます。Midjourney V8.2は生成者が確認したバージョンで、各ジョブは4枚を要求していますが、評価対象は共有された1枚です。GPTの設定は1K、自動アスペクト比でした。サイズと構図が異なり、結論は掲載画像についてのもので、繰り返し生成した場合の平均性能を示すものではありません。スタイル参照は公式文書に記載された機能で、今回の4つの課題では使用していません。