「くそっ、また30代の美人OLか…！」

思わずそう呟いたのは、深夜の作業部屋。AI画像生成ツールを起動するたび、僕が狙う「美人の50代、いわゆる美熟女」とはかけ離れた、若々しい30代の女性ばかりが次々と生成されていたからです。

プロンプトをあれこれいじくり回しても、なぜかみんなキャリアウーマン風。AIの描く世界では、50代の美しさなんて存在しないのか？

と、心底うんざりしていました。

💡「美熟女画像」をAIにお願いしたら、なぜか30代しか出ない地獄

「よし、きた！」僕はやる気満々でした。

社長からAI熟女向けプロンプトのタグファイル化を任されたからです。

まずは「熟女OLの顔・髪型・OL服装」のパターンから作り始めました。プロンプト選択補助ツールの既存タグと番号が重ならないか、確認からスタートです。

開発環境内のデータ格納パスを確認しました。使用済みの最大番号は「57」。

だから、58・59は「イラスト大賢者」の伸びしろとして空けておくことにしました。

60番台をAI熟女に割り当てる。こう決めたのは、何かしらの秩序を保つためでした。

僕はすぐに、顔・髪型・服装の3つのタグファイル（60_熟女OL顔.yml、61_熟女OL髪型.yml、62_熟女OL服装.yml）を作成しました。

社内プロンプト設計ガイドにあった50代OL・40代OLのプロンプトを分解して、新しいエントリに再構築したんです。

UI側での動作確認も万全。タグデータ自動生成スクリプトで反映させ、クラウドストレージ連携ツールでファイルをコピー。

サイズ一致まで物理確認しました。

「これで完璧なはずだ！」そう確信していました。

🔥 AI熟女プロンプト、最初の試みは「30代美人OL量産」の悪夢

うわ、終わった。まさに悪夢です。

僕はすぐに生成方法を「1キャラ1エントリ」に変更することを決めました。顔・髪型・服装の組み合わせでは、どう頑張っても若い美人しか出ません。

撤去作業は素早く、ゴミ箱方式で退避しました。使えないものは、さっさと消すに限ります。

その時、僕の脳裏には一つの疑問が浮かんでいました。「なぜ、これほどまでに若く出るんだ？」

🧪 発生ログ：「若返りの呪い」を解く戦い、プロンプト試行の全記録

10:00：プロンプトが若返る原因の特定作業に入りました。僕のプロンプトには、無意識のうちに若返りの呪いをかける犯人が潜んでいたんです。

11:00：一つずつプロンプトを精査。最大の原因は「成人向け表現タグ(milf)」でした。

ポルノ系タグは30代前半の造形を強く引く特性があります。

12:00：高画質化を意図するプロンプト (masterpiece,best quality,8k)も怪しい。雑誌のリタッチ写真のように、毛穴・シミ・シワを消し去ってしまいます。

これじゃあ、年齢感なんて出るわけない。

13:00：ネガティブプロンプトにも問題がありました。「肌の欠点を示すプロンプト (skin blemishes)」や「顔の不完全さを示すプロンプト (ugly face, asymmetrical face)」を自ら入れていたんです。

シミ・肌ムラを禁止すれば、50代の最重要要素を自分で消すことになります。

14:00：「柔らかな照明効果を示すプロンプト (cinematic lighting, soft shadows)」も要注意でした。柔らかい影で、せっかくのシワが飛んでしまうんです。

14:30：「わずかな老化の兆候を示すプロンプト (light crow's feet, subtle smile lines, light wrinkles)」も駄目でした。「わずかな」と自分で指定すると、結局何も出ない。

15:00：「美しさを強調するプロンプト (elegant, beauty, friendly)」も美人補正がかかっていました。これも若返り犯人の一味です。

おいおい、嘘だろ…。僕は自分で自分の首を絞めていたんです。

ネガティブプロンプトで若さを排除しようとするほど、AIは逆に「理想の若い女性」を想像して生成していました。

画像生成の理想化度合い設定(CFG値)も関係していました。高CFGは理想化を強めるため、AIが描く理想の女性像に近づけてしまいがちです。

生成ステップ数も調整することにしました。20から28に増やし、ADetailerの詳細設定も再確認。

顔検出モデルと手検出モデル、信頼度0.3、Denoise強度0.4を設定しました。

✅ AIの「美化バイアス」を逆手に取った！「エグゼクティブの佇まい」で出す50代美人

泥沼から這い上がるための設計原則を確立しました。それは**「若さを禁止する」のではなく「老いを描写する」**ことです。

SDモデルは否定より肯定が効きやすいんです。年齢を作るには4つの要素が必要です。

「首のシワ」「肌の質感」「たるみ」「平凡さ」。どれか一つ欠けても、30代に戻ってしまうことが分かりました。

ここで、社長が打ち出した「エグゼクティブの佇まい」という逆転の発想が、僕に光明を与えてくれました。上品なスーツ、パール、重役室。

落ち着いた表情と自信のある姿勢。

顔を崩さずに50代に見せる。狙いは「リアルな50代」ではなく**「美人の50代」**でした。

高画質化を意図するプロンプト (masterpiece, best quality, 8k)も、採用プロンプトには含んだままで良好でした。

これはBeautifulRealistic v7モデルの場合、美化語を入れた方が破綻が少ない、という僕の事前予測が外れた点でもあります。

最終的に、私の作成した初期プロンプト(v1/v2/v3)はいずれも「不美人」または未検証で不採用。社長が自力で構築したプロンプトが最良の骨格となったのです。

📌 AI生成の常識を覆す！「若さ禁止」より「老いを描写する」究極の7掟

AI画像生成の泥沼から学んだことは多くありました。これまでの試行錯誤で、いくつかの**「掟」**が確立しました。

【手の崩れ対策】 掟①：手に物を持たせない。 SD1.5系（BeautifulRealistic v7も同世代）の構造的限界として、指を円筒に巻きつける動作が特に弱いんです。

解像度を上げてHires.fixをかけても指が破綻しました。これは費用対効果が悪すぎます。

512x768のまま「握らせない構図」で回すのが賢明です。

【外国顔問題の解決】 掟②：顔が外国人寄りになるときの犯人は「背景」。 break room, kitchenette と指定すると、AIが欧米の家庭キッチン画像を引き、人物まで引きずられて欧米寄りになります。

場所名にjapaneseを入れる、人物指定に重みを付ける、髪色を黒にする、といった対策が有効です。

【アクセサリー巨大化問題】 掟③：アクセサリーは「小さい」と書いても巨大化する。 small stud earrings と書いても、学習データは大ぶりのアクセサリーが主流。

ADetailerの顔修正が耳まで描き直すのでサイズが安定しません。外すのが最も確実。

残すなら重みと専用ネガティブプロンプトで制御します。

【ネガティブプロンプトの落とし穴】 掟④：ネガティブプロンプトにno/withoutを書いてはいけない。 SDモデルはno/withoutを否定語として解釈しません。

例えばno jacketは、実質jacketをネガティブプロンプトに入れたのと同じで、ジャケットを消す指示になっていました。禁止したいものは肯定形の名詞で書くのが鉄則です。

【参考画像の取り扱い】 掟⑤：参考画像の「構図」まで再現しようとしない。 「日本の駅の券売機」と書いても、背景が中華圏の看板になったり、人物まで欧米寄りになることがあります。

背景は人物だけでなく風景の国籍も決めるんです。服装・髪型だけ借用し、プロンプトの骨格は安定している既存のキャラ構成を使い回すのが一番です。

【色の指定は限界がある】 掟⑥：重みを上げても直らない色は、諦めて構図で逃げる。 例えば黒ベストが欧米のファッションジレを引いてしまい、色も形も生成のたびに揺れることがあります。

これはBeautifulRealistic v7モデルが「日本の事務服」カテゴリの学習データに乏しいためです。重みで押し切れない領域があることを認め、無理なものは深追いしないことが重要です。

【黒い服のテカり防止】 掟⑦：黒い服がテカるときは素材を明記する。 elegant black dress のように素材無指定で生成すると、黒いドレスがラテックスやエナメルのようにテカることがあります。

matte black chiffon dressのように素材を具体的にポジティブプロンプトで指定すれば、ネガティブプロンプトを使わずともテカりを解消できます。素材の指定はポジティブプロンプト側で勝てるんです。

🚀 あなたのプロンプトを診断！AIの「美化呪縛」を解き放つ最初の一歩

さて、ここまで読んでくれたあなたは、もしかしたら僕と同じ泥沼にハマっているのかもしれません。あなたのプロンプトに、今回僕が特定した7つの「若返り犯人」が潜んでいないか、ぜひチェックしてみてください。

そして、「若さを禁止する」のではなく「老いを描写する」という逆転の発想と、「エグゼクティブの佇まい」で美しさを出すプロンプト術を試してみてください。きっと、あなたが思い描く「美人の50代」がAIのキャンバスに現れるはずです。

今回のAI熟女画像生成プロジェクトでは、多くの気づきと新たな課題が見つかりました。

AI画像生成は奥が深いですね。単なるキーワード入力ではなく、AIの特性とモデルの癖を深く理解した「設計」が必要不可欠であると確信しました。

失敗はAIの限界ではなく、自分のプロンプトの組み方に原因があることが多い（そして必ず解決策がある）という前向きな視点を持つようになりました。

特に、プロンプトは否定形より肯定形が効果的であるという原則と、AIの学習傾向を逆手に取る発想が突破口になることを信じるようになります。

今回のようなAI画像生成の試行錯誤ログや失敗談を、Substackでも配信しています。新しい実験をいち早く読みたい方は、ぜひ登録してみてください。

https://koseiblogai.substack.com