gpt-image-2で既存画像を編集する｜マスク・インペイント・バリエーション【2026】

画像編集は、AIワークフローが「魔法」から「本物のインフラ」に変わる地点です。テキストプロンプトからゼロで画像を生成するのは派手ですが、実務で本当に必要なのは「すでにある画像の1箇所だけを変えること」です。商品写真の背景を差し替える。左手のコーヒーカップを紅茶カップに置き換える。1:1キャンバスを9:16に拡張する。他はすべて同一のままに。

ここがgpt-image-2の編集エンドポイントの仕事で、DALL·E 3と比べて明確に進化しています。この記事は実務ハンドブックです: マスクの仕組み、インペイントプロンプトに書くべきこと、バリエーションを使うべき場面、プロンプトベースのGeminiルートが合う場面。Adpictoの編集経路と `IMAGE_EDIT_PROVIDER` 環境変数フラグについても、プロダクションツールの実配線として触れます。

マスクやモード選択の説明に入る前に、この生成パイプラインが実際にプロダクションで出している実例を見てください。この記事用に作ったデモ素材ではなく、Adpictoが実際に使っているマーケティング素材そのものです。

念のため正確に言うと、これはマスクを使った編集ではなく、そのままの生成です。後半で扱うインペイント・アウトペイントの技法のデモではなく、同じ生成パイプラインが出す品質の参考としてご覧ください。

TL;DR

• インペイント（マスク領域編集）: 画像、変更領域を示すマスク、その領域が何になるべきかのプロンプトを送る。gpt-image-2はマスク内のみを再生成し、他はそのまま
• バリエーション（変更付き再生成）: 画像と変更内容のプロンプトを送る。明示的なマスクなしで、モデルが保持する領域を判断。原画像に近い新画像を出力
• アウトペイント（キャンバス拡張）: 拡張すべき領域を透明にした画像を送ると、モデルが原画像と整合する形で埋める
• マスクの書式: 白 = 編集、黒 = 保持。多くのAPIはアルファチャンネル付きPNGを受け付け、透明ピクセル = 編集、不透明 = 保持
• Adpictoのアプリ内編集はプロンプトベース: 元画像と変更内容の説明を送る形です。デフォルトの編集プロバイダーはOpenAIのgpt-image-2で、`IMAGE_EDIT_PROVIDER=gemini` のときだけGeminiへ切り替わります。広いモデル選択の考え方はマルチモデル戦略記事参照

ピュア生成より画像編集のほうが重要な理由

テキスト→画像のピュア生成は派手なデモです。実際のコンテンツワークフローでは、すでにある画像の編集に最も時間を使います。

• 商品ショットは完璧。でも背景が来月の季節パレットと合わない。背景を入れ替え、商品は保持
• チーム写真に5人いて、1人退職した。その人を消して、構図は保持
• ヒーロー画像が1:1だけど、LP用に16:9が欲しい。主役を保ったままキャンバスを拡張
• AI生成画像はほぼ正解だけど、マグのロゴが違う。ロゴ領域だけ置き換え、他はすべて保持

ピュアな再生成（「ゼロから新しい画像をプロンプトで」）は遅くて高くて、細かい制御が効きません。編集は精度: 触るべき部分だけ触り、他は残す、が可能になります。

gpt-image-2の編集エンドポイントの仕組み

gpt-image-2はOpenAI Images API経由で主要3編集モードを公開しています。

1. インペイント（マスクベース編集）

最も強力なモード。送信するもの:

• 入力画像（編集対象の元画像）
• マスク（多くはPNG。透明または白のピクセルが編集領域を示す）
• プロンプト（マスク領域が何になるべきか）

マスク領域のみを再生成し、非マスク領域はピクセル安定で保持します。背景入れ替え、オブジェクト置換、特定要素の修正で、他を乱さずに処理できます。

マスク準備、マスク領域プロンプト、クリーンアップパスをより細かく詰めたい場合は、gpt-image-2インペイント実務ガイドをご覧ください。

2. バリエーション（誘導付き再生成）

送信するもの:

• 入力画像
• 変更内容のプロンプト（任意）

モデルは、記述された変更が適用された、原画像に近い新画像を出します。マスクなしで、モデルが保持領域を判断。セットアップは速いが精度は低い。「少し暖かく」「夕方の雰囲気に」「もっとミニマルに」には向く。「左の靴だけを赤に」には向きません。

3. アウトペイント（キャンバス拡張）

送信するもの:

• 境界が透明な入力画像（例: 1024 × 1024のオリジナルが1024 × 1920キャンバスの中央に配置され、上下が透明）
• 拡張領域に何が入るかのプロンプト

モデルは透明領域を原画像と整合する形で埋めます。正方形の商品ショットを9:16ストーリー背景に変換するのに使えます、撮り直しなしで。

マスク書式: 全員がつまずく部分

マスクは大半の人が最初につまずくところ。gpt-image-2の規約（OpenAI Images API全般と同じ）は、知ってしまえば簡単です。

• 透明（アルファ = 0）= 編集する領域
• 不透明（アルファ = 255）= 保持する領域

実務的には、マスクはアルファチャンネル付きPNGです。再生成したい部分が透明、保持したい部分が完全不透明。

実務でのマスク作成:

• 元画像をFigma・Photoshop・アルファ付きPNG書き出しができるツールで開く
• 画像レイヤーを複製
• 編集領域を選択（背景、オブジェクト、人物など）
• 複製レイヤー上で、選択領域以外を消す — 同等に、編集領域だけ透明で、それ以外はすべてソリッドにマスク
• PNGで書き出し

商品背景入れ替え: 商品を不透明、背景を透明。「この人物を消す」編集: その人物を透明、他全員を不透明。

マスク解像度は重要。マスクは入力画像と同ピクセル寸法にすること。不一致の場合、プロバイダーごとに挙動が未定義 — 拡大するもの、縮小するもの、拒否するものが混在。常に寸法を揃えてください。

マスク指示を含む、コピペで使える12のプロンプトテンプレートはgpt-image-2の文字・レイアウト指示プロンプト12型にまとめています。

インペイント型1: 商品背景の入れ替え

古典的ユースケース: ごちゃごちゃの背景の商品写真を、フィード投稿用にブランドパレットに載せ替える。

ワークフロー:

• 入力: 商品写真（1024 × 1024）
• マスク: PNG（1024 × 1024）、商品のシルエットが不透明で、背景が透明
• プロンプト: "Replace the background with a soft cream linen surface, gentle natural window light from the left, editorial product magazine style, subtle diffused shadow beneath the product. The product itself must not change."

効くフレーズ:

• "The product itself must not change."（商品自体は変更不可）。gpt-image-2はマスク領域のエッジに編集が染み出すことがあります。この1文で抑制（排除ではない）
• "Subtle diffused shadow beneath the product."（商品下の微かな拡散影）。影を要求しないと、新背景が下手な切り抜き合成に見えます。影を要求することで被写体が接地します
• ブランドリファレンスにライティングとパレットを合わせる。ブランドがウォームなテラコッタとクリームを使うなら、クール青背景を出してからグレーディング補正、はNG

インペイント型2: 単一要素の差し替え

例: AI生成ヒーロー画像が完璧。ただ被写体が持つマグに「COFEE」（スペルミス — AIの典型的失敗）と書かれている。マグだけマスクして再生成。

ワークフロー:

• 入力: ヒーロー画像（1080 × 1350）
• マスク: マグ領域だけ透明、それ以外すべて不透明のPNG
• プロンプト: "A plain ceramic cream-colored coffee mug, held in the same position as shown, with no text or typography on it, matching the warm afternoon lighting of the scene."

効くフレーズ:

• "Held in the same position as shown."（画像と同じ位置で保持されている）。既存の手のポーズを尊重させる
• "No text or typography on it."（テキスト・タイポグラフィなし）。スペルミスラベルの位置に文字化けを生成させない
• "Matching the warm afternoon lighting of the scene."（シーンの暖かい午後光に合わせる）。新要素を既存ライティングに接続

この種の単一要素置換は、まさにインペイントが輝く領域。1箇所修正、それ以外は元画像とピクセル同一、です。

バリエーション型: 季節パレットシフト

構図をやり直さずに全体ムードを変えたい場合、バリエーションのほうがマスク編集より速い。

ワークフロー:

• 入力: 既存ヒーロー画像
• プロンプト: "Apply a deep winter palette — cool charcoal, deep navy, and soft silver highlights. Keep subjects and composition identical; only the color grading and lighting tone should change."

バリエーションは厳密な編集というより「誘導付き再生成」。原画像に似つつ、記述された変更が適用された画像が得られます。ただし細部はずれる可能性あり。バリエーションを使うべきとき:

• パレットかムードのシフトであって、特定のオブジェクト変更ではない
• 変更がグローバル（カラーグレーディング、時刻、季節）
• コンセプトを反復中で、非ターゲット領域のピクセル完全保持が不要

バリエーションを使うべきでないとき:

• 特定要素を変更し、他はピクセル安定にしたい
• 画像にテキストやロゴが含まれ、再生成してはいけない
• 被写体の正確なポーズや位置が重要

アウトペイント型: ストーリー用に1:1→9:16

美しい1080 × 1080正方形の商品ショットがある。ストーリー用に1080 × 1920の9:16が必要。撮り直さないでください。

ワークフロー:

• 1080 × 1920の透明キャンバスを作り、中央に1080 × 1080画像を配置
• 結果: 中央3分の1が原画像、上下3分の1が透明のPNG
• プロンプト: "Extend the scene vertically, maintaining the same warm-cream linen surface, soft natural window light from the left, and overall editorial mood. Include subtle surrounding context (a small ceramic plate partially visible in the lower third, a faint soft background shadow in the upper third) without competing with the central product. Matching palette."

効くフレーズ:

• "Extend the scene vertically, maintaining..." 拡張を既存スタイルにアンカー
• "Without competing with the central product." 拡張領域が第2の焦点にならないよう抑止
• 具体的な小要素（「一部だけ見える陶器の小皿」）をモデルに与えることで、汎用・空な出力を減らす

アウトペイントは実務で最も撮り直し時間を節約する領域。クロスプラットフォームキャンペーンは必ずリサイズが発生するので、アウトペイントは「9:16必要?」を別仕事から、焦点の定まった再生成に変えられます。

gpt-image-2が編集エンジンとして適する場面

gpt-image-2の編集が光るのは:

• マスクベースの精度が必要。OpenAI Images APIはマスクサポートが一級市民。プロンプトのみの参照アプローチより、モデルはマスク境界を厳密に尊重します
• 入力に高精度リファレンスがある。gpt-image-2は入力画像を自動で高fidelity処理し、商品ディテール、テクスチャ、細部を編集を通じて保ちます
• Proティア投稿の編集。キャンペーンの主役、ローンチ告知、プレス画像など、コストより質が勝つ面。そのティアで編集あたりのコストは受容可能

gpt-image-2の編集の制約も知っておくべき:

• 編集結果の透過出力なし。編集領域が透明であるべき場合（単独商品をアルファ上に）は、後工程で背景除去が必要
• 対応アスペクト比の範囲がNano Banana 2より狭い。変則的な入力寸法で、編集エンドポイントが時々失敗または暗黙のパディングをする
• 生成時間は実在する。複雑な編集はプロンプトだけの変更より待ち時間が長くなることがあります。UX設計を合わせる（ストリーミングプレビューあり・フリーズしたスピナーは不可）

Nano Banana 2にルーティングするべき編集

Nano Banana 2（Google `gemini-3.1-flash-image` / Vertex AI）は編集ワークフローを異なる方法で扱います — 明示的マスクよりプロンプトベースの参照に依存。ワークフローによっては強み、他では制約。

編集でNano Banana 2を選ぶ場面:

• プロンプトベースのバッチ編集。厳密なマスク精度が不要なら、手作業でマスクを作るより参照画像へのプロンプト編集のほうが準備しやすい場面があります
• 画像内テキストを保持または追加する必要。Nano Banana 2は画像内テキストが明確に優秀、特にCJKスクリプトで。詳細はCJKテキスト描画ガイド参照
• 4K出力。Nano Banana 2は4Kネイティブティア。編集結果が有料広告やLPヒーローにもなる場合、後処理のアップスケールが不要
• マスク準備したくないプロンプトベース編集。「もっとミニマルに」「冬の雰囲気に」「シーンに微かな雪を足して」などピクセル精度不要の編集はNano Banana 2で速くセットアップ

Adpictoのアーキテクチャはこれを明示しています: `resolveEditProvider()` はデフォルトでOpenAI/gpt-image-2へ編集をルーティングし、`IMAGE_EDIT_PROVIDER=gemini` のときだけGeminiへ切り替わります。ユーザーから見るアプリ内編集は、マスクファイルを別途アップロードする形ではなく、元画像に対して変更内容を記述するプロンプトベースの経路です。

バリエーション vs インペイント: 選び方

決定木:

• 変えたい特定領域があり、他はピクセル安定にしたい? → マスク付きインペイント
• 全体ムード・パレット・時刻を変えていて、特定要素ではない? → バリエーション
• キャンバス拡張? → アウトペイント（新領域をマスク領域とするインペイント）
• 「この構図で別のことを試す」探索? → バリエーション、出力をコンセプト起点として扱い、最終ピクセルとしない

迷ったらインペイントから。不要な精度は安く、欠けた精度は再編集代です。

よくある編集の間違い

マスクを緊密にしすぎる。被写体エッジでマスクをぴったり切ると、モデルに編集のブレンド余地がなくなります。マスク周囲に5〜10pxのフェザーを残し、自然なブレンドに。

プロンプトが汎用すぎる。「背景を変えて」は曖昧すぎ。「柔らかなクリームリネン表面、左からの自然な窓光、商品下の微かな拡散影」で実効的。足りないより過剰に具体化してください。

保持するものを記述しない。「The product itself must not change」「Keep the subject's pose and expression identical」がモデルにマスク外境界を尊重させます。

インペイントが必要な場面でバリエーションを使う。バリエーションはドリフト — 「近い感じ」だがピクセル安定ではない結果が得られます。クライアント向け商品作業やブランドに決定的な画像では、常にマスク付きインペイントを優先。

原画像と編集領域のライティングが合っていない。原画像が暖かい午後光でプロンプトが「明るい冷たい朝光」なら、編集領域が衝突します。ソースと整合するライティングを記述。

出力フォーマットを軽視。編集の入力とマスクは、常にターゲット出力と同寸法で書き出し。不一致は暗黙失敗やパディングアーティファクトを生みます。

実務ワークフロー: ECチームの1週間の編集

ECチームでは、たとえば次のようなワークフローにできます。

月曜: 計画

• 編集が必要な画像を洗い出す。季節パレット用の背景差し替え、商品要素の置換、既存ショットのキャンバス拡張などに分ける

火曜: マスク

• ピクセル単位の制御が必要な編集だけマスクを作る。それぞれを寸法一致のアルファ付きPNGで書き出す

水曜: 生成

• マスクベース編集はOpenAI Images APIのワークフローで実行する。マスクアップロードが不要な元画像編集は、Adpictoのアプリ内プロンプトベース編集を使う
• 出力をレビュー。保持領域が動いたもの、またはマスク領域の指示に合わないものは再実行する

木曜: タイポ配置 + 出荷

• 確定した編集をCanvaに投入し、オーバーレイテキスト、最終ブランドタイポのパス、Instagramフィード、ストーリーズ、Facebook、商品ページの正しい寸法で書き出し

これがコンテンツカレンダーの中でどう位置づけられるかは、AI Facebook画像ガイドとビジュアルコンテンツマーケティング戦略を合わせてご覧ください。

1箇所変えたいだけなのに毎回ゼロから再生成するのに疲れた? Adpictoを無料で試す — クレジットカード不要、無料プランで月5枚のAI画像生成。

時間節約は「編集」で起きる

ピュア生成はAI画像ツールを売るパーティートリック。編集はそのスタックに残り続けるワークフローです。マスク、インペイント、アウトペイントに慣れると、実務の時間節約の多くはこのループから来ます。

• ベース画像を生成（または既存のものを使う）
• 間違っている1つを編集
• 出荷

新規生成からのチェリーピックに比べ、編集はピクセルレベルの制御、速い反復、ブランドアセットの一貫再利用を与えます。直接APIを使うワークフローでは、gpt-image-2はマスクベースの精度で強い選択肢です。Adpictoの現在のアプリ内編集では、gpt-image-2がデフォルトのプロンプトベース編集プロバイダーで、デプロイ側が `IMAGE_EDIT_PROVIDER=gemini` を設定した場合にGeminiへ切り替わります。