「除外したい要素」を英語で書く前に、症状を日本語で言語化して逆引きするのが正解。
FLUXのような効かないモデルへの対処、ポジティブ見直し論まで網羅。
ネガティブプロンプトの解説記事は無数にありますが、ほとんどが「コピペ可能な一覧」を提供するだけで終わっています。本記事は、(1)日本語の症状から英語ネガティブを逆引きする独自体系、(2)モデル別の効き方の構造的な違い（SDXL は強く効く・FLUX は CFG=1 では機能しない・Midjourney は --no 構文）、(3)ネガティブを増やす前にポジティブを見直す論──この3軸で、コピペ一覧では届かない領域を解説します。
ネガティブプロンプトを正しく使うには、まずその「正体」と「誤用パターン」を理解することが必要です。多くのトラブルは、ネガティブの仕組みを誤解したまま使うことから生まれます。
ネガティブプロンプトは、画像生成AIに対して「除外したい要素」を指示するテキストです。通常のプロンプト（ポジティブ）が「描いてほしい内容」を伝えるのに対し、ネガティブは「描かないでほしい内容」を伝えます。Stable Diffusion 系のフロントエンド（Web UI / ComfyUI / Forge）では、入力欄が「Negative prompt」として分離されているのが標準です。
ネガティブの効きは CFG（Classifier-Free Guidance）の数値に強く依存します。CFG が大きいほど、ポジティブとネガティブの両方の指示が強く反映されます。SDXL / Pony 系では CFG=7 前後が標準で、ネガティブも十分に効きます。一方、FLUX.1 は CFG=1（推奨）でネガティブが原理的に機能しません。これは仕様であって、設定ミスではありません。
「detailed が足りないからネガティブに low quality を入れよう」のように、ポジティブの代わりにネガティブで対処する書き方は、しばしば誤用です。「描いてほしい品質」はポジティブで肯定的に記述する方が直接的に効き、ネガティブはあくまで「描いてほしくない要素」の除外に使うのが本筋です。役割分担を混同するとトークンが増えるばかりで効果が薄れます。
「とりあえずこれをコピペしておけば品質が上がる」という万能ネガティブセットがネット上に大量にあります。実は、これを無批判に使うと逆効果になるケースがあります。
SDXL や Pony はネガティブ側も 75 トークン単位のチャンクで処理されます。ネガティブが長すぎると、本当に効かせたい要素の優先度が下がり、結果として「除外したい要素が除外されない」状態になります。「とりあえず全部入れておけば安心」という発想は、ネガティブにおいては誤りです。
汎用テンプレには「sketches, painting, 2d, illustration」などのスタイル除外が含まれることが多いですが、アニメ調を生成したいときにこれらが入っていると、本来欲しいスタイルまで弱まります。コピペは「自分の現在の目的に対して中立な指示」を大量に追加することになり、思わぬ副作用を生みます。
コピペ一覧は「誰にでも当てはまる最大公約数」を狙うため、本当に効くピンポイントなネガティブは含まれていないことが多いです。「指が崩れる」を防ぐ extra fingers はあっても、「視線が合わない」を防ぐ cross-eyed、「2人になる」を防ぐ 2girls など、症状に応じた選択はコピペでは届きません。
本記事の中心となる、6つの意図カテゴリ別「症状 → 効くネガティブ」逆引き辞典です。失敗画像の症状を日本語で言語化して、ここから引きます。
画像生成AIが最も苦手とする領域で、ネガティブの主戦場です。「指が増える」「顔が歪む」のように具体的な症状を見極めて、そこに対応するネガティブを選びます。
| 症状（日本語） | 効くネガティブ（英語） |
|---|---|
| 指が増える・減る | extra fingers, fewer fingers, mutated hands, fused fingers, missing fingers |
| 手が崩れる | bad hands, poorly drawn hands, deformed hands, distorted hands |
| 腕・足が増える | extra arms, extra legs, missing limb, floating limbs |
| 顔が崩れる・歪む | bad anatomy, distorted face, asymmetrical face, deformed face |
| 目が変・寄り目 | cross-eyed, asymmetrical eyes, lazy eye, wonky eyes |
| 首が長い・短い | long neck, short neck, malformed neck |
ポジティブで対処する選択肢：これらはネガティブだけでなく、ポジティブに detailed hands, perfect anatomy, five fingers を入れる方が効くケースが多くあります（H2 ⑤ 参照）。
「全体的に質が低い」を漠然と防ぎたいとき、ネガティブで品質トークンを入れます。ただしモデルが標準の品質トークンを学習している必要があるため、Pony 系では別の語彙を使います。
| 症状（日本語） | 効くネガティブ（英語） |
|---|---|
| ぼやける | blurry, out of focus, soft focus, defocus |
| 低解像度 | low resolution, low res, lowres |
| ノイズ・粗い | JPEG artifacts, compression artifacts, noise, grainy |
| 全体の品質が低い（SDXL/SD1.5） | worst quality, low quality, normal quality |
| 全体の品質が低い（Pony系） | score_4, score_3, score_2 |
「1人だけ描いてほしいのに2人になる」「画面が分割される」は構造的なミスで、ピンポイントなネガティブが必要です。コピペ一覧には含まれにくいケースです。
| 症状（日本語） | 効くネガティブ（英語） |
|---|---|
| 複数人になる | multiple people, crowd, 2girls, multiple subjects, duplicate |
| フレーム枠が入る | frame, border, cropped, out of frame, split frame |
| 顔が見切れる | cropped face, out of view |
| 画面が分割される | split panel, multi panel, multiple angle, split view |
「リアルな写真を出したいのにイラスト調が混入する」「アニメ調を狙ったのに3D感が混じる」など、画風のブレを抑えるためのネガティブです。狙う方向と逆のスタイルを除外します。
| 症状（日本語） | 効くネガティブ（英語） |
|---|---|
| アニメ調が混入（実写狙い） | cartoon, anime, illustration, 2d, sketches, painting |
| 写実調が混入（アニメ狙い） | photorealistic, 3d, realistic, photo |
| モノクロになる | monochrome, grayscale, black and white |
| 絵画調が混入 | painting, oil painting, watercolor |
画像生成では「意図せず文字や透かしが入る」現象が頻繁に起きます。学習データに大量のストック写真が含まれるためで、ネガティブで明示的に除外する必要があります。
| 症状（日本語） | 効くネガティブ（英語） |
|---|---|
| 文字が入る | text, words, letters, caption |
| 透かし・ロゴ | watermark, signature, logo, copyright |
| UI 要素・ボタンなど | ui, interface, button |
「成人女性を狙ったのに幼く描かれた」「コスチュームが意図と違う」のような、属性の暴走を抑えるネガティブです。年齢系は安全配慮としても重要です。
| 症状（日本語） | 効くネガティブ（英語） |
|---|---|
| 幼くなる | child, toddler, baby, infant, kid |
| 体型が崩れる | extra body, mutated body, deformed body |
| 服装が崩れる | bad clothes, deformed clothing, distorted outfit |
当ツールでは、症状カテゴリを日本語で選ぶだけで、選んだモデル向けに最適化されたネガティブを自動付与。コピペ一覧の弊害も、毎回辞書を引く手間もありません。
⚡ プロンプトを生成ネガティブはすべてのモデルで同じように機能するわけではありません。モデルごとに「効き方の構造」が違うため、同じネガティブでも結果が大きく変わります。
もっとも標準的に効くモデル群です。worst quality, low quality, bad anatomy, bad hands, extra fingers の標準セットに加えて、Embedding の EasyNegative や bad-hands-5 を併用するのが定番です。これだけで顔・手・全体品質の大半の崩れを抑えられます。
Pony 系は他モデルと完全に違うネガティブを使います。標準ネガティブには score_4, score_3, score_2（低品質スコア）に加えて、source_furry, source_pony, source_cartoon, anthro, feral, 3d, lowres を入れます。EasyNegative は学習に含まれていないため効きません。
典型例：score_4, score_3, score_2, source_furry, source_pony, source_cartoon, anthro, feral, 3d, lowres, bad anatomy, bad hands
これらは SDXL 標準ネガティブ（worst quality, low quality, bad anatomy）が効きます。ただし学習画像のキュレーションが Pony より丁寧なため、品質トークンは Pony ほど多用しなくても安定します。シンプルな標準セットで十分なケースが多いモデル群です。
FLUX は他モデルと根本的に違う仕様で、デフォルトの CFG=1（Flux Guidance のみ）ではネガティブプロンプトがまったく機能しません。これは設定ミスではなく仕様です。CFG を 2 以上に上げると限定的に効きますが、画質と引き換えの設定になります。
FLUX の推奨戦略は「ネガティブで除外する」のではなく「ポジティブで肯定的に記述する」方向です。extra fingers をネガティブに入れる代わりに、ポジティブに natural hands with five fingers と書く方が確実です。FLUX.2 で改善が進んでいますが、原理的に同じ性質を持ちます。
Midjourney では自然文の「don't include」「without」のような否定表現は通りません。Midjourney は文章全体を「描くべき要素」として解釈するため、否定単語があっても無視されます。除外には専用パラメータ --no を使います。
典型例：cafe interior --no people, text, watermark
除外要素は3〜5個までが推奨です。多すぎると正常な要素まで除外されてしまいます。100%除外できる保証はなく、「できるだけ含まないようにする」程度の効果と考えるべきです。
自然文系の商用モデルでは、専用ネガティブ欄やパラメータがないため、自然文で「avoid 〇〇」「without 〇〇」のように言い回します。ただし DALL-E 3 のような LLM 経由のモデルは否定表現も理解できるため、Midjourney のような無視は起きません。「Please create a portrait without any text or watermarks」と書けば、ほぼその通りに動きます。
ネガティブを長くするほど安全、と思いがちですが、実はポジティブの書き方を見直す方が効くケースが多くあります。これは多くの解説記事が見落としている重要な視点です。
典型的な例が手指の品質です。ネガティブに extra fingers, fewer fingers, bad hands, mutated hands を増やしても、結果が安定しないことがあります。これに対して、ポジティブに detailed hands, perfect anatomy, five fingers を加える方が、はるかに直接的に効くケースが多くあります。
これは「描いてほしい状態を肯定的に記述する」方が、AIにとって理解しやすいためです。「ダメな手」を列挙してそれを避けさせるより、「良い手」を直接指示する方が、生成プロセスが安定します。
ポジティブに smile、ネガティブに facial expression を同時に入れると、AIが混乱します。「笑顔がほしいが表情はない」は矛盾した指示だからです。同様に、ポジティブに colorful、ネガティブに monochrome を入れるのは冗長で、ポジティブだけで十分です。
ポジティブとネガティブが正反対の領域を指している場合、どちらか片方だけにする方が安定します。両方に入れる「念のため」の発想は、トークン圧迫の害があります。
「描いてほしい属性が出にくい」場合はポジティブで強調（(detailed hands:1.3)）、「描いてほしくない属性が混入する」場合はネガティブで強調（(extra fingers:1.2)）、というように使い分けるのが基本です。自分が解決したい問題が「不足」か「混入」かで判断します。
重み付け構文はネガティブでも使えますが、過剰に使うと逆効果になります。バランスが重要です。
SDXL / Pony / Illustrious などタグ系モデルでは、重み付け構文が使えます。(bad hands:1.3) なら 1.3 倍、((deformed)) なら二重括弧で約 1.21 倍の重みになります。一重 (word) は約 1.1 倍、角括弧 [word] は約 0.9 倍です。
本当に強く除外したい要素にだけ重みを付ければ、ピンポイントで効果を高められます。
ネガティブの重みを上げすぎると、AI が「指示通りに描けなくなる」現象が起きます。(bad anatomy:2.0) のような極端な重み付けでは、本来描きたい人物まで歪んだり、生成自体が失敗（真っ黒・真っ白）したりすることがあります。重みは 1.3 程度までに抑えるのが目安です。
SDXL / Pony / Illustrious は重み付け構文が標準的に効きますが、FLUX は重み付けがそのまま文字列として解釈されるため使えません。Midjourney は :: を使った独自の重み付け構文があり、cat::2 dog::1 のように記述します。モデルごとに記法が違うので注意が必要です。
ネガティブプロンプトと並んで、画像生成プロンプトの精度に大きく影響する2つのトピックがあります。記法と語彙、それぞれの専門記事を併せて参照してください。
ネガティブで除外する英語自体が「直訳の罠」に陥っているケースがあります。たとえば「ふんわりを除外したい」と思って fluffy をネガティブに入れても、本来の「やわらかい雰囲気」とはズレた語彙です。これは「直訳の罠」と呼ばれる現象で、ポジティブだけでなくネガティブにも同じ構造で発生します。日本語の意図から学習データ語彙へ正しくマップする視点が必要です。詳細は画像生成プロンプトの「直訳の罠」を解消する方法で解説しています。
ネガティブの効き方そのものが、モデルの記法類型（タグ系・自然文系・ハイブリッド系）と密接に結びついています。タグ系では Embedding が効き、自然文系では「言い回し」が必要、FLUX では原理的に効きにくい──このモデル別の構造を体系的に整理したのが画像生成AIのモデル別プロンプト記法ガイドです。本記事 H2 ④ の概要をさらに深掘りした内容になっています。
ネガティブで「歪んだ手」や「破綻した顔」を除外しても、毎回のキャラ容姿が違ってしまっては作品の世界観が成立しません。シリーズ展開・マンガ・絵本・VTuber 配信のように「同じキャラを別シーンで何度も描く」要求には、画像生成AIでキャラクターの一貫性を保つ方法（キャラ・状態・背景を独立部品として保存する根本解決）と、マンガ・絵本で AI キャラの一貫性を保つ方法（コマごとに顔が変わる問題への具体的な制作手順）を併せて参照してください。
逆引き辞典・モデル別の効き方・ポジティブ見直し論──これらを毎回自分で適用するのは現実的ではありません。ツールに任せられる部分は任せるのが効率的です。
本記事で示した逆引き辞典は 6 カテゴリ・約 25 項目、モデル別の効き方は 17 モデル分あります。これを自分の症状に合わせて毎回判断し、選んだモデル向けに記法を整え、強調括弧を調整する──作業量は膨大です。慣れたユーザーでも、毎回最適なネガティブを組むには 5〜10 分かかります。
AI 日本語ラボの「画像生成プロンプト 日本語化ツール」では、生成したい画像の意図を日本語で選ぶだけで、選んだモデル向けに最適化されたネガティブが自動付与されます。SDXL を選べば標準セット＋EasyNegative 互換、Pony を選べば score_4 系のスコア記法、FLUX を選べば「ネガティブを使わずポジティブ強化」モードに自動切替します。完全無料・登録不要です。
日本語の症状カテゴリを選ぶだけで、SDXL/Pony/Illustrious/FLUX/Midjourney の各モデル向けに最適化されたネガティブが自動で組み立てられます。
⚡ プロンプトを生成ネガティブを完璧に組んでも、画像生成には残る課題があります。プロンプトだけでは届かない領域を整理します。
指の崩れや構図のズレなど、プロンプトレベルでは制御しきれない要素は、ControlNet（OpenPose / Depth / Canny など）で物理的に構図を固定する方法があります。これはネガティブの代替ではなく、ネガティブと併用する強力な補助手段です。
画像生成は確率的な処理なので、同じプロンプトでも結果が毎回違います。1 回で完璧な絵が出ないのは普通のことで、シード違いで 5〜10 回生成して、最良の 1 枚を選ぶワークフローが現実的です。「ネガティブを完璧にすれば 1 発で出る」は幻想です。
小さな崩れ（指1本だけ変、目線がわずかにズレる）は、再生成より Inpaint（局所再生成）の方が早いことがあります。プロンプトでの完全制御を諦めて、後工程で直す判断も重要です。完璧主義は時間効率を著しく下げます。