GPT-Image-2は日本語の文字がきれい？料金と使いどころ【2026】

「AIで画像は作れるけど、日本語の文字を入れると崩れる」——チラシやSNS画像を自社で作ろうとして、ここで諦めた中小企業は多いはずです。2026年4月にOpenAIが公開した画像生成モデル GPT-Image-2（ChatGPT上の名称は「ChatGPT Images 2.0」）は、まさにこの弱点に手を入れたモデルです。

この記事では、OpenAIの公式ドキュメントで確認できた仕様・料金・公式自身が認めている限界を整理し、二次情報（各社報道や第三者検証）とは明確に区別して書きます。そのうえで、中小企業が実務のどこまで任せていいのかを判断できるようにします。

結論：日本語の文字入り画像はAIで実用段階に入った（ただし条件つき）

先に結論を書きます。GPT-Image-2 によって「日本語の文字を含む画像」は、初稿を任せられる水準まで来ました。ただし「最終版をノーチェックで印刷に回せる」水準ではありません。

根拠は3つです。第一に、OpenAIは Introducing ChatGPT Images 2.0（OpenAI公式発表） で日本語・韓国語・中国語・ヒンディー語・ベンガル語といった非ラテン文字の高精度な描画を打ち出しました。第二に、API料金は公式ガイド上で 1枚あたり $0.006〜$0.211（品質と解像度による）と示されており、試すコストが極めて低い。第三に、それでも公式ドキュメントは「大幅に改善されたが、正確な文字の配置と鮮明さについてはまだ苦戦することがある」と明記しています。

つまり実務的な立ち位置は「デザイナーに渡す前のたたき台を10分で作る道具」です。ゼロから外注していた工程の前半を自社に取り込める、という変化だと捉えるのが正確です。

GPT-Image-2とは：何が変わったのか

「考えてから描く」画像モデル

最大の変更点は、生成の前に推論（thinking）の工程が入ったことです。OpenAIヘルプセンターは Images in ChatGPT（OpenAIヘルプセンター） で、考える時間を与えると「画像を出力する前に計画し、内容を練り直せる」と説明しています。従来の画像生成は、プロンプトを受けて一気に描画するだけでした。GPT-Image-2 はレイアウトや文字の内容を先に組み立ててから描画に入ります。

文字が崩れる原因の多くは「描きながら形を思い出している」ことにありました。先に何をどこへ置くかを決める工程が入ったことが、密なレイアウトや長い文章の描画精度に効いている、というのが各社報道の共通した見立てです。MacRumors「OpenAI Launches ChatGPT Images 2.0 With Thinking Capabilities and Better Text Rendering」も、思考機能を備えた初の画像モデルである点を最初に挙げています。

なぜ日本語の文字だけ崩れていたのか

そもそも、これまでの画像生成AIで英語のロゴは読めるのに日本語は崩れた理由は、日本語という文字体系の性質にあります。

拡散モデル系の画像生成は、ノイズから画像を「にじみ出させる」方式でした。この方式では、画数が多く形の似た文字が並ぶ日本語は、途中の曖昧な状態から正解の字形に収束しづらい。実際、GPT-Image-2 より前の世代では「売上レポート」が「売上レポ〒ト」のような存在しない疑似漢字になる崩れ方が典型でした。

GPT-Image-2 が入れた「先に計画してから描く」という工程は、この問題に直接効きます。何の文字を、どの順で、どの領域に置くかを決めてから描画するため、字形をその場で当てにいく必要が減るわけです。

解像度・入力仕様（公式ドキュメントで確認できた範囲）

ここは日本語の解説記事で正確に書かれていないことが多い部分です。OpenAI公式の画像生成ガイドによれば、GPT-Image-2 は決まった数種類のサイズではなく、条件を満たす任意の解像度を受け付けます。

ここで押さえておきたいのは「4Kが出せる＝4Kで運用していい、ではない」という点です。公式が2560×1440超を実験的扱いにしている以上、印刷用の大判データを毎回このモデルで作るのは現時点では設計として弱い。A4チラシなら、AIで構図と文字を確定させ、最終出力は別工程で作る方が安全です。

また、モデル名（スナップショット）は gpt-image-2-2026-04-21 で、リリース日が2026年4月21日であることはこの名称からも確認できます。APIの無料枠は用意されておらず、Tier 1で毎分5枚、Tier 5で毎分250枚という段階的なレート制限が設定されています。大量生成を前提にするなら、この上限を先に確認しておくべきです。

日本語の文字はどこまできれいに出るのか

できるようになったこと

公式発表を伝える VentureBeatの報道は、インフォグラフィック・スライド・地図・マンガといった「文字とレイアウトが本体」の成果物を挙げています。また日本語ポスターにラテン文字の商品名を混ぜるような混在表記が扱えるようになった点が、従来モデルとの決定的な差だと整理されています。

第三者による日本語検証でも、天秤AIメディアの検証記事が、5段階の日本語業務フロー図がそのままスライドに入れられる水準で描画された、街並み写真の中の「珈琲店」「止まれ」といった看板・標識の日本語が正しく出た、といった結果を報告しています。ひらがな・カタカナ・漢字が混在する長文でも崩れがほぼ消えた、という評価です。

実務の感覚で言い換えると、次のような依頼が通るようになったということです。

• 「上部に『夏の感謝セール』、中央に『全品20%OFF』、下部に日付と店名を入れたA4縦のチラシ」といった文字指定つきの構図依頼
• 業務フロー図・比較表・手順図など、文字が意味を持つ図版のたたき台
• 日本語と英語が混ざるロゴ入りバナー、商品名だけ英語のPOP

まだ苦手なこと（ここを飛ばすと事故る）

「99%の精度」といった数字が独り歩きしていますが、OpenAI自身は限界を明記しています。公式ガイドの記載は次のとおりです。

大幅に改善されたものの、モデルは依然として正確な文字の配置と鮮明さに苦戦することがある（OpenAI公式 画像生成ガイド）

同ガイドは他にも、生成に最大2分程度かかる場合があること、複数回の生成をまたいで同じ要素を保つのが不安定な場合があること、指示追従が改善しても構図の細かい制御は難しい場合があることを、既知の制約として挙げています。ここは他の日本語解説記事がほとんど触れていない部分です。

また、第三者検証やSNSで出回るのは成功例に偏りがちだという点も踏まえておくべきです。前掲の日本語検証記事も成功事例が中心で、縦書き対応や極小文字の限界についての明示的な検証は行われていません。「うまくいった例が出回っている」ことと「自社の用途で毎回うまくいく」ことは別です。導入判断の前に、自社が実際に作りたい原稿で5〜10枚試すことを強くおすすめします。

これを実務の言葉に翻訳すると、以下は今も人が直す前提で考えるべき領域です。

• 小さい文字（注意書き・法定表記・電話番号・URL）：可読性は上がったが、1文字違えば事故になる情報をAI描画のまま出すのは危険。数字と連絡先は必ず目視照合する
• 長文の本文：段落単位で描けるようになったが、文字数が増えるほど誤字・脱字・改行位置の破綻リスクは上がる
• 縦書き：日本語特有の組版で、公式ドキュメントに保証の記載はない。縦書きが必須なら別工程で文字を載せる前提にする
• 指定フォント・ブランド書体：「ゴシック体で」程度の指示は効くが、特定の企業フォントを再現させることはできない
• 同一デザインの量産：複数生成をまたいだ一貫性は不安定。シリーズものは1枚を確定させてから編集で展開する

日本語の精度を上げる指示の型

失敗の多くはプロンプトの書き方に原因があります。実務で効くのは次の4点です。

1. 描かせたい文字列を鉤括弧で明示する。「セールのチラシ」ではなく「見出しに『夏の感謝セール』と入れる」と、文字列そのものを渡す
2. 位置と役割をセットで指定する。「上部＝見出し」「中央＝訴求」「下部＝日付・店名・電話」のように領域を分けて書く
3. 文字数を絞る。1枚に載せる日本語は要素ごとに短く。長文本文はAIに描かせず、後から載せる設計にする
4. 1回で完成させようとしない。まず構図とレイアウトを確定させ、次に文字を直す、という2段階で指示する

実際に貼って使えるチラシ用の指示文は、次の形が安定します。要素を箇条書きで渡し、文字列を確定させるのがポイントです。

A4縦のチラシを作ってください。テイストは清潔感のある和モダン、配色は紺と白と金。／上部の見出し：「開店10周年 感謝祭」／中央の訴求：「全品20%OFF」／下部に小さく：「2026年8月1日(土)〜8月10日(日)／〇〇商店／TEL 03-0000-0000」／指定した文字列は一字一句そのまま描画し、それ以外の文字は画像内に入れないでください。人物は入れず、商品と背景のみで構成してください。

最後の2文が効きます。「指定した文字以外を入れない」と明示しないと、AIは余白を埋めるために意味のない日本語や英語を勝手に描き足します。この一文があるかないかで、修正回数が目に見えて変わります。人物を除外する指定も、肖像権まわりのリスクを最初から避けるうえで有効です。

画像生成そのものが初めてであれば、無料ツールの選び方から解説した無料・初心者向けのAI画像生成の始め方を先に読むと、この記事の内容が実行しやすくなります。

料金と使い方（ChatGPT / API）

ChatGPTから使う場合

OpenAIヘルプセンターによれば、ChatGPT Images 2.0 は全てのChatGPTプランで利用できます。ただし前述の「考えてから描く」モード（images with thinking）は有料プラン向けで、Plus・Pro・Businessで提供、Enterprise・Eduは順次提供とされています。無料プランにも生成回数の上限がありますが、具体的な枚数はプランや時期で変動し、公式に固定値として明示されていません。

実務判断としては、チラシやバナーの文字精度を求めるなら有料プランが前提です。思考モードなしの高速生成は、ラフ案の量産には向いても、文字を確定させる用途では期待値が下がります。

API料金（公式ガイドの1枚あたり目安）

APIはトークン課金ですが、公式ガイドは代表的なサイズについて1枚あたりの目安を示しています。

注目すべきは、正方形より縦長・横長の方が安いケースがある点です。公式ガイドも「同じ品質設定なら、大きな非正方形の解像度が、小さい正方形より少ない出力トークンで済むことがある」と明記しています。チラシやバナーは元々縦長・横長なので、実務上はこの表の右2列が効いてきます。

コスト感を掴むと判断が早くなります。medium品質の縦長画像なら1枚あたり約6円（$1=150円換算）。ラフ案を20枚出しても120円程度です。デザイン外注の見積もりを取る前に、社内で20案作って方向性を決めてから発注する、という進め方が現実的なコストで成立します。

AI画像を含めて「社内の誰が、どの業務で、どこまでAIを使うか」を決める段階でつまずく会社は少なくありません。Mihataでは月1回のミーティング形式で、こうした線引きと定着を一緒に進めるAI導入支援を提供しています。まず自社の使いどころを整理したい方はご相談ください。

他の画像生成AIとの比較

比較対象として現実的なのは、Googleの Nano Banana 系（Gemini画像モデル）です。両社の公式ドキュメントで確認できた事実だけを並べます。

料金だけ見ると、低品質帯では GPT-Image-2 が圧倒的に安く、高品質帯では Google側が安い、という逆転が起きます。「大量にラフを出す」ならGPT-Image-2、「高解像度で確定版を数枚」ならNano Banana系、という使い分けが料金表から素直に導けます。

性能評価については、二次情報として扱うべきものが混ざっています。LMArena系の画像リーダーボードで GPT-Image-2 が首位を取り、Nano Banana Pro に対して +242 という大差をつけたと報じられています。また第三者検証では、テキスト描画・図解の論理的正確さで GPT-Image-2 が優位、一方で人物のリアルさ・複数参照画像の一貫性・コストではGoogle側に分があると評されています（Analytics Vidhya「Is GPT Image 2 the Best Image Generation Model?」）。いずれも公式が保証した数値ではないため、自社の用途で必ず試してから決めてください。

モデルの世代交代は速く、この比較も数ヶ月で変わります。今後のリリース予定を追いたい方は2026年後半のAIモデル動向まとめを、テキスト側のモデル選定はGPT-5.6の日本での使い方とモデルの選び方を参照してください。

中小企業の実務での使いどころ

向いている用途と、向いていない用途

失敗しない5ステップ

1. 用途と仕上がりサイズを先に決める。A4印刷なのかInstagram正方形なのかで、必要な解像度も品質設定も変わる
2. 載せる文字を先に確定させ、テキストで書き出す。AIに考えさせない。見出し・訴求文・日時・店名・連絡先を確定文字列として用意する
3. low品質で20案ほど出して構図を選ぶ。この段階では文字の正確さは見ない。レイアウトと雰囲気だけを見る
4. 選んだ構図を high品質で再生成し、文字を精査する。誤字・脱字・数字・連絡先を1文字ずつ照合する
5. 数字と連絡先は必ず人が最終確認する。ここだけは自動化しない。可能なら別の人が照合する

実務で最も多い失敗は、ステップ3と4を飛ばして「1発で完成品を作らせようとする」ことです。文字の修正指示を重ねるうちに構図まで変わってしまい、結局最初からやり直しになります。構図と文字は分けて詰めるのが鉄則です。

内製に切り替えたときのコスト構造

「内製すれば安くなる」という話は、実際には工程ごとに損得が分かれます。SNS用バナーを月20枚作る場合で整理すると、次のようになります。

見落とされがちなのは3行目です。AI内製は「制作コスト」を減らす代わりに「確認コスト」を自社に移す取引だと理解しておく必要があります。校正の担当者と手順を決めずに内製へ移すと、誤字のあるチラシを刷ってしまい、結果的に高くつきます。逆に言えば、確認体制さえ作れば効果は大きい領域です。

同じ発想は文章側にも当てはまります。文字を含む画像とSNSの投稿文をセットで作る運用は、AIでSNS投稿文を自動生成する方法と組み合わせると、企画から出稿までを一続きの作業にできます。

やってはいけない使い方

• 実在の人物に似せる：著名人はもちろん、自社の社員の写真を入力して加工する場合も、肖像権と本人同意の問題が残ります
• 既存キャラクター・作品の再現：「◯◯風」というプロンプトで意図的に似せた場合、依拠性が認められやすくなります（後述）
• 他社ロゴ・商標の描画：AIが背景に「それっぽいロゴ」を描いてしまうことがあります。生成画像の隅々まで確認してください
• 実在しない人物を「お客様の声」として使う：AI生成の人物写真に体験談を添えると、景品表示法上の問題になり得ます
• 実際の商品と異なる見た目の商品画像：ECで実物と違う画像を使うことは、AI生成かどうかにかかわらず不当表示のリスクがあります

⚠️ 商用利用と著作権の注意点

ここは断定を避けつつ、確認できる事実だけを押さえます。

1. 生成物の権利：OpenAIの利用規約（Terms of Use）は、入力（Input）と出力（Output）の権利をユーザー側に帰属させ、OpenAIが持ちうる権利をユーザーに譲渡する旨を定めています。ただしこれは「適用法が認める範囲で」という留保つきです。OpenAIが権利を主張しないことと、生成物が著作権法上の著作物として保護されることは別問題である点に注意してください。

2. 既存著作物との類似：文化庁の「AIと著作権に関する考え方について」（文化審議会著作権分科会法制度小委員会、令和6年3月15日）は、AI生成物と既存著作物の類似性の判断は、人間が創作した場合と同様に「表現上の本質的な特徴を感得できるか」等で判断されるとしています。そのうえで、既存の作品画像を入力したり「特定の作品名＋風に」というプロンプトを使ったりして意図的に似せた場合は、依拠性が認められやすいとされています。「AIが勝手に描いたから責任がない」という理屈は通りません。

3. 来歴情報（透かし）：ChatGPT・Codex・OpenAI API で生成された画像には、C2PAメタデータとSynthID透かしが付与されます。C2PAは編集やスクリーンショットで失われることがあるため、メタデータが消えても信号が残るようSynthIDが併用されています。Googleの画像モデルも全生成画像にSynthIDを付与しています。「AI生成であることは技術的に検出され得る」前提で運用するのが安全です。透かしを除去して出所を偽ることは、規約違反であるだけでなく信用リスクそのものです。

4. 社内ルール：最低限、次の4点を決めておくべきです。①どの用途でAI画像を使ってよいか、②人物・ロゴ・キャラクターの扱い、③誰が最終確認するか、④AI生成物であることの社内記録。詳しい枠組みと雛形は生成AIの社内ルールの作り方とテンプレートにまとめています。著作権リスクの全体像はAI画像生成をビジネスで使う方法と商用利用の最新ルールで扱っているので、本記事と合わせて読むと運用まで固まります。

なお、日本の法制度はまだ判例の蓄積が薄い領域です。具体的な案件でリスクが読めない場合は、この記事の一般論で判断せず専門家に確認してください。

まとめ：自社が今すべきことの判断基準

GPT-Image-2 で変わったのは「AIで画像が作れるか」ではなく、「AIで日本語の文字入り画像のたたき台が作れるようになったか」です。答えはイエスで、しかも1案あたり数円という単位です。

判断はシンプルです。SNS画像・POP・社内資料の図解なら、今日から内製に切り替えて構いません。チラシ・DM・採用バナーなら、構図と文言の検討をAIで行い、最終データは人が仕上げる。ロゴ・パッケージ・法定表記を含むものは、引き続き専門の工程に置く。この線引きを社内で明文化するところから始めるのが、最短の一歩です。

Mihataでは、AI導入支援のほか、生成した画像をどう自社サイトの集客につなげるかも含めてご相談を承っています。何から手をつけるか整理したい段階でも構いません。