how-tos

Ideogram 4.6 APIで画像内テキストと高精度編集を行う方法

Poyo.ai Team
3 min read
Share:

Ideogram 4.6 APIによる画像内テキストと高精度編集

Ideogram 4.6 APIは、多くの画像APIが苦手とするワークフローのために作られています。正確な文言の入ったポスターを生成し、そのテキストの1行だけを、残りを描き直さずに変更するという流れです。このハウツーでは、その前半と後半をリクエストボディ付きで解説します。ideogram-v4.6による画像内テキストと、ideogram-v4.6-editによる高精度編集、マスク編集、局所編集です。ここで紹介する内容はすべてPoYoのIdeogram 4.6モデルで実行しており、数値は2026年11月20日のローンチ当日のテストによるものです。

パート1:Ideogram 4.6 APIで正確な画像内テキストを描画する

PoYoのドキュメントにはテキストに関するルールが1つあります。画像内に入れる正確なテキストは、プロンプト内で引用符で囲むことです。デザイナーに指示を出すときと同じように、各行の位置と大きさを記述してください。

これはローンチ当日のテスト(タスクM4WA9OIQXVV80DHG)のリクエストです。

{
  "model": "ideogram-v4.6",
  "input": {
    "prompt": "Screen-printed concert poster for \"NORTHBOUND JAZZ FESTIVAL\". Big bold condensed headline at the top, a stylized upright bass and saxophone silhouette over a river at dusk in deep teal, burnt orange and cream. Below the art, the line \"JUNE 12-14 · RIVERSIDE PARK\" and a smaller line \"Three nights. Twenty-one bands. Free entry before 6 PM.\" Fine paper grain, crisp letterforms, generous margins.",
    "size": "2304x3072",
    "quality": "high",
    "n": 1
  }
}

約10.8 MBの2304×3072のPNGが1枚返り、4Kのhigh料金である40 credits($0.20)が課金されました。引用符で囲んだ3行は、小さなイタリック体の行も含め、すべて指定どおりに描画されました。同じプロンプトをquality: very_lowとsize: 3:4で送ったところ(タスクBS7M64COKT80JSLX)、768×1024のドラフトが1.6 credits($0.008)で返りました。テキストは正しかったものの、構図は異なっていました。

本番環境でテキストのリクエストをより確実にするための3つの習慣があります。

習慣理由
テキスト1行につき引用符付きの文字列を1つ各行が独立した単位になり、確認や後からの編集がしやすくなります
各行の大きさと位置を指定する(「上部に大きな見出し」「その下に小さな行」)階層構造をリクエストに含め、偶然に任せないためです
公開前に出力を確認するIdeogram自身が「最終結果でスペルと配置を確認してください」と勧めています。

このAPIではプロンプト拡張が常に有効なため、モデルが指示していないディテールを追加することがあります。今回のポスターでは、下部の隅に小さな「EST. 1987」とWebアドレスが追加されました。レイアウトに自分の文言だけを含める必要がある場合は、プロンプトでそう指示して結果を確認するか、編集で余計な要素を削除してください。

パート2:ideogram-v4.6-editによる3つの編集方法

すべての編集は、image_urlsにちょうど1枚のソース画像とpromptを受け取ります。以下の設定で、モデルが画像のどこまで手を加えてよいかが決まります。アプリでユーザーがソースをアップロードする場合は、先にスクリーニングしておくと失敗するタスクを減らせます。その一例は画像モデレーションガイドで紹介しています。

モード設定保持されるもの出力サイズ
通常の編集edit_precision: regular(デフォルト)画像はプロンプトから再生成されますauto、またはマスクなしなら任意のプリセット/カスタムサイズ
高精度編集edit_precision: high、context_window: none変更されていないピクセルが復元されますソースの解像度
局所編集edit_precision: high、context_window: auto、mask_urlマスク周辺の領域の外側にあるすべてのピクセルソースの解像度

Ideogramは4.6が「編集範囲の外側のピクセルのずれがはるかに少ない」と述べ、モデルページではマスク編集(「塗った領域だけを変更」)でIdeogram 4.5の82%に対して90%と報告しています。これらはIdeogramのスコアです。以下は私たちが計測した結果です。

高精度編集:テキストを1行だけ変更する

{
  "model": "ideogram-v4.6-edit",
  "input": {
    "prompt": "Change only the date line to \"JULY 3-5 · RIVERSIDE PARK\". Keep everything else exactly the same.",
    "image_urls": [
      "https://example.com/northbound-poster.png"
    ],
    "edit_precision": "high",
    "context_window": "none",
    "size": "auto",
    "quality": "high",
    "n": 1
  }
}

テスト(タスク672JRU198S22NS8D)では、ソースはパート1の2304×3072のポスターでした。出力は新しい日付の行が入った2304×3072の画像でした。元画像とのピクセル差分を取ると、変更されたピクセルはすべて(471, 2699)から(1826, 2756)までの1つのボックス内、つまり日付の行に収まり、画像の約1.1%でした。見出し、イラスト、小さなイタリック体の行は変化していませんでした。課金額は120 credits($0.60)でした。高精度編集はソースの解像度を保ち、2304×3072は4,194,304ピクセルを超えるためです。

覚えておくべきルールが2つあります。edit_precision: highにはsize: auto(またはsizeなし)が必要で、backgroundは拒否されます。

マスク編集:変更を1つの領域に限定する

マスクを使えば、編集がどこに適用されるかを推測に頼る必要がなくなります。マスクはソースと同じ寸法で、モデルが編集してよい部分を黒、保持すべき部分を白にし、両方を含む必要があります。次のPythonスニペットはボックスからマスクを作成します。

from PIL import Image, ImageDraw

source = Image.open("poster.png")
mask = Image.new("L", source.size, 255)                       # white = keep
ImageDraw.Draw(mask).rectangle((440, 2660, 1860, 2800), fill=0)  # black = edit
mask.save("date-line-mask.png")

マスクをアップロードし(公開URLまたはbase64データURI)、リクエストに追加します。

{
  "model": "ideogram-v4.6-edit",
  "input": {
    "prompt": "Change the sign text to \"OPEN LATE\"",
    "image_urls": [
      "https://example.com/storefront.png"
    ],
    "mask_url": "https://example.com/sign-mask.png",
    "edit_precision": "high",
    "context_window": "auto",
    "quality": "high"
  }
}

context_window: autoでは、マスク周辺の領域だけが編集され、ソースの解像度が保たれます。マスクが大きすぎる場合は画像全体の編集にフォールバックします。mask_urlとedit_precision: highの両方がない状態でのcontext_window: autoは拒否され、マスクには常にsize: autoが必要です。マスクと一緒に、ロゴやフォントのサンプルなどの参照画像をreference_image_urlsで最大3枚追加できます。

パート3:パイプラインで編集結果を検証する

アプリが「テキストだけが変わった」ことを約束するなら、それを確認しましょう。これはローンチ当日の編集で実行したのと同じ種類のチェックです。

from PIL import Image, ImageChops

before = Image.open("before.png").convert("RGB")
after = Image.open("after.png").convert("RGB")
assert before.size == after.size, "high-precision edits keep the source size"

diff = ImageChops.difference(before, after).convert("L").point(lambda v: 255 if v > 32 else 0)
box = diff.getbbox()
print("changed box:", box)
if box:
    area = (box[2] - box[0]) * (box[3] - box[1])
    print(f"box covers {area / (before.width * before.height):.2%} of the image")

このボックスを、変更するつもりだった領域(たとえばマスク)と比較してください。それを大きく超えて広がっている場合は、マスクとcontext_window: autoを使うか、より絞り込んだプロンプトで再試行してください。

パート4:複数ターンの編集とコスト

一連の変更を行う場合は、各結果を次のimage_urlsのソースとして送り返し、1リクエストにつき1か所だけ変更します。Ideogramのページでは、4.6は「複数のターンにわたって同じ画像を磨き続ける」ために作られていると説明されています。各ターンは個別のタスクで、出力サイズに応じて課金されます。

ソースの編集…mediumhigh
4,194,304ピクセル以下12 credits ($0.06)44 credits ($0.22)
4,194,304ピクセル超40 credits ($0.20)120 credits ($0.60)

4Kのポスターでhighのテキスト変更を3回行うと360 credits($1.80)、同じポスターの1728×2304版なら132 credits($0.66)になります。生成ファイルは3日間保持されるので、各結果をダウンロードしてください。料金の記事にさらに多くの予算例があり、APIガイドには各ターンで再利用できるポーリングループがあります。

よくある質問

Ideogram 4.6 APIで画像に正確なテキストを入れるには? ideogram-v4.6リクエストのpromptで各行を引用符で囲み、その大きさと位置を記述します。公開前に結果を確認してください。

Ideogram 4.6 APIで既存の画像のテキストを変更するには? Change only the date line to "NEW TEXT". Keep everything else exactly the same. のようなプロンプトとともに、画像をideogram-v4.6-editに送ります。edit_precision: highとsize: autoを設定してください。

edit_precisionのregularとhighの違いは? regularはプロンプトから画像を再生成し、新しいサイズとbackgroundを指定できます。highは精密な編集を行い、変更されていないピクセルを復元し、ソースの解像度を保ちます。

マスクはIdeogram 4.6 APIの料金に影響しますか? いいえ。編集は出力画像ごとに品質とサイズのティアで課金されます。マスクと最大3枚の参照画像は含まれています。

小さなテキスト編集で120 credits課金されたのはなぜですか? 4,194,304ピクセルを超えるソースをhigh品質で高精度編集すると、4Kのhigh編集料金が適用されます。より小さなソースを編集するか、medium(4Kで40 credits、2Kで12 credits)を使ってください。

パラメータの完全な一覧はIdeogram 4.6 Edit APIリファレンスをご覧ください。テスト済みのプロンプトパターンについてはIdeogram 4.6 APIプロンプトガイドをご覧ください。

Share: