EC商品画像では、任意のピクセル寸法、maskを使う部分編集、高忠実度の参照画像処理、既存のOpenAI API環境が重要ならGPT Image 2を先に試します。Google API、1K/2K/4K、複数の商品・人物・スタイル参照、Search groundingが必要ならNano Banana Proを先に試します。 パッケージ、日本語コピー、価格、ブランドの基幹画像は失敗コストが高いため、同じSKUで両方を確認します。
これは総合画質の順位ではありません。商品が美しく見えても、形状や色が変われば別商品です。バナーの印象が良くても、容量や価格の一文字が違えば掲載できません。採用モデルは、商品同一性と文字とファイル要件を守り、修正時間が予算内に収まる方です。
総合的な画質、ChatGPT、APIの入口を比べたい場合は、Nano Banana ProとGPT Image 2の総合比較を参照してください。この記事は越境ECの商品素材、ローカライズ、掲載可否の判断に限定します。
商品画像の種類から先行モデルを決める
「商品画像の品質」を一つの点数にしないことが重要です。形状、材質、色、文字、レイアウト、返却ピクセル、変更していない部分、手直し時間は別々に判定します。
| 制作物 | 最初に試すモデル | 掲載不可になる失敗 |
|---|---|---|
| 商品単体・白背景 | 既存APIに近い方から両方を検討 | 形状、ふた、端子、色、質感、ロゴ輪郭、トリミングが変わる |
| 利用シーン | 複数参照のNano Banana Pro、GPT Image 2を対照にする | 商品変形、接触関係、手、反射、材質が不自然 |
| 文字入り訴求画像 | 両方 | 誤字、数字ミス、未承認の訴求、ロゴ変形、余白不足 |
| 商品詳細モジュール | 複雑な構成はPro、柔軟な画布はGPT | 階層崩れ、要素関係の誤り、スマホで読めない文字 |
| 市場別ローカライズ | 小さな差し替えはGPT、参照が多い場合はProも試す | 文字だけの変更で商品まで再描画、単位や小数点が誤る |
| 承認済み画像の部分修正 | maskを使えるGPTから | 指定箇所は変わるが、背景、影、商品がずれる |
この表は勝敗表ではありません。白背景画像でもボトルの比率が変われば不合格です。文字入り画像では、全体が洗練されていても数字が一つ違えば拒否します。生成前に不合格条件を決めることで、作例を見た後に基準を緩めずに済みます。
GPT Image 2を先に試す条件
OpenAIのモデルページは、直接APIのIDをgpt-image-2、snapshotをgpt-image-2-2026-04-21とし、生成、編集、柔軟なサイズ、高忠実度の画像入力を示しています。高忠実度は入力画像を細かく処理する契約であり、SKUやロゴを必ず固定する保証ではありません。
商品ページでは、正確な画布指定が役立ちます。出力仕様には1024×1024、2048×2048、2048×1152、3840×2160などがあり、条件を満たす他のサイズも指定できます。品質はlow、medium、high、autoです。ただし総ピクセルが2560×1440を超える出力はexperimentalとされます。「4Kを要求できる」と「毎回入稿できる」は同じではありません。
参照編集では、gpt-image-2はすべての入力画像を自動で高忠実度処理します。承認済みの商品写真から背景や色、ローカライズ用パネルだけを変える候補になります。一方で画像入力tokenが増える場合があり、ふた、ラベル、影、背景形状が変わっていないかを原画像と比較する必要があります。
透過商品画像には明確な停止条件があります。直接APIは現在background: "transparent"をサポートしていません。promptに「透明背景」と書くだけではalpha付きファイルの保証になりません。透過を明示的に支える処理へ切り替えるか、管理された単色背景から確定的に切り抜きます。
Nano Banana Proを先に試す条件
Googleが示すNano Banana Proの安定IDはgemini-3-pro-imageです。複雑なグラフィック、高忠実度の商品mockup、正確な文字、Google Searchによるgroundingが想定用途に含まれます。これは試す順序の根拠であり、GPT Image 2に勝ったという第三者テストではありません。
複数の承認素材を組み合わせる場合、Geminiの画像生成仕様はProで最大14枚、内訳は高忠実度の物体6枚、人物5枚、スタイル3枚までとしています。正面、側面、材質、モデル、アートディレクションを分けて渡せますが、最大枚数は保持率の保証ではありません。
Proは1K、2K、4Kの価格区分を持ち、現行ドキュメントでは生成画像にSynthIDが含まれます。出力サイズと来歴は重要ですが、ECモールの規則、権利確認、ファイル検査を置き換えません。
一つのSKUで合否表を作る
所有または利用許諾を確認した商品を使います。例として架空の保温ボトルNORTH CUP 750を用意し、正面、側面、材質アップの三枚を固定します。生成前に次を合否条件にします。
- シルエット、ふた、持ち手、ロゴ輪郭を変えない。
- 本体はマットな深緑で、金属の縁をプラスチックにしない。
- 商品名は
NORTH CUP 750だけを許可する。 - 訴求画像は「保温12時間」「750 mL」を正確に含み、認証や環境訴求を追加しない。
- 16:9では右側に余白を残し、スマホ用cropでも商品を切らない。
- 市場別の変更は承認した文言、単位、指定パネルだけに限定する。
- 採用画像一枚の手修正は、事前に決めた分数以内にする。
正確なモデルID、prompt、参照画像版、request ID、要求/返却ピクセル、品質、エラー、請求、修正分数を保存します。一方の初回と他方の十回中の最良画像を比較してはいけません。
| 確認項目 | 合格 | 不合格 |
|---|---|---|
| 商品同一性 | 形状、比率、部品、ロゴが一致 | ふた、持ち手、ラベル、胴体を再設計した |
| 材質・色 | 指定光で実物らしさを保つ | 金属が樹脂になり、ブランド色がずれた |
| 文字・数字 | 全文字が正確で、訴求を追加しない | 容量、時間、通貨、単位を誤った |
| 構図・ファイル | ピクセル、余白、cropが用途に合う | 見た目だけ比率が近く、破壊的なcropが必要 |
| 編集安定性 | 指定領域だけ変化 | 商品、影、背景、前回修正まで変化 |
| 手直し | 決めた時間内で掲載できる | ロゴ、文字、商品構造を作り直す |
採用一枚あたりの費用で比較する
採用一枚あたりの費用とは、商品ページの審査を通った画像一枚の実コストです。OpenAIのmediumとGoogleの2Kは同じ品質単位ではありません。
OpenAIの現行例では、gpt-image-2の1024×1024出力はlow $0.006、medium $0.053、high $0.211で、textと参照画像入力は別です。Nano Banana Proの現行料金はStandardの無料枠がなく、画像出力は1K/2Kが約$0.134、4Kが約$0.24で、入力、text/thinking、groundingが加わる場合があります。
text採用一枚の生成費 = 全試行のAPI請求額 ÷ 採用画像数 採用一枚の修正負荷 = 全確認・修正分数 ÷ 採用画像数
経路Aが6回で$0.36、採用3枚なら$0.12/枚です。経路Bが$0.72、採用5枚なら$0.144/枚です。AのAPIは安くても、各18分の修正が必要でBは3分なら、Bが制作向きになる可能性があります。人件費に換算しない限り、ドルと分を一つの点数に混ぜません。
失敗したら生成方法を分ける
- 商品が変形し続ける場合はモデルを替え、両方で失敗するなら背景だけ生成して承認済み商品写真を合成する。
- 正確な文字や数字に失敗する場合は無文字の背景だけ生成し、価格、仕様、法的文言をデザインシステムで配置する。
- 部分編集で他の領域が変わる場合は、変質した中間画像ではなく毎回承認済み原画像から始める。
- ピクセルや透過が要件を満たさない場合は、見た目の鮮明さで代用せずファイル処理を変更する。
- 修正時間が予算を超えた場合は、一枚だけ魅力的でもその経路を本番採用しない。
次は、権利を確認した一つのSKU、一つの市場、一つの画布、正確なコピー、不合格条件を固定し、gpt-image-2とgemini-3-pro-imageを同条件で試してください。実装はGPT Image 2 APIガイド、Google側のモデル整理はGemini画像モデル比較へ進めます。必要な採用率、ファイル、修正時間を満たしたら、追加の作例探しを止めて本番工程へ移ります。
