画像生成で比較：GPT Image 2 vs Nano Banana Pro
画像編集、参照画像の保持、人体構造の描写、製品レンダリング、ライティング変更、アウトペインティング、構造化されたUIグラフィックにはGPT Image 2がおすすめです。多言語の文字表現、個数の指定と属性の対応付け、広告の精密な構図ではNano Banana Proが優れています。
機能を並べて比較
| 項目 | GPT Image 2 | Nano Banana Pro |
|---|---|---|
| 開発元 | OpenAI | |
| Banana Pieでの提供状況 | 利用可能 | 利用可能 |
| 必要クレジット | 20クレジット | 80クレジット |
| 最大解像度 | 4K | 4K |
| 参照画像 | 最大8枚 | 最大8枚 |
シーン別比較
同じプロンプト、2つのモデル。以下の公開画像で違いを比較してください。
商品の素材感とライティング
この条件ではGPT Image 2が優位総合的には左のほうが優れています。半分まで満たされた液量は右のほうが正確ですが、素材表現の美しさと高級感のある商品ライティングの一貫性では左が上回ります。
- ボトルが1本だけで、余分な要素がないこと：引き分け。どちらの画像にも、直立した透明な長方形の香水ボトルが1本だけ描かれており、文字、ロゴ、植物、独立した物体は見当たりません。
- 琥珀色の液体が半分まで入っていること：右のほうが優れています。右は液面がボトルのほぼ中央にありますが、左は本体部分の半分をやや超えて入っているように見えます。
- 屈折と反射の一貫性：左のほうが優れています。ガラスの縁、琥珀色の屈折、濡れた石面に映る反射がより美しく整合しています。右は上部のガラスが歪み、ディップチューブも目立って折れ曲がっています。
- 左上からの照明と接地影：左のほうが優れています。左上からのハイライトがキャップ、肩部、液体に一貫して入り、影も自然に右方向へ伸びています。右も光の方向は正しいものの、影が強すぎて商品への視線を損ねています。
使用したプロンプトと設定
プロンプト
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
多言語タイポグラフィ
この条件ではNano Banana Proが優位右は指定された4行のポスターレイアウトを正確に再現していますが、左は1行目を誤って折り返したため、5行表示になっています。
- 中央揃えのテキストが正確に4行で、追加テキストがないこと：右のほうが優れています。「MOONLIGHT MARKET」「月光市集」「18 OCT」「RIVER HALL」の4行だけが中央揃えで表示されています。左は「MOONLIGHT MARKET」が2行に折り返され、見えるテキストが5行になっています。
- 文言と順序の正確さ：右のほうが優れています。4行は指定どおりの順序で、「MOONLIGHT MARKET」「月光市集」「18 OCT」「RIVER HALL」と正確に表示されています。左にも同じ単語と文字がありますが、「MOONLIGHT MARKET」が指定どおりの1行ではなく、「MOONLIGHT」と「MARKET」に分かれています。
- 指定された文字色：引き分け。どちらも「月光市集」を赤、「MOONLIGHT MARKET」「18 OCT」「RIVER HALL」を黒で表示しています。
- 可読性、間隔、配置：右のほうが優れています。4行すべてが明瞭に読め、共通の軸で中央揃えされ、間隔も統一されています。左も読みやすく中央揃えですが、「MOONLIGHT MARKET」の折り返しによって行が増え、全体の配置がやや不均一になっています。
使用したプロンプトと設定
プロンプト
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
人体構造と接触表現
この条件ではGPT Image 2が優位左は、人体構造と接触表現に関する4つの要件をすべてより適切に満たしています。両手がはっきり描かれ、指の本数を数えやすく自然に曲がっており、粘土を形作る接触動作も明確に読み取れます。
- 完全に見える手が正確に2つあること：左のほうが優れています。鉢の左右に完全な手が1つずつ明確に描かれ、ほかの手や人物はいません。右にも重なった2つの手がありますが、下側の手の大部分が隠れており、全体が見えていません。
- 各手に、自然な形の明確な指が正確に5本あること：左のほうが優れています。鉢の部分で一部重なっているものの、両手とも5本の指を判別できます。右は手が重なる構図と強い遮蔽により、下側の手の指を見分けたり正確に数えたりすることが困難です。
- 指、関節、粘土との接触：左のほうが優れています。両手の指の関節に一貫性があり、鉢の内壁を押している様子もはっきり見えます。右の上側の手は自然ですが、下側の手は上側の手や鉢の縁との交差が不明瞭で窮屈です。
- 粘土の鉢、回転するろくろ、成形動作：左のほうが優れています。鉢とろくろが目立つように描かれ、回転ブラーによって動きが伝わり、両手で内側を成形しています。右にも鉢と回転するろくろが明確に描かれていますが、手が重なっているため動作が読み取りにくくなっています。
使用したプロンプトと設定
プロンプト
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
数量表現と属性の対応付け
この条件ではNano Banana Proが優位どちらの出力もプロンプトにほぼ忠実ですが、右は正しい個数、配置、取っ手の向き、余分な要素のないシーンを維持しつつ、指定された木材と陶器の素材をより明確に表現しています。
- 物体の数と配置：引き分け。どちらの画像にも、左側に一列に並んだ赤い立方体が正確に3個、右側に青い球体が2個、その後方中央に黄色いマグカップが1個、明確に描かれています。
- 色、形状、素材の対応付け：右のほうが優れています。どちらも指定された色と形状を正しく対応付けていますが、右の赤い立方体には明確な木目があり、マグカップにも釉薬をかけた陶器らしい表面が見られます。左の立方体は表面が滑らかで、木の質感があまり明確ではありません。
- マグカップの取っ手の向き：引き分け。どちらの画像でも、取っ手は右側に取り付けられ、右方向へ伸びていることが明確です。
- 追加の物体やテキストがないこと：引き分け。どちらの画像にも、追加の物体やテキストは見当たりません。
使用したプロンプトと設定
プロンプト
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
広告構図
この条件ではNano Banana Proが優位右は、必要な視覚要素をすべて維持しながら、テキスト制限と上部の余白に関する指示をより正確に守っています。
- 銀色のシューズが正確に1足とオレンジ色の軌跡：引き分け。どちらも右下に銀色のシューズを1足描き、明るいオレンジ色の軌跡が左下から入り、構図内を曲線状に通っています。
- 表示テキスト：右のほうが優れています。右にあるテキストは「RUN LIGHT」と「42 KM」だけで、どちらも正しく表記されています。左も「RUN LIGHT」と「42 KM」を正しく表示していますが、シューズに「AERO」を追加しており、ほかのテキストを入れないという要件に違反しています。
- 上部の余白と見出しの配置：右のほうが優れています。上部には明確な空白があり、その空白帯のすぐ下の左上に「RUN LIGHT」が配置されています。左にも十分な空白がありますが、見出しの開始位置が明らかに低くなっています。
- 視認性と階層：引き分け。どちらも見出し、バッジ、軌跡、1足のシューズがすべて見える状態を保ち、見出しからバッジ、商品へと続く明確な流れを作っています。
使用したプロンプトと設定
プロンプト
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
構造化されたUIグラフィック
この条件ではGPT Image 2が優位左は指定された構造を正確に再現していますが、右は追加テキストを入れないという明示的な要件に違反しています。
- タイトルと列：引き分け。どちらも正確なタイトル「CHOOSE YOUR PLAN」と、「STARTER」「PRO」「TEAM」とラベル付けされた正確に3つの列を表示しています。
- 機能の行：引き分け。左右とも、各列に「PROJECTS」「STORAGE」「SUPPORT」とラベル付けされた、位置の揃った行が正確に3つあります。
- 選択ボタン：引き分け。左右とも、各列に「SELECT」と表示された青いボタンが正確に1つあります。
- 配置と追加テキスト：左のほうが優れています。3つの列が均等に配置され、追加テキストもありません。右には、禁止されている「5 active projects」「10 GB」「Email support」「20 active projects」「50 GB」「Priority email & chat support」「Unlimited projects」「200 GB」「24/7 phone, email & chat support」というテキストが追加されています。
使用したプロンプトと設定
プロンプト
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
6点の参照画像によるオブジェクト対応付けと編集
この条件ではGPT Image 2が優位元のシーンと置き換え対象の位置をはるかに忠実に維持しているため、総合的には左が優れています。2個のレモンの参照画像の再現は右が上ですが、画角が広がり、物のサイズも変わっている点の影響がより大きくなっています。
- マグカップとタオルの置き換え：左が優れています。紺色のマグカップは、参照画像にある光沢のある濃色の仕上げ、金色の縁、右向きの取っ手を再現しつつ、元のマグカップの位置とサイズを維持しています。ストライプのナプキンも、元のタオルがあった範囲をより忠実に覆っています。右も正しい物に置き換えていますが、どちらも小さく見え、ナプキンが占める範囲も元のタオルより狭くなっています。
- 洋ナシとノートの置き換え：左がわずかに優れています。どちらも洋ナシと青いノートを取り除き、上に葉の付いたオレンジ1個と、黒いゴムバンド付きのマスタード色のハードカバーノートを描いています。ただし、左のほうが元の物のサイズと配置を忠実に維持しており、特に洋ナシの位置に置かれたオレンジで差が見られます。
- 2個のレモン：右が優れています。どちらもマグカップの右側に正確に2個のレモンを描いていますが、右は左側のレモンの葉も含め、参照画像6の組み合わせをより忠実に再現しています。左ではその葉がなく、レモン同士の間隔も広がっています。
- 元のシーンの保持：左が優れています。フレーミング、テーブル面の見える範囲、特徴的な木目、ライティング、元の物の配置が、参照画像1にかなり近い状態で維持されています。右は縦横比と切り取り方を変え、複数の物を縮小・移動しており、右端でノートがより大きく見切れています。
使用したプロンプトと設定
プロンプト
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
画像内テキストの置換
この条件ではGPT Image 2が優位どちらも文言を正しく置き換えていますが、左は指定された文字編集以外の部分をはるかに忠実に維持しているため、明確に左が優れています。
- 看板の文字の正確さ：どちらも正確に「NIGHT OWL」と書かれており、「MORNING BEAN」は完全に取り除かれています。
- 文字の完全性：どちらも「NIGHT OWL」をきれいに描写しており、余分な文字、重複した文字、形の崩れた文字はありません。
- フォント、文字間隔、遠近感：左のほうが参照画像に近く、元の大きなサンセリフ体の大文字、広い文字間隔、ベースライン、看板の遠近感を維持しています。右は文字がやや小さく、看板の見かけの角度と縦横の比率も変わっています。
- 素材、ライティング、シーンの保持：左は緑色の木目、影、店先の形状、植物、ベンチ、窓、元のフレーミングをほぼそのまま維持しています。右はシーン全体のフレーミングと構造を明らかに作り直しており、切り取り方、店先の比率、照明の位置、窓とドアの形状、草木、周囲の細部が変わっています。
参照画像
使用したプロンプトと設定
プロンプト
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
複数参照による人物の同一性維持と衣装転写
この条件ではGPT Image 2が優位左のほうが着せ替えの仕上がりに優れています。元の人物とシーンを大幅に忠実に維持しながら、参照画像のジャケットもより正確に再現しています。
- 人物の同一性、表情、髪、ポーズ、体の比率、フレーミング：左が優れています。顔、口を閉じた控えめな表情、髪の位置、手のポーズ、肩幅、切り取り方が参照画像1に非常に近い一方、右では目の形、あごのライン、表情、髪の配置、全体のフレーミングが目に見えて変わっています。
- ジャケットの素材、色、襟、ボタン、ポケット、袖のパッチ：左が優れています。参照画像2のライトブルーのデニム、厚みのあるクリーム色のシアリング襟、胸ポケットの構造、ブロンズ色の金具、縫い目のパターン、袖の上部にある赤いパッチをより忠実に再現しています。右も主要な特徴は保っていますが、襟が小さく、デニムの色落ちが強く、ポケットとボタンの位置も再現の忠実さに欠けます。
- マネキンや商品背景を残さない完全な置き換え：どちらも黒いスーツジャケットを完全に置き換え、ポートレートの灰色の壁と左側のカーテンを維持しています。マネキンや白い商品背景は見られません。元のシーンとフレーミングをより正確に維持している点で、左がわずかに優れています。
- 手、フィット感、重なり、影、ライティングの物理的な整合性：左が優れています。元の手と組み合わせたポーズをより正確に維持し、袖は手首の後ろに自然につながっています。また、ジャケットにはシーン左側からの光が説得力のある形で反映されています。右も全体的には整合性がありますが、手とポーズの変化がより目立ち、胴回りのフィット感も平坦になっています。
使用したプロンプトと設定
プロンプト
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
一貫性のあるシーン再照明
この条件ではGPT Image 2が優位説得力のあるゴールデンアワーのライティングに変更しながら、元の部屋と物をはるかに忠実に維持しているため、総合的には左が優れています。方向性の明確な影の表現は右が上ですが、構図と物を大幅に変更しており、編集条件に明確に反しています。
- 暖かなゴールデンアワーの光が左の窓からはっきりと差し込んでいること：どちらもこの基準を満たしています。いずれも左側の窓から暖かな日差しが入り、明るい金色の光が部屋全体に広がっています。
- ハイライトと影の方向が新しい光源に整合していること：右が優れています。窓の形をした光の領域と長い影が、壁、ソファ、ラグ、テーブル、床にわたって左から右へ一貫して伸びています。左もおおむね整合していますが、ラグや家具では方向性がやや不明瞭です。
- 一様な黄色のカラーフィルターをかけただけではないこと：どちらもこの基準を満たしています。シーン全体に色を付けるだけでなく、部分的に日光が当たる領域、遮蔽物による濃い影、窓枠の投影、物が落とす影をそれぞれ加えています。
- 家具や装飾品を移動、追加、削除、再デザインしていないこと：左が大幅に優れています。参照画像の構図、ソファ、テーブル、植物、ランプ、ラグ、窓の形状を忠実に維持しています。一方、右ではソファとラグの縮小、テーブルと植物の移動、窓枠の変更など、比率と配置が目に見えて変わっています。
参照画像
使用したプロンプトと設定
プロンプト
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
異なるアスペクト比へのアウトペインティング
この条件ではGPT Image 2が優位左は参照画像の構図と小屋の細部をかなり忠実に維持しながら、左右をきれいに自然に拡張しています。右も違和感のない浜辺のシーンを作っていますが、保持要件に照らすと、サイズ、水平線、海岸線、小屋の変更が大きすぎます。
- 両側に自然な新しい内容を加えた16:9の横長画像：どちらも横長で、追加された左右の領域に浜辺、海、空を拡張しています。左は水平線と海岸線の高さが参照画像とほぼ同じ位置に保たれており、横方向のアウトペインティングとしてより自然に見えるため、わずかに優れています。
- 元の画像全体を切り取ったり引き伸ばしたりせず中央に配置していること：左が優れています。小屋が中央に保たれ、サイズと配置も参照画像にかなり近い状態です。一方、右は小屋を大幅に縮小し、海の水平線を上に移動していることから、元の画像をより広範囲に変更していると分かります。
- 元の小屋、海岸線、画像内の構図が変わっていないこと：左が優れています。小屋の風化の様子、ドアの金具、土台のブロック、影、海岸線の配置が、見た目にも参照画像に近く保たれています。右は小屋の正面とドアの細部を変え、風化の表現を簡略化し、小屋を縮小したうえで、海岸線と水平線の位置も移動しています。
- 目に見える継ぎ目、鏡像による埋め合わせ、物の繰り返しがないこと：どちらも良好で、明らかな縦の継ぎ目、鏡像の領域、物の重複はありません。左は帯状の波と砂の質感が画面全体で一貫してつながっているため、わずかに優れています。右も拡張部分そのものはきれいですが、構図をより広範囲に変更していることで、元の画像への忠実さが下がっています。
参照画像
使用したプロンプトと設定
プロンプト
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
シーン変更時の商品再現性維持
この条件ではGPT Image 2が優位左は参照画像のスニーカーをより忠実に維持しながら、夕暮れの濡れたバスケットボールコートという場面をより明確に、物理的にも説得力のある形で表現しています。
- 夕暮れの濡れた屋外バスケットボールコート：左が優れています。雨に濡れたコートにスニーカーが置かれ、リング、バックボード、フェンス、コートのライン、夕焼け空、点灯したコート照明がはっきりと見えます。右も夕暮れの濡れた舗装面とコートのラインを描いていますが、バスケットボールコートだとはひと目で分かりにくくなっています。
- シルエット、ソールの形状、ステッチ、素材、カメラアングル：左が優れています。低い位置から見た側面、右を向いたつま先、アウトソールの比率、パネル構成、ステッチのライン、靴ひもの配置、白いレザー調素材が参照画像によく一致しています。右は靴の向きを反転させ、より高い位置から正面寄りに見るアングルを使い、複数の比率やパネルの細部を変えています。
- 側面の黒い幾何学的マーク：左が優れています。参照画像のマークの後方にある水平部分、斜め上に伸びる線、上側の分岐、前方へ下がる分岐を、同じ向きで維持しています。右は向きが反転しており、下側の長い斜線や短い水平の分岐など、構成も目に見えて変わっています。
- 接地影、濡れた表面への映り込み、夕暮れのライティング：左が優れています。ソールがコートにしっかり接しており、接地部分に局所的な影があり、その下には靴と側面のマークに沿った細かな映り込みが見られます。暖かな夕焼けとコート照明の反射も、濡れた表面になじんでいます。右も夕暮れの色合いと反射には説得力がありますが、接地部分と靴の映り込みの仕上がりは自然さで劣ります。
参照画像
使用したプロンプトと設定
プロンプト
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
コストと処理時間
GPT Image 2 は20クレジットから、Nano Banana Pro は80クレジットから利用できるため、必要クレジットが少ないのは GPT Image 2 です。今回の実行では、記録されたすべてのレイテンシ比較で Nano Banana Pro のほうが早く結果を返しましたが、これは今回の実行から得た少数のサンプルにすぎず、一般的なベンチマーク値ではありません。
比較方法と開示事項
この比較では、各シナリオでモデルごとに同一の固定プロンプトを使用し、選定した生成結果を掲載しています。公開画像にはBanana Pieの透かしが入っています。このページに掲載されているNano Banana Proの結果は、同じプロンプトと設定を使用して後から実行したものです。Banana Pieでは、GPT Image 2とNano Banana Proの両方を有料で利用できます。
Banana Pieでは、このモデルを他のモデルとともに1つのスタジオで有料提供しています。評価は、ユーザーと同じ生成環境で実施したテストに基づいています。