**テキスト画像生成（Text-to-Image、略してT2I）**は、文章による描写──プロンプト──を完成した画像に変換する生成AI技術です。構図・光・スタイル・ディテールのすべてが、あなたの言葉からレンダリングされます。あなたが描写し、モデルが描きます。
仕組み
主流のテキスト画像生成モデルは、膨大な「画像＋キャプション」のペアデータで学習された拡散モデル（Diffusion Model）です。生成は純粋なノイズから始まり、プロンプトに導かれながら段階的に「デノイズ」されて一枚の画像になります。最新世代は拡散コアに言語モデルのフロントエンドを組み合わせ、プロンプトをキーワードの羅列ではなく指示として読み取ります。空間関係（「本の上にあるカップ」）、物体の数、画像内の文字まで、正確に再現できる場面が大きく増えました。
得意な場面
手元に言葉しかないとき、テキスト画像生成は最も力を発揮します。
- コンセプトアートとムードボード —— 方向性を決める前に、スタイル・配色・構図を素早く探索する。
- マーケティングビジュアル —— ヒーロー画像、サムネイル、バナー、SNS用画像を任意の比率で。撮影は不要です。
- イラストの量産 —— スタイル描写を固定し被写体だけを変えれば、統一感のあるシリーズが作れます。
良いプロンプトの構成要素
優れたT2Iプロンプトは、アートディレクターの発注書のように読めます。被写体（フレームに何があるか）、構図（フレーミング・視点・焦点）、スタイル（画材・参照画風・レンダリング技法）、光と雰囲気（ゴールデンアワー、ネオンノワール、柔らかいスタジオ光）の4要素を押さえましょう。具体は常に曖昧に勝ちます。「リネンのクロスに置かれた陶器のティーポット、俯瞰、柔らかい窓光、ミニマルなプロダクト写真」は「素敵なティーポット」より必ず良い結果を生みます。