ネガティブプロンプティング

ネガティブプロンプティング（Negative Prompting）とは、AIに「何を生成したいか」を指定するポジティブプロンプトに加え、「何を生成したくないか」を明示的に指定して出力の品質・方向性を制御するプロンプト技法です。画像生成では「blurry, low quality, watermark, extra fingers」などを避ける目的で広まり、テキストLLMでは「この話題には触れない」「この表現を使わない」「JSON以外を返さない」といった制約指定として使われます。

2026年の実務では、「どの画像生成モデルにも同じネガティブプロンプトを足す」発想は古くなっています。Flux（Black Forest Labs）系では、FLUX.2公式Prompting Guideで「negative promptsは非対応」とされており、望まないものを列挙するより、欲しい被写体・構図・質感・照明・背景を肯定形で具体化する運用が基本です。DiffusersのFluxPipelineでも標準例はpromptとguidance_scale中心で、FLUX.1-schnellはguidance_scaleを0にするなど、従来のStable Diffusion WebUIのネガティブ欄とは前提が異なります。一部UIや拡張ノードではNegative Attention Guidance（NAG）やtrue CFGでnegative conditioningを追加できますが、モデル標準機能として同じ効き方を期待しない方が安全です。

SDXLまでのStable Diffusionでは、negative_promptやnegative_prompt_embedsが一般的に使われ、guidance_scaleが1より大きいときにClassifier-Free Guidance（CFG）として効きます。一方、SD3/SD3.5はMMDiTと複数のText Encoder（CLIP系とT5系）を使うため、Diffusersではnegative_prompt_2やnegative_prompt_3のように各エンコーダー向けの入力が分かれます。デフォルトの推論例ではネガティブプロンプトを入れないことも多く、SDXL時代の長い「品質呪文」をそのまま流用するより、使っているパイプラインがどのnegative_*引数を受け取り、どのguidance_scaleで有効になるかを確認する必要があります。

Midjourney v6以降では、ネガティブプロンプト相当の指定として--noパラメータが現在も使われます。公式ドキュメントでは、プロンプト末尾に「--no fruit, tree」のように避けたい要素を列挙する形が推奨され、multi-promptの負の重みと同等の扱いです。ただし「without」「don't add」のような自然文の否定は意図通りに読まれにくいため、避けたい名詞を短く明示する方が安定します。

CFG scaleはネガティブプロンプトそのものではなく、条件付けをどれだけ強く反映させるかのつまみです。高くしすぎるとプロンプト追従は強まる一方で、破綻や不自然さが出やすくなります。特にFluxのguidance_scaleはflow/rectified flow系モデルやguidance-distilledモデルでの追従度調整として扱うべきで、「数値を上げればネガティブプロンプトが強く効く」というSDXL的な理解とは分けて考える必要があります。

テキスト生成LLMでのネガティブプロンプティングは、ClaudeやGPTのsystem promptで制約を明文化する形が実践的です。たとえば「あなたは採用候補者評価の補助役です。年齢・性別・国籍に基づく推測を書かない。根拠がない場合は“不明”と返す。出力はJSONのみ」のように、禁止事項だけでなく役割・許可範囲・出力形式を同時に指定します。ただし「〇〇しないで」だけを増やすと矛盾や抜け漏れが起きやすいため、望ましい出力例、必須フィールド、検証可能な禁止条件をセットで設計するのが基本です。