ChatGPT図解の文字化け・数字崩れを防ぐ「要素列挙式プロンプト」の型と実例

ChatGPTの画像生成で図解を作ると、日本語が文字化けしたり、数字が勝手に変わったりする問題に突き当たります。この記事では、その対策として筆者が解説動画用の図解制作で実際に使っている「要素列挙式プロンプト」の型を紹介します。要点は3つで、①サイズを数値で、配色をhexコード（#FFFFFFのような色の指定コード）で固定する、②画像に存在してよい要素だけを一字一句そのまま列挙する、③それ以外の文字や装飾を禁止事項として明記する、です。コピーして書き換えられる実例プロンプトも掲載します。

当サイトには同じ「要素列挙式プロンプト」という型を扱う記事がもう1本あります（AI画像生成で「文字が崩れない図解」を作る、2026年7月3日公開）。役割は分けています。あちらは型の5要素の定義と、当サイトの動画用図解での運用実績（直近8枚連続崩れゼロ）が主題です。本記事は、OpenAIの公式発表（4o Image Generation）が明記している非ラテン文字の弱点を出発点に、ChatGPT固有の挙動と、文字を後入れするB案との比較を扱います。

• 崩れの土台はモデル側の弱点（非ラテン文字は公式が認める苦手領域）。自由に描かせるほど悪化するため、存在してよい要素だけを列挙して縛る
• 型は3つ：サイズは数値・配色はhexで固定／タイトルやラベルの文言を一字一句指定／それ以外の文字・ロゴ・装飾を禁止
• 生成後に人間が数字を目視検品してから使う。ここまで含めて一つの型

なぜChatGPTの図解は文字が崩れるのか

ChatGPTの画像生成は、2025年3月公開の「4o Image Generation」の時点でテキスト描画が大きく改善したと、OpenAI自身が説明しています。一方で同じ公式発表の中に、限界も明記されています。非ラテン文字（日本語を含む）のテキストは不正確になったり、実在しない文字列が描かれたりすることがある。小さい文字や細かい文字は不鮮明になりやすい。つまり日本語の図解は、公式が認める弱点の上で作っているわけです。

ここから導ける対策の方向性は、「モデルが自由に描く余地を減らす」ことです。曖昧な依頼ほど、モデルは空白を勝手な文字や装飾で埋めようとします。

「要素列挙式プロンプト」とは何か

「こういう雰囲気の図を描いて」と依頼するのをやめて、「この画像に存在してよい要素はこれだけ」と全部列挙する書き方です。手順は3ステップです。

① サイズと配色を先に固定する。 画像サイズを数値で、背景色・メインカラー・アクセントカラーをhexコードで指定します。色数を絞ると、モデルが装飾で遊ぶ余地が減ります。

② 存在してよい要素を全部列挙する。 タイトルの文言、ボックスの数、各ボックスのラベルを一字一句そのまま書き出します。「〜のような」ではなく、描かせたい文字列そのものを渡します。

③ 禁止事項を明記する。 列挙した以外の文字・ロゴ・写真・グラデーションを禁止し、「数字は一字も変えない」と念を押します。

コピーして使える実例プロンプト

以下は汎用化したテンプレートです。文言と数字はサンプルなので、自分の内容に置き換えてください。

横長16:9の図解画像を生成してください。
背景は#FFFFFF、ボックスは#1E3A5F、強調は#E84545。

この画像に存在してよい要素は以下だけです：
- タイトル「作業時間の内訳」（上部中央・太字・#1E3A5F）
- ボックス1：ラベル「資料作成 3時間」
- ボックス2：ラベル「メール対応 1時間」
- ボックス3：ラベル「会議 2時間」
- ボックス1→2→3を横一列に結ぶ右向き矢印2本

禁止事項：
- 上記以外の文字・単語・キャプションを一切描かない
- ロゴ・写真・人物・イラスト・グラデーションを入れない
- 数字は一字も変えない（3・1・2のまま描く）

ポイントは「存在してよい要素は以下だけ」という言い回しです。描いてほしいものの列挙ではなく、それ以外の存在を許さない書き方にします。

生成後の目視検品までが型

このプロンプトの型を使っても、生成後に人間が数字を目視で検品してから使います。図解の数字が一つ違うだけで、資料や動画の信頼を損ねるからです。検品するのは、数字が指定どおりか、ラベルの文字が化けていないか、余計な文字が紛れ込んでいないか、の3点です。「プロンプトで縛る＋人間が検品する」の両輪で初めて実用になります。

文字を後から入れる方法との使い分けは？

対策にはもう一つの流派があります。両方に理があるので併記します。

A案：要素列挙式で文字ごと生成する。 本記事の型です。1回の生成で完結し、量産向きです。ただし崩れのリスクはゼロにはならないので、目視検品が前提です。

B案：枠と矢印だけ生成し、文字は後入れする。 ChatGPTには図形とレイアウトだけ作らせ、文字はPowerPointなどの編集ソフトで載せる方法で、国内の解説記事でも対処法として紹介されています。文字の正確さは確実に担保できますが、1枚ごとの手数が増えます。

長文のラベルが必要な場合や、絶対に間違えられない公開資料はB案、短いラベル中心の図解を数多く作る場合はA案、という使い分けが現実的だと考えています。

YouTube図解を量産してきた中での気づき

私はYouTubeの解説動画に使う図解をこの型で量産しています。以前は生成のたびに数字がどこかしら崩れて悩まされましたが、要素列挙式に変えてからは数字の崩れが出ていません。コツを一言でいえば「自由に描かせない」ことです。モデルのセンスに任せる部分を配色のhex指定だけに絞り、文字情報は全部こちらで確定させてから渡す。それでも公開前の目視検品は毎回やっています。

効果を保証しない理由

• 「数字の崩れが出ていない」のは筆者の環境・用途（短いラベル中心の図解）での経験談です。効果を保証するものではありません。
• OpenAI公式が非ラテン文字の描画を限界として挙げているとおり、日本語はもともと崩れやすい領域です。長文や小さい文字は要素列挙式でも崩れることがあります。
• 画像生成モデルは更新が続いており、挙動は時期によって変わりえます。本記事は2026年7月時点の内容です。
• どの型を使っても、目視検品の省略はおすすめしません。

参照したOpenAI公式ページと解説記事

• Introducing 4o Image Generation | OpenAI
• Image generation | OpenAI API
• ChatGPTで図解を作る方法｜プロンプトの実例や文字崩れの対処法 | AI Trends