画像の説明
ビジョンモデルで画像の内容を言葉で説明します。簡潔、詳細、ラベル付きのセクションから選べ、できたテキストはプロンプト、キャプション、代替テキストに使えます。
画像の説明ノードは、ビジョンモデルで画像を読み取り、その内容をテキストで説明します。説明の詳しさを選ぶか、独自の質問を書くと、ノードはプロンプト、キャプション、代替テキストに使えるテキストを返します。出力は画像ではなく、テキストです。
使いどころ
- 生成した画像に、SNS 投稿用やアクセシビリティ用のキャプションを付けます。
- 既存の画像をプロンプトに変換して、同じ雰囲気の新しい画像を作ります。
- リファレンス画像を、後続の AI ノードのためにラベル付きのセクションで説明します。
- コンテンツ制作のワークフローで、代替テキストを自動で書きます。
- 画像の説明を脚本生成に渡して、画像を中心にストーリーを組み立てます。
クイックスタート
ノードを追加する
キャンバス上で Tab を押し、画像 › 解析 › 画像の説明を選びます。
詳しさを選ぶ
設定パネルを開き、詳細レベルを選びます。具体的なことを尋ねたい場合は、代わりにカスタムプロンプト(任意)にその内容を書きます。
実行する
ノードの実行をクリックします。説明がノードに表示され、そこでコピーしたり、テキストファイルとしてダウンロードしたりできます。テキスト出力を、テキストを受け付ける任意のノードに接続します。
入力
| 入力 | 接続できるノード | 説明 |
|---|---|---|
| 画像 | 画像アップロード、画像生成、画像修正などの画像系ノード | 説明する画像です。必須です。 |
出力のテキストは、画像の説明です。画像生成のプロンプト入力、テキストを結合、脚本生成など、テキストを受け付けるどの入力にも接続できます。
設定
| 設定 | 説明 |
|---|---|
| 詳細レベル | 簡潔(1〜2 文)、詳細(3〜6 文)、構造化(ラベル付きのセクション)のいずれかです。デフォルトは詳細で、流れるような文章で書きます。構造化は、Subject(被写体)、Setting(舞台設定)、Colors(色)、Lighting(ライティング)、Mood(ムード)、Details(詳細)の各セクションを返します。 |
| AI モデル | ビジョンモデルです。デフォルトは Claude Sonnet 5.5 です。モデルによって、説明の品質と単価が決まります。 |
| 推論の強度 | モデルが回答する前にどれだけ推論するかを決めます。対応しているモデルで使えます。デフォルトは自動(モデルのデフォルト)です。 |
| 詳細モード | Gemini と Claude のモデルで使えます。モデルをプロバイダー上で直接実行するので、温度と最大トークン数が有効になります。このとき、呼び出しは開発元自身のサービスの単価で課金されます。 |
| カスタムプロンプト(任意) | 独自の指示です。最大 2,000 文字まで書けます。指示を書くと、詳細レベルの設定は完全に置き換えられます。 |
| 前後のテキスト | 指示の前後に必ず追加されるテキストです。ワークフローをアプリとして使う人には表示されません。プロンプトの前後のテキストを参照してください。 |
カスタムプロンプト(任意)が空で、前後のテキストを設定している場合は、そのテキストが組み込みの指示に代わって、指示全体になります。
ノードに複数の結果がある場合は、設定パネルの結果の履歴で結果を切り替えられます。
プリセットから始める
画像の説明には、よくある用途向けの標準プリセットがあります。ノードのプリセットメニューを開き、1 つ選びます。
| フォルダー | プリセット |
|---|---|
| アクセシビリティと SEO | 代替テキスト、SEO キャプション、SNS キャプション |
| 抽出 | テキスト抽出(OCR)、タグ/キーワード、商品説明 |
| クリエイティブ | 詳細な説明、リバースプロンプト、リアリズム監査 |
リアリズム監査は、画像が生成されたものであることを示す兆候を、はい/いいえのリストと件数で返します。
自分のプリセットを保存する方法は、プリセットを読んでください。
クレジット
1 回の実行は、ビジョンモデルの 1 回の呼び出しです。呼び出しは、実際に使ったトークンに応じて、選んだモデルの単価で課金されます。トークンには、画像、指示、説明が含まれます。
- 実行前には、実行ボタンに、選んだモデルでの一般的な説明の見積もり(
≈と数値)が表示されます。Gemini 3.6 Flash は、デフォルトの Claude Sonnet 5.5 より安くなります。 - 説明が長いほど高くなります。 構造化と詳細は、簡潔より多くのテキストを書きます。
- 最初に確保されます。 実行が始まると、Nodaro は、モデルが書きうる最長の回答に足りるクレジットを確保します。呼び出しの後、使った分が実行に請求されます。
- 推論の強度そのものに料金はありません。詳細モードの場合と、Claude のモデルで推論の強度を指定した場合は、呼び出しが開発元自身のサービスで、そのサービスの単価で実行されます。
- 失敗。 モデルの開発元が課金した失敗は、その使用分が請求されます。課金されなかった失敗は返還されます。
すべてのルールは、LLM 呼び出しの課金のしくみにあります。
ヒント
- 文脈のあるプロンプトには簡潔を:脚本生成のように独自の文脈を持つノードに説明を渡す場合は、簡潔を使います。
- 後続のノードには構造化を:後続のノードで被写体、色、ライティングを個別に使う場合は、構造化を使います。
- キャプションには詳細を:流れるような文章のキャプションや代替テキストには、詳細を使います。
- 必要なことを尋ねる:「Describe the fashion items in this image, with colors and materials」(この画像のファッションアイテムを、色と素材も含めて説明して)のようなカスタムプロンプトを使うと、焦点を絞った結果が得られます。
- 必要ならデフォルトの指示を残す:カスタムプロンプトは組み込みの指示を置き換えます。デフォルトの動作を拡張したい場合は、その指示を自分のプロンプトに含めてください。
よくある質問
「画像の説明」ノードでは、どのモデルが使われますか?
デフォルトは Claude Sonnet 5.5 です。「AI モデル」でほかのビジョンモデルを選ぶこともできます。実行は、選んだモデルの単価で課金されます。
「画像の説明」ノードには何クレジットかかりますか?
実行は、使ったトークンに応じて、選んだモデルの単価で課金されます。実行前に、「実行」ボタンに一般的な説明の見積もりが表示されます。Gemini 3.6 Flash などのエコノミーモデルは、デフォルトの Claude Sonnet 5.5 より安くなります。
画像について具体的な質問をすることはできますか?
はい。「カスタムプロンプト(任意)」に独自の指示を書きます。たとえば「List the fashion items and their colors」(ファッションアイテムとその色を挙げて)のように書きます。カスタムプロンプトを書くと、詳細レベルの指定は完全に置き換えられます。
画像を、新しい画像を作るためのプロンプトに変換するにはどうすればよいですか?
「画像の説明」の「テキスト」出力を、「画像生成」の「プロンプト」入力に接続します。「リバースプロンプト」プリセットは、まさにこの用途のためのものです。
詳細レベルの「構造化」では、何が返されますか?
被写体、環境、色、ライティング、ムード、ディテールのラベル付きセクションです。後続のノードは、これを部分ごとに読み取れます。
関連ページ
説明をピッカーへ
画像クリティック
画像生成
テキストを結合
プリセット
最終更新