20代・40代・60代の日本人ビジネスパーソン(男女)を題材に、NanoBanana 2、FLUX.2、GPT Image 2 による同一プロンプト画像生成を比較。東京オフィスロビーでのスーツ質感・年齢表現・顔の自然さを評価スコア・コスト・商用適性とともに解説します。
2026年7月現在の実測では、日本人の人物のテキスト→画像(T2I)生成において GPT Image 2 が平均スコア 4.04 で最も安定しています。コストを最優先する場合は FLUX.2 [dev](1枚約 $0.0120)が圧倒的に安く、量産・試行段階に向きます。
日本人の人物生成を、同一プロンプト・同一解像度で NanoBanana 2、FLUX.2 [dev]、GPT Image 2 の3モデルにテキスト→画像(T2I)生成させ、コスト・品質・評価スコアを実証比較します。予算と用途に応じたモデル選びの参考にしてください。
評価の前提
本記事の比較は、同一プロンプト・同一解像度で実施しています。生成パラメータの内訳: NanoBanana 2 = 1K 解像度(tier なし・解像度で品質決定)、FLUX.2 [dev] = デフォルトパラメータ(tier なし・$0.012/MP)、GPT Image 2 = quality medium(low/medium/high の3段階中・標準)。推定コストは各モデルのAPI価格に基づく概算です。画像は実際に生成したものをそのまま掲載し、評価スコアはレビュアーによる手動評価(1〜5段階、5が最高)を用いています。評価は prompt_adherence / background_stability / text_accuracy / face_quality / hand_quality / object_integrity / overall_quality などプロンプトに応じた項目で採点しています。
カテゴリ: 日本人生成
プロンプト
20代の日本人ビジネス男性、自然な肌の質感、白いシャツにネイビーのテーラードジャケット、落ち着いた自信のある表情、大きな窓のある東京のモダンオフィスロビーに立つ。窓から差し込む柔らかな午後の陽光、磨かれた床の反射、ジャケットの軽いシワ。ミディアムショット、アイレベル、Sony A7IV、50mm f/2.8、浅い被写界深度。
ネガティブプロンプト
western face, distorted face, distorted fingers, extra fingers, extra arms, cartoon, illustration, low quality, blurry, text, watermark, logo, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 年齢・性別・服装・照明・背景の自然さ
失敗リスク: 西洋顔化 / 指の崩れ(数/形) / 年齢表現の過不足 / スーツのしわや質感 / オフィス背景の違和感
| モデル | 生成画像 | 評価 | 平均スコア | 商用適性 | 推定コスト | 生成時間 |
|---|---|---|---|---|---|---|
| GPT Image 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 45.17s | |
| NanoBanana 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 12.59s | |
| FLUX.2 [dev] | そのまま使える | 3.50 | 4/5 | $0.0120 | 2.22s |
GPT Image 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
NanoBanana 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
FLUX.2 [dev](平均スコア: 3.50 / 商用適性: 4/5 / 評価: そのまま使える)
カテゴリ: 日本人生成
プロンプト
40代の日本人ビジネス男性、自然な肌の質感、白いシャツにネイビーのテーラードジャケット、落ち着いた自信のある表情、大きな窓のある東京のモダンオフィスロビーに立つ。窓から差し込む柔らかな午後の陽光、磨かれた床の反射、ジャケットの軽いシワ。ミディアムショット、アイレベル、Sony A7IV、50mm f/2.8、浅い被写界深度。
ネガティブプロンプト
western face, distorted face, distorted fingers, extra fingers, extra arms, cartoon, illustration, low quality, blurry, text, watermark, logo, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 年齢・性別・服装・照明・背景の自然さ
失敗リスク: 西洋顔化 / 指の崩れ(数/形) / 年齢表現の過不足 / スーツのしわや質感 / オフィス背景の違和感
| モデル | 生成画像 | 評価 | 平均スコア | 商用適性 | 推定コスト | 生成時間 |
|---|---|---|---|---|---|---|
| GPT Image 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 40.57s | |
| NanoBanana 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 14.39s | |
| FLUX.2 [dev] | そのまま使える | 3.75 | 4/5 | $0.0120 | 2.97s |
GPT Image 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
NanoBanana 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
FLUX.2 [dev](平均スコア: 3.75 / 商用適性: 4/5 / 評価: そのまま使える)
カテゴリ: 日本人生成
プロンプト
60代の日本人ビジネス男性、自然な肌の質感、白いシャツにネイビーのテーラードジャケット、落ち着いた自信のある表情、大きな窓のある東京のモダンオフィスロビーに立つ。窓から差し込む柔らかな午後の陽光、磨かれた床の反射、ジャケットの軽いシワ。ミディアムショット、アイレベル、Sony A7IV、50mm f/2.8、浅い被写界深度。
ネガティブプロンプト
western face, distorted face, distorted fingers, extra fingers, extra arms, cartoon, illustration, low quality, blurry, text, watermark, logo, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 年齢・性別・服装・照明・背景の自然さ
失敗リスク: 西洋顔化 / 指の崩れ(数/形) / 年齢表現の過不足 / スーツのしわや質感 / オフィス背景の違和感
| モデル | 生成画像 | 評価 | 平均スコア | 商用適性 | 推定コスト | 生成時間 |
|---|---|---|---|---|---|---|
| GPT Image 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 46.38s | |
| FLUX.2 [dev] | そのまま使える | 4.00 | 4/5 | $0.0120 | 2.27s | |
| NanoBanana 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 12.90s |
GPT Image 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
FLUX.2 [dev](平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
NanoBanana 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
カテゴリ: 日本人生成
プロンプト
20代の日本人ビジネス女性、自然な肌の質感、白いシャツにネイビーのテーラードジャケット、落ち着いた自信のある表情、大きな窓のある東京のモダンオフィスロビーに立つ。窓から差し込む柔らかな午後の陽光、磨かれた床の反射、ジャケットの軽いシワ。ミディアムショット、アイレベル、Sony A7IV、50mm f/2.8、浅い被写界深度。
ネガティブプロンプト
western face, distorted face, distorted fingers, extra fingers, extra arms, cartoon, illustration, low quality, blurry, text, watermark, logo, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 年齢・性別・服装・照明・背景の自然さ
失敗リスク: 西洋顔化 / 指の崩れ(数/形) / 年齢表現の過不足 / スーツのしわや質感 / オフィス背景の違和感
| モデル | 生成画像 | 評価 | 平均スコア | 商用適性 | 推定コスト | 生成時間 |
|---|---|---|---|---|---|---|
| GPT Image 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 36.05s | |
| NanoBanana 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 12.07s | |
| FLUX.2 [dev] | そのまま使える | 3.50 | 4/5 | $0.0120 | 2.98s |
GPT Image 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
NanoBanana 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
FLUX.2 [dev](平均スコア: 3.50 / 商用適性: 4/5 / 評価: そのまま使える)
カテゴリ: 日本人生成
プロンプト
40代の日本人ビジネス女性、自然な肌の質感、白いシャツにネイビーのテーラードジャケット、落ち着いた自信のある表情、大きな窓のある東京のモダンオフィスロビーに立つ。窓から差し込む柔らかな午後の陽光、磨かれた床の反射、ジャケットの軽いシワ。ミディアムショット、アイレベル、Sony A7IV、50mm f/2.8、浅い被写界深度。
ネガティブプロンプト
western face, distorted face, distorted fingers, extra fingers, extra arms, cartoon, illustration, low quality, blurry, text, watermark, logo, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 年齢・性別・服装・照明・背景の自然さ
失敗リスク: 西洋顔化 / 指の崩れ(数/形) / 年齢表現の過不足 / スーツのしわや質感 / オフィス背景の違和感
| モデル | 生成画像 | 評価 | 平均スコア | 商用適性 | 推定コスト | 生成時間 |
|---|---|---|---|---|---|---|
| GPT Image 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 36.51s | |
| NanoBanana 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 15.66s | |
| FLUX.2 [dev] | そのまま使える | 3.75 | 4/5 | $0.0120 | 2.27s |
GPT Image 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
NanoBanana 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
FLUX.2 [dev](平均スコア: 3.75 / 商用適性: 4/5 / 評価: そのまま使える)
カテゴリ: 日本人生成
プロンプト
60代の日本人ビジネス女性、自然な肌の質感、白いシャツにネイビーのテーラードジャケット、落ち着いた自信のある表情、大きな窓のある東京のモダンオフィスロビーに立つ。窓から差し込む柔らかな午後の陽光、磨かれた床の反射、ジャケットの軽いシワ。ミディアムショット、アイレベル、Sony A7IV、50mm f/2.8、浅い被写界深度。
ネガティブプロンプト
western face, distorted face, distorted fingers, extra fingers, extra arms, cartoon, illustration, low quality, blurry, text, watermark, logo, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 年齢・性別・服装・照明・背景の自然さ
失敗リスク: 西洋顔化 / 指の崩れ(数/形) / 年齢表現の過不足 / スーツのしわや質感 / オフィス背景の違和感
| モデル | 生成画像 | 評価 | 平均スコア | 商用適性 | 推定コスト | 生成時間 |
|---|---|---|---|---|---|---|
| GPT Image 2 | そのまま使える | 4.25 | 4/5 | $0.0800 | 40.22s | |
| NanoBanana 2 | そのまま使える | 4.00 | 4/5 | $0.0800 | 12.89s | |
| FLUX.2 [dev] | そのまま使える | 3.50 | 4/5 | $0.0120 | 2.98s |
GPT Image 2(平均スコア: 4.25 / 商用適性: 4/5 / 評価: そのまま使える)
NanoBanana 2(平均スコア: 4.00 / 商用適性: 4/5 / 評価: そのまま使える)
FLUX.2 [dev](平均スコア: 3.50 / 商用適性: 4/5 / 評価: そのまま使える)
今回のテキスト→画像(T2I)生成検証では、以下の通り評価スコア・コスト・勝利数(各プロンプトで最高スコアを獲得した回数)を集計しました。
| モデル | 平均スコア | 勝利数 | 推定コスト/枚 | 評価分布 |
|---|---|---|---|---|
| GPT Image 2 | 4.04 | 6 | $0.0800 | そのまま使える×6 |
| NanoBanana 2 | 4.00 | 0 | $0.0800 | そのまま使える×6 |
| FLUX.2 [dev] | 3.67 | 0 | $0.0120 | そのまま使える×6 |
GPT Image 2 は平均スコア 4.04 で、日本人の人物において全体的に最も安定した結果を残しました。 FLUX.2 [dev] は1枚あたり約 $0.0120 でコスト面で有利です。 用途・予算・品質要件のバランスでモデルを選ぶのが現実的です。
A1. 今回の評価では GPT Image 2 が平均スコア 4.04 で最も高く、日本人の人物の生成に最も安定しています。コスト重視なら FLUX.2 [dev](1枚あたり約 $0.0120)が選択肢に入ります。
A2. 1K 解像度の本検証では、FLUX.2 [dev] は約 $0.012、NanoBanana 2 と GPT Image 2 は約 $0.08 です。最安は FLUX.2 [dev] の約 $0.0120/枚。大量生成や試行段階では FLUX.2 [dev] が圧倒的に安価です。
A3. 本記事のモデルは、公式提供の API 経由であれば概ね商用利用が可能です。ただし、最新の利用規約を各モデル公式サイトで確認し、必要に応じてクレジット表記を行ってください。
評価の前提となる公式情報源を確認してください: