Midjourneyプロンプトガイド：プロ品質の商品写真を作る4要素
要約
Midjourneyプロンプトガイドの核心は「説明」から「指示」への転換にある。被写体・スタイル・照明・フォーマットという4要素の構造が、ほとんどのプロユースケースをカバーする。商品写真では照明記述子と--style rawが変換率を左右する。v6.1の現行パラメーターと、手・テキスト・複数商品といった崩れやすいシーンの回避策も解説する。
Midjourneyプロンプトガイド：プロ品質の商品写真を作る4要素
Midjourneyプロンプトガイドとして、ここでは「雰囲気の描写」から「構造化された指示」への転換を解説する。プロンプトを何度か試して汎用的な出力の壁にぶつかったなら、ここからが本番だ。v6.1で実際に機能する4要素の構造、商品写真に効くパラメーター設定、そして崩れやすいシーンの回避策を順に押さえていく。
Midjourneyはプロンプトをどう処理するのか
Midjourneyは数十億枚の画像で学習した「視覚的オートコンプリート」だと考えると理解しやすい。人間のように意図や文脈を解釈するのではなく、検索エンジンがアンカーテキストを処理する方法に近い。先頭にある強い単語に大きな重みをつけ、名前付きのスタイルや技法から補完し、学習データの統計的平均で空白を埋める。
実際の影響として、単語の順序が出力に測定可能な差をもたらす。被写体と最も重要な視覚的属性を冒頭に置くこと。「product photography, glass perfume bottle」で始まるプロンプトは、最初のトークンからコマーシャル写真の慣習へモデルを向ける。「a beautiful bottle」で始めると、「美しいもの」という広大なカテゴリーのパターンにマッチし、目的とはかけ離れた出力になりやすい。
これが、プロンプトの世界で「長さより具体性」が繰り返し強調される根拠だ。最適なプロンプト長は20~60ワード。60ワードを超えると、矛盾するシグナルが蓄積し出力が劣化する傾向がある。
結果を出すプロンプトの4要素構造
[被写体] + [スタイルまたは媒体] + [照明] + [フォーマット]
それぞれの要素には固有の役割がある。被写体はフレーム内に何が存在し、どれが主要な視覚要素かを設定する。スタイルはモデルを特定の参照セットへ向ける。「product photography」はコマーシャル写真の慣習を、「editorial fashion」はまったく別のセットを呼び出す。照明は初心者が最も見落とす要素で、出力品質への影響力は圧倒的に大きい。フォーマットは画像の用途を伝える。アスペクト比、向き、ネガティブスペースの要否などがここに入る。
実例を見ると理解が早い。ceramic mug, studio product photography, softbox side lighting with rim light, clean white background, --ar 1:1 --v 6.1 --style raw。このプロンプトは30ワード以下で、安定したコマーシャルな結果を生む。さらに40ワード追加しても改善しない。競合するスタイル参照を加えると劣化する。
テーブルウェア、ビューティー商品、小型の家庭用品など、フレームがシンプルで被写体が中心に置かれるカテゴリーで最も機能する。複雑な小道具、複数のオブジェクト、文脈の詳細が必要な背景シーンが加わる場合は、スタイル修飾子を重ねるよりも被写体の説明を拡張すること。
売れる商品写真と「見た目がいい」写真の違い
見た目がいい画像とコンバージョンする画像の差は、実質的に照明と構図の選択で決まる。ECの商品写真では、3つのプロンプト選択が結果を左右する。
サーフェスの指定が1つ目。「white background」は最も一般的なEC慣習を呼び出す。「matte black surface, negative space for text overlay」はプレミアム感とブランド訴求のコマーシャル表現になる。バナー用途に向いた指定だ。明示的に記述すること。サーフェスを指定しない場合、Midjourneyは約40%の確率でホワイトバックグラウンドにデフォルトする。
照明記述子の選択が2つ目。「natural」「professional」のような汎用的な形容詞は、中間的な出力しか生まない。具体的な照明設定が具体的な結果を生む。「softbox side lighting」はディフューズしたコマーシャル写真になる。「rim lighting plus chiaroscuro」はハイエンドフレグランス広告に近いトーンになる。「window light, slightly overcast」はEtsyのハンドメイド商品に典型的なフラットでリアルな表現になる。
--style rawの指定が3つ目。デフォルトのv6.1は、写真ではなくレンダリングに見える芸術的処理レイヤーを追加する。実写に近い商品写真が目的なら、--style rawは必須だ。
設定すべきパラメーターと、無視していい3つ
--ar（アスペクト比）は常に設定する。商品リスト用はEtsyとAmazonで1:1。ソーシャルコンテンツはTikTokとReelsで9:16、印刷とブログは3:2。
--style rawは芸術的補間を抑制する。写真に近い出力には必須。
--stylize（--s）のデフォルトは100。商品写真には50~150の範囲を使う。
--v 6.1は2026年中頃時点の現行デフォルト。
無視していいパラメーター：--qは画質とほぼ無関係になった。--seedは再現性が必要な場合以外は不要。--chaosは実験的な探索向けで、商品写真には向かない。
v6.1で機能するスタイル参照と、使わないほうがいいカテゴリー
名前付きのフォトグラファーや媒体の参照は、曖昧な形容詞より確実に機能する。
スタジオ商品写真ではIrving Penn、Richard Avedonのフレグランスキャンペーン。ライフスタイル系ではKinfolk magazine、Cereal magazineのノルディックミニマリズムが安定した結果を生む。
避けるべきカテゴリー：「Instagram aesthetic」や「Pinterest aesthetic」を主要スタイル参照として使うと、モデルが最大公約数的な出力に収束する。汎用的すぎる言葉は、汎用的すぎる結果を生む。具体的なフォトグラファー名や媒体名で参照することが、再現性の高いスタイルコントロールにつながる。
プロンプトが崩れる場面と、その対処法
手で物を持つ構図：解剖学的な破綻が頻繁に起きる。回避策は俯瞰フラットレイかパックショットフレーミングを使うこと。手を含む構図は基本的に要求しない。
商品上のテキスト：常にハルシネーションが発生する。ラベルや文字なしで生成し、後工程でラベルを別途コンポジット合成する。この2段階が現時点での唯一の安定した解法だ。
複数の異なる商品：同一フレームで複数商品を指定すると、形状の混在や統一感の欠如が生じやすい。商品ごとに別々に生成してから最終画像をコンポジットする。
Midjourneyをクリエイターのワークフローに組み込む実践
Midjourneyの役割は構図と雰囲気の設定で、精度の調整は後工程に任せる。構造化されたプロンプトであれば、1枚あたり4~8分で完結する。
シーズン別のバッチ制作では、photospellsのSort（Style Alchemy、Season Swap）が実際の商品写真に対してスケールで変換を適用する。Midjourneyがクリエイティブの方向性を示し、photospellsがスケールを担う。競合するアプローチではなく、ワークフロー上の異なる段階だ。
初稿としてMidjourneyを使い、ECプラットフォーム向けの最終仕上げにphotospellsのSort機能を組み合わせる。この2段階のアプローチは、バッチサイズが大きくなるほど時間対効果が上がる。