Gemini 2.5 Flash Image（nano-banana）とChatGPT 4o Image Generationの画像生成機能を徹底比較してみた

町田

Gemini 2.0 Flashの画像生成機能が、新しい画像生成モデル「Gemini 2.5 Flash Image」にアップグレードされました。

本モデルは被写体をそのまま固定して背景や色調を変更したり、物理法則に則った影の表現やカメラアングルを変更できるのが特徴。リリース前のテスト段階時は「Nano Banana」というコードネームで使用されており、現在もそのままの通称として呼ばれています。

Gemini 2.5 Flash Imageは任意の場所を固定した状態で編集できることから、画像生成だけでなくプロンプトを通した編集能力の高さでも話題を集めています。

そこで今回は、Gemini 2.5 Flash Imageの概要やできること、簡単な使い方について解説します。

また、同じく高品質な画像を作れることで話題となったChatGPTの画像生成機能と比べて、どのような違いがあるのか検証しているので、画像生成AI選びに迷っている方は是非チェックしてみてください。

Gemini 2.5 Flash Imageは、Googleが提供する最新の画像生成・編集モデルです。前バージョン「Gemini 2.0 Flash」で好評だった低遅延やコスト効率の良さを受け継ぎつつ、より高品質な出力と高度な制御機能を実現しました。

Geminiより

上記のように、画像生成AIモデルはブラウザ版やアプリの「Gemini」にて「Gemini 2.5 Flash」を指定することで利用できます。ほかにも、Google AI StudioやGemini API、企業向けとしてVertex AIを通じて利用することも可能です。

API経由で利用する場合、料金は100万トークンあたり30ドルで、1枚あたり約0.039ドルとリーズナブルに設定されているのが魅力。大規模な開発やサービス展開にも適しています。

また、生成されたすべての画像には不可視のデジタル透かし「SynthID」が埋め込まれており、AI生成コンテンツであることを識別できる仕組みが備わっています。

Gemini 2.5 Flash Imageでできるようになったことは以下の通りです。

このようにGemini 2.5 Flash Imageを使うことで、従来の画像生成を超えた高度な編集・合成が手軽に実現可能。アイデアを自然な言葉で指示するだけで、キャラクターの統一表現から細やかな修正、複数画像の融合まで幅広く対応できます。

開発者やクリエイターにとって、これまで以上に柔軟で創造的な表現を可能にする新しいツールとなるでしょう。

Gemini 2.5 Flash Imageの登場と同じように、今年の3月25日には「GPT-4o」にネイティブな画像生成機能「4o Image Generation」が統合され、高品質な画像を生成できることが話題となりました。

ChatGPT 4oアップデートで高クオリティな画像生成が可能に！具体例や作り方、プロンプトのコツを紹介

そこで今回は、ChatGPTの4o Image GenerationとGemini 2.5 Flash Imageで同じプロンプトを実行し、どのような違いがあるのか比較してみます。

プロンプト通りの画像を作れるのか比較

実行結果

ChatGPT・Geminiより

ChatGPT・Geminiのいずれも指示に沿った画像を生成できています。

被写体を変えずに背景だけ変更できるのか比較

実行結果

ChatGPT・Geminiより

Gemini 2.5 Flash Imageの方は全く変わっていませんが、ChatGPT 4o Image Generationの方は風船の数が増えていますね。被写体を全く変えないで特定部分だけ変えるという側面では、Gemini 2.5 Flash Imageの方が優れているように感じます。

被写体をそのままに洋服だけ変えられるのか比較

実行結果

ChatGPT・Geminiより

こちらは双方とも問題なくできています。

洋服の元画像に差し替えられるのか比較

次は、以下の洋服画像をそれぞれの生成AIにアップロードし、この服に着替えられるのか比較してみます。

ChatGPT・Geminiより

実行結果

ChatGPT・Geminiより

どちらも問題なく洋服を変更できています。

カメラアングルを変えられるのか比較

実行結果

ChatGPT・Geminiより

Gemini 2.5 Flash Imageだと指示通りズームアウト（カメラを引いた状態）の画像が生成できました。一方、ChatGPTの4o Image Generationでは元の画像と変わりません。

今度は別アングルのプロンプトで試してみます。

実行結果

ChatGPT・Geminiより

カメラアングルを変えた画像生成については、Gemini 2.5 Flash Imageの方が優れているようですね。

構造化プロンプトの沿った画像を作れるのか比較

最後に、プロンプトでテキストや被写体、デザインを指定してサムネイル画像を作れるのか比較してみます。

【プロンプト】
  # --------------- 全体設定 ---------------
キャンバス:
  幅: 1980 
  高さ: 1280 
  padding: "60px 40px 60px 60px"
  背景色:  "#e0f7fa"から"#ffffff"へのグラデーション 
  スタイル: "フラットデザイン"

# --------------- 装飾ストライプ ---------------
ストライプ群:
  - 幅: 90px
    色: "#E8FFF4"
    角度: 6deg
    位置:
      X: 65%
      Y: 0%
      高さ: 120%
  - 幅: 90px
    色: "#FFFFFF"
    角度: 6deg
    位置:
      X: 71%
      Y: 0%
      高さ: 120%
  - 幅: 90px
    色: "#B3DCFF"
    角度: 6deg
    位置:
      X: 77%
      Y: 0%
      高さ: 120%

# --------------- テキストブロック ---------------
タイトル:
  行: "AIで副業を始めよう"
  フォントサイズ: 148px
  フォントカラー: "#004B80"
  行間: 0.9
  ウェイト: 700
  位置:
    基準: "左上"
    X: 0px
    Y: 40px

サブタイトル:
  行1: "初心者でも安心の"
  行2: "入門講座"
  フォントサイズ: 60px
  フォントカラー: "#FFFFFF"
  背景ボックス:
    塗り色: "#FFC400"
    角丸: 4px
    余白上下: 14px
    余白左右: 28px
  行間: 1.0
  ウェイト: 700
  位置:
    基準: "左下タイトル"
    オフセットY: 40px

# --------------- 被写体（人物写真） ---------------
被写体:
  スタイル：実写の女性
  種類: "若いビジネスウーマン"
  表情: "穏やかな笑顔"
  ポーズ:
    手: "右手の人差し指を立てる"
    小道具: "左手にスマートフォン"
  衣装: "黒のテーラードジャケット、白インナー"
  髪型: "肩上のボブ、ダークブラウン"
  配置:
    基準: "右上"
    高さ占有率: 80%
    オフセットX: -20px 
    オフセットY: 0px

# --------------- フッター（Footer） --------------- 
  内容: "お問い合わせはこちらから" 
  フォントスタイル: "太字"
  フォントサイズ: "中"
  文字色:
    - "通常部分は白"
    - "「こちら」は黄色で強調" 
  背景色: "ダークブルー"
  配置位置: "左下"
  高さ："150px"

実行結果

ChatGPT・Geminiより

背景デザインや被写体のクオリティは遜色ありませんが、日本語の精度や文字情報の配置においては、ChatGPTの4o Image Generationの方が優れているようです。

【無料】ChatGPTの画像生成講座を受講する

ChatGPT 4o Image Generationと、Gemini 2.5 Flash Imageを比較したところ、以下の結果になりました。

ChatGPT 4o Image Generationは日本語テキストや構造化プロンプトの精度に強みがあり、サムネイルや資料向けのデザイン制作に適しています。

一方で、Gemini 2.5 Flash Imageは被写体を崩さず、背景やカメラアングルを自在に変えられるのが特徴。写真の編集や部分的な修正に向いているといえます。

用途や目的に応じて両者を使い分けることで、より効果的に画像生成を活用できるでしょう。

【無料】ChatGPTの画像生成講座を受講する