画像生成AIのフォント挙動はモデルで変わる？ — gpt-image-2 vs gpt-image-1.5 を同条件で比較
先に結論
- style語＝書体の系統（明朝／丸ゴ／筆）は両モデルで効く。 系統一致は gpt-image-2・gpt-image-1.5 とも高い（おおむね各5/5）。「系統を言葉で指定する」はモデルをまたいで有効。
- 参考画像はどちらのモデルでも“上積み”にならない。 言葉だけ以上に寄ることはなく、リスクだけ増える。
- 「丸ゴの参考画像＋絵の背景で角ゴ化」という逆効果は、gpt-image-2 で強く・gpt-image-1.5 では弱い（モデル依存）。 丸ゴ判定は gpt-image-2 が 1/5、gpt-image-1.5 が 3/5。普遍法則ではない。
- gpt-image-1.5 は opaque/low でも文字が崩れることがある（30枚中2枚）。 gpt-image-2 は同じ30枚で崩れゼロ。新しい世代ほど日本語テキストに強い。
- 大枠の実装結論は動かない：確定テキスト・正確な書体は合成で固定する。
1. style語（系統）は両モデルで効く
まず素直な方から。書体の系統を言葉で指定するのは、モデルを変えても効いた。gpt-image-2 は実践編のとおり 明朝4/5・丸ゴ5/5・筆5/5。gpt-image-1.5 を同条件で回すと 明朝5/5・丸ゴ5/5・筆5/5 と、むしろ明朝はより安定して系統が出た。
「ゴシック／明朝／丸ゴ／筆」のような系統の言葉は、どちらのモデルでもちゃんと届く。逆に言えば、ここはモデル選定で悩むところではない。差が出るのは次の2点だ。
2. 参考画像は当てにならない＋「丸ゴ逆効果」はモデル依存
実践編で見つけたのが、丸ゴの参考画像を「絵のある背景」に転写すると、むしろ角ゴ化する逆効果だった（gpt-image-2 で丸ゴ判定 1/5）。同じことを gpt-image-1.5 でやると——逆効果はほとんど出ず、多くは丸ゴのまま（丸ゴ判定 3/5）。
つまり「参考画像＋絵の背景で丸ゴが崩れる」は gpt-image-2 に強く出る癖であって、普遍的な法則ではなかった。そして——どちらのモデルでも、参考画像が言葉だけを上回ることはなかった。明朝・丸ゴ・筆のどれも、参考画像にして良くなったセルは無い。挙動がモデルでブレる時点で、参考画像は書体を固定する手段として当てにできない。
3. gpt-image-1.5 は文字が崩れやすい
本編で「弱経路（透過）では文字が崩れる」と書いたが、今回は崩れにくい opaque/low に固定している。それでも gpt-image-1.5 は 30枚中2枚で文字が崩れた。どちらも「言葉だけ・丸ゴ」のケースだ。
半濁点（パ）が濁点（バ）に化ける、画数の多い漢字（房）が別字になる——いずれも“絵として字を描く”モデルらしい崩れ方だ（→ なぜそうなるかは本編②「なぜ崩れるのか」）。重要なのは、同じ条件で gpt-image-2 は一度も崩れなかったこと。世代が新しいほど日本語テキストは安定する、という素直な差が出た。裏を返せば、gpt-image-1.5 で確定テキストを描かせるのは opaque でもまだリスクが残る。
4. 突き合わせ表
数字は「狙った系統に一致した回数 / 5」。文字崩れは独立判定で確認した枚数。
| 狙う書体・指標 | gpt-image-2 | gpt-image-1.5 |
|---|---|---|
| 明朝（言葉だけ／参考画像） | 4/5 ／ 4/5 | 5/5 ／ 5/5 |
| 丸ゴ（言葉だけ／参考画像） | 5/5 ／ 1/5（角ゴ化） | 5/5 ／ 3/5 |
| 筆（言葉だけ／参考画像） | 5/5 ／ 5/5 | 5/5 ／ 5/5 |
| 文字崩れ（30枚中） | 0 | 2（パ→バ・房崩れ） |
まとめ
モデルを変えても、大枠の結論は動かない——①系統は style語 で指定できる、②参考画像は当てにならない、③正確な文字・正確な書体が要るなら合成。一方で細部はモデルで変わる——丸ゴの逆効果は gpt-image-2 に強く出て gpt-image-1.5 では弱い、文字崩れは gpt-image-1.5 に多く gpt-image-2 はゼロ。だから実務では「あるモデルで見た癖を別モデルに一般化しない」「最終的に文字は合成で固定する」の2つが安全だ。新しいモデルは確かに賢くなっているが、確定テキストの責任までは肩代わりしてくれない。