Qwen-Image-2.1が公開され、新しい「Qwen RESEARCH LICENSE AGREEMENT」が採用されたことで、画像生成AIユーザーの間では商用利用をめぐる議論が起きています。

その中で、

「画像生成モデルの非商用ライセンスはモデル本体に対するもので、生成画像には関係ない。だから生成物は商用利用できる」

という趣旨の主張も見かけます。

この考え方は、一部については正しいものの、そのまま「Qwen-Image-2.1で作った画像を自由に販売できる」という結論にはつながりません。

重要なのは、

「生成物にモデルのライセンスが付着するか」

と、

「その生成物を作るためにモデルを商用目的で使用することが許されているか」

は、まったく別の問題だということです。

この記事では、2026年9月20日に公開されたQwen RESEARCH LICENSE AGREEMENT、Adobe Stockの生成AIガイドライン、Krea 2のライセンスなどをもとに整理します。

※この記事はライセンス文面を読み解いた一般的な情報提供を目的とするもので、個別案件に対する法的助言ではありません。

結論：生成物にResearch Licenseが自動付着するわけではない。しかしモデルの商用利用は禁止されている

最初に結論をまとめます。

Qwen-Image-2.1のライセンスでは、「Materials」と「Outputs」は区別されています。

そのため、

Qwen-Image-2.1で生成したJPEGやPNGそのものに、Qwen RESEARCH LICENSEが自動的に付着する

と解釈するのは適切ではありません。

一方、Qwen-Image-2.1のライセンス第2条では、Materialsについて明確に、

FOR NON-COMMERCIAL PURPOSES ONLY

とされています。

さらに、商用目的でMaterialsを使用してはならず、商用利用する場合は別途商用ライセンスを取得する必要があると明記されています。

公式ライセンス：Qwen-Image-2.1 LICENSE

したがって重要なのは、

「生成画像そのものが非商用ライセンスになるか」

ではなく、

「Adobe Stockへの販売など、商用目的でQwen-Image-2.1を使用して画像を生成したか」

です。

Qwen RESEARCH LICENSEとは？

2026年9月20日に公開されたQwen-Image-2.1には、「Qwen RESEARCH LICENSE AGREEMENT」が採用されています。

このライセンスでは「Non-Commercial」を、

for research or evaluation purposes only

つまり、研究または評価目的のみと定義しています。

さらに第2条では、QwenのMaterialsについて、使用、複製、配布、コピー、派生物作成、変更などを認めていますが、その条件として「FOR NON-COMMERCIAL PURPOSES ONLY」と明記されています。

商用利用したい場合は、Qwen側から別途商用ライセンスを取得する必要があります。

「Materials」と「Outputs」は別物

ここは、SNS上で指摘されている内容にも一理ある部分です。

Qwen RESEARCH LICENSEでは「Materials」を、Qwenモデル、学習済みモデルの重み、パラメータ、モデルコード、推論コード、学習コード、ファインチューニングコード、ドキュメントなどとして定義しています。

通常の生成画像そのものは、このMaterialsの定義には含まれていません。

さらに第4条では、

Materials or any outputs or results therefrom

という表現が使われています。

つまりQwen自身が、Materialsとoutputs or resultsを別々の概念として扱っています。

この点から、「Qwenで生成した画像ファイルそのものがQwen RESEARCH LICENSEになる」という理解は正確ではありません。

しかし、問題はその次です。

「生成物にライセンスが付かない」＝「商用利用自由」ではない

ここが最も重要なポイントです。

仮に生成されたJPEG自体がQwen RESEARCH LICENSEの対象ではなかったとしても、

そのJPEGを作るためにQwen-Image-2.1というMaterialsを商用目的で利用した

のであれば、第2条の商用利用禁止が問題になります。

例えばAdobe Stock用の画像を作るために、次のような工程を行ったとします。

この場合、最終的なJPEGそのものにQwenライセンスが付着しているかどうかとは別に、Qwen-Image-2.1というモデルを商用目的で使用していると解釈される可能性が高くなります。

つまり問題は、単に「生成画像を販売したか」だけではありません。

「モデルを何の目的で使用したか」です。

「透かしがなければ管理できない」という話は別問題

SNSでは、

「生成物にライセンスを適用するなら、どうやって追跡するのか？」
「画像に透かしでも入れない限り分からないのでは？」

という議論もあります。

しかしこれは、技術的に検出可能かという話と、契約上許可されているかという話を混同しています。

ソフトウェア、フォント、写真素材、映像素材、音源などにも同じことが言えます。

商用利用禁止の素材を使用しても、最終成果物に必ず透かしが表示されるわけではありません。それでも利用規約上、「個人利用のみ」「商用利用不可」「商用利用には別ライセンスが必要」といった条件は成立します。

技術的に発見されにくいことと、ライセンス上許可されていることは同じではありません。

生成物まで明確に規定するAIライセンスも存在する

「画像生成AIのライセンスはモデルだけに対するもの」という一般化にも注意が必要です。

AIモデルごとにライセンス設計は異なります。

分かりやすい例がKrea 2です。

Krea 2 Community Licenseでは「Output」を、モデルから生成されたコンテンツ、データ、画像などと明確に定義しています。

さらに「Commercial Use」の定義には、Krea Model、Derivative、Outputsがすべて含まれています。

Krea 2の場合、年間売上100万米ドル未満などの条件を満たせば、モデルだけでなくOutputsについても商用利用できます。

You own all Outputs you generate.

という規定もあり、条件を遵守している利用者について、Kreaは生成物の所有権を主張しないとしています。

公式：Krea 2 Community License Agreement

つまり、モデルだけを規制するライセンスもあれば、モデルと生成物の両方について明確に条件を定めるライセンスも存在します。

Qwen-Image-2.1と旧Qwen-Imageではライセンスが違う

さらに注意したいのが、「Qwen」という名前だけで商用利用可否を判断してはいけないという点です。

2026年9月21日時点で、従来の「Qwen-Image」は公式Hugging Face上でApache License 2.0となっています。

Qwen-Image 公式Hugging Face

Qwen-Image-EditについてもApache License 2.0です。

Qwen-Image-Edit 公式Hugging Face

一方、新しいQwen-Image-2.1にはQwen RESEARCH LICENSEが採用されています。

したがって、「Qwenは商用利用できる」という情報も、「Qwenは非商用」という情報も、正確なモデル名を確認しなければ判断できません。

Adobe Stockでは「使用したAIツールの権利」が重要

Adobe Stockは生成AI作品そのものを禁止していません。

2026年9月現在、Adobe Stockでは生成AIを使用して作成された画像、動画、ベクターの投稿を受け付けています。

ただし投稿時には、生成AIを使用した作品として適切に申告する必要があります。

さらにAdobeは、投稿者に対して、使用した生成AIツールのライセンス条件を確認し、商用Stockへの投稿と広範な商用利用が許可されていることを確認するよう求めています。

Adobe公式：Adobe Stock 生成AIコンテンツガイドライン

Adobe自身が第三者AIサービスのライセンスを代わりに判断してくれるわけではありません。

投稿者自身が必要な権利を持っていることを確認する必要があります。

Qwen-Image-2.1でAdobe Stock用画像を作るのはどう考えるべきか

ここまでを踏まえると、Qwen-Image-2.1をAdobe Stock用画像の生成に使用することには大きな問題があります。

Qwen側では、Materialsの商用利用禁止。

Adobe側では、使用した生成AIツールが商用Stock投稿を許可していることを確認する必要があるという条件があります。

そのため、別途Qwenから商用ライセンスを取得していない状態で、Qwen-Image-2.1をAdobe Stock用画像の制作ツールとして利用することは避けるという運用が実務上は安全です。

Photoshopで加工すれば商用利用できる？

例えば、

とした場合でも、Photoshopで後処理したからといって、最初にQwen-Image-2.1を商用目的で使用したという事実が消えるわけではありません。

生成物そのものの著作権や派生物の問題と、モデル利用時の契約条件は分けて考える必要があります。

LoRAやマージモデルならどうなる？

オープンウェイトモデルでは、Qwenベースモデル＋LoRA＋ControlNet＋独自ワークフローといった構成も一般的です。

ここでも重要なのは、LoRAだけのライセンスを見るのではなく、ベースモデルを含めて確認することです。

例えば、

Qwen-Image-2.1 ＋ 商用利用可能なLoRA

だったとしても、LoRA側の商用利用許可だけでQwen-Image-2.1側の非商用制限が消えるとは考えにくいでしょう。

複数モデルやコンポーネントを組み合わせる場合は、それぞれのライセンスを確認する必要があります。

GGUFやFP8に変換すればライセンスは変わる？

モデルをGGUF、FP8、FP16など別形式へ変換しても、通常、それだけで元モデルのライセンス条件がなくなるわけではありません。

量子化やフォーマット変換は、モデルを配布・実行しやすくする技術的処理です。

そのため、Qwen-Image-2.1をGGUF化したからApache 2.0になるといった理解はできません。

Civitaiなどからモデルをダウンロードする場合も、配布ページに書かれた説明だけでなく、そのモデルが何をベースとしているかまで確認することが重要です。

AI生成物とモデルライセンスを考えるための3つのポイント

1. モデルを商用目的で使用してよいか？
   モデルライセンスそのものの問題です。
2. 生成物についてどのような権利が認められているか？
   モデルによってはOutputに関する独自規定があります。
3. 生成物を販売するプラットフォーム側の条件を満たしているか？
   Adobe Stockなどには独自の投稿規約があります。

この3つは別々の問題です。

どれか1つだけを確認しても十分とは限りません。

「非商用モデルの生成物は売れる」という議論の問題点

この議論で最も注意したいのは、

「生成物はモデルではない」

という話から、

「だから生成物を販売するためにモデルを使っても構わない」

という別の結論へ飛躍してしまうことです。

「生成画像はMaterialsではない」ことと、「Materialsを商用目的で使用してよい」ことは別です。

Qwen-Image-2.1の場合、後者についてはライセンスが明確に制限しています。

AI生成物に透かしがないから問題ない？

透かしやメタデータは、技術的な識別手段の一つにすぎません。

ライセンス条件が成立するかどうかは、生成物から元モデルを特定できるかどうかだけで決まるものではありません。

「識別できない可能性がある」ことと「許可されている」ことは別です。

実務上はモデルごとに使用目的を分けるのが安全

画像生成AIを大量に使う場合は、モデルごとに使用目的を管理しておくと分かりやすくなります。

商用作品・Adobe Stock・クライアントワークには、商用利用条件を確認できたモデルを使用する。

一方、技術検証・ComfyUIでの比較・研究・評価にはResearch Licenseモデルも利用する。

といった形で分けておくと、後からライセンス問題が起きにくくなります。

モデルファイル名だけでなく、正式モデル名、配布元、ライセンス名、確認日を記録しておくこともおすすめです。

よくある質問（FAQ）

Qwen-Image-2.1は商用利用できますか？

Qwen RESEARCH LICENSEでは、Materialsについて非商用目的、つまり研究・評価目的のみとされています。

商用利用する場合は、Qwenから別途商用ライセンスを取得する必要があります。

Qwen-Image-2.1で生成した画像自体も非商用ライセンスになりますか？

ライセンス本文ではMaterialsとOutputsが区別されているため、「生成画像そのものにResearch Licenseが自動適用される」と単純に言うことはできません。

ただし、商用目的でQwen-Image-2.1というMaterialsを使用すること自体が制限されています。

Qwen-Image-2.1で生成した画像をAdobe Stockで販売できますか？

Adobe Stockは、使用する生成AIツールのライセンスが商用Stock投稿および広範な商用利用を許可していることを投稿者に確認するよう求めています。

Qwen-Image-2.1はMaterialsの商用利用を禁止しているため、別途商用ライセンスを取得していない場合はStock用途に利用しない方が安全です。

Photoshopで修正すれば販売できますか？

Photoshopで加工したことだけを理由に、元のAIモデルを商用目的で使用した際のライセンス条件がなくなるとは考えにくいでしょう。

画像の加工とモデルの利用条件は別の問題です。

旧Qwen-Imageも非商用ですか？

いいえ。2026年9月21日時点で、公式Qwen-ImageおよびQwen-Image-EditはApache License 2.0です。

新しいQwen-Image-2.1とはライセンスが異なります。

Krea 2は商用利用できますか？

Krea 2 Community Licenseでは、年間売上100万米ドル未満などの条件を満たす場合、モデル、派生モデル、Outputsの商用利用が認められています。

また、条件を遵守する利用者について、KreaはOutputsの所有権を主張しないと明記しています。

CivitaiからダウンロードしたQwenモデルなら自由に使えますか？

Civitaiからダウンロードしたというだけでは判断できません。

ベースモデルがQwen-Image-2.1なら、再配布、量子化、マージなどによって元モデルのライセンス条件が自動的に消えるとは限りません。

必ずベースモデルと各追加モデルのライセンスを確認する必要があります。

まとめ

Qwen-Image-2.1のライセンス問題では、

「生成物はモデルとは別だから自由に商用利用できる」

という説明も、

「非商用ライセンスだから生成画像そのものにも非商用ライセンスが付着する」

という説明も、どちらも単純化しすぎています。

重要なのは、モデルに対するライセンス、モデルを使用する目的、生成物について定められた条件、販売先プラットフォームの規約をそれぞれ分けて確認することです。

Qwen-Image-2.1については、生成画像そのものをMaterialsとは区別している一方、Materialsの使用については「NON-COMMERCIAL PURPOSES ONLY」と明確に規定されています。

そのため、「生成物にはライセンスが付かない可能性がある」ことを理由に、Qwen-Image-2.1を販売目的の画像生成へ自由に使えると判断するのは危険です。

Adobe Stockについても、Adobeは使用した生成AIツールが商用Stock投稿と広範な商用利用を許可しているか、投稿者自身が確認するよう求めています。

AIモデルのライセンスは、モデル名が似ていても世代やバージョンによって大きく変わることがあります。

特にオープンウェイトモデルを商用利用する場合は、

「生成できるか」ではなく「その目的で使うことが許可されているか」

まで確認することが重要です。

参考資料

• Qwen-Image-2.1 LICENSE
• Qwen-Image 公式Hugging Face
• Qwen-Image-Edit 公式Hugging Face
• Adobe Stock 生成AIコンテンツガイドライン
• Krea 2 Community License Agreement

※ライセンスやサービス規約は将来変更される可能性があります。商用利用する際は、必ず利用時点の公式ライセンスを確認してください。

最近、飲食店のメニューや店頭POPで、妙に「AIっぽい」料理画像を見かけることが増えました。

唐揚げの衣が岩やサンゴのようにゴツゴツしている。白米の一粒一粒が異様なほど強調されている。麺が規則正しくうねり、肉やチーズは不自然なほどツヤツヤしている。

一見すると高精細で豪華なのに、なぜか美味しそうに見えない。むしろ気持ち悪い。

SNSでは、こうしたAI生成と思われる料理画像が「激キショAI飯」「激キモAI飯」「AI food slop」などと呼ばれ、2026年夏ごろから話題になっています。

では、なぜ最新の画像生成AIを使っているはずなのに、こんな不自然な料理画像が生まれるのでしょうか。

実際に検証してみると、最初から予想外でした。

最初に生成した料理画像は、まったくキショくなかったのです。

そこで今回は、ChatGPT Images 2.5を使い、同じ飲食店POPを18回にわたって編集。

料理画像がどのように変化していくのか、一度崩れた画像を元に戻せるのか、そして「激キショAI飯」を防ぐにはどんなプロンプトを使えばいいのかまで検証しました。

「激キショAI飯」とは？なぜ最近話題になっているのか

2026年夏ごろから、AIで生成されたと思われる不自然な料理画像がSNSで頻繁に話題になるようになりました。

昔の画像生成AIでよく見られた「皿が歪む」「箸が途中で消える」といった分かりやすい失敗とは少し違います。

最近話題になるAI料理画像は、むしろ妙に高精細です。

• 唐揚げの衣が異常に細かい
• 料理表面に不自然な穴や突起が大量にある
• 米粒が一粒ずつ完全に分離して見える
• 麺や野菜に同じ曲線が繰り返される
• 肉、油、チーズなどの光沢が過剰
• 食材の形やサイズが均一すぎる

海外でも同様の料理画像が「AI food slop」「AI menu slop」などと呼ばれ、話題になっています。

実際の飲食店POPでも「AI飯っぽい画像」を見かけるようになった

私がこの現象を改めて気にするようになったきっかけの一つが、実際の飲食店やグルメイベントで「AI生成では？」と感じる料理POPを何度も見かけたことです。

例えば2026年9月15日、札幌・大通公園で開催中の「さっぽろオータムフェスト」を訪れました。

会場を歩きながら店頭メニューを見ていると、「これはAI生成では？」と感じる独特な質感の料理POPをかなり頻繁に目にしました。

私が見て回った範囲では、およそ半数程度の店舗を確認し、そのうち体感で4割ほどにAI生成の可能性を感じる画像がありました。

ただし、これは店舗へ制作方法を確認した正式な調査ではありません。画像の見た目だけから生成AIの使用を断定することもできません。

そのため、本記事では特定の店舗名や実際の店頭POP写真は掲載しません。

あくまで「ネットだけではなく、現実の広告物でもAI飯らしい画像を目にする機会が増えてきた」という個人的な観察の一例です。

普通にAIで料理を作っただけでは「激キショAI飯」にならなかった

まずChatGPT Images 2.5に、ごく普通の唐揚げ定食を生成してもらいました。

使用した最初の指示はシンプルです。

日本の食堂で提供される唐揚げ定食。
白米、唐揚げ5個、千切りキャベツ、味噌汁がセットになっている。
飲食店のメニューに使う、美味しそうな実写の料理写真。

結果は拍子抜けするほど普通でした。

ちゃんと美味しそうです。

少なくとも、SNSで話題になっている「激キショAI飯」特有の強烈な違和感はありません。

つまり、

AIに料理を生成させる＝気持ち悪い料理になる

というわけではなさそうです。

ヒントになった「POPを何度も修正する」という検証

参考になったのが、YouTuber・青海【おうみ】さんによる「激キモAI生成みたいな飯を再現してみた」という検証です。

最初に複数のAIで普通の料理画像を生成しても、話題になっているような不自然な画像にはならなかったとのこと。

そこで、

「最初からこういう料理画像だったのではなく、POP制作中に文字などを何度も修正した結果なのではないか？」

という仮説が立てられました。

今回は、この考え方を現在のChatGPT Images 2.5で追試します。

検証方法：同じ料理POPを18回連続編集する

最初に生成した唐揚げ定食を使い、店頭POP制作でありがちな修正を繰り返しました。

主に変更したのは、

• 商品名
• 価格
• おすすめ表示
• 数量限定表示
• キャッチコピー
• 文字サイズ
• 文字位置
• POP全体のレイアウト

などです。

重要なのは、多くの工程で、

料理は変更しないでください。

と明記していることです。

6回目：まだ大きな違和感はない

6回目前後では、まだ比較的自然です。

ベース画像とは細部に違いがありますが、普通の飲食店POPとして見れば、それほど気になる状態ではありません。

12回目：少しずつAI特有の質感が強くなる

12回目あたりから、料理の質感に少しずつ違和感を感じるようになりました。

15回目：初回との差が明確になってきた

15回目になると、最初の料理と並べたときの違いがかなり明確になります。

ここまで料理を直接「もっとキモくしてください」などとは一切指示していません。

17回目：今回もっとも「激キショAI飯」に近づいた

17回目では、初回より明らかにAI生成特有の不自然さが強くなりました。

しかし、ここまで主に行っているのは文字やレイアウトの修正です。

それでも料理自体が少しずつ変化していることが分かります。

なぜ「料理を変えないで」と言っているのに料理まで変わるのか

ここで注意したいのが、生成AIによる画像編集をPhotoshopと同じ感覚で考えないことです。

Photoshopで、

980円 → 880円

へ変更する場合、テキストレイヤーを書き換えるだけで、料理写真そのものは変化しません。

一方、生成AIによる画像編集では、画像と新しい指示をもとに、整合性の取れた新しい画像を生成します。

そのため、

価格だけ変えてください。

と指示しても、それ以外の領域が完全に固定されるとは限りません。

1回では分からないような小さな変化でも、それを10回、15回と繰り返すことで、料理の質感そのものが変化する可能性があります。

ところが18回目、突然「美味しそう」に戻った

17回目まで徐々に不自然になっていたため、そのままさらに悪化すると予想していました。

18回目に使った指示はこちらです。

店頭で遠くから見ても商品名と価格が分かりやすいPOPに調整してください。料理そのものは変更しないでください。

……かなり美味しそうになりました。

これは予想外でした。

17回目まで強くなっていたAI特有の違和感が弱まり、料理そのものも自然な方向へ変化しています。

GPT Image 2.5、恐るべし。

追加検証：同じ18回目の指示を使えば必ず直るのか？

ただし、

「この18回目の文章を使えばAI飯を修復できる」

と結論付けるのは早すぎます。

そこで、12回目と15回目の画像へ戻り、同じ18回目の指示を与えました。

結果は、

どちらも18回目と同じようには復活しませんでした。

つまり、18回目の文章自体に万能な修復効果があるわけではありません。

元になった画像の状態、それまでの編集履歴、生成時のばらつきなどによって、結果が変わる可能性があります。

さらに検証：「料理そのものを自然に戻す」と明示した結果

次に、15回目から18回目と同じ指示を行った画像へ、料理の形や質感について具体的な修正を追加しました。

単に、

自然にしてください。

ではありません。

唐揚げ、ご飯、キャベツ、光沢などについて、何を現実的な状態へ戻してほしいのかを具体的に指定しました。

今度は改善が確認できました。

この結果から、一度AI料理画像が崩れてしまった場合、

「もっときれいに」
「もっと見やすく」
「いい感じに」

といった抽象的な指示ではなく、

どの食材の、どの特徴を、どう現実的な状態へ戻すのかまで指定する

ことが重要だと考えられます。

今回の比較結果

なぜAI料理画像は「気持ち悪く」見えるのか

1．同じ形や模様が反復しすぎる

現実の料理は、思っている以上に不揃いです。

唐揚げは一個ずつ形が違います。

衣の突起も違います。

キャベツの千切りも、太さや曲がり方が同じではありません。

白米も一粒ずつ独立して整列しているわけではなく、互いに重なっています。

ところがAI画像で、

• 同じ大きさ
• 同じ突起
• 同じ穴
• 同じ曲線
• 同じハイライト

が大量に反復すると、食べ物というより人工物のような印象が強くなります。

2．「サクサク」を強調しすぎる

唐揚げを美味しそうに見せるなら「サクサクした衣」は重要です。

しかし、その視覚的特徴が過剰になると、

• 凹凸
• 突起
• 細かな穴
• 鋭い陰影

が増えます。

結果として、唐揚げの衣だったものが岩やサンゴのような質感へ近づいてしまいます。

3．「ツヤツヤ」を強調しすぎる

白米や肉も同様です。

適度な光沢は美味しそうに見えます。

しかし過剰になると、プラスチックや樹脂、ワックスのような質感に近づいてしまいます。

4．AIは「美味しそう」をやりすぎることがある

今回の検証で特に興味深かったのはここです。

AI料理画像が気持ち悪くなるのは、

AIが料理を描くのに失敗したから

だけではないのかもしれません。

「サクサク」「ツヤツヤ」「ジューシー」「豪華」「食欲をそそる」といった、美味しそうな料理写真に必要な特徴を強調し続けた結果、現実の料理から離れてしまう場合があります。

激キショAI飯は「美味しそう」の特徴を過剰に最適化した料理画像なのではないか。

今回の結果を見ると、そんな仮説が浮かびます。

激キショAI飯にしないための基本プロンプト

単純に「美味しそうにしてください」とAIへ丸投げするのではなく、現実の料理が持つ不均一さまで指定します。

日本の一般的な飲食店で実際に提供される料理を撮影した、自然な実写料理写真。

料理の量、大きさ、盛り付けは現実的にしてください。

食材は一つ一つの形や大きさに自然な違いを持たせ、完全に均一な形や規則的な反復パターンにはしないでください。

揚げ物の衣は、実際に揚げた料理らしい自然な不規則さを残し、異常な突起、穴、岩のような過剰な凹凸を作らないでください。

白米は実際の日本米のように自然に重なっている状態にし、すべての米粒を一粒ずつ強調したり、同じ形の粒を規則的に大量反復させたりしないでください。

野菜は太さ、長さ、曲がり方に自然なばらつきを持たせてください。

食品表面を過度に滑らか、光沢的、立体的にせず、実際に人間が調理した料理に見られる小さな色むら、形の違い、自然な質感を残してください。

広告用に誇張された料理ではなく、日本の飲食店で実際に提供された料理を一般的なカメラで自然に撮影したような写真にしてください。

自然な照明、現実的な色、控えめなコントラスト。

料理を理想化しすぎず、本物の料理に見えることを最優先してください。

すでに激キショAI飯になってしまった場合の改善プロンプト

今回の追加検証で改善が確認できた考え方を、他の料理にも使いやすい形へ整理しました。

POP全体の視認性を改善してください。

料理写真は、実際の日本の飲食店で提供される自然で美味しそうな料理写真として整えてください。

料理に含まれる各食材の形や質感を不自然にせず、現実的で食欲をそそる見た目にしてください。

揚げ物の衣は自然で不規則な細かさを保ち、異常な突起、穴、岩やサンゴのような過剰な凹凸は避けてください。

白米は自然に重なった日本米らしい見た目にし、米粒を一粒ずつ過剰に強調したり、均一な形で反復させたりしないでください。

野菜は太さ、長さ、曲がり方に自然なばらつきを持たせ、均一な反復パターンにしないでください。

肉や揚げ物の表面は、油や光沢を過剰に強調せず、実際に調理した料理らしい自然な質感に戻してください。

食品表面を過度に滑らか、光沢的、立体的、鮮明にしすぎず、小さな色むらや形の違いを残してください。

料理を広告用に過度に理想化せず、実際に人間が調理して提供した料理として自然に見えることを優先してください。

文字と価格は読みやすく整理し、店頭POPとして見やすいレイアウトにしてください。

最も確実な対策は「料理写真」と「POP文字」を分けること

今回の検証を通して、一番確実だと感じた対策は非常にシンプルです。

AIには料理写真まで作らせ、文字や価格は別のソフトで追加する。

例えば、

1. 画像生成AIで料理写真を完成させる
2. 完成した料理画像を書き出す
3. Photoshop、Illustrator、Canvaなどへ配置する
4. 商品名、価格、キャッチコピーを別レイヤーで追加する

という流れです。

これなら価格を「980円」から「880円」へ変更しても、料理写真そのものには一切影響しません。

生成AIで料理を作る工程と、POPをデザインする工程を分離する。

これが現時点では最も確実な対策だと思います。

料理画像を作るなら、どのモデルを選ぶべき？

今回、18回の連続編集まで実際に検証したのはChatGPT Images 2.5です。

そのため、未検証のモデルまで含めた単純なランキングは行いません。

まとめ：AI料理画像は「美味しそう」を足せば足すほど良くなるとは限らない

今回、ChatGPT Images 2.5で同じ飲食店POPを18回編集しました。

• ベース画像は普通に美味しそうだった
• 6回目ではまだ大きな違和感はなかった
• 12回目以降からAI特有の質感が目立ち始めた
• 15回目、17回目と徐々に不自然さが強くなった
• 18回目では予想外に自然で美味しそうな状態へ戻った
• しかし同じ18回目の指示を途中画像へ使っても復活しなかった
• 料理の自然さを具体的に指定した修復プロンプトでは改善した

今回の結果を見る限り、「激キショAI飯」は特定のAIが最初から生成する固定画風ではなさそうです。

モデル、編集回数、元画像の状態、プロンプト、生成時のばらつきなどが複合して生まれる現象と考える方が自然です。

そしてAI料理画像を自然に見せるために重要なのは、

「もっと美味しそうに」と特徴を追加し続けるのではなく、「本物の料理が持つ不完全さ」を残すこと。

なのかもしれません。

形が少し違う唐揚げ。

不揃いな衣。

自然に重なった米粒。

少しずつ太さの違う野菜。

控えめな光沢。

AIではノイズとして整理されそうな小さな不完全さこそ、人間には「本物の料理らしさ」として感じられているのではないでしょうか。

「美味しそう」を最大化するより、「現実らしさ」を壊さない。

今回の検証では、それがAI料理画像を自然に見せる重要なポイントだと感じました。

FAQ：AI料理画像と「激キショAI飯」について

AI料理画像はなぜ気持ち悪く見えるのですか？

今回の検証では、同じ形、穴、突起、米粒、光沢などが過度に強調・反復され、現実の料理が持つ自然な不均一さが減るにつれて違和感が強くなりました。また、同じ画像への繰り返し編集でも料理部分の質感が徐々に変化しました。

ChatGPTで料理画像を作ると必ず気持ち悪くなりますか？

いいえ。今回ChatGPT Images 2.5で最初に生成した唐揚げ定食は、普通に美味しそうでした。不自然さが強くなったのは、その画像へ店頭POPとして多数の編集を重ねた後です。

「料理は変更しないで」と指示すれば完全に固定されますか？

今回の検証では完全には固定されませんでした。「料理そのものは変更しないでください」と指定していても、長い編集の中で料理の形や質感に変化が見られました。

18回目のプロンプトを使えば激キショAI飯は直りますか？

必ずしも直りません。今回、12回目と15回目の画像へ同じ18回目の指示を与えても、最初の18回目のような復活は再現しませんでした。

一度気持ち悪くなったAI料理画像は修正できますか？

改善できる場合があります。今回の検証では、唐揚げの衣、米粒、野菜、光沢などについて「どの部分をどう現実的に戻すのか」を具体的に指定すると改善が確認できました。

激キショAI飯を防ぐ一番確実な方法は？

料理写真をAIで完成させた後、商品名、価格、キャッチコピーなどはPhotoshop、Illustrator、Canvaなどで追加する方法です。文字修正のたびに料理画像全体を再生成する必要がありません。

Bing Image Creatorが激キショAI飯の原因なのですか？

個々の画像について、見た目だけから生成サービスを断定することはできません。今回の検証ではChatGPT Images 2.5でも長い連続編集によって料理の質感が変化しました。そのため、特定のサービスだけが原因とは判断できません。

料理画像を作るならChatGPT Images 2.5がおすすめですか？

今回実際に検証した範囲では、ベースとなる料理生成は自然で、一度不自然になった料理も具体的な修復指示で改善できました。ただし、本記事ではすべての画像生成モデルへ同じ18回の検証を行っていないため、ChatGPT Images 2.5が必ず最も優れているとは結論付けていません。

※本記事の生成AIに関する検証結果は、2026年9月時点に実際にChatGPT Images 2.5を使用した結果です。画像生成AIは同じ指示でも結果が変わる可能性があるため、同じ工程で必ず同じ変化が起きるとは限りません。

※さっぽろオータムフェストに関するAI画像の記述は、筆者が会場を見て回った際の個人的な観察です。出店店舗へ画像制作方法を確認した正式な調査ではなく、特定店舗が生成AIを使用していると断定するものではありません。

※「激キショAI飯」「激キモAI飯」は、SNS等で使用されている俗称として本記事内で使用しています。