プロンプトタグ辞典の作り方 — 自分専用の語彙データベースを育てる
プロンプト品質の差は「持っている語彙の差」です。自分専用のタグ辞典を構築し、状況・モデル・テーマ別に整理することで、生成効率と再現性が劇的に向上します。設計と運用のコツを解説。
優れたプロンプトを書ける人とそうでない人の差は、才能ではなく「使える語彙の量と整理度」です。同じシーンを書こうとしても、golden hour を知っている人と知らない人では再現性に差が出ます。本記事では、自分専用のプロンプトタグ辞典を構築し、生成効率を底上げする方法を整理します。
なぜタグ辞典が必要か
AI画像・動画生成における「プロンプトの引き出し」は、生成体験の最大のボトルネックです。
- 思いついた表現が出てこない：あの照明、あのレンズ感、表現したいのに単語が出ない
- 過去使った良いタグを忘れる：1ヶ月前に効いた組み合わせが思い出せない
- モデルごとの方言が混在：Pony と Animagine と Flux でタグの効きが違うのに整理されていない
辞典化は、これらを解決する単純で強力な手段です。
辞典設計の基本構造
タグ辞典は次の階層で整理するのが無難です。
カテゴリ
└── サブカテゴリ
└── タグ
├── 英語表記
├── 日本語意味
├── 効くモデル（複数可）
├── 推奨強度
├── 注意点・組み合わせの相性
└── 使用例（プロンプト断片）
主要カテゴリ例
- 被写体（人物・動物・物体）
- 構図・カメラワーク
- ライティング
- 画風・スタイル
- 色彩・トーン
- 質感・素材
- 環境・場所
- 時間帯・季節
- 感情・雰囲気
- 動きの動詞（動画用）
サンプル：ライティング辞典のエントリ
- tag: golden hour
jp: 黄金時間（日没・日の出前後）
category: lighting
models: [SDXL全般, Flux, Midjourney, SORA, Veo]
strength: 推奨
notes: |
暖色のドラマチックな逆光・順光が得られる。
人物ポートレート・風景の両方に万能。
cinematic との組み合わせが定番。
examples:
- "warm golden hour light from the right"
- "soft golden hour, long shadows, hazy atmosphere"
- tag: rim light
jp: リムライト（被写体の輪郭を縁取る光）
category: lighting
models: [Flux, SDXL, Midjourney]
strength: 推奨
notes: |
被写体を背景から際立たせる効果。
黒背景＋rim light で映画的なポートレート。
backlight と組み合わせると強調される。
examples:
- "strong rim light from behind, dramatic"
- "subtle rim light highlighting the hair"
このように「モデル別の効き」「強度」「組み合わせ」「使用例」までセットで保存するのがコツ。
保存形式の選択肢
タグ辞典をどこに保存するか、それぞれ一長一短があります。
| 形式 | 長所 | 短所 |
|---|---|---|
| Notion | 検索・タグ・テーブル機能が強力 | プロンプト中で直接呼び出せない |
| Obsidian | オフライン・Markdown・グラフ表示 | UIがやや複雑 |
| YAML/JSON ファイル | プログラムで処理しやすい | UIがない |
| Google Sheets | 共有・同期が容易 | 表現力に限界 |
| 専用アプリ（PromptDB等） | プロンプト用に最適化 | 学習コスト・ロックイン |
おすすめは Obsidian + Markdown または YAMLファイル。理由は次節。
Markdown / YAML が現実解な理由
- テキストファイルなので Git で管理できる（バージョン履歴・差分比較）
- 将来的にツールで自動処理できる（PromptForge JP のようなツールに食わせやすい）
- ベンダーロックインがない
- 検索が高速
例えば Obsidian で次のようにタグを書いておけば、#lighting/golden_hour を全文検索するだけで使用例まで一覧できます。
## golden hour
- 黄金時間。日没・日の出前後の暖色光。
- モデル相性: Flux ◎、SDXL ◎、Midjourney ◎、SORA ◎
- 強度: 推奨（cinematic と相性良）
- 使用例:
- `warm golden hour light from the right`
- `soft golden hour, long shadows, hazy atmosphere`
#lighting #lighting/golden_hour
タグ収集の実践フロー
タグ辞典は「集めながら育てる」のが正解。一気に作ろうとしても挫折します。
初期フェーズ（1〜2週間）
- 既存のプロンプト（過去に書いたもの）を全部集める
- 効いたタグを抜き出して上記フォーマットに整理
- カテゴリ分類は粗くて良い（後で再分類できる）
蓄積フェーズ（継続）
- 生成のたびに新しいタグを試す
- 効果のあったタグだけ辞典に追加
- 効かなかった/予想外の効きをした場合もメモ
整理フェーズ（月1回）
- カテゴリの再整理
- 重複・類似タグの統合
- 古くなったモデル相性情報の更新
モデル別の方言を記録する
同じ意味でもモデルによって最適な書き方は変わります。
「黄金時間の光」を表現する場合：
- SORA: "warm golden hour light from the right"
- Veo: "Lighting: Warm golden hour, low angle"
- Flux: "soft golden hour, hazy atmosphere"
- SDXL: "(golden hour:1.2), warm lighting"
- Midjourney: "golden hour, --style raw"
タグ辞典には「方言マッピング」を持たせるのが理想。1つの概念に対して、各モデルでどう書くか、をセットで記録する。
カテゴリ別タグ収集の優先順位
ゼロから始めるなら、効果の高い順に手をつけます。
- ライティング — 一発で雰囲気が変わる
- 構図・カメラワーク — 写真らしさを左右
- 画風・スタイル — モデル選びと連動
- 質感・素材 — 細部のリアリティ
- 感情・雰囲気 — 抽象だが効く
- 動きの動詞（動画AI使用時） — 動画特有
- 被写体 — 一般タグなので後回しでOK
最初の3カテゴリで150〜200タグ持てれば、生成体験が大きく変わります。
辞典運用の注意点
1. タグの「効き」は時間とともに変わる
モデルが更新されると、過去効いていたタグが効かなくなることがあります。最終確認日をエントリに記録しておくと、古い情報を識別できます。
2. ネガティブも辞典化する
worst quality, low quality, blurry のような定番ネガティブも、モデル別にセットで保管。Flux のように Negative 不要なモデル向けの「Negativeなし」プロファイルも作る。
3. 辞典に頼りすぎない
辞典は「思い出すツール」であり、創造の代替ではありません。新しい表現を試す好奇心は捨てない。
チームでの共有
複数人でAI生成を行う場合、共有タグ辞典は強力な資産になります。
- 初心者の立ち上がりが速い：先輩のタグ辞典を読むだけで一気にレベルアップ
- 品質の標準化：同じプロジェクトで誰が生成しても近い品質が出せる
- 属人化の防止：辞典がドキュメントの役割を果たす
Notion / GitHub / Obsidian Sync などで共有運用するのが現実的。
まとめ
タグ辞典は「プロンプト作家としての資本」です。集めて、使って、整理する、という単純な行為を続けるだけで、半年後の生成品質は劇的に変わります。早く始めれば早く効果が出る、典型的な複利型の投資です。
PromptForge JP では、ユーザーが自分のタグ辞典を取り込んでプロンプト生成に活用できる「カスタム辞典モード」を検討中です。Markdown/YAML 形式の辞典をアップロードすると、選択UIに自分の語彙が組み込まれる、というのが目指す体験です。