AIに「〜しないで」は通じるか｜ChatGPT・Gemini・Grokで眼鏡・笑顔・文字・メイクを消してみた

画像生成AIに「眼鏡なし（no glasses）」「笑わないで（don’t smile）」と書くと、ChatGPT・Gemini・Grok の3つとも、12枚すべてで眼鏡と笑顔が消えました。効かなかったのは「文字なし（no text）」で、商店街の看板の文字は、Gemini と Grok の8枚すべてに残っています。

人の顔や持ち物につく物は「〜しないで」で消せて、場面が呼び込む物（商店街の看板）は消せない、という分かれ方でした。看板の文字は、場所の書き方ごと変えたら消えています。

先に結論：消えたもの・消えなかったもの

1つの言葉につき、ChatGPT・Gemini・Grok で4枚ずつ、計12枚を作って比べました。「否定」は消したい物に no や don’t を付けた書き方、「肯定」は消したあとの姿を言葉にした書き方です。

「否定形で書くと、かえってそれが出る」とよく言われますが、今回の3つのツールでは、眼鏡も笑顔もそうはなりませんでした。困るのは、看板のように場面とセットで描かれる物のほうです。

試し方

Google の画像生成の公式ガイドには「no cars と書くより、an empty, deserted street（人けのない道）と書く」とあり、否定ではなく肯定で書くように勧めています。じゃあ実際、否定で書いたらどのくらい効かないのか。眼鏡・笑顔・文字・メイクの4つで、3つのツールに同じプロンプトを渡して確かめました。

Gemini は、アプリではなく API（プログラムから呼ぶ窓口）で作っています。アプリだと Gemini のAIが間に入るので、プロンプトがそのまま画像のAIに届いたかを確かめにくいからです。Grok も、プロンプトを書き換えずに渡したことを、毎回の記録で照らしました。

ちなみに API は無料枠が無く、Gemini の分は1枚5円くらい。作り直しも入れて69枚、350円ほどかかりました。

作例は、どれも同じ20歳の人物像で、消したい物ごとに場所を変えています。眼鏡は図書館、笑顔はカフェのテラス、文字は商店街、メイクはスタジオ。大きさは全部 2:3 の縦長です。

眼鏡：no glasses で、3つとも消えた

まずは何も書かないベース。図書館で勉強する知的な雰囲気（smart intellectual look）にしました。眼鏡が出てきそうな場面を、わざと作っています。

何も書かないベース：smart intellectual look の図書館

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, smart intellectual look, wearing a navy blazer over a white shirt, sitting at a wooden desk in a quiet library with open books, soft window light, shot on a 50mm lens, vertical 2:3 portrait format

おお、Grok だけ4枚とも眼鏡。しかも1枚目は、かけているのに机の上にもう2本転がっています。知的と言われたら眼鏡、という思い込みが一番強いのが Grok でした。ChatGPT と Gemini は、4枚とも眼鏡なしです。

ここに no glasses を足します。言葉に出したら、かえって眼鏡が出るんじゃないか？　というのが、この企画の一番の心配でした。

否定で書いたベースに足した言葉：no glasses

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, smart intellectual look, wearing a navy blazer over a white shirt, sitting at a wooden desk in a quiet library with open books, soft window light, shot on a 50mm lens, vertical 2:3 portrait format, no glasses

・・・あっさり消えました。Grok の4枚からも眼鏡が消えて、机の上の眼鏡もありません。言葉に出したものに引っ張られるどころか、3つとも素直に聞いてくれます。

念のため、肯定の書き方（何もつけていない素顔）も試しました。

肯定で書いたベースに足した言葉：bare face with nothing on it

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, smart intellectual look, wearing a navy blazer over a white shirt, sitting at a wooden desk in a quiet library with open books, soft window light, shot on a 50mm lens, vertical 2:3 portrait format, bare face with nothing on it

こちらも12枚とも眼鏡なし。眼鏡については、否定でも肯定でも結果は同じでした。

笑顔：don’t smile で、3つとも笑わなくなった

ベースは、晴れた朝のカフェのテラス。笑えとは書いていませんが、こういう場面だと3つとも笑わせてきます。

何も書かないベース：朝のカフェのテラスでラテを持つ

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a light blue linen shirt, sitting at a sunny café terrace holding a latte, bright morning light, shot on a 50mm lens, vertical 2:3 portrait format

予想どおり、12枚とも笑顔。Gemini と Grok は口を閉じたやわらかい笑み、ChatGPT は口角をしっかり上げた笑顔です。

否定で書いたベースに足した言葉：don't smile

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a light blue linen shirt, sitting at a sunny café terrace holding a latte, bright morning light, shot on a 50mm lens, vertical 2:3 portrait format, don't smile

笑顔が12枚とも消えました。ChatGPT は唇を少し開いた、ちょっと物憂げなモデル顔に。Grok はおもしろくて、4枚とも目線が横にそれて、遠くを見つめる横顔になりました。笑わないでと言われて、カメラから目をそらしたみたいです。

肯定で書いたベースに足した言葉：serious expression, closed lips

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a light blue linen shirt, sitting at a sunny café terrace holding a latte, bright morning light, shot on a 50mm lens, vertical 2:3 portrait format, serious expression, closed lips

肯定で「真顔・口を閉じる」と書いても、12枚とも笑っていません。違いは真剣さの度合いで、ChatGPT はキリッとした真顔、Gemini と Grok は少し眉が寄った、考えごとをしている顔です。

文字：no text は、Gemini と Grok で効かなかった

ここからが本番でした。ベースは、看板が並ぶ東京の商店街のカフェの前（shopping street lined with shop signs）。

何も書かないベース：看板が並ぶ商店街のカフェの前

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a beige trench coat, standing in front of a small café storefront on a Tokyo shopping street lined with shop signs, daylight, shot on a 50mm lens, vertical 2:3 portrait format

12枚とも、看板・黒板・のれんに文字がびっしり。Grok は「Café Lumière」「雑貨」「アクセサリー」まで、読める文字をどんどん描いてきます。

否定で書いたベースに足した言葉：no text

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a beige trench coat, standing in front of a small café storefront on a Tokyo shopping street lined with shop signs, daylight, shot on a 50mm lens, vertical 2:3 portrait format, no text

全然消えねー・・・。Gemini は日本語の看板がベースとほぼ同じだけ並び、Grok は「CAFE LUNE」「雑貨」「VINTAGE」「美容室」と、看板の数も変わりません。ChatGPT だけは手前の看板をどけて、遠くの看板に小さな文字が残る程度まで減らしてくれました。

商店街と書いた時点で、看板と文字はセットで描かれます。そこに no text を1語足しても、場所の言葉のほうが強く、文字が残るんだと思います。

直し1：場所ごと、無地の壁の前に変えた

Google のガイドどおり、「文字がない場所」を言葉にしました。商店街をやめて、静かな通りのクリーム色の無地の壁の前（plain cream-colored wall on a quiet Tokyo street）にしています。

直したあと場所を書き換えた：standing in front of a plain cream-colored wall on a quiet Tokyo street

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a beige trench coat, standing in front of a plain cream-colored wall on a quiet Tokyo street, daylight, shot on a 50mm lens, vertical 2:3 portrait format

ChatGPT と Gemini は、8枚とも文字が消えました。Grok は、壁はちゃんと無地なのに、壁に貼った「注意」の看板、「一方通行」の標識、「注意 電気」のプレートと、4枚のうち3枚に文字の入った標識を描いてきます。東京の通りと書いたら、標識は外せないらしい・・・。

直し2：商店街のまま、看板を無地の板にした

それでも、商店街の雰囲気は残したい。そこで、看板もひさしも全部、無地の色の板（every signboard and awning is a plain solid-color panel）と書きました。

直したあと看板を書き換えた：lined with blank shop signs, every signboard and awning is a plain solid-color panel

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, wearing a beige trench coat, standing in front of a small café storefront on a Tokyo shopping street lined with blank shop signs, every signboard and awning is a plain solid-color panel, daylight, shot on a 50mm lens, vertical 2:3 portrait format

キタ！ChatGPT と Gemini は、色の板が並ぶ、ちょっとアートな商店街になりました。読める文字はほぼありません。Grok は大きな看板こそ無地になったものの、ドアの「OPEN」、窓の「Takiro Co」、のれん、紙袋の「銀座」と、小物のほうに文字を逃がしてきます。

ここまでやって、Grok の文字はゼロにできませんでした。Grok で文字を消したいときは、看板が写らない構図（寄りの写真・無地の背景）にしてしまうのが早いと思います。

メイク：no makeup は、ChatGPT だけはっきり効いた

ベースは、グレーのスタジオでのビューティーポートレート（beauty portrait）。メイクについては何も書いていません。

何も書かないベース：スタジオのビューティーポートレート

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, beauty portrait, wearing a white knit top, plain light gray studio background, soft studio light, shot on an 85mm lens, vertical 2:3 portrait format

ChatGPT は、つやのある唇にしっかりめのメイクで、グラビア誌の表紙のような顔。Gemini と Grok は、もともと薄めのナチュラルメイクです。

否定で書いたベースに足した言葉：no makeup

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, beauty portrait, wearing a white knit top, plain light gray studio background, soft studio light, shot on an 85mm lens, vertical 2:3 portrait format, no makeup

ChatGPT は分かりやすく変わりました。唇のつやが消えて、そばかすの見える素肌に。Gemini はもともと薄いので、並べてやっと分かるくらいです。Grok は、ピアスもネックレスもそのままで、唇のピンクも残り、ベースとほとんど同じ顔に見えます。

肯定で書いたベースに足した言葉：fresh bare skin with visible natural texture, natural unpainted lips, natural untouched eyebrows

この12枚のプロンプト

Photorealistic waist-up photograph of a beautiful 20-year-old Japanese woman, stylish Tokyo fashion model look, small refined face, sleek long dark brown hair, beauty portrait, wearing a white knit top, plain light gray studio background, soft studio light, shot on an 85mm lens, vertical 2:3 portrait format, fresh bare skin with visible natural texture, natural unpainted lips, natural untouched eyebrows

肯定で「素肌・塗っていない唇・手を入れていない眉」と書くと、Grok もはっきり素顔になりました。アクセサリーも減って、証明写真のような素の顔です。メイクを消したいなら、no makeup の1語より、素の状態を部分ごとに書くほうが確実でした。

日本語で「眼鏡はかけないで」と書いても通じた

最後に、プロンプトを丸ごと日本語にして、最後に「眼鏡はかけないで。」と書きました。英語のベースと同じ、知的な雰囲気の図書館です。

日本語で書いたプロンプトを日本語にして、最後に：眼鏡はかけないで。

この12枚のプロンプト

20歳の美しい日本人女性の、腰から上のリアルな写真。おしゃれな東京のファッションモデル風で、小顔、まっすぐな長いダークブラウンの髪。知的な雰囲気で、紺のブレザーに白いシャツを着て、静かな図書館の木の机で、開いた本を前に座っている。窓からのやわらかい光、50mmレンズ。縦長の2:3。眼鏡はかけないで。

12枚とも眼鏡なし。英語のときに4枚とも眼鏡をかけた Grok も、日本語の「かけないで」でちゃんと外しています。3つとも、日本語の否定も英語と同じように読めていました。

Grok だけ、4枚とも本に目を落とした伏し目になったのはおもしろいところ。日本語にすると、同じ内容でも雰囲気の読み取り方が少し変わるようです。

効く「しないで」と、効かない「しないで」の違い

168枚を並べてみて、分かれ目は「消したい物が、どこから来ているか」でした。

• 眼鏡・笑顔のように、人物の顔や持ち物につく物：no glasses・don’t smile の否定で3つとも消えた
• 看板の文字のように、場所の言葉が呼び込む物：no text では消えない。場所の書き方ごと変えると消えた

AIは、プロンプトの言葉から「そういう写真にありがちな物」をまとめて描きます。商店街なら看板と文字、知的な図書館なら（Grok にとっては）眼鏡。人物につく物は1語で外せますが、場面とセットの物は、場面の言葉が残っている限り戻ってきます。消えないときは、消したい物を連れてくる言葉のほうを書き換えるのが近道でした。

メイクは、その中間にあたります。顔につく物ですが、ビューティーポートレートという言葉がメイクを連れてくるので、no makeup の1語では Grok の顔が変わっていません。

ツールごとの性格も見えています。ChatGPT は否定をいちばん素直に聞き、no text でも手前の看板をどけてくれました。Gemini は人物については素直で、場面の文字には弱い。Grok は、言われていない物（眼鏡・文字・アクセサリー）を一番足してくるツールで、メイクは肯定で書いてやっと消え、文字は最後まで残っています。

よくある質問

画像生成AIに「〜しないで」は通じる？

ChatGPT・Gemini・Grok の3つでは、眼鏡と笑顔は no glasses・don’t smile の否定で12枚すべて消えました。通じにくいのは、看板の文字のように場所の言葉とセットで描かれる物です。no text は、Gemini と Grok で消えませんでした。

否定形で書くと、かえってそれが出るのは本当？

今回の眼鏡と笑顔では、そうはなりませんでした。no glasses と書いたあと、眼鏡は1枚も出ていません。ただ、文字のように場面が呼び込む物は、否定で書いても残るので「効かない」とは感じやすいと思います。

文字を入れたくないときは、どう書けばいい？

文字が出る場所の言葉を、文字の無い場所に書き換えます。商店街の前を「無地の壁の前」にしたら、ChatGPT と Gemini は8枚とも文字が消えました。Grok は標識や小物に文字を描きやすいので、背景を写さない構図にするのが早いと思います。

ChatGPT にはネガティブプロンプトの欄がない？

ChatGPT・Gemini・Grok には、ComfyUI のような「ネガティブプロンプト」の入力欄はありません。消したい物は、ふつうのプロンプトの中に「no 〜」か、消したあとの姿で書きます。

消したいものから選ぶ書き方