画像生成AIで気に入った構図が出たのに、同じプロンプトを入力しても別の画像になった経験はないでしょうか。結果のばらつきに関係する代表的な設定がシード値（seed）です。
シード値を記録すると、条件をそろえた再生成や比較がしやすくなります。ただし、同じ数字だけを入れれば必ず同一画像になるわけではありません。この記事では、シード値の役割、再現に必要な条件、制作現場での使い方を整理します。
画像生成AIのシード値とは
シード値は、画像生成の出発点となるランダム性を決める数値です。Stability AIの公式API資料では、seedは生成時のランダム性を導く値と説明され、指定を省略するか0を渡すとランダムなシードが使われます。
シード値は、白紙から絵を描く前に並べる「最初のノイズの配置」を識別する番号に近いものです。同じ出発点を使うことで、プロンプトや一部設定の差を比較しやすくなります。
同じシード値でも画像が変わる理由
シード値は生成条件の一つであり、結果を単独で固定する鍵ではありません。再現性を高めるには、次の条件もそろえます。
- モデル名とバージョン
- プロンプトとネガティブプロンプト
- 画像サイズとアスペクト比
- サンプラーや生成方式
- ステップ数、ガイダンス値などの設定
- 画像入力、参照画像、マスク
- 使用するサービスや実行環境
モデルの更新やサービス側の実装変更があると、以前と完全に同じ結果にならない場合があります。公式資料でも、特定のガイダンス方式との組み合わせでは決定性に例外があることが示されています。「同じシード＝永久に同一」と断定しないことが大切です。
シード値が役立つ3つの場面
1. 気に入った構図を基準に調整する
良い構図が出たらシード値を固定し、色、衣装、時間帯などプロンプトの一部だけを変えます。毎回すべてが変わる状態より、変更の影響を判断しやすくなります。
2. 設定の違いを比較する
同じプロンプトとシードを使い、ステップ数やガイダンス値だけを変えると、設定差を比較できます。チームでモデルやプリセットを選ぶときも、条件を固定した比較は説明しやすくなります。
3. 修正前の状態へ戻りやすくする
制作途中のシード値と設定を記録しておけば、変更前の候補へ戻りやすくなります。画像ファイルだけでなく、生成条件も制作データとして残す運用です。
制作現場で残す記録
- 生成サービスとモデル名・バージョン
- プロンプトとネガティブプロンプト
- シード値
- 画像サイズと縦横比
- 主要パラメーター
- 参照画像やマスクのファイル名
- 生成日と採用理由
長いプロンプトや制作指示を整理するときは「生成AIのコンテキストウィンドウとは？」も参考になります。シード値だけでなく、入力条件全体をセットで残すと再現性が高まります。
シード値の使い方
- まずランダム設定で複数案を生成する
- 採用候補のシード値を記録する
- モデル、サイズ、主要設定を固定する
- プロンプトの変更点を一つに絞る
- 結果と変更内容を並べて比較する
- 採用画像と生成条件を同じ案件フォルダへ保存する
サービスによって、シード値の表示場所や入力可能範囲は異なります。自動でランダム値が設定される場合もあるため、作成時点の公式ヘルプや設定画面を確認してください。
よくある誤解
- シード値だけで同一画像を保証できる
- 別のモデルでも同じシードなら同じ構図になる
- プロンプトを大きく変えても構図は固定される
- サービス更新後も以前と完全に一致する
- シード値を残せば利用規約や権利確認は不要になる
シード値は生成結果を管理するための技術的な補助です。商用利用、人物の権利、ブランド表現、学習データに関する条件は、利用するサービスの規約と案件要件を別に確認します。
まとめ
シード値は、画像生成AIのランダム性を制御し、条件をそろえた再生成や比較をしやすくする数値です。ただし、モデル、プロンプト、サイズ、生成設定、実行環境が変われば結果も変わります。採用画像ではシード値だけでなく、生成条件一式を記録してください。
参考：Stability AI API Reference、Stability AI API Parameters（2026年8月17日確認）
