画像生成AIの進化は留まることを知りませんが、今回Geminiに搭載された新モデル「NanoBanana2」は、特に日本のユーザーにとって見逃せないアップデートとなっています。
本記事では、無料で利用できる「高速モード」と、より高度な処理を行う「Proモード」の動作比較を行います。結論から申し上げますと、今回のアップデートで最も注目すべきは、無料版である高速モードにおける「日本語のテキスト描画能力」の劇的な向上です。
NanoBanana2における2つのモードの概要と利用条件
比較に入る前に、各モードの位置づけと利用可能なプランを整理します。
高速モードは、無料版のGemini環境においてデフォルトで利用できる、生成速度とリソース効率を重視したモデルです。日常的なアイデア出しや、ラフなイメージの共有に適しています。
一方、Proモードは、Google AI Proなどの有料環境で提供される、計算資源を贅沢に使い、細部の破綻の少なさや写真のようなリアリティを追求したモデルです。商用利用や最終的なクリエイティブの出力としての用途が想定されます。
これまでは、「文字を正確に描画する」という高度なタスクはProモードの独壇場であると考えられてきました。しかし、今回のNanoBanana2ではその常識が覆りつつあります。
比較検証1：日本語テキストの描画能力
画像内に指定した文字を組み込むタスクは、AIにとって難易度の高い処理です。アルファベットと比較して画数が多く、複雑な構造を持つ日本語（漢字、ひらがな、カタカナ）はなおさらです。
プロンプト例①：ネオンサインで「営業中」と書かれた看板
検証として、まずは、簡単な漢字のの入った画像を高速モードとProモードで生成してもらいました。また生成にかかった時間も計測してみました。
Proモードの出力結果は、事前の期待通り、文字の崩れがほとんどなく、背景とのライティングの馴染みも自然です。指定したフォントスタイルを維持したまま完璧に描画されました。
驚くべきは高速モードの出力結果です。旧モデルでは、日本語を指定しても意味不明な象形文字のような出力になることが多々ありましたが、指定した日本語テキストが視認可能な状態で描画されました。
ちなみに生成に要した時間は下記です。
| モード | 所要時間 |
|---|---|
| 高速モード（無料版） | 19.5秒 |
| Proモード（有料版） | 27.5秒 |
プロンプト例②：インフォグラフィック作成
次は、簡単なインフォグラフィックの作成を高速モードとProモードで生成してもらいました。同じく生成にかかった時間も計測してみました。
インフォグラフィックの作成を依頼したプロンプトは下記のとおりです。
Hytaleの舞台となる惑星Orbis（オルビス）4つのメインZoneで構成されています。
Zone 1：Emerald Grove / Emerald Wilds（土のZone）
特徴: プレイヤーの冒険のスタート地点となる、自然豊かな地域です。
環境: 初心者向けの資源が豊富で、農業や拠点作りに適した広大な草原（Plains）や森林、紅葉の森が広がっています。また、カエルや不気味な生物が潜む沼地（Swamp）や、最深部がマグマ層に繋がる石灰岩の地下洞窟も存在します。
※資料による違い: 名称が「Emerald Grove（エメラルドの木立ち）」と「Emerald Wilds（エメラルドの荒野）」の2通りで記録されています。
Zone 2：Howling Sands（風のZone）
特徴: 砂嵐が吹き荒れる過酷な乾燥・砂漠地帯です。
環境: 広大な砂丘やサバンナ、赤い岩壁の峡谷が広がる一方で、固有の素材が手に入る緑豊かな「オアシス」も点在しています。また、昆虫型モブであるScarakの巨大な巣穴（クレーター地帯）も形成されています。
Zone 3：Whisperfrost Frontiers（水のZone）
特徴: 吹雪による環境ダメージに注意が必要な、極寒の氷雪・凍土地域です。
環境: ツンドラや針葉樹林（タイガ）、巨大な雪嶺、氷河の谷によって構成されており、空には美しいオーロラが見られます。地下には固有の資源が眠る氷の洞窟が広がっています。
Zone 4：Devastated Lands（火のZone）
特徴: 火山活動が活発な、最高難易度の荒廃した地域です。
環境: 溶岩流や灰に覆われた荒野、炭化した木々が立ち並ぶ森の残骸などが広がっています。さらにこのZoneの地下には、恐竜が生息する「地下ジャングル（Underground Jungle）」という熱帯植生地帯が広がっているのが大きな特徴です。この説明を日本語のインフォグラフィックで表して
Proモードの出力結果は惑星を中心にレイアウトされたわかりやすいレイアウトと、それぞれのZoneに最適な色を選択して漢字もキレイに出力されています。
高速モードの出力結果の素晴らしい点はそのイラストです。斜め上からの実下ろし視点での画像が統一感のあるレイアウトとなっておりこの点はPro版よりもいい結果だといえます。
ただ、細かな文字の漢字がおかしくなっているところもあり、文字数が多くなると日本語の表示が少し厳しくなってくるようです。
生成にかかった時間は下記になっています。
| モード | 所要時間 |
|---|---|
| 高速モード（無料版） | 23秒 |
| Proモード（有料版） | 30秒 |
比較検証2：生成速度とプロンプトの解釈能力
次に、プロンプトの意図をどこまで正確に反映できるか、そして生成にかかる時間のトレードオフについて、実測値を用いて分析します。
検証プロンプト例：「春の新作」というキャッチコピーが入った、被写界深度の浅いポートレート風のポスター
Proモードは、生成に約39秒、高速モードは約27秒で生成しました。どちらの出力も、プロンプトの細かなニュアンス（被写界深度、特定のカメラレンズの質感、複雑な構図の指定など）を正確に描写するしています。
テキストの配置に関しても、ほぼ互角といえます。これならば高速モードで十分と言えそうです。
| モード | 所要時間 |
|---|---|
| 高速モード（無料版） | 27秒 |
| Proモード（有料版） | 39秒 |
比較検証3：全体的な質感と細部の破綻
最後に画像全体のクオリティについて比較します。
人物の指先や、複雑な幾何学模様など、AIが苦手とする細部の描写においては、もともとはProモードが優位性を保っていました。Proモードで生成された画像は、拡大しても細部の破綻が少ないのが特徴でしたが、今回NanoBanana2になってどう変わったでしょうか。
今回のプロンプトは
「若い恋人が指相撲をしながら微笑みあっている写実的な画像を描いて」
としました。
Proモードと高速モードを比較すると、甲乙つけがたい結果となりました。指相撲という面で見ると高速モードのほうが優秀なくらいです。
| モード | 所要時間 |
|---|---|
| 高速モード（無料版） | 32秒 |
| Proモード（有料版） | 44秒 |
考察と結論：高速モードは実務レベルで使えるツールへ
NanoBanana2の2つのモードを定量データも交えて比較検証した結果、以下の結論に至りました。
最高品質の描写や、細部までコントロールされた完璧な一枚を求めるのであれば、Proモードをのほうがおすすめです。しかし、本記事で最も強調したいのは、無料の高速モードが単なる「お試し版」の領域を完全に脱したという事実です。
特に、日本語テキストを高い精度で破綻なく描画できるようになった点は、日本のクリエイターやマーケターにとって革命的です。1枚約30秒未満という圧倒的な速度を活かし、キャッチコピー入りのバナー案を大量に生成したり、プレゼン資料の挿絵を自作したりする用途において、高速モードは最強のパートナーとなるでしょう。
用途に合わせて2つのモードを使い分けることで、NanoBanana2のポテンシャルを最大限に引き出すことができます。まずは劇的に進化した高速モードで、日本語プロンプトを入力してその実力を体感してみてください。
コメント