A cartoon orange tabby cat in a red jacket dancing upright on its hind legs, motion arcs sweeping behind it - the kind of looping animation this guide generates from a single text prompt.
ガイド

テキストプロンプトからアニメーションGIFを作成する方法 (GPT Image 2.6)

投稿日: Nov 6, 2026

機械翻訳

短い回答: はい。GPT Image 2.6は、通常のテキストプロンプトから、ループするアニメーションGIF(2〜16フレーム、任意のフレーム遅延、オプションで背景透過が可能)を生成します。これはビデオモデルやタイムラインを使用せず、すでにお持ちの写真にアニメーションを付けることも可能です。以下に、使用した正確なプロンプト、設定、結果、および各ターンで発生した料金を記載します。得られる重要な知見は、フレーム数を増やしても、より多くの画像が得られるわけではないということです。むしろ、少なくなります。

開示事項:当社はこれらのモデルへのアクセスを販売するCombiChatを提供しているため、これが安価であると皆様に信じていただくことには明白な利害関係があります。ここに記載されているすべてのコストは、本ページでのターンにおける当社自身の口座のクレジット消費量であり、見積もりやベンダーの価格表ではありません。手法については最後に記載しています。2026年11月6日に測定。

作成するもの

赤いボンバージャケットを着た、後ろ足で踊るオレンジ色のトラ猫の漫画。16フレームでループしており、このガイドのテキストプロンプトから生成される完成したアニメーションです。

1つのプロンプト、1回の実行、1つのファイル:16フレーム、1.6秒のループ、そして背景は透明なので、どのような色の上にも配置できます。作成にかかった時間は約1分で、消費クレジットは22,428クレジット(約22セント)でした。

設定

Formatがgif、Framesが16、Frame timeが100ms、Qualityがhigh、Backgroundがtransparentに設定されたCombiChatの翻訳テスト名ZZZ。このガイドのアニメーションで使用した設定と全く同じものです。

Formatの行で gif を選択することが、最大のポイントです。これはPNGとWebPの違いのようなコンテナの選択ではなく、モデルが返す内容そのものを変更します。そのため、gifを選択した瞬間に、その横に2つの追加の行が表示されます。

コントロール使用したもの理由
モデルGPT Image 2.6 Sunburst2.6ペアのうち、詳細調整が施された半分です。16フレームにわたって一つのキャラクターを維持することはこの作業の難所ですが、Sunburstはレンダリング間の一貫性を保つために構築されています。
フォーマットgifFramesとフレーム時間を表示します。他の値にすると静止画が返されます。
フレーム数16上限値です。反射的に設定する前に、次のセクションを確認してください。
フレーム時間100ms16フレーム x 100ms = 1.6秒のループ、秒間約10フレームとなります。
品質high最終的な請求額を8.5倍変化させるコントロールです。
アスペクト比1:1正方形であれば、ソーシャルプラットフォームによるあらゆるクロップに耐えられます。
背景transparent結果を「白い正方形の中の猫の写真」ではなく、「ステッカー」にします。
数1この例には1ループあれば十分です。より大きな数でも動作します。各アニメーションは個別のリクエストとして生成されるため、一つの予算を奪い合うことはありません。

フレーム時間は10ミリ秒単位で20msから2,000msの間で設定されます。このグリッドは恣意的に選ばれたものではありません。GIFはフレームの遅延を100分の1秒単位で保存するため、例えば55msの遅延を指定するとファイルには60として書き込まれてしまい、制御が正確に行えなくなるからです。また、20ミリ秒はブラウザが尊重する最短の遅延でもあります。ChromeやFirefoxでは、これより短い値は自動的に100msに制限されます。

プロンプト

text
小さな赤いボンバージャケットを着た、ふっくらとしたオレンジ色のトラ猫が、後ろ足で直立してチャールストン・ダンスを踊っている16フレームのループアニメーション。膝を内側に振って交差させ、前足は膝のところで交差させ、尻の動きとは逆方向に尻尾を振り、拍子に合わせて耳が弾む様子。フラットなセルシェーディングのカートゥーンスタイル、太い黒の輪郭線、各形状につき4色のフラットカラー、グラデーションなし、テクスチャなし。耳から足先まで全身が入り、中央に配置され、すべての周囲に十分な余白がある。最後のポーズが最初のポーズと正確に一致するため、ループがシームレスに繋がる。

この中には、実際に効果を発揮している要素が3つありますが、その一つひとつが、私たちが最初に行った失敗から生まれたものです。

解剖学的な特徴を記述してください。比較対象の名前を出さないでください。 自然な書き方としては、"a cat dancing like a human, on two legs like a person"(人間のようにおどる猫、人のように二本足で)となりますが、これは避けてください。画像生成モデルは「like a human(人間のよう)」を比喩としてではなく、あなたが要求した名詞として読み取ってしまうため、画面内に人間が出現してしまいます。代わりにポーズを具体的に記述する(standing upright on its hind legs, knees swinging inward, paws crossing at the knees / 後ろ足で直立し、膝を内側に向け、前足が膝のところで交差している)ことで、誰の名前も出さずに全く同じ画像を得ることができます。「no people(人間なし)」という言葉を付け加えても意味はありません。どちらにせよプロンプトの中にその単語が含まれてしまうからです。

ここでは、ベタ塗りはスタイルの好みではなく、ファイル形式の問題です。 GIFは1フレームあたり最大256色しか保持できず、同一ピクセルの連続を見つけることで圧縮を行います。滑らかなフォトリアルな陰影は、その両方を同時に台無しにします。パレットが階調化して縞模様になり、ファイルサイズが膨れ上がってしまうのです。four flat colors per shape, no gradients, bold outlines(1つの形状につき4色のベタ塗り、グラデーションなし、太い輪郭線)と指定することで、出力結果のファイルサイズを小さくし、かつ見た目も良くすることができます。セルアニメーションとGIFは、互いのために作られたものなのです。

ループを閉じるよう指示してください。 「最後のポーズが最初のポーズと完全に一致する」という一言を加えるだけで、シームレスなサイクルを実現できます。これを忘れると、アニメーションが再生されるたびに目に見えてカクついてしまいます。

フレームが増えると、ピクセルが減る

これは誰も書き残さない部分であり、ビデオの料金体系とは正反対の仕組みになっています。

GPT Image 2.6に、より多くのGIFフレームを要求しても、画像が大きくなるわけではありません。固定されたおおよそのピクセル予算を、各フレームに分割するだけなのです。2フレームのループは1216 x 816で返ってきましたが、生成したすべての16フレームのループは、2つの2.6モデル、2つのアスペクト比、および4つの品質ティアのすべてにおいて、約0.5メガピクセル(864 x 576 または 704 x 704)になりました。

2026年11月、両方のGPT Image 2.6モデルを使用して20回の連続アニメーションターンで測定。すべての16フレームGIFは約0.5メガピクセルとなりました。

モデルは、フレームをフルサイズでレンダリングしてフレームごとに課金しているわけではありません。おおよそ固定されたピクセル予算を、各フレームに割り当てています。同じモデル、同じ品質、同じアスペクト比で、フレーム数だけを変えた4つのケースがこちらです:

フレーム数出力キャンバスメガピクセル消費クレジット
21216 x 8160.997,858 (~$0.07)
41216 x 8160.997,859 (~$0.07)
91152 x 7680.887,222 (~$0.07)
16864 x 5760.507,219 (~$0.07)

このシリーズでは、2フレームから16フレームに増やしてもコストは変わらず、解像度は半分になりました。異なるアスペクト比やあらゆる品質ティアにおいても、もう一方の2.6モデルで同様のキャンバス縮小が確認されました。両方のモデルおよび全4つのティアにおいて、生成されたすべての16フレームGIFは、約0.5メガピクセルとなりました。 この点は確実です。

しかし、コストについては一貫していません。2つ目のモデルでは、請求額は一定ではありませんでした:

モデル、品質、アスペクト比2フレーム16フレーム
2.6 Flare, low, 3:27,858 クレジット (~$0.07)7,219 (~$0.07) — フラット
2.6 Sunburst, high, 1:110,650 クレジット (~$0.10)22,428 (~$0.22) — 2.1倍

「フレームは無料です」という前提で予算を立てないでください。どこにおいても共通していた唯一の事実は、フレーム数は常に解像度として支払われ、時には金銭としても支払われるということです。つまり、これは「無料のランチ」ではなく、真の選択を迫られるものなのです。

  • 滑らかさが欲しいですか? 16フレームを選択し、約704 x 704 ピクセルであることを受け入れてください。チャットウィンドウ内で幅400ピクセルで表示されるループ動画であれば、ほとんどの場合でそれが正しい選択となります。
  • 鮮明さが欲しいですか? フルメガピクセルで2〜4フレームを選択し、まばたき、跳ね返り、波、尻尾の動きなど、その動きに合わせた設計を行ってください。2フレームのループは、ステッカーとして十分に通用するものですし、ファイルサイズは5分の1に抑えられます。

上記の仕組みを理解する上で、知っておくべき特有の仕様があります。このモデルは、アニメーションをシーケンスとしてレンダリングするのではなく、すべてのフレームを1つの大きなグリッドとして配置します。例えば、704x704の16フレームのループは、実際には2816x2816のシートとして生成されます。フレーム数が増えると解像度が低下してしまうのは、まさにこれが理由です。なお、複数のループを一度にリクエストした場合、CombiChatはそれぞれを個別のリクエストとして送信するため、予算を奪い合うことはありません。

以下に、ページ上部の動画の16フレームを平坦に展開したものを表示します。これはモデルが一度のパスで描き出したものであり、この作業の最も困難な部分、つまり「描画すること」ではなく「すべてのセルにおいて、同じ猫、同じジャケット、同じストライプを維持すること」が最もよくわかる構成となっています。

4x4のグリッドとして展開された、踊る猫の全16フレーム - モデルがGIFにまとめる前に内部でレンダリングしているレイアウトと同じ構成であり、長いループがより小さなサイズで返される理由を示すものです。

こちらは、同じプロンプトを2フレームのループにしたものです。16フレーム版の704に対して960 x 960と解像度が高く、さらに容量も215 KBと5分の1に抑えられていますが、踊っている猫であることは紛れもなく分かります。

960 x 960ピクセルの2フレームループによる、同じ踊る猫 - より鮮明ですが動きはほとんどありません。これは、本ガイドで測定するフレーム数と解像度のトレードオフを示しています。

料金について

品質がコストを左右する要素となります。16フレームの同一プロンプトで測定した3つのティア(階層)の数値は、同じモデルの静止画料金から算出された上位2つの値に基づいています:

品質消費クレジットおよそ
low10,541~$0.10
medium18,495~$0.18
high22,428~$0.22
xhigh~39,900~$0.39
max~89,700~$0.89

クレジットはCombiChatプランで消費される残高です。Plusプランでは毎月200万クレジットが付与されます。これは、high品質で約89回、あるいはlow品質で189回分に相当します。Proプランではその2倍、Maxプランではさらにその2倍となります。

リストに含まれていない点にご注意ください。フレームの遅延、アスペクト比、および透過背景の生成には、どちらのモデルでもコストはかかりません。品質は、端から端まで8.5倍もの差を生む支配的な調整要素であり、フレーム数はモデルに依存するものの、それよりもはるかに影響は限定的です。

デフォルトは「low」に設定されていますが、問題が発生するのは「low」のときです

新しい画像の生成はlowから始まりますが、アニメーションが最初に崩れてしまうのもこの設定です。品質の低下は、図形の中で動きのある部分に現れます。

同じカートゥーン風の猫を「low」と「high」の品質で並べた比較画像:lowでは脚がひとつの塊になり、足が消えています。これが、本ガイドでデフォルト設定を変更することを推奨している理由です。

左はlow: 10,541クレジット(約10セント)。右はhigh: 22,428クレジット(約22セント)。プロンプト、フレーム数(16枚)、キャンバスサイズ(704 x 704)はすべて同一です。このモデルはシード値を指定できないため、これらは2つの個別の生成結果となります。

どちらの猫も、単体のイラストとしては問題ありません。しかし、「low」の方では脚がひとつの塊になってしまい、足は消え、輪郭もぼやけてしまっています。16フレームを通して、これらはまさに目が追ってしまう部分であるため、ループ再生した際にダンスではなく「ゆらぎ」のように見えてしまいます。これを修正するコストは、わずか11セントほどです。

お手持ちの写真にアニメーションを付ける

被写体はプロンプトから生成する必要はありません。参照ボタンから画像を添付し、gif を選択して、動きだけを説明してください。モデルは新しい画像を描き直すのではなく、被写体、フレーミング、背景を維持したまま、「あなたの」写真をアニメーション化します。

text
この子猫の姿をそのまま使い、途切れのないループダンスのアニメーションにしてください。写真のポーズ(前足が胸の前で揃っている状態)から始めて、子猫がリズムに合わせて上下に弾み、弾むたびに前足をパチパチと合わせ、耳を動かしながら頭を左右に揺らします。写真と同じ子猫、同じフレーミング、同じ背景を維持してください。最後のポーズが最初のポーズと正確に一致するようにし、ループが途切れないようにしてください。

そのプロンプトを、茶トラの子猫の写真とともに、GPT Image 2.6 Sunburstの「高画質(high quality)」「3:4」「16フレーム」設定で送信しました。出力結果は608 x 816ピクセルでした。その内容は、写真と同じ子猫が、ループごとに2回拍手をして跳ね、再び写真と同じポーズに戻るというもので、17,683クレジット(約17セント)が消費されました。

  • 動きに対してプロンプトを使いましょう。 被写体の見た目については、すでに写真が伝えています。写真では伝えられないのが「どのように動くか」であり、そのために言葉を使用します。
  • 動きの始まりと終わりを、写真のポーズに合わせましょう。 そうすることで、ループが開始時の画像へと自然に繋がります。
  • ファイルサイズが大きくなることを想定してください。 写真は写真のまま維持されますが、GIFは陰影の保持が苦手です。今回の16フレームの子猫のファイルサイズは3.6 MBであり、カートゥーン風の猫の1,009 KBの3.5倍以上の大きさになっています。
  • マスクは使用できません。 翻訳テスト名ZZZでは、アニメーション化されたターンに合わせてマスクを送信することができないため、gifが選択されている間はマスクボタンは非表示になります。

できないことの3つのポイント

  • シード値は使用できません。 このモデルはシード値を受け付けないため、気に入った結果を再現したり、微調整したりすることはできません。再生成すると、別の猫が生成されます。
  • フレーム数は最大16フレームまでです。 17フレームを要求すると、OpenAIは「2から16の整数を使用してください」という趣旨の回答を返します。32フレームや64フレームを謳っているページは、別のものを説明しています。
  • ファイルサイズが重くなります。 当社の16フレームのループ動画は1,009 KBですが、同じ内容の2フレーム版は215 KBです。GIFはほぼすべてのフレームをそのまま保存し、フレーム間の圧縮を行わないため、16フレームのアニメーションは、いわば16枚の静止画を重ね合わせたような状態になります。ウェブページで使用する場合はMP4に変換し、チャットアプリやステッカー、メールなど、GIFのみに対応している場所のためにGIFを残しておくようにしてください。

これらの数値の算出方法について

このページに記載されているすべてのコストは、価格表ではなく、当社の自社アカウントに対して発生した費用です。CombiChatの翻訳テスト名ZZZでターンを実行し、各ターンの個別記録からクレジットを読み取って算出しました。クレジットはプランの請求単位であり、100,000クレジットが1米ドルに相当します。そのため、各項目の横に表示されている米ドル表記は、その換算額を端数切り捨てにしたものであり、見積もりではなくあくまで目安としてチルダ(~)を付けています。マークアップはすべての有料プランで同一であるため、表示されている数値は実際にご利用の際に確認できるものと同じです。

フレーム数の表は、GPT Image 2.6 Flareの同一設定による4つの独立したターンを示しており、2番目の表にはSunburstでの2つのターンが追加されています。品質の表は、低、中、高の各ティアにつき1回の測定ターンに基づいています。「xhigh」と「max」は、測定された高ティアのアニメーションを、同モデルの測定された静止画コストの比率でスケーリングすることによって予測された数値です。そのため、これらの数値にはチルダ(~)が付いています。この予測手法は、実行前の段階で22,000クレジットの範囲内で高ティアを10クレジット以内に収めていたため、信頼性は高いですが、便宜上ラベルを付けています。キャンバスサイズは、リクエストからではなく、納品されたファイルから読み取られています。つまり、このモデルでは出力サイズを選択することはできません。フォトアニメーションは、Sunburstの高品質設定におけるもう1ターン分であり、2026年11月7日に測定されました。

よくある質問

GPT Image 2.6でアニメーションGIFを作成できますか? はい、可能です。出力形式をGIFに設定すると、モデルは静止画ではなくループアニメーションを返します。フレーム数は2から16フレームの間で、フレーム間の遅延時間は20ミリ秒から2,000ミリ秒の間で自由に選択でき、背景を透明にすることも可能です。これは静止画で使用するものと同じモデルとプロンプトボックスを使用しており、ビデオモデルは関与していません。

AIが生成するGIFは何フレームまで設定できますか? GPT Image 2.6における上限は16フレームです。OpenAIはこれを超える数値に対して、2から16の整数を指定するよう求める明示的なエラーを返します。32フレームや64フレームが可能であるという公開情報は、このモデルには適用されません。

フレーム数を増やすと料金は高くなりますか? 場合によります。あるモデルと形状では、同一の設定で2、4、9、16フレームを測定したところ、4つすべてがほぼ同じ料金(約7,200〜7,900クレジット、約7セント)でした。しかし別のケースでは、16フレームのコストは2フレームのコストの2.1倍になりました。フレーム数を増やすことで必ず変化するのは解像度です。2フレームで生成したものがフルメガピクセルであったのに対し、生成したすべての16フレームのGIFは約0.5メガピクセルでした。

自分の写真をアニメーションGIFに変換できますか? はい、可能です。写真をリファレンスとして添付し、フォーマットをGIFに設定して動きを記述してください。GPT Image 2.6は、新しい画像を作り出すのではなく、その写真をアニメーション化します。撮影した子猫の高品質な16フレームのループ動画には、17,683クレジット(約17セント)がかかりました。なお、アニメーション化においてマスクを使用することはできません。

なぜAI生成のGIFはブロック状に見えたり、色の階調(バンディング)が発生したりするのですか? これには2つの要因が重なり合っています。まず、GIFは1フレームあたり最大256色までしか保存できないため、滑らかな写真のような陰影は階調が失われ、縞模様(ポスタリゼーション)になってしまいます。次に、品質設定が低い状態で始まるため、目が追う動的な部分がぼやけてしまいます。プロンプトで「flat cel-shaded art with bold outlines(太い輪郭線を持つフラットなセル画風のアート)」と指定し、品質を上げてください。フラットなアートは、このフォーマットが最も得意とする形式です。

AIが生成したGIFに透明な背景を持たせることはできますか? はい、可能です。Background(背景)をtransparent(透明)に設定すると、すべてのフレームに透明なカラーインデックスが適用されます。これにより、結果が白い四角形の中の画像ではなく、ステッカーとして利用できるものになります。GIFの透明度は、グラデーションではなくピクセル単位のオン/オフで制御されるため、太い輪郭線やフラットな塗りつぶしは綺麗に保持されますが、写真のような柔らかいエッジはうまく保持されません。

CombiChatでGIFを生成するには何が必要ですか? Plusプラン以上のプランが必要です。GPT Image 2.6モデルは、いずれも無料プランに含まれるモデルティアよりも上の階層に位置しています。アニメーションは有料のアドオンではありません。画像コンポーザーのFormat行で選択でき、そのコストは通常のターン(やり取り)と同じです。