グラフィックデザインにおいてフォントは視覚的に重要である。既存のテキストからの画像生成手法では、フォントの形や印象を表すフォントスタイルを指定しても、そのフォントスタイルが出力画像には全くあるいは十分に反映されない。そこで本研究では、指定したフォントスタイルが出力画像に反映されるような、テキストからの画像生成手法を提案する。本研究では、訓練済みの画像生成モデルを、文字を含む画像とフォントスタイルに関するデータでfine-tuningし、フォントスタイルに関する入力を反映できるようにする。定性・定量評価を通じ、提案手法が既存手法に比べ、指定したフォントスタイルをより反映した画像生成を実現できることを示す。