Bing Image CreatorにGPT-4oが無料追加、DALL-E 3とワンクリック切り替えに対応

DALL-E 3で画像を生成したことがある人なら、画像内の英単語が判読不明の文字化けになって頭を抱えた経験があるはずです。

マイクロソフトは、無料の画像生成サービス「Bing Image Creator」に最新の「GPT-4o」画像生成モデルを追加したと発表しました。

DALL-E 3との2本立て、文字描画の精度が大幅向上

今回のアップデートの大きな特徴は、従来のモデルを廃止するのではなく、GPT-4oと既存のDALL-E 3をワンクリックで切り替えて利用できるハイブリッド構成を採用した点です。

マイクロソフトによると、GPT-4oの導入により、フォトリアルな描写力や複雑なプロンプトへの追従性が劇的に向上しました。

特に強化されたのがテキストのレンダリングと細部の描写精度です。文字入りのインフォグラフィックやポスターの構想など、従来のDALL-E 3が苦手としていたタスクでも破綻しにくくなっています。

利用料金は引き続き無料で、1日あたり15回の高速生成クレジットが付与されます。これを使い切った後も、通常速度であれば無制限で生成できるほか、マイクロソフトのRewardsポイントを1回あたり10ポイント消費して高速生成を継続することも可能です。

利用方法は専用サイト（bing.com/create）やBingアプリ、Copilot Searchのほか、Bingを既定の検索エンジンに設定している場合はEdgeのアドレスバーから直接指示を打ち込んで呼び出すこともできます。なお、ロシアと中国を除く全世界で展開されます。

なぜ重要か

これまで、最先端の大規模モデルによる高品質な画像生成や正確な文字描画を試すには、有料サブスクリプションやAPIの利用が前提となるケースが一般的でした。それが検索ポータル経由で誰でも無料で触れるようになったインパクトは小さくありません。

従来のDALL-E 3を残して自由に切り替えられる設計にした点も、ユーザーの制作スタイルへの配慮として非常に巧みだと評価できます。イラスト調の表現など、モデルごとの持ち味を用途に応じて使い分けられるからです。

業界全体で見ると、文字描画やリアルな質感表現で差別化を図ってきた画像生成系スタートアップに対して、無料枠の強力な対抗馬が出現したことになります。マイクロソフトとしては、計算コストを負担してでも、EdgeやBingへのトラフィック流入を促進する狙いがあるとみられます。