OpenAI、「DALL·E 3」をChatGPT PlusとEnterprise向けに提供開始

画像生成AIを使うたびに、複雑な呪文のようなプロンプトを組み立てたり、Discordで格闘したりする日々に疲れていた人に朗報です。

OpenAIは、最新の画像生成モデルであるDALL-E 3を、ChatGPT PlusおよびEnterpriseユーザー向けに正式公開しました。特別なコマンドは不要で、いつものチャット画面で会話するだけでイメージ通りの画像を生成できます。

指や文字の描画を克服、チャットでそのまま修正

DALL-E 3の最大の進化は、人間の言葉を理解する精度の高さです。

従来の画像生成モデルは長い指示を無視しがちでしたが、OpenAIは高精度なキャプショナーを使って学習データの画像に詳細なテキスト説明を付与しました。その結果、DALL-E 3は長文のプロンプトを正確に反映し、横長や縦長のアスペクト比にも対応しています。

AIが苦手としていた手の描写や人間の顔、さらに画像内に指定した文字を破綻なくレンダリングする能力も大幅に向上しました。生成された画像を見て、少し背景を変えたいときは、そのままチャットで追加の指示を出せば微調整を重ねることができます。

安全性と権利保護にもかなり手が入れられています。暴力や性的な表現、ヘイトコンテンツをブロックする多層防御システムを搭載し、存命のアーティストの作風を模倣するリクエストや公人の画像生成は自動的に拒絶されます。クリエイター向けには、今後の学習から自身の画像を除外するオプトアウト機能も用意されました。

さらにOpenAIは、社内でテスト中の出所判定ツールも公表しました。DALL-Eで生成された画像かどうかを判定するもので、未加工の画像なら99パーセント以上、トリミングや圧縮、文字の重ね合わせを行っても95パーセント以上の精度で識別できるとしています。

なぜ重要か

今回のアップデートの本質は、画像生成におけるプロンプトエンジニアリングという参入障壁を完全に消し去った点にあると私たちは考えています。

これまではプロンプトの記述テクニックを知っている人だけが高品質な画像を出力できましたが、ChatGPTと統合されたことで、ユーザーの曖昧な指示をChatGPTが自動的に補完してDALL-E 3に渡せるようになりました。ブログのアイキャッチやプレゼン資料の図版を作りたいビジネスパーソンや開発者は、今すぐ試す価値が十分にあります。

競合ツールへの影響も小さくありません。対話しながら修正指示を出せる使い勝手の良さは、従来のワンショット生成ツールに対して圧倒的な優位性を持っています。

一方で、安全性を重視するあまりガードレールがかなり厳格に設定されている点には注意が必要です。権利侵害のリスクを避けるために特定の表現が広く制限されており、自由なアート表現を求める層にはやや窮屈に感じられる場面もあるはずです。