OpenAIが「DALL·E 3」発表　ChatGPTとネイティブ統合し細部まで正確に描画

画像生成AIを使ったことがある人なら、思い通りの1枚を出すために呪文のようなプロンプトを何十個も並べた経験があるはずです。

OpenAIは新型の画像生成モデルDALL·E 3を発表し、そうしたプロンプトエンジニアリングの苦労をなくす姿勢を打ち出しました。

従来の画像生成モデルは長い文章の一部を無視しがちでしたが、DALL·E 3は細かいニュアンスや前後の文脈を正確に理解して画像へ反映します。

ChatGPTが指示文を代筆してくれる仕組み

DALL·E 3の最大の特徴は、ChatGPTとネイティブに統合されている点です。

ユーザー自身が完璧なプロンプトを考える必要はありません。日常会話のような普通の言葉でアイデアを伝えるだけで、ChatGPTがDALL·E 3に最適な詳細プロンプトを自動生成してくれます。

出来上がった画像に手を入れたい場合も、対話形式で修正を指示できます。背景の変更や小物の追加を数言伝えるだけで、スムーズに画像の微調整が完了します。

生成された画像の権利はユーザーに帰属し、販売やグッズ化、商用利用にあたってOpenAIへの追加の許諾申請は不要です。

著名人や現役作家への配慮と安全対策

表現力が向上した一方で、著作権や悪用への対策も強化されています。

DALL·E 3は現役の著名人を名指しした画像生成リクエストを拒否するよう設計されており、ディープフェイクや偽情報の拡散を防ぎます。

クリエイターの権利保護として、現役アーティストの画風を模倣する指示も拒絶されます。さらに、自らの作品を将来の画像モデルの学習データから除外できるオプトアウト申請も受け付けます。

内部的にはレッドチームによるリスク検証を実施しているほか、その画像がDALL·E 3で作られたものかどうかを判別する独自の検出ツールの研究も進められています。

なぜ重要か

一般ユーザーや非デザイナーにとって、プロンプトの専門知識なしに頭の中のイメージを出力できる体験は劇的です。

Midjourneyなどの競合サービスでは細かいパラメータ設定が求められがちでしたが、日常会話だけで的確な画像が得られるなら、制作のハードルは一気に下がります。

言語モデルの強みを活かして画像生成の弱点を補うというOpenAIのアプローチは極めて合理的だと考えられます。競合各社も今後、単なる画質の向上だけでなく、ユーザーとの対話インターフェースを見直さざるを得なくなるはずです。

ただし懸念点もあります。ChatGPTがプロンプトの拡張を一手に引き受けることで、出力される画像の作風がOpenAI的な一定のトーンに偏ってしまうリスクが残ります。

現役作家のスタイル指定を制限する方針は法的トラブルを避ける賢明な防衛策ですが、どこまでが模倣でどこからが正当な創作かの線引きは依然として曖昧な課題です。