OpenAI、「ChatGPT Images 2.0」公開　文字描写や多言語対応を強化

ほんの2年前まで、画像生成AIに飲食店のメニューを作らせると、怪しげな誤字だらけの料理名が並ぶのが当たり前でした。

OpenAIは4月21日、画像生成モデルのメジャーアップデートとなる「ChatGPT Images 2.0」を公開しました。今回の最大の進化は、AIがついに正確な文字を描けるようになった点です。

看板の文字も崩れない

新モデルにメキシコ料理店のメニューを描かせると、そのまま実店舗で配っても客が違和感を抱かないレベルの仕上がりが一発で出力されます。

対応言語の幅も大きく広がりました。ラテン文字だけでなく、日本語、韓国語、中国語、アラビア語、ヒンディー語、ベンガル語、ギリシャ語、キリル文字など、これまでAIが極めて苦手としていた非ラテン文字の描写精度が大幅に向上しています。

OpenAIによると、解像度は最大2Kに対応しています。小さな文字、アイコン、UIデザイン、要素が密集した複雑な構図でも破綻しにくく、実写写真からイラスト、マンガ、ドット絵まで幅広いスタイルを安定して描き分けられます。

「思考力」を得てコマ割りマンガにも対応

従来の画像生成はノイズから画像を復元する拡散モデルが主流でしたが、文字のような微細なピクセルを捉えにくい弱点がありました。近年はLLMのように予測を行う自己回帰型モデルの採用が進んでいますが、OpenAIは今回の発表会見でモデルの内部アーキテクチャについての回答を控えました。

一方で同社が明かしたのは、新モデルが「思考機能」を備えているという事実です。生成前にウェブ検索を行ったり、1つのプロンプトから複数枚の連動画像を生成したり、出力を自己検証して手直しするプロセスが組み込まれています。

これにより、複数の異なるサイズで広告素材を一括作成したり、複数コマで構成されたマンガを描いたりすることが可能になりました。ただし、複雑なマンガの生成には数分程度の待ち時間が発生します。

提供は火曜日から開始され、ChatGPTおよびCodexの全ユーザーが利用可能です。有料会員にはより高度な出力が提供されるほか、開発者向けには品質と解像度に応じた従量課金のgpt-image-2 APIも用意されます。なお、知識のカットオフは2025年12月となっています。

なぜ重要か

マーケターや個人開発者、スモールビジネスのオーナーにとって、画像生成AIは「素材作りの下書き」から「そのまま現場で使える実用ツール」へと一段階ステップを上がりました。生成された画像の文字化けをPhotoshopで消して打ち直すという不毛な作業が減り、ポスターやバナー、WebのモックアップをChatGPT内で完結できる価値は大きいです。

業界全体にとっても、競争の軸が完全に変わりました。リアルな質感や美麗なイラストを競う段階は終わり、複雑な指示を忠実に守り、文字やレイアウトを破綻なく制御できるかという「視覚的推論」の戦いに突入しています。MidjourneyやFLUXといった競合陣営も、タイポグラフィと推論能力の強化を迫られるはずです。

生成プロセスに「思考と自己検証」を取り入れた判断は極めて合理的だと考えられます。一発勝負の確率に頼るのをやめ、モデル自身に確認させることで実用性を一気に引き上げました。一方で、生成に数分かかる重さや、知識が2025年末で止まっている制約は残るため、リアルタイムのトレンドを反映した制作物ではまだ人間のチェックが欠かせません。