OpenAI、画像生成モデル「gpt-image-1」をAPIで提供開始

先月、OpenAI が ChatGPT に新しい画像生成機能を導入した際、わずか 1 週間で 1 億 3000 万人以上のユーザーが 7 億枚を超える画像を生成しました。

その体験を支えているネイティブマルチモーダルモデルが、ついに API 経由で開発者向けに開放されました。モデル名は gpt-image-1 です。OpenAI の Images API だけでなく、マイクロソフトの Azure AI Foundry でも一部の承認済み顧客向けに提供が始まっています。

従来の DALL-E とは異なり、外部の企業や開発者が自社のツールへ直接、高品質な画像生成機能を組み込めるようになります。

テキスト描画の精度向上と待望の画像入力対応

これまでの画像生成モデルで最大の弱点だったのが、画像内のテキスト崩れと、既存の画像をもとにした編集の難しさでした。

gpt-image-1 ではこの点が大幅に改善されています。画像内に英字テキストを破綻なく配置できるようになったほか、複雑な指示への追従性も向上しました。マイクロソフトの公開仕様によると、解像度は最小 1024 ピクセルに対応し、1024×1024、1024×1536、1536×1024 などのアスペクト比をサポートします。

機能面でも文生画像にとどまらず、ユーザーがアップロードした画像をもとに新たなビジュアルを作る画像トゥ画像や、バウンディングボックスを指定して部分修正するインペインティングに対応しました。

すでに Canva はラフスケッチを完成度の高いグラフィックに変換する機能を Magic Studio に試験導入しており、GoDaddy は編集可能なロゴやタイポグラフィ生成に活用しています。HubSpot や Instacart、invideo などもマーケティング素材やレシピ画像向けに検証を進めています。

価格体系はトークン制が採用されました。プロンプトのテキスト入力は 100 万トークンあたり 5 ドル、画像入力は 10 ドル、生成画像の出力トークンは 40 ドルです。正方形の画像 1 枚あたりに換算すると、低画質で約 0.02 ドル、中画質で約 0.07 ドル、高画質で約 0.19 ドルとなります。生成物には C2PA メタデータが自動で付与されます。

なぜ重要か

アプリ開発者やデザイナーにとって、この API は実務レベルの制作パイプラインを一気に身近にします。ポスターや SNS バナー、教材などで必須となる文字入れや部分修正が安定して動くため、これまでのようにオープンソースモデルを自前サーバーで運用・チューニングする手間をかけずに、商用グレードの生成機能を実装できます。ただし高画質設定では 1 枚約 0.19 ドルかかるため、無料アプリで大量に使わせるような用途にはコスト計算がシビアになります。

業界全体で見ると、ミッドジャーニーが公式 API の全面開放に慎重な姿勢を崩さないなか、OpenAI が企業向けの足場を急速に固めに来た格好です。安全基準や C2PA 対応、データ学習拒否といったエンタープライズ要件を揃えたことで、大企業が採用しやすい環境を作っています。

私たちは、画像生成を従来の固定課金ではなくテキスト同様のトークン課金に統合した設計は非常に筋が良いと評価しています。一方で、オープンソース界隈の画像モデルが急速に軽量化・低コスト化を進めている現状を考えると、コストパフォーマンスに敏感な開発者をどれだけ繋ぎ止められるかが今後の焦点になりそうです。