メむンコンテンツぞスキップ
芋出し画像

画像生成のプロンプトを楜しお䜜る　たずは ChatGPT で詊しおみよう

    きたた / Easygoing

    はじめに

    こんにちは、きたた / Easygoing です。

    今日は、ChatGPT を䜿っお画像生成 AI のプロンプトを䜜る方法を玹介したす。

    今回の蚘事は、画像を生成するずきにプロンプトをどのように曞けば良いか悩んでいる、初心者向けの内容になりたす。

    お題人な぀こいむンコ

    今回のお題は、人な぀こいむンコです。

    Anime-style drawing of a young woman with short blonde hair and blue eyes sitting at a desk in a classroom She is wearing a black sweater and a white scarf and is holding a piece of paper

    かわいいむンコが、人ず觊れ合う堎面を描いおみたす。

    自動でプロンプトを䜜る方法は぀

    画像生成AI で自動でプロンプトを䜜る方法は、倧きく分けお次の぀がありたす。

    Flowchart of automatic prompts using LLM and VLM

    1. キヌワヌド からプロンプトを生成

    2. 画像 からプロンプトを生成

    いずれの方法も AI を䜿っお自動でプロンプトを䜜成したすが、それぞれで䜿う AI が倉わっおきたす。

    キヌワヌドからプロンプトを䜜る

    キヌワヌドからプロンプトを䜜るずきに利甚するのが、テキストからテキストを生成する 倧芏暡蚀語モデルLLM:Large Language Modelず呌ばれる AI です。

    Anime-style digital illustration of a young boy with short light brown hair and a red flower in his hair wearing a white t-shirt standing in a garden with two parrots perched
    LLM は文章を理解する

    代衚的な倧芏暡蚀語モデルLLM:Large Language Model

    Table of 4 LLM Comparisons

    LLM のうち、実甚的な性胜の AI ずしお、はじめおオヌプン゜ヌスで公開されたのが Google の T5 です。

    画像生成 AI では、最倧パラメヌタの T5xxl モデル が Flux.1 / SD3.5 のテキスト゚ンコヌダヌずしおも䜿われおいたす。

    2020幎に登堎した OpenAI の GPT-3 は、ChatGPT に搭茉されおその性胜の高さで䞖界を驚かせたした。

    2023 幎には、Meta が LLaMA をオヌプン゜ヌスで公開しおいお、こちらはロヌカルで利甚できる高性胜な LLM ずしお広く普及しおいたす。

    ChatGPT を䜿っおみよう

    それでは、実際に ChatGPT を䜿っおプロンプトを䜜っおみたしょう。たずは、次のペヌゞにアクセスしたす。

    https://chat.openai.com

    Screenshot of the chatgpt home page with instructions entered

    チャットの入力欄に、キヌワヌドで むンコ ず 人な぀こい の2぀を指定しお、次のように曞いおみたす。

    画像生成AIで利甚するプロンプトを200語皋床で曞いおください。キヌワヌドは、むンコ、人な぀こい。英語蚳も぀けおください。

    Screenshot of ChatGPT being used to create image generation prompts from keywords
    a young woman with brown hair and a blue ribbon holds a vibrant green parrot close to her face surrounded by a serene indoor setting with sunlight plants and a table and a window
    人な぀こいむンコ

    ChatGPT が、画像生成に ちょうどよい長さ のプロンプトを䜜成しおくれたした。

    䜜成された英語蚳を、普段䜿っおいる 画像生成 AIこの堎合は Flux.1[dev] のアニメモデルに投入するず、ずおも雰囲気の良いむラストが生成できたした。

    このように、ChatGPT を䜿うずキヌワヌドから簡単にプロンプトを䜜るこずができたす。

    画像からプロンプトを䜜る

    今床は、画像からプロンプトを䜜っおみたす。

    画像からプロンプトを䜜るずきに利甚する AI は、文章に加えお画像も理解できる必芁があり、こちらは 芖芚蚀語モデルVLMVision Language Modelず呌ばれおいたす。

    Anime-style digital illustration of a young girl with short black hair and blue eyes wearing a white t-shirt with the words STAR CHE printed on it standing in a garden with red roses
    VLM は画像も理解する

    芖芚蚀語モデルVLMVision Language Model

    Table of 4 VLM Comparisons

    芖芚蚀語モデルのうち Open-CLIP-L は OpenAI が開発した CLIP-L ず同等の性胜を持぀オヌプン゜ヌスの AI で、倚くの 画像生成AI に搭茉されおいたす。

    Open-CLIP-L は、䞖界最倧のオヌプン゜ヌスのデヌタセットの LAION-2B20億枚でトレヌニングされおいお、幅広い画像を理解するこずができたす。

    最近は、Open-CLIP-L を略しお CLIP-L ず呌ぶこずも倚いので、これからこの note でも Open-CLIP-L を CLIP-L ず呌称したす。

    a young female character with brown hair and blue eyes wearing a black leather jacket and holding a colorful parrot stands in a greenhouse surrounded by lush greenery and pink flowers

    2023幎3月に登堎した GPT-4 は GPT-3 の埌継になりたすが、画像認識胜力が加わったので、今の ChatGPT は画像も分析 するこずができたす。

    2024幎6月に Microsoft から公開された Florence-2 は、詳现なキャプション付きのデヌタセットで孊習したこずにより、軜量ながら高い粟床 の識別胜力を持っおいたす。

    実際に䜿っおみる

    それでは、今床は画像からプロンプトを䜜成しおみたす。

    Screenshot of ChatGPT top page with comment

    ChatGPT では、入力欄の巊䞋の プラス のボタンを抌すか、あるいは画面䞊に盎接ドラッグドロップ するこずで、画像ファむルをアップロヌドするこずができたす。

    次の画像をもずに、画像生成AIで利甚するプロンプトを200語皋床で曞いおください。

    Screenshot of ChatGPT being used to create an image generation prompt from an image 1
    Screenshot of ChatGPT being used to create an image generation prompt from an image 2
    a young woman with short blonde hair holds a blue parrot close to her chest surrounded by lush greenery and a building in the background with warm sunlight filtering through the leaves

    今回も、入力したむラストによく䌌たむラストが生成されたした。

    この方法は、適切な参考画像がある堎合ずおも䟿利です。

    ChatGPT の分析力を詊しおみる

    それでは、ChatGPT の分析力を詊すためにもう少し耇雑な画像を入力しおみたしょう。

    今床は、次の note クリ゚むタヌペヌゞのスクリヌンショットを分析しおもらいたす。

    次の web ペヌゞのスクリヌンショットを分析しお 200字皋床 の箇条曞きで説明しお䞋さい

    Screenshot of author's note profile page

    サむト抂芁日本のブログプラットフォヌム「note」のクリ゚むタヌプロフィヌルペヌゞ
    クリ゚むタヌ情報「きたた / Easygoing」さんがAI画像生成に特化した蚘事を公開
    蚘事内容 Adobe Firefly、SDXL、WaveSpeed、Flux 1など最新技術のレビュヌや分析
    画像の特城AI生成による高品質なむラストが倚数掲茉
    プラットフォヌムの特城クリ゚むタヌが自由にコンテンツを発信し、読者ず亀流可胜

    ChatGPT によるキャプションは 画像ず文字を的確 に捉えおいたす。

    さらに むンタヌネット䞊から孊習した情報も加味しお刀断 するので、ずおも正確なキャプションになっおいたす。

    ChatGPT は、高性胜で䞇胜 な AI モデルです。

    ChatGPT の欠点は

    ChatGPT をはじめずしたオンラむンの AI モデル は、䞇胜で高い粟床でタスクをこなしたすが、いく぀か欠点もありたす。

    • 倖郚ずの通信が発生する

    • 䞍適切な出力 が無いように調敎されおいる

    オンラむンの AI モデルは、圓然ながら䜿甚するずきに倖郚ずの通信が発生したす。

    たた、オンラむンのモデル は特にビゞネス甚途での利甚も考慮されおいるため、䞍適切な出力 が無いように調敎されおいたす。

    Anime-style digital illustration of a young man with short silver hair and green eyes wearing a white shirt with a pocket standing in a garden with a green parrot perched on his arm
    ロヌカルは自由

    ロヌカルの画像生成の利点の䞀぀が、自由で幅広い衚珟 ができるこずなので、出力が調敎されおいる点は、䞀郚のアヌト䜜品を創るうえでマむナスになりたす。

    このような欠点は、ロヌカルの AI モデル を䜿うず回避するこずができたす。

    次回は、ロヌカルの AI を䜿甚しおプロンプトを䜜る方法を比范しおみたす

    たずめChatGPT は䞇胜モデル

    • 倧芏暡蚀語モデルLLMは文章を理解する

    • 芖芚蚀語モデルVLMは画像も理解できる

    • ChatGPT は䞇胜モデル

    今回は、察話型 AI ずしお䞀番広く䜿われおいる ChatGPT を玹介したしたが、Google の Gemini や 最近話題の Deepseek R1 の Janus-Pro モデルなども画像認識胜力を持っおいお、同じように䜿うこずができたす。

    Anime-style drawing of a young boy with short blonde hair sitting at a desk with a birdcage in front of him He is wearing a white t-shirt and has a sad expression on his face
    お疲れ様でした

    画像生成は難しそう、あるいは ChartGPT を䜕に䜿ったら良いか分からない ず感じおいる堎合、たずはこのような感じで気軜に詊しおみおはいかがでしょうか

    最埌たでお読みいただきありがずうございたす

    モデル玹介

    blue_pencil-flux1-v0.0.1

    English Article

     
     

    きたた / Easygoing

     
     
    はじめたしお、きたた です。ふずしたきっかけでAI画像生成に出䌚い、その魅力にすっかり取り憑かれたした。AI画像で気づいたこずを発信しおいきたす。 画像はAIで生成したものですが、もし気に入ったものがあればご自由にお䜿い䞋さい。AI技術を吊定する目的でのご利甚はご遠慮䞋さい。

    あなたぞのおすすめ