OpenAIは4月22日、画像生成モデル「ChatGPT Images 2.0」を発表し、ChatGPT、Codex、APIで提供を始めた。
【もっと写真を見る】
画像生成AIは、もはや“きれいな絵を出す道具”ではなくなりつつある。OpenAIは4月22日、画像生成モデル「ChatGPT Images 2.0」を発表し、ChatGPT、Codex、APIで提供を始めた。ThinkingやPro系モデルと組み合わせた高度な出力は、有料プランPlus、Pro、Businessユーザー向け。
画質そのものよりも「どれだけ指示どおりに作れるか」に軸足を移したのが最大の特徴。OpenAIによれば、Images 2.0は細かな指示への追従、オブジェクト同士の位置関係、そして画像内のテキスト描写を大きく改善した。従来の画像生成でありがちだった「だいたい雰囲気は合っているが、細部が崩れる」という弱点をつぶしている。
特に強みを持つのは、文字を含むビジュアルだ。UIモック、ポスター、説明図、マンガ、広告素材のように、画像の中に読める文字が必要な場面では、これまでAI画像は最後の詰めを人がやり直すことが多かった。Images 2.0は日本語、韓国語、中国語、ヒンディー語、ベンガル語など、非ラテン文字圏でのテキスト表現も強化したとしている。
OpenAIでは作例として、日本語の少年マンガ風ページや縦長レイアウトの物理ページ風表現を示している。従来の画像生成AIが苦手だった「長文の自然な流れ」や「文字がデザインの一部として成立すること」を狙っていることがわかる。ただ画像を作るだけでなく、読める、伝わる、使えるという、実用性が高いモデルに更新された。
もうひとつの変化は、Thinking系モデルと組み合わせたときの振る舞いだ。OpenAIによれば、Images 2.0は同社初の“thinking capabilities”を持つ画像モデルで、必要に応じてWeb上の最新情報を参照し、複数案をまとめて出し、自身の出力を見直せる。ただ指示にしたがうだけでなく、独自の調査と構成を踏まえて画像を作れるようになった。
面白いのは、画像生成がLLMの延長になり始めたことだ。OpenAIでは、説明図の構成、ストーリー作成、レイアウト整理までまとめて担う“visual thought partner”という位置づけをしている。ユーザーは完成図を細かく指定するより、「何を伝えたいか」を渡して、そこから画像を一緒に詰めていく方向に移っていける。単なる画像生成から、編集者やデザイナーに近い能力を持ちはじめた。
出力の柔軟性も広がっている。アスペクト比は横長3:1から縦長1:3まで対応し、バナー、スライド、ポスター、スマホ向け縦画像まで一通りカバーする。Thinking利用時には、最大8枚の一貫した画像をまとめて生成でき、連作マンガや複数サイズのSNS広告などに応用できる。
API向けには「gpt-image-2」として展開し、2K解像度までの高品質生成や編集に対応する。CanvaやFigma、Adobe、OpenArtといった企業名も並んでいる。
ただし、折り紙のような複雑な空間把握、ルービックキューブ系のパズル、隠れた面や斜め面の正確な描写、極端に密な反復ディテール、厳密なラベル付き図版にはまだ課題があると説明している。物理世界の整合性や図解の完全な正確さでは、まだ人のチェックが前提だ。
それでも今回の新機能が示す方向は明快だ。画像生成AIは“1枚の絵を出す機能”から、“何かを伝えるためのグラフィックを設計する機能”へ進み始めた。Images 2.0は、その境目をかなりはっきり見せたアップデートといえる。
※記事内の画像はすべてAI生成によるフィクションです。実在の人物・団体などには一切関わりがありません
文● G.Raymond 編集●ASCII