ChatGPT Images 2.6が登場!GIF生成は何の役に立つのかな

静止画と走るGIFで分かれたChatGPT Images 2.6のサムネイル

AI画像生成ツールを使っていると、最初の一枚はすごくいいのに、修正の段階でもどかしくなることが多いんだ。かばんの色だけ変えてほしいと頼んだのに顔が変わったり、指一本を直そうとしたら背景の家具まで変わったりするんだよね。

11月4日に公開されたChatGPT Images 2.6(チャットGPT イメージズ 2.6)は、画像の生成と編集の力を高めて、写真やスケッチを短いGIF(ギフ)に変える機能も加えたんだ。

今回のアップデートで、実際に使ってみる価値のある変化は何なのか、見ていこう。

〈GIF生成や参照写真の保存機能を紹介するOpenAI公式動画〉
* YouTubeチャンネル『OpenAI』にあがっている動画だよ。

GIFって、何に使うものなのかな

GIFは、音のない短い動きを繰り返し見せる画像形式だよ。メッセンジャーで猫がまばたきしたり、キャラクターがうなずいたりする反応用の画像を思い浮かべればいい。

特にGIFは、動画と比べてファイルサイズが小さくて軽いから、いろいろなアプリやウェブページで、再生ボタンなしで繰り返し見せる用途によく使われているんだ。

✦ GIFと動画生成モデルの向き不向き

どんな用途に合うかが違う

GIF
• 短くて音のない、繰り返しの動きに向く
• 反応・ミーム・製品デモ
動画生成モデル
• 長い動き、カメラの移動、セリフや音楽が必要なコンテンツに向く

GIFは長い映像の代わりになるものじゃない。音がなくても意味が伝わる、簡単な映像に向いているんだ。キャラクターがあいさつしたり、ペットがしっぽを振ったりする場面のように、動きが一つあれば十分なコンテンツによく合うんだ。

それに、複雑な動画編集のタイムラインを扱わなくても、結果をすぐ手に入れられるのが最大の強みなんだ。だから商品紹介にも使いやすい。かばんのファスナーが開いたり、靴の横顔が少し回転したりするGIFを商品ページに貼る、という感じだね。

止まった画像より目を引くのに、長い動画を再生する負担はない。一方で、カメラが動いたり、複数の人物が順番に行動したりする複雑な場面や、セリフとBGMが必要なコンテンツでは、GIFだと限界がはっきりしているよ。そういうときは、動画生成モデルを使うことになるね。

独立系のレビューメディアが11月5日、ChatGPT Plusのウェブ版で7つのGIFプロンプトを試したんだ。それぞれの依頼を1回ずつ実行した初期テストだけど、どんな場面に合うのかはかなり具体的に見えてくる。

✦ GIFテストの結果

ChatGPT Plusウェブ版でのテスト、出力幅は約249〜439ピクセル

カフェの看板
店の名前がすべてのフレームで維持
紙の舟
最初と最後の場面が自然につながる
キツネ
バス停を通り過ぎられず、その場で足踏み
夜市
看板の文字は読めるけれど、小さな顔がぼやける

雨の夜のカフェの看板が'OPEN'と'LATE'を交互に表示して、窓に店の名前を残す場面では、店の名前がすべてのフレームで正確に保たれた。

紙の舟が池の上で揺れるGIFは、最後の場面と最初の場面が自然につながって、繰り返し再生しても急に途切れる感じがあまりなかったね。この程度の結果なら、カフェの宣伝用の投稿やブログの短い飾り画像、キャラクターの反応GIFに使えそうだよ。

一方、黄色いレインコートを着たキツネにバス停を左から右へ通り過ぎてもらう依頼では、キツネとレインコート、傘は最後まで保たれたけれど、実際にはバス停を通り過ぎられなくて、その場で歩く動きにとどまったんだ。

複雑な夜市の場面では、看板の文字は読めたけれど、小さな顔はぼやけていたね。公開直後のユーザーの反応でも、チェス盤にしみができたり、ドアがちらついたり、物の位置がフレームごとに跳んだりするという指摘が出ていたよ。

短い繰り返しの動きは作れても、複雑な移動を自然につなげていくのはまだ難しいってことだよ。

写真一枚やスケッチから始められる

ChatGPTでは、テキストを入力して最初からGIFを作ることも、手持ちの写真をアップして、その中の人物や物を動かしてほしいと頼むこともできるんだ。

✦ GIFを作る流れ

入力から保存・共有まで

入力テキストか写真
最初から作る、または手持ちの写真をアップする
依頼動きを言葉で説明
ほしい動きを言葉で伝える
修正会話の中で直す
作ったGIFを会話でまた修正する
保存速度を変えて保存・共有
再生速度を変えて保存したり、共有したりする

たとえば、犬の写真をアップして「首をかしげたあと、しっぽを振る動きを自然に繰り返して」と書く感じだね。作ったGIFは会話の中でまた修正できるし、再生速度を変えて保存したり、共有したりもできるよ。

別のアニメーション編集ソフトでフレームを一枚ずつ描いたり、タイムラインを調整したりする代わりに、ほしい動きを言葉で説明する方式だよ。

ちなみに、GIF機能はアカウントごとに順次配信されているそうだから、一部のアカウントでは少し遅れて表示されるかもしれないことは知っておいてね。

キャラクターを繰り返し使いたいなら、「参照写真の保存」機能も便利だよ。ペットやマスコットの写真を名前と一緒に保存しておくと、次の会話でその名前を呼び出して、同じ対象を新しい画像に使えるんだ。

毎回元の写真をつけ直さなくていいから、特定のキャラクターを続けて作る作業の助けになるんだ。

GPT Image 2.5(GPTイメージ 2.5)でユーザーが指摘していた問題

GPT Image 2.5のユーザーは、似た不満を繰り返し挙げているんだ。複雑な背景で葉っぱや物がコピーしたように重なったり、消した対象の跡がしみのように残ったりする現象だよ。

✦ GPT Image 2.5ユーザーの不満

このあと出てくる3つの指摘

✔ 装飾:空いたところに小物を足して、場面が複雑になる
✔ 手・関節:指が増えたり、腕が不自然に曲がったりする
✔ 文言:文脈と関係ない宣伝文句を繰り返し入れる

画面をきれいに空けてほしいと頼んでも、植木鉢や本、照明のような小物を足して場面を複雑にしたり、「居心地のいい雰囲気」を頼むとマグカップ・ブランケット・植物のように似た物を繰り返したりする、という指摘もあったね。

これについてChatGPTに怒ると、ごめんなさいと言いながらものすごく頑張ってくれるけど、GPT Imageの頑固さが一度始まると……プロンプトへの忠実度が急に落ちるんだよね。

そういうときは、いっそセッションを新しく開いて、最初から描き直したほうがましだったよ。

手や関節のような人体の表現も、昔からある不満だよ。指が増えたり、腕が不自然に曲がったり、二人が物を渡し合う場面で、手が物にちゃんと届いていなかったりもする。ごく小さな部分だけ直してほしいと何度も頼んだのに、顔や布の質感が変わり続けたというユーザーもいたね。

画像に頼んでいない文言が加えられる問題もあった。

あるReddit(レディット)のユーザーは、GPT Image 2.5が風景や商品の画像に'A better tomorrow'のような、文脈と関係ないテキストを繰り返し入れたと指摘していたよ。

絵はそれらしくても、頼んでいない小物や文字が入ると、実際のサムネイルや広告にそのまま使うのは難しいでしょ。それを消そうと修正を頼むと、また別の部分まで変えてしまうんだよね……

じゃあ、2.6はどれだけよくなったのかな

OpenAI(オープンAI)は、GPT Image 2.6の画像生成速度が以前より50%速くなって、何度も編集してもキャラクターや製品、ブランドの細かい要素をよりよく保てると発表したんだ。ポスターや商品画像のレイアウトも改善したと説明している。

でも、独立テストの結果では、すべての作業能力がよくなったわけじゃなかった。

✦ GPT Image 2.6のテスト結果

よくなった点と、そうでもなかった点

改善キャラクター6場面
顔と傷を維持、カメラの向きも正確
改善ティーカップと猫
青いカップの隣に配置
改善レシピカード
文字の間隔と配置がいちばんきれい
改善漁師の肖像
質感がより細かい
課題コーヒー袋
頼んでいない宣伝文句が増えた
課題コーヒーマシン
手順の番号が重複

Flixly(フリクスリー)とzzo.aiがそれぞれ公開した比較テストを見てみよう。

キャラクターの一貫性を確認するテストの結果を見てみよう。同じ女性キャラクターを6つの場面に登場させたんだ。髪型とそばかす、眉の傷を保つ課題で、GPT Image 2.5と2.6は顔の特徴をどちらも引き継いだ。

以前の2.0は、顔が少し細くなって傷が消えた。2.6はそれに加えて、舟をこぐ場面を横からのアングルで描くなど、カメラの向きをより正確でリアルに表現したよ。

7色のティーカップを並べて、青いカップの隣に黒い猫を置くよう指示するテストもあった。2.0と2.5は猫をカップの後ろ側に置いたけれど、2.6は頼んだ場所の青いカップの隣に座らせたんだ。

レシピカードを作るテストでは、3つのモデルがどれも材料名と温度を正確に書いて、2.6は文字の間隔と配置がいちばんきれいだった。漁師が網を繕う肖像画では、2.5と2.6のどちらも手を自然に表現して、2.6は網針とひげ、布の質感をより細かく描いたよ。

でも、むしろ結果が悪くなる場合も確認された。コーヒー袋を描くテストで、2.6は2.5より頼んでいない宣伝文句を多く入れて、句読点も一つ間違って表示した。

複雑なコーヒーマシンの説明図では、2.6が大きな文字で読みやすく整理したけれど、手順の番号を重複して表示した。2.5はより多くの部品を入れる代わりに、小さな文字の一部が崩れたね。

総合的に見ると、2.6はキャラクターの一貫性と位置の指示、読みやすいレイアウトで改善がはっきりしていたよ。その一方で、製品パッケージの文言や複雑なインフォグラフィックでは、むしろ2.5のほうがきれいな結果を出す場面もあったよね。

実際にGPT Image 2.5が出たときも、一部の作業ではむしろGPT Image 2.0のほうがよかった場合もあったでしょ。

それに、バージョンが上がると、同じ絵でも画風そのものが変わって、前のバージョンで作業していたユーザーは、一貫性を保つのに苦労することもあったんだ。

速度も作業によって差が出たよ。OpenAIは生成速度が50%速くなったと発表したよね。

✦ 生成時間の比較

高品質1024×1024、各1回の実行。Flare(フレア)とSunburst(サンバースト)はプロンプトもプラットフォームも別のテストなので、2つのグループは直接比べない

Flare 2.5
27秒
Flare 2.6
14秒
Sunburst 2.5
46秒
Sunburst 2.6
52秒

ある独立テストで、同じ高品質のプロンプトをそれぞれ1回ずつ実行したら、Flareは2.6が14秒、2.5が27秒かかって、2.6のほうが速かった。一方、別のサービスで高品質のSunburst画像4枚の平均を測ったときは、2.5が46秒、2.6が52秒だったんだ。

速い生成を担うFlareでは改善がよく表れたけれど、細かい結果を作るSunburstは、はっきりした改善を見せられなかった。

〈FlareとSunburstによる高速な画像生成を紹介するOpenAI公式動画〉
* YouTubeチャンネル『OpenAI』にあがっている動画だよ。

おわりに

正直、画像生成モデルが最初に出たころは、簡単な画像さえでたらめに描くことが多かったよね。でも今は、画像生成モデルの能力が全体的に高いレベルでそろいすぎて、新しいバージョンが出ても、それほど大きな感動は覚えにくい気がするよ。

それだけ技術水準がずいぶん上がって、みんなの目も高くなったんだろうね。画像生成モデルは、これからどこまでよくなれるのかな。それとも、もうほとんど終わりに近づいているのかな。

今回はここまでにするよ。また会おう。

関連記事

💬 コメント

まだコメントがないよ。最初のコメントを書いてみてね。