OpenAIは、画像ジェネレーターのアップデート「Images 2.6」を発表した。これにより、アニメーションGIFの作成が可能となり、APIにはChatGPTに既に存在する注釈機能が追加された。生成、編集、アニメーションに関する5つの実践テストを行った結果、モデルは一部のタスクを成功させたが、他のタスクは未完成のままだった。
創作に焦点を当てた新機能
Images 2.6は、Webで広く使用されている短いアニメーション画像であるGIFの作成を可能にする。また、開発者には、画像生成前の段階である計画フェーズの複雑さを調整する機能も提供される。ユーザーにとっての操作方法は前バージョンとほぼ同じだ。期待する結果を説明し、必要に応じて参照画像を添付し、変更しない部分を指定する。
OpenAIは、このアップデートにより画像生成が50%高速化されると主張している。これは開発元の発表であり、以下で説明する5つのテストでは、速度を制御された比較で検証することはできなかった。
5つのテスト、様々な結果
最初のテストでは、雪に覆われた尾根の上のガラス温室を、夕暮れ時に撮影した映画的な写真を要求した。氷、結露、熱帯植物、温かい光が信頼性を持って共存する必要があった。筆者は結果を非常に成功したと評価した。
2つ目のテストはカフェのメニューに関するものだった。1ページのPDFとしてChatGPTにアップロードされたテキストには、9行、5つの価格、ヒンディー語の「कॉफी」という単語が含まれていた。筆者は得られたビジュアルがすべての基準を満たしていると評価したが、テストのFAQによると、モデルはすべての文字を忠実に再現したわけではない。単語と価格は保持されたが、5つの区切りダッシュが省略されていた。また、このテストでは、画像モデルがPDFをネイティブにサポートしていると結論づけることもできない。ドキュメントの読み取りはChatGPTの機能によるものだからだ。
3つ目のテストは、部屋の写真を編集するものだった。注釈ツールを使用して、椅子の周りに赤い長方形を描き、その生地をフォレストグリーンのベルベットに変更する一方、部屋の他の部分は変更しないように指示した。筆者はこの変更を外科手術的と評した。
4つ目のテストでは、オオカバマダラのライフサイクルに関するフィールドガイド風の図版を要求した。4つの段階、4つの正確なラベル、順序を示す矢印が必要だった。結果は、変態を説明するのに使える明確なレイアウトと評された。
最後のテストは、雨の中の銅製ティーポットを描いたループGIFを目指したもので、湯気の渦が一瞬ハートの形を形成する。結果は滑らかだと判断された。FAQによると、これは12フレーム、2.16秒のループのGIFである。
注意すべき限界
筆者は、結果が完璧ではないことを強調している。テキスト、オブジェクトの輪郭、視覚的な正確さに誤りが残っており、最終的な画像はそれぞれ確認する必要がある。Images 2.6は、結果を確認することを条件に、創造的な探求と実用的な編集の両方で有望であると結論づけている。
