ChatGPT Images 2.5が来ました：今回は、他の生画像モデルが本当に緊張することになります。

著者：晓静，腾讯科技

編集：徐青阳，腾讯科技

アメリカ現地時間9月8日、OpenAIは最新の画像生成モデルChatGPT Images 2.5を発表しました。

新しいバージョンは、画像編集、参照画像の忠実度、複数回の修正の一貫性を重点的に向上させました。ユーザーが1枚の画像を連続して修正する際、前に調整した内容がより容易に保持されます。人物、製品、または背景を修正する際にも、指定した部分だけを変更することが容易になりました。生成速度はImages 2.0より最大50%速くなっています。

同時に、ChatGPTはSketch、Templates、画像コメント機能を追加しました。ユーザーは直接スケッチを描いて参考にしたり、画像上に修正が必要な位置をマークしたりできます。開発者はAPIを通じてGPT-Image-2.5 FlareとGPT-Image-2.5 Sunburstを使用できます。

OpenAIによれば、現在ユーザーは毎週ChatGPT ImagesとAPI内のGPT-Imageモデルを通じて30億枚以上の画像を生成しています。Images 2.5はすでにChatGPT、ChatGPT Work、Codexユーザーに開放されており、ウェブ、デスクトップ、モバイル端末をカバーしています。

01 一部を修正しても全体は乱れない

AIによる画像生成の本当の問題は、最初の画像が生成された後にしばしば発生します。例えば、人物には満足しているが、服だけを変えたい。製品は決まっているが、背景だけを変えたい。ポスターは完成しているが、一行の文字だけを変更したい。過去には修正を続けると、画像内の他の部分も変わってしまう可能性がありました。

Images 2.5は正確な編集を重要視しています。OpenAIが示したケースには「全身編集」と「多都市旅行券」が含まれています。これらのデモは連続した画像で修正プロセスを示し、モデルが指示に従って指定された内容を調整しつつ、元の主体、構図、その他の詳細を保持できるかに重点を置いています。

「多都市旅行券」のケースは比較的理解しやすいです。画像内で一つの情報だけを変更する必要がある場合、モデルは具体的な修正対象を認識しながら、全体のデザイン構造を維持する必要があります。製品画像、広告素材、ブランドポスターにとって、この能力は単に美しい画像を生成するよりも実用的です。

もう一つの重要な点は、複数回の編集です。OpenAIは「立方体の回転」「旅行情報図」「誕生日のろうそく」の3つのケースを示しました。これらは一度生成して終わりではなく、連続して複数回の修正を行います。OpenAIが証明したいのは、前の修正が保持され、後の操作が既に完成した内容を破壊しないことです。

これもImages 2.5の今回のアップグレードで最も注目すべき点です。

Xユーザー@thesoragirlsは非常に直接的なテストを行いました：画像内にろうそくを描きながら、一片の花びらを保持するよう指定し、モデルが他の領域を修正する際に元の内容に影響を与えるかどうかを観察しました。彼女のテスト結果は、固定された花びらが保持され、他の部分が要求通りに変化したことを示しています。

しかし、連続編集は細部の問題を完全には解決していません。日本のアニメ制作師@genel_aiは実際のテストで、公式が強調するように複数回の編集後に画質が保持されるものの、編集が重なると画像にジャギーや質感の変化が現れることを発見しました。

つまり、2.5は安定性が改善されましたが、複雑なシーンでは依然として画質の損失が発生する可能性があります。

02 参照画像、より安定

Images 2.5の2つ目の変化は、参照画像の処理です。

ユーザーは人物、ペット、または他の主体の写真を提供し、それを新しいシーンに入れたり、異なる視覚スタイルに変更したり、構図を変えたりするよう要求できます。OpenAIは、新しいバージョンが人物の認識特性を保持しやすく、同時に光の表現やテクスチャの改善を図っていると述べています。

公式は5つのケースを示しました：「再設計された赤ちゃんの肖像」「服を着た犬」「フォトブースのプロフィール写真」「複数人のパーティー合成写真」「ベッドメイキング」。

これらのケースは異なる状況をカバーしています。赤ちゃんの肖像とフォトブースのプロフィール写真は、主に人物の特徴が保持されるかどうかを見ています。犬のケースは、主体が着替えた後に元のイメージを維持できるかどうかを確認します。複数人のパーティー合成写真は、同時に複数の人物が1枚の画像に現れることを含み、「ベッドメイキング」は日常の画像編集に近く、元のシーンを具体的に調整する必要があります。

この能力は、同じ人物、製品、またはブランド素材を連続して使用する必要がある作業にとって重要です。APIユーザーは同じ参照画像を基に異なるバージョンを生成し、毎回再生成する際に明らかな変化が生じるのを減らすことができます。

複雑な画像も今回の公式ケースの重点です。OpenAIは1950年代スタイルの家庭のイラストを示しました：家族が巨大な円柱形の宇宙居住地の前に立っており、その中には緑の風景、湖、未来的な建物が含まれています。

OpenAIの公式紹介ページは、宜昌旅行ページを示しました：旅行先、観光情報、画像、テキストコンテンツを同じページに配置し、全体を一つの完全な旅行ガイドに仕上げています。それは複数の画像、異なるレベルのテキスト、ページレイアウトを同時に処理する必要があり、単一の要素だけをうまく作ることはできません。

さらに、幾何学模様とテキストが異なる9つの中世モダニズムポスター、各ポスターには「Create」「Grow together」「Choose kindness」が含まれています。

別の画像は、サンフランシスコの通りの印象派の描写で、通りはカラフルな家々の間から下に延びており、湾とゴールデンゲートブリッジが見えます。

さらに、クリーム色のLake Comoの結婚式招待状、逆さまの未来都市、8枚のアメリカ国立公園のレトロな切手、太陽フレアの科学普及スライド、青金色の地球モザイク、ChatGPTステッカーのポスター、雨の夜の未来都市があります。

これらのケースは、イラスト、ポスター、招待状、インフォグラフィック、科学普及図、製品宣伝図など、さまざまなタイプをカバーしています。OpenAIが示したい重点も比較的明確です：Promptが同時に画面構造、テキスト、視覚スタイル、具体的な要素を指定する場合、Images 2.5はこれらの要求をより完全に実行できるということです。

ファッション起業家のヤナ・ウェリンダー（Yana Welinder）は、テスト後にImages 2.5のファッションデザインにおけるパフォーマンスが明らかに向上したと考えています。彼女は以前のモデルを使用していた際、参考デザインが保持されることができましたが、最終的な効果は時々平坦でした。彼女は2.5が元のデザインをより完全な視覚効果で表現できると考えています。

しかし、反対のテスト結果を示した人もいます。AIとソフトウェアエンジニアのマーク・クレッチマン（Mark Kretschmann）は、特に森林シーンのノイズとアーティファクトのテストを行いました。

彼は2.5には多くの改善があるものの、テスト結果は安定していないと考えています。その後、Images 2.5とImages 2.0を比較し、彼がテストした複数のケースの中で、2.0の方がリアリズムにおいてむしろ優れていると述べました。

したがって、現在のより正確な判断は、Images 2.5が編集制御と複雑な指示処理を重点的に改善したが、異なる画像タイプにおける実際の効果には依然として差があるということです。

03 数筆描けば、理解する

モデル自体に加えて、OpenAIはChatGPTにいくつかの新しい操作方法を追加しました。

最も直接的なのはSketchです。ユーザーはChatGPT内で直接スケッチを描き、そのスケッチに基づいてモデルに最終画像を生成させることができます。例えば、部屋をデザインしたい場合、大まかなレイアウトを描くことができます。服を作りたい場合、輪郭を描くことができます。さらには、ただの粗い構図を描いても、ChatGPTに続けて完成させることができます。その後、視覚スタイルや他の要求を追加すれば良いのです。

使用時には「@Sketch」と入力することで呼び出せます。これは実際にテキストPromptへの依存を減らします。いくつかの構図は言葉で説明するのが難しく、特に物体の位置、比率、大まかな輪郭に関してはそうです。今やユーザーは先に描き、その後モデルに補完させることができます。

Xユーザー@fquolodashaはテスト後、GPT-Image2.5の手描き能力を非常に高く評価し、今回の効果は「ちょっとすごい」と述べ、OpenAIの最近の更新速度と能力向上が非常に素晴らしいと感嘆しました。

Templatesは別の問題を解決します。ChatGPTは、PosterやMerchなどの一般的な創作フォーマットを新たに追加しました。ユーザーはまずテンプレートを選び、その後に表現したい情報、デザイン要素、視覚スタイルを記入します。毎回空白のキャンバスから始める必要はありません。

画像共有もPromptオプションが追加されました。ユーザーは画像を共有する際に、その画像を生成するために使用したPromptも同時に共有できます。他の人が受け取った後、自分の写真や詳細に置き換えて生成を続けることができます。

OpenAIが示した例は、1980年代スタイルのポートレートです：巻き毛、カラフルなジャケット、金のチェーン、ネオンライト、音楽プレーヤー。その他のユーザーはこのアイデアを参考にして、自分の写真に置き換えることができます。

04 2つのAPIバージョン

Images 2.5もAPIに同期して登場しました。OpenAIはGPT-Image-2.5 FlareとGPT-Image-2.5 Sunburstを発表しました。

Flareはデフォルトバージョンで、速度、品質、編集能力に重点を置いています。OpenAIによれば、これはGPT-Image-2よりも生成品質が高く、遅延が50%減少しており、ソーシャルコンテンツ、製品体験、ビジュアル検索、迅速なプロトタイピング、大量の画像生成に適しています。

Sunburstは、正式な広告素材や高品質な製品画像など、精密な制御が必要な作業により適しています。より高い編集精度を得るために、生成時間を長くすることが許可されています。

OpenAIが発表した初期ユーザーフィードバックも、編集制御に集中しています。

Higgsfield AIの製品責任者アクスルタン・アリムクーロフ（Axultan Alimkulov）は特に、Flareがどのコンテンツを変更せずに保持すべきかをよく理解していると述べました。映画、UGC、広告チームにとって、これは一つの要素を変更する際に、元のキャラクター、構図、視覚的認識をできるだけ保持できることを意味します。

連続起業家@gkxspaceは、この更新を商業画像ワークフローに組み込んで観察しています。彼は、過去のAI生画像の最大の制限の一つは、最初の画像が良くても、それに基づいて安定して第二、第三の画像を生成するのが難しいことだと考えています。Images 2.5の連続編集、速度、参照画像の忠実性の変化は、eコマースの着せ替え、ブランド素材の拡張、連続イラストなどのシーンに実際の使用スペースを提供します。

現在、Images 2.5はChatGPT、ChatGPT Work、Codexユーザーに対応しており、APIのFlareとSunburstも同時にオープンしています。OpenAIは、プロンプトと画像の安全チェック、C2PAメタデータ、不可視ウォーターマークなどのメカニズムを保持しており、これらはそのツールによって生成された画像を識別するために使用されます。

公式のケーススタディと現在のユーザーテストから見ると、今回の更新の重点は非常に集中しています：画像生成後の修正をより簡単に制御できるようにし、参照画像を連続使用時により安定させ、Sketch、テンプレート、画像注釈などの操作をワークフローに追加することです。

リアル感、詳細、マルチエディット後の画質については、既存のテストで異なる結果が出ています。Images 2.5がこれらの問題をどの程度改善できるかは、さらなる実際の使用によって検証する必要があります。