本動画は、ChatGPTの画像生成機能を利用する初心者向けのチュートリアルである。基本的なテンプレートの活用方法から、特定の箇所のみを修正する部分編集機能、アスペクト比の事前指定といった実践的なテクニックまでを網羅している。さらに、AIにリサーチとデザインの両方を指示する高度なプロンプト構造や、PDF資料から複数枚のスライドを一貫して生成する方法、背景が透過されたPNGアイコンの作成手順についても詳しく解説されている。プロンプトの工夫によって、単なる画像生成ツールとしてではなく、視覚的な作業を支援するアシスタントとしてChatGPTを最大限に活用する方法が示されている。
ChatGPT画像生成の基本とテンプレート機能
ChatGPTの画像生成についてお話しします。私はしばらくの間これを実際に使ってきました。これからの10分間で、皆さんが同じ間違いをしないように、私が経験した失敗をすべてお教えします。そして、このソフトウェアをかなり簡単に使いこなす方法を正確にお見せします。ChatGPTでは、まず画像セクションに移動してください。ここにある新しい画像を作成するボタンをそのまま押すと、画像エリアがポップアップ表示されます。もちろん、全くの初心者の方のために、下にはテンプレート機能が用意されています。テンプレートを使いたいけれど、どこから始めればいいかわからないという方にとって、これは便利な出発点になると思います。
ここで一つだけ言っておきたいのは、これらの画像が駆動用となるベース画像として実際に使われるわけではないということです。行われるのは、この特定のスタイルでプロンプトが作成されるということだけです。例えば、ここでインフォグラフィックのポスターが欲しいとします。するとそのスタイルが入力され、さらにスタイルをアップロードするオプションも提示されます。メインの被写体を再解釈するという説明が表示されているのがわかると思います。皆さんのメインの被写体が何であれ、この例では文字通り面白い猫の画像を入れてみますが、最終的な画像を作成するために、実際のベース画像ではなく、基本的にこのプロンプトが使われることがお分かりいただけるでしょう。ですから、テンプレートを見る際には、その違いを理解しておくことが重要です。
部分的な画像編集の正確なアプローチ
そしてここが、最終的な出力結果を得る場所になります。もちろん、ここでいくつかの変更を加えることもできます。多くの人が気づいていないのですが、実際に画像を編集したい場合は、ここにある選択機能をクリックして何かの要素にカーソルを合わせると、画像のその特定の部分を編集できるようになります。多くの場合、みんな単に編集ボタンを押して、XYZを削除してと言おうとします。しかし、画像生成モデルはあなたがどの部分を指しているのか分からないため、うまく機能しないことがよくあります。言葉でうまく説明できないこともありますからね。ですから、必ず編集機能をクリックしてから、変更したい特定の部分にカーソルを合わせるようにしてください。例えば、このようにして、尻尾に置き換えてと言うことができます。そうすると、その特定のセクションが実際に尻尾に置き換えられます。このように、正確な画像生成の編集機能を使うことで、細かく精密な編集という点でより精度の高い結果が得られます。これは時間と計算リソースを節約するための、本当に役立つヒントでありテクニックです。
アスペクト比の適切な設定方法
さて、画像を生成する際、ほとんどの人はアスペクト比のことなど気にも留めません。それが何なのかよく分かっていないからです。しかし、このツールをかなり長く使ってきた私としては、これらをスクリーンショットで保存しておくことをお勧めします。なぜなら、現在のChatGPTには、画像を生成する前にチェックを入れるデフォルトのボックスがないからです。一般的なアスペクト比をすでに知っている場合は、プロンプトの前にそれを確実に追加してください。そうしないと、プロンプトの最後に追加してここをクリックしなければならなくなります。例えば、Instagram用にしたい場合は、正方形をクリックすれば、その特定のフォーマットで再生成されます。そしてここで、アスペクト比が変更された最終的な画像ができあがりました。幸いなことに、ChatGPTの画像生成はかなり優秀です。画像を縮小したり引き伸ばしたりしても、細部のほとんどは保たれます。ですから、アスペクト比についてあまり心配しすぎる必要はありませんが、後から変更を加えるよりも、事前に設定しておく価値はあります。
リサーチを取り入れた高度なプロンプト
基本的なこと以外で知っておくべき重要な点は、新しい画像モデルが他の画像モデルとは少し異なるということです。ChatGPT画像生成2.0は、情報をリサーチし、参考文献を集め、概念化し、それらすべてを実際のビジュアルに変えることができます。ですから、多くの人は実際にプロンプトを入力して、OpenAIのグッズの広告を作ってと言うかもしれません。しかし、それは正しい使い方ではありません。代わりに、何をすべきかを正確に理解できるように指示を与える必要があります。
例えば、見つけられる中で最新のOpenAIのグッズのドロップをリサーチしてください。最もレアな、あるいは最も興味深いアイテムを特定してください。可能であれば、その再販価値を見積もってください。そして、それらの製品、正確なラベル、クリーンなOpenAIの一貫したブランディングを特徴とする、洗練されたモックアップ広告を作成してください、といった具合です。これが実際にうまくいく理由は、プロンプトがモデルに仕事を与えているからです。単なる画像ではありません。最初にリサーチをして、それからデザインするように指示しているのです。そして、ここで実際に得られた画像を見てみると、はるかに印象的なものになっています。初心者は基本的にこれをスロットマシンのように使います。しかし、これを使いこなすプロユーザーは、インターネットを閲覧できるデザイナーのように使うでしょう。そしてその最後のステップこそが、最終的な出力を格段に優れたものにする要因なのです。
正確な配置を指定するプロンプト構造
私が気づいたもう一つのことは、多くの人がこのモデルに緩い指示を与えているということです。問題は、多くの場合、指示が曖昧すぎることです。このモデルは指示に従うのがずっと得意ですが、それは従う価値のある指示を実際に与えた場合だけです。OpenAIは、モデルが言葉を正確な場所に配置しなければならない例をいくつか示しました。右手にある言葉、左手にもう一つの言葉というように。特定の時間を示す時計も見せていましたが、モデルは学習データの影響でよく10時10分の時計をデフォルトにしてしまうため、こういったことはすべて重要になります。ですから、皆さんに使っていただきたいのは次のようなプロンプトの構造です。対象物の写真のようにリアルな画像を作成してください。オブジェクト1を正確な場所に配置してください。オブジェクト2を正確な場所に配置してください。テキストは希望通りの内容を正確に表示させてください。余分な単語を追加しないでください。つづりを変更しないでください。レイアウトはすっきりと読みやすく保ってください。
それでは実際にこの構造を使ってプロンプトを入力してみます。白いデスクの上に、きれいな商品の写真を作成してください。真ん中に赤いリンゴを配置してください。リンゴのすぐ右側に白いマグカップを置いてください。マグカップの上に本を3冊置いてください、といった感じです。それではこのプロンプトを入力してみましょう。退屈に聞こえるかもしれませんが、これがモデルが指示を聞いているかどうかをテストする方法です。そして見ての通り、正確に実行しています。指示通り、正確なレイアウトに従っています。
皆さんが理解できるように、ステップごとに読んでみましょう。最初に言ったのは、赤いリンゴを真ん中に置くことでした。赤いリンゴがそこに置かれているのが分かりますね。次に、リンゴのすぐ右に白いマグカップを置くように言いました。それがちゃんとそこにあります。そして、そのマグカップの上に本を3冊置くように言いました。それも確認できますね。さらに、リンゴの左に黒いカメラを置くように指示し、それも確認できます。リンゴの下にはバスケットボールを置くように言い、それもあります。そして、柔らかいスタジオ照明を使い、他のオブジェクトを追加しないように指示しました。これらすべてが正確に行われました。これを考えてみてください。もしあなたがクリエイターなら、これはとてつもなく大きなことです。サムネイルのレイアウト、製品のモックアップ、比較グラフィックス、ビフォーアフターのビジュアルなど、配置が実際に重要となるあらゆる場面で、これが大きな意味を持ちます。
複数の画像や一貫した出力の生成
しかし、単一の画像以上のものを作りたい場合、次の機能でさらに面白くなります。人々が犯しているもう一つの間違いは、単一の画像しか作らないことでした。初心者なら、それがあなたの用途であれば単一の画像を作るのもいいでしょう。しかし、それではこの機能の価値のほとんどを取りこぼしています。OpenAIは、ChatGPT画像生成2.0が連携して機能する一貫した複数の出力を生成できることを示しました。単なる1枚のポスターではなく、大学レベルのインフォグラフィックの連作ページや、スライドの連続、PDFから作成された本格的な学術ポスターなどです。それでは実際にPDFを取得して、本当にかっこいいプロンプトを入力してみましょう。
アップロードされたPDFを読んで、独立した4枚のスライド画像に変えてください、と指示します。各スライドには、明確なタイトル、短い説明文、1つの図表または視覚的なメタファー、一貫したタイポグラフィ、そしてクリーンな学術的スタイルを持たせてください。主な貢献、手法、結果、限界、そしてそれがなぜ重要なのかを優先してください、と入力します。私が最近読んでいた研究論文を持ってきましょう。そして、実際にこのプロンプトを入力します。ここでご覧いただけるように、4枚のスライドが生成されました。これをダウンロードでき、しかも2Kの解像度であることを考えると、これはものすごく便利です。これは本当に高品質なものです。拡大しても画像は全く崩れません。こういったものがとても役に立つのです。思い出してください、あなたはPDFを理解し、圧縮し、それを教材に変えるよう頼んでいるのです。以前なら、これらのステップはすべて自分でやらなければならなかったことです。そして、YouTubeの台本や研究論文、ブログ記事、製品ページ、Notionのドキュメント、自分の雑多なメモでも同じことができます。こうなってくると、もはや単なるジェネレーターというより、視覚的な作業の同僚のように感じられ始めます。
インフォグラフィックとレイアウトの指定
ただし、単にインフォグラフィックを作ってとだけ言うのは避けてください。理想を言えば、もう少しうまくプロンプトを出したいところです。そこで、私は次のようなプロンプトを入力しました。5つのセクションがある縦長のインフォグラフィックを作成してください。一番上に大きな見出し、真ん中にシンプルな図、各コンポーネントの横に短いラベル、一番下に要約のボックスを使用してください。レイアウトが重要であることを忘れないでください、と。そしてここで、要求した特定のスタイルでインフォグラフィックが出力されたことがわかります。もちろん、先ほど言ったように、プロンプトのスタイルが絶対に重要になるということを知っておく必要があります。
背景が透過されたPNGアイコンの作成
さて、ChatGPT画像生成2.0ができるもう一つのヒントとテクニックは、実際にPNGの透過アイコンを作成できることです。例えば、フットボールのPNG透過アイコンを作成してください、と言うことができます。これらの画像は編集プログラムに直接貼り付けることができるので、本当に便利です。そしてここで、実際にPNGの透過画像が得られたことがわかります。カーソルを合わせると背景が消えるので、これが実際にPNG透過画像であることがわかるはずです。あなたがいつもPhotoshopを使っていて、編集プログラムに画像をインポートしようとしているなら、これは本当に役立ちます。以前なら、背景を削除するためにわざわざ別のウェブサイトに行かなければならなかったでしょう。これなら大幅な時間の節約になりますし、画像の生成速度もそれほど遅くありません。
最後に
さて、私は意図的にこのチュートリアルをできるだけ手短にしました。しかし、もし皆さんがこれを最大限に活用できるように、どのように使うべきかという完全なガイドが欲しいのであれば、完全に無料のPDFガイドを作成しました。これには、すべてのユースケース、これを使うべきあらゆる場面、上級者になりたい場合に必要なすべてのプロンプト、そして先ほど話したプロンプトの構造のいくつかが網羅されています。完全に無料です。説明欄にリンクがあります。
コメント