ChatGPTの画像生成機能が「ChatGPT Images 2.5」にアップデートされました。複雑な視覚的指示を理解できるほか、編集性能も向上しているとのこと。APIは高速な「GPT-Image-2.5 Flare」と高品質な「GPT-Image-2.5 Sunburst」の2種類が用意されています。ChatGPT Images 2.5は無料プランでも使用可能だったので実際に使ってみました。

Introducing ChatGPT Images 2.5 | OpenAI

https://openai.com/index/introducing-chatgpt-images-2-5/

まずは『ゲームのスクリーンショットを生成して。16:9のゲーム。最近人気なセルルックアニメ調オープンワールドアクションRPGゲームみたいな画風のゲーム。ソロプレイ。プレイヤーはメイドを操作。屋敷の中をメイドさんが探索するシーン。HUDが必須。メイドさんがカメラの方を見ている瞬間のスクショ』というプロンプトで画像を生成してみました。



生成結果が以下。HPゲージやミニマップなどがしっかり描写されているほか、「屋敷の探索」といった日本語テキストも破綻なく表現できています。AI製と言われなければ本物のゲームのスクリーンショットと勘違いするレベルのクオリティです。画像の解像度は1672×940ピクセル。記事内の作例は横幅を800ピクセルに縮小したもので、作例をクリックするとChatGPTからダウンロードした状態の縮小前画像を確認できます。



同じチャット画面で『同じゲーム。メイドが攻撃スキル「冥土の土産のメイドパンチ」を発動するシーン。毛筆でスキル名を画面内に描く迫力ある描写』を入力して生成。指示通りのテキストを描写できました。「各種ボタンはエフェクトより上のレイヤーに描く」という描画対象同士の位置関係もしっかり把握できている様子。メイドの目の色やアクセサリーも維持されています。



『同じゲームで、メイドのステータス画面。立ち絵を含めつつ使用可能スキルとかHPとかを詳しく記載。メイドの名前など、細かい内容はお任せします』と入力した結果が以下。ステータスやスキルを勝手に考えてくれました。前バージョンのChatGPT Images 2.0では小さい文字が破綻しがちでしたが、大量の小さい文字を正しく描写できています。



画像編集機能も試してみます。今回は丸亀製麺で撮影した以下の写真の肉を増やしてみます。



『うどんの上にのった肉の量を増やして。うどんを覆い尽くす量の豚しゃぶ』と入力すると指示通りに編集してくれました。



編集結果が以下。しっかり肉が増えています。ただし、右側のタレの色合いなども微妙に変化しており、「指定した部分以外は完全にオリジナルを維持」というわけにはいきませんでした。



自分で絵を描いてから画像を生成させる「Sketch」という機能も追加されています。Sketchを使うには左サイドバーの「画像」をクリックしてから「Sketch」をクリック。



お絵描きツールが表示されるので、好きな絵を描いてから右下のチェックマークをクリックします。今回はカエルの絵を描きました。



自動的に「スケッチを参考にオリジナル作品を作成して。形や色や素材は大胆に再解釈して」という内容のプロンプトが入力されるので送信ボタンをクリック。



生成された画像が以下。スケッチの特徴を反映しつつカエルのイラストを作ってくれました。



ChatGPT Images 2.5はAPI経由でも使用可能。APIは高速な「GPT-Image-2.5 Flare」と高品質な「GPT-Image-2.5 Sunburst」の2種類が存在しています。100万トークン当たり料金はどちらのAPIも同じで、画像入力が8.00ドル(約1200円)、画像キャッシュ済み入力が2.00ドル(約310円)、画像出力が30.00ドル(約4600円)、テキスト入力が5.00ドル(約770円)、テキストキャッシュ済み入力が1.25ドル(約190円)です。

AIの名前を伏せた状態で人間に生成物の品質を評価させるサービス「Arena」ではすでにGPT-Image-2.5 FlareとGPT-Image-2.5 Sunburstのテストが実施されてランキングに反映されています。テキストから画像を生成する性能のランキングではGPT-Image-2.5 Sunburstが1位、GPT-Image-2.5 Flareが2位にランクインしました。



画像編集の性能ランキングでもGPT-Image-2.5 Sunburstが1位、GPT-Image-2.5 Flareが2位です。