Text-to-Image（画像生成AI） とは？

文章で伝えたイメージから画像を作れるよ。たとえば「夕焼けの海辺にいる猫、水彩画風」のように、被写体や場所、画風を指定するんだ。指示を手がかりに生成するので、思いどおりの構図になったかは、出来上がった画像で確認しよう。

学習したモデルが文章を手がかりに画像を生成するんだ。拡散モデルでは、ノイズから少しずつ画像を整えるような処理を使うよ。潜在拡散モデルは、その処理を画像の特徴を圧縮した表現の中で行うんだ。ただし、すべての画像生成AIが同じ内部方式とは限らないね。

結果を確かめよう。たとえばMidjourneyの公式資料も、画像内の文字では短い語句などが扱いやすく、うまくいかない場合は設定や編集で調整する方法を案内しているよ。生成後に、文字や形、必要な内容が合っているかを見て、指示を直したり編集したりするんだ。

使うモデルやサービスの規約、利用目的に合う条件を確認しよう。たとえばStability AIが公開するモデルにも、利用者や用途に応じたライセンス条件があるよ。「モデルが公開されている」ことと、「どんな使い方も無条件で許される」ことは同じではないんだ。公開前には、画像の内容や他者の権利も確認しよう。