ChatGptイメージ生成がアップグレードされました

火曜日のライブストリームで、OpenAIのCEOであるサム・アルトマン氏は、ChatGPTの画像生成機能に大幅な強化を施したことを明らかにしました。これは1年以上ぶりの大きなアップデートとなります。現在、ChatGPTはGPT-4oモデルを活用して、画像や写真を直接作成および編集できるようになりました。GPT-4oはこれまでAIチャットボットプラットフォームの基盤でしたが、その機能はテキストの生成と編集に限定されていました。

アルトマン氏は、GPT-4oを活用したネイティブ画像生成機能が、OpenAIの月額200ドルのProプランの加入者に、ChatGPTおよび同社のAIビデオ生成ツールであるSoraで利用可能になったと発表しました。OpenAIは、この機能を近日中にChatGPTのPlusユーザーおよび無料ユーザー、そしてAPIサービスを利用する開発者にも拡張する予定です。

これまで使用されていたDALL-E 3モデルと比較して、GPT-4oは画像生成にやや時間がかかりますが、より正確で詳細な結果を生み出します。さらに、GPT-4oは人物を含む既存の画像を編集でき、前景や背景の要素の変換や詳細な「インペインティング」が可能です。

この新しい画像機能を開発するために、OpenAIは「公開されているデータ」と、シャッターストックなどの企業とのパートナーシップによる独自データを活用したと、ウォール・ストリート・ジャーナルに報告されています。トレーニングデータの詳細は、競争上の優位性や知的財産関連の訴訟リスクから、AI企業によってしばしば非公開とされています。

OpenAIの最高執行責任者であるブラッド・ライトキャップ氏は、アーティストの権利を尊重する同社の姿勢を強調しました。「私たちは、アウトプットの方法においてアーティストの権利を尊重しており、存命のアーティストの作品を直接模倣する画像を生成しないポリシーを設けています」と彼はジャーナルに述べました。OpenAIはまた、クリエイターがトレーニングデータセットから自身の作品の削除をリクエストできるオプトアウトフォームを提供し、ウェブスクレイピングボットがウェブサイトから画像を含むデータを収集するのを防ぐリクエストにも対応しています。

ChatGPTの画像生成機能のこのアップグレードは、GoogleがGemini 2.0 Flashモデル向けに実験的なネイティブ画像出力機能を導入した直後に発表されました。しかし、Googleの機能は十分なガードレールがなく、ユーザーがウォーターマークを削除したり、著作権で保護されたキャラクターの画像を生成したりできるため、ソーシャルメディアで注目を集めましたが、必ずしも肯定的な反応ではありませんでした。

この記事は、GPT-4oのトレーニングデータに関するOpenAIのウォール・ストリート・ジャーナルへの声明を追加するため、太平洋時間午後12時に更新されました。