DALL-E 3で画像表現を工夫する方法

TL;DR

詳細な英語プロンプト、画像番号、縦横比、画風指定を使うと、DALL-E 3の出力を具体的に調整できる。GPT-4 Visionで写真の構図をプロンプト化し、被写体の変更、画像要素の組み合わせ、文字入り広告、シルエット表現へ展開する方法もある。

Transcript

はいこんにちはケトですえ今回はチット GPTのダリ3のコア座シっていうことで えチャットGPTD3で色々と工夫した アイディアっていうのを紹介していきたい と思いますえ画像生成AIの中で今現状は えチットGPTのDI3がかなりですね バズッててなかなかいい感じのツールなん じゃないかなって思うので様々な小技って いうのが今後出てくると思いますえそこで え僕もですね色々と検証してみましたので えそこで見つけた小技っっていうのをいく つか紹介していきたいと思いますえ今後 自分のコンテンツとかでそれをえ活かせる と思いますので是非最後まで見てって くださいえちなみに私のチャンネルでは AIやWEBに関する便利なツールや情報 を共有しているチャンネルですチャンネル 登録がお済みでない方はチャンネル登... Read More

Key Insights

• 詳細なプロンプトは、被写体の動作、背景、足跡、夕日、崖、光や質感まで分解して指定することで、生成意図を画像へ反映させやすくする手段である。
• 英語プロンプトの指定は、日本語で生成用プロンプトが作られた際に画像が乱れる場合を避け、出力精度を上げやすいと発表者が検証から判断した工夫である。
• 画像番号は、4枚の出力を左上から右上、左下、右下の順に1番から4番として扱い、選択した画像の別パターンを依頼するために利用できる。
• 構図の再現は、GPT-4 Visionへ写真を添付して詳細な画像生成プロンプトに変換し、その文章をDALL-E 3へ渡すことで実行できる方法である。
• 縦横比の指定は、16対9でサムネイル向けの横長画像、9対16でスマートフォン向けの縦長画像を生成するための簡潔な調整方法である。
• 画風の変更は、既に生成した夕日の中の船などの構図や雰囲気を保ちながら、漫画風といった別の表現へ展開するために利用できる。
• 画像要素の組み合わせは、ある画像の猫を別画像のソファーに座らせるような指示が可能だが、正確な合成ではなく雰囲気を合わせた再生成である。
• 文字入り画像は、綴りの乱れや余計な文字を抑えるようプロンプトを細かく設計することで、名称や見出しを含む広告用ビジュアルへ応用できる。

Questions & Answers

Q: DALL-E 3で意図に近い画像を生成する方法は？

被写体だけでなく、動作、背景、配置、光、質感まで具体的に文章化して指定する。紹介例では、犬が口を大きく開けて砂浜を走ること、足跡、背景の夕日と崖、フォトリアル、4K、HDRまで加えることで、各条件を反映した画像が生成されている。

Q: DALL-E 3のプロンプトを英語にする方法は？

依頼文の中に「プロンプトは英語にしてください」と明記する。発表者によると、日本語で指示した際に生成用プロンプトまで日本語になり、結果が乱れる場合があるため、英語指定を加えると精度を上げやすい。生成画像をクリックすれば、使われたプロンプトも確認できる。

Q: DALL-E 3で選んだ画像の別パターンを作る方法は？

4枚の生成結果を左上から順に1番、2番、3番、4番と捉え、「3番目の画像のパターンを4つ出して」のように依頼する。左上や右下など位置で伝える方法もあるが、発表者の検証では番号による指定でも対象画像が認識された。

Q: 写真の構図をDALL-E 3で再現する方法は？

GPT-4 Visionへ元写真を添付し、「この画像をDALL-E 3の詳細なプロンプトにしてください」と依頼して、その出力を画像生成に使う。紹介例では、人物の顔までは再現されなかったものの、指差しのポーズを反映でき、その構図を犬や別の画風へ置き換えられた。

Q: DALL-E 3で横長や縦長の画像を作る方法は？

プロンプトに希望する縦横比を加える。紹介された例では、「森の画像、16対9」と指定するとサムネイルにも使える横長画像になり、9対16を指定するとスマートフォン画面に合う縦長画像になった。用途に応じて比率を明示するのが要点である。

Q: DALL-E 3で生成済み画像の画風を変える方法は？

元の画像に続けて「漫画風にして」など、希望する画風を自然な言葉で指示する。夕日の中に船が浮かぶ例では、構図と雰囲気を引き継ぎながら漫画風へ変更できた。写真から構図を抽出する方法と組み合わせれば、狙った場面を別の表現へ展開できる。

Q: DALL-E 3で複数画像の要素を組み合わせる方法は？

各画像を番号で示し、「1番の猫を2番のソファーに」のように、使いたい被写体と背景や家具を指定する。紹介例では黒猫と豪華なソファーの雰囲気を合わせられたが、細部は元画像と異なるため、正確な画像合成ではなく要素を参考にした再生成として扱う必要がある。

Q: DALL-E 3で文字入り画像を作る方法は？

表示したい文字を明記し、文字の扱いを含むプロンプトを細かく作り込む。紹介例では「ANIMAL」に相当する指定文字や、発表者名を使ったヘッダー画像を生成できた。文字化けや余計な文字が生じる場合があるため、単に単語を渡すだけでなく、出力条件を調整することが重要である。

Q: DALL-E 3で広告用画像を作る方法は？

商品やサービスの設定、表示文字、広告としての構成をプロンプトへ盛り込み、文字生成機能と画像生成を組み合わせる。紹介例では「クイックパズル」という架空のゲームアプリを設定し、そのプロモーション用画像を作成した。実在する素材がなくても、企画案の視覚化に利用できる例である。

Q: DALL-E 3のプロンプト作成を練習する方法は？

ランダムな画像を出すためのプロンプトを用意し、「ランダム」と送って画像と生成意図の説明を繰り返し確認する。発表者は、この反復によってChatGPTがどのような考えで画像を設計したかを観察でき、DALL-E 3向けプロンプトの組み立て方を理解しやすくなるとしている。

Summary & Key Takeaways

• 基本操作では、描きたい被写体だけでなく、動作、背景、光、質感まで詳しく指定する。犬が口を開けて砂浜を走る、足跡が残る、背景に夕日と崖がある、フォトリアル、4K、HDRといった条件を加えると、意図を反映した画像を作りやすい。生成用プロンプトを英語にするよう指示すると、日本語プロンプトによる出力の乱れを避けやすいというのが発表者の検証結果である。

• 生成結果の再利用では、4枚の画像を左上から右上、左下、右下の順に1番から4番として指定し、選んだ画像の別パターンを依頼する。さらに16対9なら横長、9対16なら縦長を指定でき、漫画風などの画風変更も可能である。複数画像の要素を組み合わせる指示も通じるが、元画像を正確に合成する処理ではなく、猫とソファーの雰囲気を合わせて新しく描く程度と捉える必要がある。

• 応用では、GPT-4 Visionに写真を添付してDALL-E 3向けの詳細なプロンプトへ変換し、元写真の構図やポーズを別の被写体や画風に展開する。指差し姿勢を犬へ置き換える例のほか、文字入り画像、架空ゲームアプリの広告、シルエットの内部に別のシルエットを置く表現も紹介される。ランダム画像と生成意図の説明を繰り返せば、プロンプト設計の考え方を観察できる。