ChatGPT の DALL-E 3 はイメージを読み取り、変更できますか?ぜひご自身の目で見てください
ChatGPT Plus 内の DALL-E 3 の癖を明らかにする: この AI ツールがどのように現実を曲げ、普通の画像を珍しい作品に変えるかをご覧ください。
私は ChatGPT Plus 内での DALL-E 3 の使用を検討してきました。私がこれをやっているのは、それが私の仕事だからであり、頭の中で何かを説明し、それがわずか数分で画面上に現れるのを見ることに、ある種の不健康な小さな中毒があるからではありません。いつでも止められますよ。もちろん、それは切符だから、いつでも止められるよ。
だけど今日じゃない。今日、新しいおもちゃを見つけました。 ChatGPT 内の DALL-E 3 は画像を読み取って変更できます。ある意味。ほら、ちょっと面倒なんです。しかし、私は先を行っています。まずはこの話から始めましょう...
私はしばらくの間、アップロードされた画像をカスタマイズするために Midjourney を使用してきました。問題は、それが非常に複雑なことです。 Discord で Midjourney を実行する必要があり、その後、画像を Discord にアップロードし、URL を取得するための多くの手順を実行する必要があります。
ChatGPT Plus では、ペーパークリップ アイコンをクリックして画像をアップロードするだけです。 1つで完了です。
これにより、非常に使いやすくなり、さらに楽しくなります。しかし、それはどれほどうまく機能するのでしょうか？それをテストするために、車の写真、私の写真、ZDNET ロゴの 3 つの画像を試してみました。結果を見てみましょう。
私の車
これは私の車、2013 ダッジ チャレンジャーの写真です。
画像がアップロードされたら、DALL-E 3 に次のように指示しました。
街中に車を置く
結果は有望なものでした。 DALL-E 3 は、都市のシーンで車の類似性を再現することに成功しました。
そして、私は明確なスチームパンクの魅力を持っているので、DALL-E に次のことを依頼しました。
スチームパンク風にしてみよう
これが私たちが得たものです。ダッジ チャレンジャーの全体的なボディ スタイルがまだ保たれています。
壊れ続けるDALL-E
注意すべき点の 1 つは、DALL-E に失敗せずに何度も繰り返し実行させることができなかったということです。 2 つまたは 3 つのリクエストごと (4 つを超えることはありません) で、次のメッセージが届きました。
私の回避策は、最後に正常に作成されたイメージを取得し、それを新しい ChatGPT Plus セッションにアップロードし、そこから作業することでした。
空飛ぶクルマ
そこで、私は最後の画像、つまり私の車のスチームパンク バージョンをアップロードし、DALL-E に次のように言いました。
車を飛ばす
これが私が戻ってきたものです。私の元の車の表現はなくなり、非常にクールなチキチキバンバンスタイルの乗り物が空中に戻ってきました。
かっこよかったですが、もう私の車ではありませんでした。でも大丈夫、どこまで行けるか見てみましょう。
サンタクロース
季節を考えると、私の次の試みは、運転席にサンタさんを乗せてみることでした。ここで、ChatGPT が「申し訳ありませんが、そのリクエストには対応できません」と言う、かなり熱心すぎるガードレールに遭遇しました。
はい、私たちは未来で、AI が「ごめんなさい、デイブ。残念ながらそれはできません。」と正確に同等の言葉を言う時代に到着しました。人生は芸術を模倣します。
ご覧のとおり、その推論は少し奇妙でした。しかし、それは、私がアップロードされた写真を変更するように要求したという事実に依存しているようでした。そこで、上記のプロンプトを単一のリクエストとして与えました。
街中に車を置きます。スチームパンク風にしましょう。車を飛ばせます。運転席にサンタさんを乗せて。
私はこれを得た：
それは素晴らしい写真でしたが、以前の画像が持っていたビクトリア朝の美学全体が欠けていました。ただし、それを修正する方法があります。
DALL-E と ChatGPT は基本的に、すべてのプロンプトをより詳細な指示に書き換えます。たとえば、「Make it steampunk」は次のように書き換えられました。
真鍮のパイプ、ギア、蒸気排気などのスチームパンク要素で改造されたクラシックなマッスルカーを特徴とする、ビンテージ建築を備えたスチームパンクをテーマにしたストリート シーンのイメージ。車は、ビクトリア朝と産業革命の影響が融合した昔ながらの建物を背景に、アンビエントな街灯が灯る石畳の通りに駐車されています。スチームパンクの衣装を着て、ゴーグルを付け、ビクトリア朝の服を着た人々が歩道を歩いています。全体的な雰囲気は、蒸気動力が主要な技術である別の歴史のレトロフューチャーな都市の雰囲気です。
そこで私は、「スチームパンクにする」と「車を飛ばす」の両方から説明資料の一部を取り出し、これらを組み合わせてこのプロンプトを作成しました。
街中に車を置きます。スチームパンク風にしましょう。車を飛ばせます。運転席にサンタさんを乗せて。眼下には石畳の通りにガス灯の街灯が並び、ビクトリア朝の衣装を着た人々が驚いて見上げています。空はかすかなスモッグの夕暮れのオレンジ色で、遠くで小さなスチームパンクなドローンや飛行船の騒音が聞こえます。全体的な雰囲気は、蒸気動力が主要な技術である別の歴史のレトロフューチャーな都市の雰囲気です。
戻ってきたものは次のとおりです。
厳密に言えば空飛ぶ車ではないですが、カッコいいですね。残念ながら、私が最初に考えたオリジナルの車のイメージとはまったくつながりがありません。
やめて、デイブ。やめてくれませんか、デイブ？やめて、デイブ。
ChatGPT に私のこの写真をオフィス環境に置くよう依頼したときも、HAL の瞬間がありました。
「申し訳ありませんが、そのご要望にはお応えできません」とのことでした。少なくともChatGPTは「デイブ、あなたがこの件で本当に動揺しているのがわかります。正直に言って、落ち着いて座ってストレス薬を飲んで、物事をよく考えるべきだと思います。」とは言いませんでした。
大丈夫。そして今度は、まったく別のことを考えます。
ジェットトレインで出発
これは、DALL-E にアップロードした ZDNET ロゴです。
まずはジェットに乗せてみました。
ジャンボジェット機の側面にこのロゴを入れてください
少なくとも色は正しくなりました。
そこで建物にロゴを入れてみました。
レンガ造りの建物の側面にこのロゴを貼ります
緑は覚えていましたが、正しい緑ではありませんでした。
そこで私は DALL-E に建物を鉄道模型の上に移動させようとしました。
鉄道模型の上に建物を乗せる
結果は、鉄道模型に似たものになります (ただし、手前の線路は脱線を引き起こす可能性があります)。
レンガ造りの建物はありますが、同じレンガ造りの建物ではなく、ZDNET ロゴの見せかけも消えています。 ZDNETの緑すら残っていない。
そこで、もちろん、私はこれを行うように依頼しました。
ジャンボジェットも鉄道模型に乗せてみよう
私はこれを得た。私が知りたいのは、それらが飛行機なのか水中のミサイルなのかだけです。
私たちは何を学んだのでしょうか?
この DALL-E 機能をいじってみたところ、次のような結論が得られると思います。
- DALL-Eに画像をアップロードできます。
- それらを変更するように要求することもできますが、結果はまちまちです。
- DALL-Eはよく失敗します。
- ChatGPT は汎用人工知能を実証しているわけではないかもしれませんが、抽象表現主義は抑制されています。
- その応答は不快なほど HAL-9000 の応答に近いです。
それで、それで終わりです。 DALL-Eに画像をアップロードしましたか？いかがでしたか?以下のコメント欄でお知らせください。
ソーシャルメディアで私の日々のプロジェクトの最新情報をフォローしてください。 Substack で毎週更新されるニュースレターを購読し、Twitter (@DavidGewirtz)、Facebook (Facebook.com/DavidGewirtz)、Instagram (Instagram.com/DavidGewirtz)、YouTube (YouTube.com/DavidGewirtzTV) をフォローしてください。