OpenAIのGPT-4oの画像生成がどう変わるのかを解説してみた
ฝัง
- เผยแพร่เมื่อ 21 ก.ค. 2024
- こんにちは、にゃんたです。
今回は、先日リリースされたOpenAIのGPT-4oの画像生成機能が
また一段と便利になりそうなのでどのように変わるのか解説してみました😆
■LINE公式で限定コンテンツ配布中！
▼登録はこちらから行えます▼
liff.line.me/2004040861-3Jvq4bAG
今ならキーワード「プレゼント」と入力すると
・ChatGPTのプロンプトまとめ
・Caludeのプロンプトまとめ
・Difyのまとめ
を無料でお渡ししています！
■チャプター
00:00 オープニング
02:40 画像生成とは？
08:14 できるようになること
■OpenAI 公式ページ
openai.com/index/hello-gpt-4o/
■以前の関連動画
OpenAI最新モデル！GPT-4oについて徹底解説してみた
• OpenAI最新モデル！GPT-4oについて...
OpenAI最新！動画生成AIのSoraが作った動画が凄い
• OpenAI最新！動画生成AIのSoraが作...
■Udemy
ChatGPTAPIの使い方講座も作成しているので興味があれば是非！(クーポン発行してます！)
linktr.ee/nyanta_youtuber
■X, インスタグラム
/ vtuber_nyanta
/ vtuber_nyanta
■note
note.com/nyanta123
■言語モデル関連のおすすめ書籍
[書籍]大規模言語モデルは新たな知能か――ChatGPTが変えた世界
amzn.to/3YhtYCk
[紹介動画]一流研究者による大規模言語モデルの解説がわかりやすい
• 一流研究者による大規模言語モデルの解説がわか...
■にゃんた愛用のガジェット達
HHKBのキーボード(タイピングが心地よい！)
amzn.to/3VHE4Nd
パームレスト(外出時もタイピングの位置が安定する)
amzn.to/3Rtcz7G
マウス(手の負荷が下がる！)
amzn.to/3KI72q7
iiyamaモニター(ChatGPT用にディスプレイが必要･･･！)
amzn.to/3VpljNd
モニターアーム(コスパ良かった！)
amzn.to/4bZMTaJ
■連絡先(全て返信できないかもしれません！)
vtuber.nyanta@gmail.com
※上記製品リンクURLはAmazonアソシエイトのリンクを使用しています。
---------------------------------------------------------------------------
■楽曲提供
フリーBGM DOVA-SYNDROME : dova-s.jp/
効果音ラボ : soundeffect-lab.info/
■編集
にゃんた妻
一言：早く使ってみたいですね😄
---------------------------------------------------------------------------
#AI #生成AI #python #プログラミング #ChatGPT
商品説明文章作成で画像からHTMLを作成してもらったんだけど、クオリティの高さと速さにたまげたよ。
もうここまで来てるんだなと。
学生は学習要項を大幅に変えるレベルなのだなと。。
Gemini 1.5 Proがマイナーチェンジされて性能が上がってるみたいなんで、Gemini 1.5 Flashと一緒に取り上げて欲しいです！
リクエストありがとうございます！
Geminiも見てみますね😀
@@aivtuber2866 ありがとうございます！楽しみにしてます
音声と画像なら、画像のほうが高度でしょう
だから実際には、GPT-4oの一番すごいのは画像認識から生成までが一直線にできるようになったことだと思います
こういう仕組みであれば、AIが絵を描いていると言ってもいいですね
あの発表の仕方だとすぐ使えると思っちゃいますよねｗ
今までが入力{文字、画像}、出力{文字}だったのが、オムニは入力{文字、画像、音声}、出力{文字、画像、音声}になるってことなんですかね？
ちゃんと読まないとわからないですよね笑
> 今までが入力{文字、画像}、出力{文字}だったのが、オムニは入力{文字、画像、音声}、出力{文字、画像、音声}になるってことなんですかね？
ですね！ 入力も出力も色んなドメインのデータが扱えるようになりそうです😆
LoRAのように既存キャラクター画像を複数枚、多角的に学習できるようになれば私にとって最良のパートナーになりそうです。
とてもいいチャンネルですね。情報をありがとうございます。
追記、『ポスター制作』のご説明にあったように複数の画像を読み取ることができるとのことなので、LoRAより自然な画像生成ができそうですね。
期待大です。
コメントありがとうございます！
既存のキャラクターもいけそうな雰囲気ですよね😊
@@aivtuber2866 さま
お返事ありがとうございます。
画像生成に一貫性を持たせる機能はまだ実装されていないですよね？
Xのポストで「一貫性のテスト～」などの発信が散見されるので気になりました。
Open AIの公式を見てもいつから開始かは載っていないので質問させていただきました。失礼しました。
@TACTICSandOIL
公式の発表から判断すると
まだ実装されていないはずですね！
現状画像生成はDALLE3が使われていると思います😊
デモでもあまり取り上げられていなかったので
もしかしたら少し先なのかもですね･･･
いつも動画楽しく拝見させていただいております。PerplexityAIを使用してGPT-4oを使用するのと、オリジナルのGPT-4oだとどちらに課金した方が良いでしょうか。
ありがとうございます！
用途によるかと思います！🤔
Perplexity AIは約3万文字以上になってくると、そのままモデルに入れているわけではないようなので
長文を入力することが多い場合はあまり向いていなさそうです。
後はGPTsとか、DALLE3、ADAなどが使用したい場合は、ChatGPTの方がおススメですかね🤔
@aivtuber2866
早速の返信ありがとうございます😊
なるほどですね。
自分の今の用途だとGPT-4oが良さそうなので、そちらにしようと考えています。
アドバイスありがとうございました。
Udemyの動画も分かりやすくて、とても良かったです。
漢字が綺麗に生成できるようになって欲しいです〜
日本語がどれくらいいけるのか ってのが気になりますよね～
4oの発表はどこまで実装されてるかちょっと紛らわしかったですよね。テレビだけでなく某ai系youtuberさんも会話機能を試してみて褒めていました
最高に優秀な研究者集団なんでしょうけど、こういう世界が注目するメディア向けの会見は慣れてなかったのかなと思いました。
今回はSoraの時とは違って似たような機能が既にあるので
ちょっとわかりにくかったですよね～🤔
なるほどまだGPT4oでは画像の生成はできないのですね。Dalle3なら作成できるのですね
Skypeに搭載されているCopilotで「猫の画像を作成して」と入力したら作成してくれました。そしてその画像にはPowered by Dalle3と表示されています。CopilotはGPTなんですかね。よくわからないです。
初めて使うとよくわかりませんよね🤔
CopilotはMicrosoftが提供していて、
MicrosoftはOpenAIと連携しているので
OpenAIのDALLE3のモデルを使って画像生成ができるんですよね😊
4oの画像生成とdalle3の画像生成が違うってこと？APIからだと4oの画像生成はできないですよね？
説明がわかりにくくてすみません🙇♂️
DALLE3とGPT4oの画像生成は別もので
GPT4oの画像生成機能はまだリリースされておらず、
動画で紹介しているのは、OpenAIが載せているデモになります！
Quoraにgpt-4oと音声会話した人や画像生成した人が溢れかえってて、何か手段があるのかと必死で探し回ってたのに、、、
間抜けしかいないじゃん...
OpenAIの発表の仕方が良くなかったかもですね･･･🥲
@@aivtuber2866
普段から使ってる人や発表やサイトやX情報をきちんと追ってる人なら間違いようがないですね
間違えてる人はみんなにわかです
画像とプロンプトを組み合わせて新しい画像を生成するという機能自体は、
Stable DiffusionやMidojourneyに既にあるものなので、特別に新しいものではないけれど、
ようするにクオリティ次第だね
ありがとうございます🙇♂️
画像生成あまり手触り感がなかったのですが
現状の画像入力の生成だとクオリティがあまり高くない感じなんですかね🤔
@@aivtuber2866
あくまで主観になってしまうけれど、
GPT4oが発表通りの性能を持っているのであれば、文字認識に関しては、GPT4oが、おそらくいちばん精度が高いように見えます
ただ、その結果生成される画のクオリティこそが肝心なので、それだけで画像生成としてGPT4oが有利のようには思えません
どういう画像を作りたいかにもよるけれど、
個人的には、Midjourney > StableDiffusion > DALL E3 というクオリティ順位の認識。
いや、ぜんぜん違うよ
@@B0A0A
そうなんですね
よければどう違うのかを教えていただけるとありがたいです
@@bubumoment86
キーボードのキーを押したらアルファベットの文字がディスプレイに表示される
それと人間が文字を書くというのは違うというのは分かるだろう
人間は文字を選んで書いているのだ
SDは文字を元に概念を画像として具現化するただの変換器
それと人間が絵を描くのが違うというのは分かるだろう
人間には概念を選んでいるのだ
4oは直接望む絵を出力できるように学習されている
つまり従来のSDなどと人間、そのどちらに近いかというと人間に近い
つまるところ、SDはただのツールだが、4oはその存在がイラストレーターに片足を突っ込んでいるということ
これは全く質的に異なるし、起きうる影響は段違いのものになる