今回はAIと画像の話をさせてください。
私には、どうしても好きになれへんアイキャッチの型があります。ひと言で言うなら「何も考えずにAIへ適当な指示を出して作らせたアイキャッチ」で、配色も構図も、フォントもキャラクターの顔つきまで、どこかで見たような既視感しか残らへんやつです。たとえば、こういう画像ですね。

実写っぽく寄せてあっても、漂ってくる匂いは結局おんなじです。

正直なところ、こういう画像がアイキャッチに並んでいると、記事の中身を読む前からちょっと身構えてしまいます。では、なんでこんな画像が蔓延するのか。理由は単純で、作り手が「丸投げで生成させている」からやと思うんです。
そもそも「画像生成」という名前なので
先に言うておきますけど、生成してもらうこと自体が悪いわけやありません。彼らは「生成AI」という名前のとおり、言われたこと(プロンプト)のとおりに画像を生成するのが仕事なんですから、そこは責められへんところです。
おそらく、ああいう画像を作っている人は「〇〇という記事の内容に沿ったアイキャッチを作ってください」としか指示を出していないのでしょう。構図も登場人物もカラーリングも、全部AI任せ。そら、出てくるものは多少の違いこそあれ「どこかで見たことのある画像」になる、という寸法ですわ。
AIに「加工」してもらえばいいのでは
生成AIが当たり前になる前のアイキャッチ作りは、フリー素材などから画像をもらってきて、CanvaやPhotoshopで文字入れをして完成させる、という手順でした。特にCanvaの時代になってからは、センスのいいテンプレートが揃っていたおかげで文字入れのダサさも出にくくなり、手軽さと費用の両面で、ほんまに時代が変わった感がありました。
そこでふと思ったんです。「AIに画像の加工をしてもらえばええんちゃうか」と。
加工ではなく「生成」だった既存のAIたち
というわけで、既存のAIに画像加工をお願いする実験です。今回の素材は、レビュー記事用に撮ったキーボードとトラックボールの写真です。

ここに文字を入れてもらって、アイキャッチらしい構成に仕上げてもらう魂胆で、「この画像に商品広告のような文字入れをして、アイキャッチとして完成させてください」という指示を出してみました。
ChatGPTが作ってきたのが、こちらです。

Geminiが作ってきたのが、こちらです。

並べて見ると一目瞭然で、ChatGPT版はキーボードの遠近感(パース)からして原画と別物になっています。上の鍵盤との位置関係も、トラックボールまでの距離感も、元写真とは一致しません。おまけに、原画では見切れていたキーボードの左端まで、勝手に作り足されている始末です。
つまりこれは「元画像の加工」ではなく、「元画像に文字を載せたような画像の生成」だったわけです。細部をチェックしていくと、その差はさらに明らかになります。
キーが横長になり、刻印が謎の記号に化けています。

logiの文字も、Logigiのようになってしまっています。

Shiftキーの刻印に至っては、sniterです。

完全に元画像を無視した「生成画像」なのでした。いや、頼んだのは加工やって……と、画面の前でツッコんでしまいました。
文字を載せる作業も、生成AIは苦手
画像部分のあら探しはこのくらいにして、次は文字部分に目を移します。Gemini版ではMX Keysの「MX」が「IX」に化けていて、しかもKeys以降の文字だけが不自然に大きくなっています。

ChatGPTの文字も大概で、こちらは「パックライト」という惜しい間違いをやらかしています。

「元画像に文字を載せる」という単純な作業であれば、起き得ない誤りばかりです。ChatGPTは画像のすべてを生成しようとし、Geminiは文字を生成して載せようとした。その結果がこれでした。もっと単純に、重ねればええだけやのに、なんでそうならへんのか。
Museなら「作業」としてできる
そもそも、なぜ既存のAIがそういう行動しかできないのかと言えば、彼らが持っているのは「脳」だけだからです。言われたことを脳内で処理して、出てきたものを渡す。原画を記憶して、「ぼくのかんがえたろご」を脳内で合成するわけで、やっていることは作業ではなく、想像に近いんですよね。
ところが、昨今広がっているAIエージェントのMuseは話が違います。作業するための机も、手も、目もある。専用のVM(仮想マシン)を持っているからです。そのため既存の生成AIとは違い、VMの上で「実際の作業」をしてくれます。
VMの上で進む工程は、かつて私たちがCanvaでやっていた作業とほぼ同じです。
- 渡された画像を、媒体に合ったサイズにトリミングする
- 必要であればトーンを抑えて、文字が目立つ下地を作る
- 記事に合う文言を「文字として」画像に重ねる
- 合成が終わったら納品する
この過程に「生成」という行動は一切出てきません。強いて言えば、具体的な文言を指示しなかった場合にキャプションの内容を考えるくらい。それも「文字」として作ってから画像編集ツールで元画像に載せるので、元画像も化けなければ、文字も化けません。

出来上がってきたのが、この画像です。私が出した指示は「元画像に『満足感は細部に宿る』を載せて、おしゃれな画像にしてください」という一文だけでした。「MX KEYS MINI – REVIEW」の一文も、その下の英字も、水平線も、すべて自動で入れてくれたもの。文字が目立つように全体のトーンまで抑えてくれました。最低限の加工ながら、センスよくまとまったと思います。自分で言うのもなんですが、これはなかなかええ感じです。
別の記事のサムネイルも、同じ作り方です。

こちらはフリーのPC画像を拾ってきて、文字を重ねて、オレンジのバーを添えたもの。生成なしでも、こういうアイキャッチが作れてしまいます。
まとめ
とはいえ、適材適所というものはありますから、「生成」をすべて悪者扱いするつもりはありません。ただ、金太郎飴のように「どこを見ても同じようなサムネイル」というのは、多様性がなくてつまらんのです。
落としどころとして考えたのは、「元モデルありで、生成も混ぜる」という折衷案です。たとえば、フリー素材で有名なあの人(名前は知らない)の画像を元にしてもらって。

効果や背景は、生成で作り込んでもらいます。

そして文字入れは、化けないように別作業で仕上げます。

実際は、リボンの上の文字が弧を描いていた方が自然なので、その部分は生成に頼った方がいいのかもしれません。まあ、適材適所ということで。結局のところ、使う人の技量が試される場面でもあるんですよね。
今までは「生成」という選択肢しかなかったAI画像ですが、AIエージェントの登場によって「加工」や「作業」が可能になり、選択肢が増えました。もちろん、巧妙なプロンプトで素敵なAI画像を作っている方々を非難する内容ではないので、念のため。
※フリー素材の写真:Photo by Shixart1985, CC BY 2.0, via Wikimedia Commons
おまけ:Museの招待コード
そんなふうに、画像生成ならぬ画像加工の分野でも、AIエージェントならではの強みを感じるMuseですが、実は招待コードを初使用から48時間以内に入力すると「10億トークン」がプレゼントされるキャンペーン中です。
10億トークンと言われてもピンとこないと思いますが、Museの1週間更新の無料枠が1億トークンなので、その10倍。無料枠換算で2か月分以上が手に入る計算になります。
これからMuseを始めてみようかな、という方は、招待コード「EWCOUT」を使って、お得にトークンをゲットしてみてください。詳しい話は、noteの記事にまとめています。



コメント