テキスト-トゥ-イメージ・AI画像生成
Text-to-Image
テキスト-トゥ-イメージとは?
- 拡散モデルでノイズから画像を復元
- 描写を項目ごとに分けると結果が安定
- 文字・手・人物の一貫性は依然として弱点
テキスト-トゥ-イメージが実務で変えるのは「画像を手に入れる経路」です。以前は有料のストックサイトで似た構図を探したり、外注に1件ごとの費用と数日を掛けていましたが、今は研修担当者が自分の席で案を10枚ほど出し、そこから選べるようになりました。変わったのは絵の技術ではなく、案を作るコストとスピードです。その代わり、どんな画像が必要かを言葉で正確に説明する力が新しいボトルネックとして浮上しました。
使い方は大きく3つに分かれます。白紙の状態で文章だけから生成する方式、既存の写真を入れて構図や画風を変えるイメージ-トゥ-イメージ、画像の一部の領域だけを消して描き直すインペインティングです。社内資料では3つ目が意外によく使われます。同じ人物を複数枚にわたって保つには、シード値を固定して文の一節だけを変える方法が現実的です。ただし出力は1024ピクセル前後のラスター画像なので、大きく拡大したり部分修正が多いロゴやインフォグラフィックには向きません。生成は案まで、仕上げは編集ツールでと線を引いておくのが良いでしょう。
権利の問題は「生成物の著作権」と「利用許諾の範囲」の二つに分けて考える必要があります。前者は人間の創作的寄与をどこまで認めるかが国によって判断の分かれる領域ですが、後者は契約なので約款を読めば答えが出ます。無料プランは商用利用を禁じていたり、生成結果を公開ギャラリーに自動で載せたりする場合があり、未公開の製品コンセプト画像を作ったものが外部に露出することもあります。約款の確認は法務の問題であると同時にセキュリティの問題です。有料アカウントを1つチーム共用にし、生成履歴を残す方式が管理しやすいです。
最もよくある誤解は「AIが作った絵は持ち主がいないので、どう使ってもいい」という考えです。学習データから写し取られた透かしの跡、特定の作家と見分けがつかない画風、実在の俳優に似た顔が販促物の表紙に載ると、問題は著作権にとどまらず肖像権や評判へと広がります。画像内のハングル文字を生成機に任せるのも事故が多い箇所です。字母が崩れた文字は編集で直すのが難しく、結局全部作り直しになります。文言は最初から編集ツールで載せるのが安全です。役員やお客様の顔写真を参考画像としてアップロードした瞬間、外部サーバーに個人情報を渡したことになる点も見落とされがちです。
2010年代後半に生成モデルの研究が蓄積され、2022年前後に拡散モデルベースのサービスが相次いで公開されて広く普及しました。画像学習データの著作権問題は、現在も各国で議論が続いています。
仮の事例でご説明します。社員480名規模の自動車部品メーカーA社の教育チームの話です。月12件ずつ出ていた社内カードニュースと研修案内文を1件15万ウォン(約1.8万円)で外注してきましたが、修正のたびに2日余分にかかり、告知が研修の3日前にようやく出ることが繰り返されていました。
- 教育チームのキム課長が最近3か月の外注内訳を出してみたところ、43件中31件が「背景画像1枚」でした。「このくらいは私たちで作りましょう」という一言から、2か月のお試し運用が始まりました。
- 最初の1週間は「熱心に働く社員たち」のような漠然とした文だけを入れていたため、使える画像は1枚もありませんでした。対象・背景・照明・比率を4行に分けて書くフォーマットを作ってから、ようやく採用率がはっきり上がりました。
- 安全教育6回シリーズは、回ごとに人物が別人に見えるという問題があったため、シード値を固定して背景の一節だけを変える方法で、6枚を1日で揃えました。
- 法務担当のパク次長が"実在の人物に似た顔と他社のロゴは全部外してほしい"と求めたため、社内用途は自由に使い、外部に配布する素材は有料アカウントでのみ作る、という2行の基準を社内ガイドに盛り込みました。
- 4か月後には外注が月12件から3件に減り、制作費は月180万ウォン(約22万円)から45万ウォン(約5.4万円)に下がりました。案の待ち時間がなくなったことで、研修告知は行事の3日前から2週間前に早まりました。
金鍾赫
パク・スンテ