@yasuyoshi64

OpenAIのDALL-Eで画像生成 OpenAIのImages (DALL-E)を使えばAPIで画像生成できるのでそちらを試してみたんですが、画像生成については自由度がほぼない感じなんです。(2023/10/25現在) 現在だとAPIで使えるのはDALL-E2なのかな、この辺はっきりしなかったんですが、噂のDALL-E3だと違うのかもしれません。 画像生成に関するAPIはシンプルでモデルを選択する余地すらないです。 だってパラメータが以下しかないんですよね。 パラメータ デフォルト 説明 prompt 必須 1000文字以内の画像の説明文 n 1 生成する画像の枚数。1～10の間で指定 response_format url 返されるイメージの形式。url または b64_json の何れか size 1024x1024 画像サイズ。256x256, 512x512, 1024x1024 の何れか promptの工夫次第だと思うんですが、 DALL-E に$15課金して色々作成してみたけど。 自分のプロンプト能力では残念な絵しか生成できませんでした。 難しい。 ちなみにAIで生成した綺麗な女性の実写と見紛うような画像をよく見かけますよね。こういうヤツ。 これはDALL-Eじゃなく SeaArt の方です。 SeaArtの方は一言ですごい。 写真からイラスト風の写真を作ったり、背景だけ削除したり、落書きを仕上げてくれたり、トレーニングなんかもできます。マジですか。 ちなみに以下は自分の写真をイラスト風にして作成した画像です。数分で出力されてきました。 おでこに変なマークがあるのとかなり美化されてますが。 という感じでOpenAIのDALL-Eを真面目に勉強するのはGTP-4V & DALL-E3がAPIにリリースされた後でいいかと思いました。 生成するのも1024x1024で$0.02掛かるのでゴリゴリ消費されてしまうのが地味に痛い。 GTP-4V & DALL-E3になればGTPが画像を認識してくれるようになるのでプロンプトで画像のこの部分を修正してとか、そんな感じでGPTと相談しながら画像を作ることができるらし...

OpenAIのGPTを使ってみる 最近仕事でもAIの話って結構出てきました。 何も知りませんじゃ既に通らなくなりつつあるので代表的なOpenAI使ってみます。 OpenAIって複数の機能があります。 Audio (音声→テキスト) Chat ( ChatGPT ) Completions (これもChatですね Chatの方を使えって書いてあります) Embeddings (機械学習、特定のデータをベクトルに変換して類似性を数値化) Fine-tuning (GPTモデルの追加トレーニング) Files (Fine-tuningのトレーニング結果のアップロード用) Images ( DALL-E テキストから画像生成) Models (GPT-4やGTP-3.5などのモデルの取得、Fine-tuningしたモデルも含まれます) Moderations (入力データがOpenAIのポリシーに違反しているかチェックします) とりあえず興味は Chat と Fine-tuning と Images に行きますね。 まずChatを使用してみます。 OpenAIは従量課金制 なのでカード情報などの登録が必要です。 従量制ですが最初に$10はチャージしておく必要があります。後は使った分だけ請求される感じですね。 料金については ここ を参照。 GPT-4だと1000トークン辺り$0.03～$0.12。 GPT-3.5 Turboだと1000トークン辺り$0.0015～$0.004。 GTP-4と比べると桁が違うんですけど。 トークンについてですが、日本語の80文字くらいで122トークン、40文字くらいで43トークンになってました。計算方法はよくわからないですが、1トークン1文字強くらいの認識でいいかと思います。 OpenAIに登録したら右上のメニューから 「View API keys」 を選択して「Create new secret key」をAPIキーを作成します。 Chat について 大雑把に以下のことができます。 単純に文字列を送ると回答が返ってきます。 ちゃんと会話として繋げたい場合は過去の内容も含めてリクエストする必要があります。 予めプロンプトと呼ばれる命令をして...

OpenAI流行ってるしDALL-Eでイラスト書いて貰った 今はDALL-E3が話題みたいなんですが、選ばれた人しか使えないみたい。もちろん自分は選ばれないので使えるのはDALL-E2ですね。 DALL-E なんですが$15払ってちょっと使ってみました。 (2023/10/22現在上記URLで使われてるのはDALL-E2です) テキストで説明を入れると説明通りの画像を作成してくれるという話で去年辺り結構話題になってたものですね。 Chat-GPTと違って日本語が苦手らしい (日本語も入力できるんですが結果が???すぎるのでたぶんダメなんだろうと) ので英文でやってみます。 この文章のことをプロンプトと言うようです。 「可愛い猫のイラスト。目をパッチリ開いてるシーン。」 10秒くらい待つで以下のイラストが作られました。 1枚目が可愛かったのでアイコンに採用。 この後プロンプトに文章を足したりして更にブラッシュアップを重ねていくようなんですが・・・ごめんなさい使い方はよくわからない。 他の人の記事とか動画とか見て勉強しよう。 正直な所思ったような画像を出すのは難しい。プロンプトエンジニアにはなれそうもないなぁ。