画像から画像を作るAI

テキストから画像はすべてを創作します。まだ何も存在しないときにはまさに望みどおりですが、被写体が実在するときにはまさに望まないことです。商品には顧客が見分けられる形があり、人には本人が知っている顔があります。どちらかを説明文からモデルに想像させると、もっともらしいけれど間違ったものが出てきます。写真から始めれば、正確でなければならない部分を保ったまま、そうでない部分だけをモデルに任せられます。

いちばん役に立つコントロールは編集の強度で、多くの人がいちばん触らない設定でもあります。強度が低いとき、モデルはレタッチャーのように振る舞います。写真は残り、指示がそこに適用されます。強度が高いときは、あなたの画像をちらりと見たイラストレーターのように振る舞います。どちらも間違いではありませんが、答えている依頼が違います。編集結果が「何も変わっていない」か「もう自分の商品ではない」のどちらかで返ってきたら、原因はほぼ間違いなくこの設定です。

違いとして書いた指示は、描写として書いた指示よりも良い結果になります。「背景を無地のグレーのスタジオの壁に差し替える」は変更です。「無地のグレーのスタジオの壁の前のプロフェッショナルな商品写真」は新しい依頼で、満足していた部分も含めてフレーム全体の見直しをモデルに促してしまいます。元の画像を多く残したいほど、プロンプトは編集メモのように書くべきです。

最後に、編集は積み重ねられます。背景、次に色味、次にフレームの拡張と3回に分けるほうが、3つすべてを1つのプロンプトで頼むよりたいていは良い結果になります。各パスが、すでに承認した結果から始まるからです。少しクレジットは増えますが、当て推量の大半がなくなります。