Google、画像プロンプトで画像をリミックス生成する「Whisk」

Googleは、新しい画像生成AIツール「Whisk」を発表した。被写体、シーン、スタイルの3つの画像をドラッグ＆ドロップするとそれらをリミックスした画像を生成する。まずは米国向けにGoogle Labsで公開した。

[ITmedia]

　米Googleは12月16日（現地時間）、画像を入力することで画像を生成する新しい生成AIツール「Whisk」を発表した。

　米国在住のユーザーは、Google LabsのサイトでWhiskを試すことができる。

　Whiskは、テキストではなく画像を使用してプロンプトを作成できるGoogle Labsの実験プロジェクト。Subject（被写体）、Scene（シーン）、Style（スタイル）の3つの画像をドラッグ＆ドロップして“リミックス”し、独自の画像を作成できる。テキストプロンプトで説明を補足することも可能だ。

3つの画像をドロップする

ネコが蓮池にいる油絵的な画像の生成例

　Whiskは、Googleの生成AI「Gemini」を使用して画像の詳細なキャプションを自動的に記述し、それをGoogleの画像生成モデル「Imagen 3」に入力する。

　Whiskは、画像からいくつかの主要な特徴のみを抽出するため、期待とは異なる画像が生成される場合がある。例えば、生成された被写体の身長、体重、髪型、肌の色が異なる場合がある。その場合は、プロンプトを編集することで修正できる。

　GoogleはWhiskを、従来の画像エディターではなく、新しいタイプのクリエイティブツールと位置付けている。ピクセル単位の完璧な編集ではなく、「迅速な視覚的探索のためのツール」であり、新しい創造的な方法でアイデアを探り、数十のオプションを試して、気に入ったものをダウンロードできるツールだとしている。

　ちなみに、whiskは泡だて器という意味だ。3つの画像を泡だて器でミックスするイメージなのだろう。