見出し画像

完全保存版！テキストから動画まで代表的な生成AIツールをわかりやすくまとめてみた

AI総合研究所

はじめに
近年、AI技術の進化に伴い、私たちの日常生活やビジネスのあり方を変える可能性を秘めた「生成AIツール」が注目を集めています。
日々新しいツールやサービスが発表されていて、結局何を使えばいいのかわからない！という方も多いかと思います。
この記事では、そんな生成AIの世界にまだ足を踏み入れていない方々に向けて、手軽に利用できる代表的なツールをいくつかご紹介します。
画像生成からテキスト生成、動画生成まで、多岐にわたるツールをまとめてみたので、生成AIの魅力に触れてみてください！

まだAIを活用していない方も、この記事をきっかけにその可能性を探ってみてはいかがでしょうか？


そもそも生成AIとは何か？

生成AI（Generative AI）は機械学習の分野の一つで、既存のデータを基にして新しいコンテンツを創造する能力を持つ人工知能です。この技術は、テキスト、画像、音声、ビデオクリップなど多岐にわたる新しいコンテンツの生成が可能で、従来のデータ分析を超えて、オリジナルのアウトプットを生み出すことが大きな特徴です。

従来のAIとの違いは？

従来のAIとの大きな違いは、その応用範囲と柔軟性にあります。
従来のAIは、特定のルールやアルゴリズムに従って動作し、限られたタスクや領域でのみ効果的でした。

例えば、チェスや将棋のような特定のゲームをプレイするAIや、特定の種類のデータの分析に特化したAIなどがこれに該当します。これらは非常に高い精度で特定のタスクを実行できますが、その範囲外のタスクには適応できません。

一方で、生成AIは、既存のデータを基にして完全に新しいコンテンツを作り出すことができるため、より幅広い応用が可能です。

例えば、文章や詩を創作したり、新しい画像や音楽を作成したりすることができます。また、生成AIは学習したデータから新しいパターンやアイデアを引き出す事ができるため、クリエイティブな分野での活用が期待されています。

従来のAIと生成AIの違い

簡単に比べると、
従来のAI：特定のタスクを高精度で実行することに特化
生成AI：創造性と柔軟性高く応用範囲が広い。多様なシナリオでの使用が可能

上記の事から、生成AIはその創造性と応用の幅広さで、従来のAIとは異なる、
新たな可能性を提供していることがわかります。

分野別！代表的な生成AIツール3選

多種多様な生成AIツールが溢れていますが、
この記事ではその中でも特に主要な3つの分野の代表的なツールを紹介していきます!

文章生成

生成AIの最も一般的な用途の一つが文章生成です。
この技術は、自然言語処理（NLP）という技術の進歩により可能となりました。
文章生成AIは、ユーザーが入力したテキストに基づいて、関連性のある、文脈に沿った内容を生成する事ができます。小説や論文のライティング、ビジネスのレポート作成、さらには日常的なメールの返信など、多岐にわたる分野で活用されています。

代表的なツール
「ChatGPT」, 「Bard」, 「Copilot (旧Bing Chat)」

・ChatGPT

より幅広いテキスト生成と言語処理タスクが得意です。
さまざまなトピックや質問に対応できる柔軟性を持っています。
日常会話を始め、医療やプログラミングなどの専門的な内容まで幅広く対応可能です。

⚠️11/24日現在、ChatGPTの有料版であるChatGPT Plusにアップグレードした場合、GPT-4を選択するとウェブ検索機能が利用可能です。この機能を使うと、最新の情報や詳細なデータを検索し、その内容に基づいた回答を生成してくれます。

ChatGPTはこちらから↓

https://chat.openai.com/auth/login


・Bard

対話型のAIとして設計されており、詩や物語など生成が得意です。
Googleの検索技術を活用してリアルタイムの情報に基づく回答を提供するという点で異なります。
現在は試験運用中ですが、Googleの広範な情報リソースを活用し、今後更なる進化が期待できます。

Bardはこちらから↓


・Copilot (旧Bing Chat)

Bingの検索エンジンに統合されており、Web検索を用いてユーザーの質問に対して直接的かつ関連性の高い情報を提供することができます。

企業向けにMicrosoft 365 Copilotも提供されています。
こちらは文書生成に留まらず、ExcelやWordなどの各Officeアプリケーションに組み込まれており、組織内での。生産性の向上や業務効率化を改善するためのツールです

Copilotはこちらから↓

また、Copilotについてはこちらの記事で詳しく解説しています！↓


画像生成

画像生成AIは、テキストや他の画像を基に新しい画像を作り出す事が可能です。
この分野の進歩は目覚ましく、現在では非常にリアルな画像を生成することが可能です。現実世界の物体や風景の画像を生成するだけでなく、抽象的なアート作品や、存在しない人物の顔なども生成可能です。

代表的なツール
「DALL-E」,「Stable Diffusion」,「Midjourney」

・DALL-E

言語理解に基づく独創的な画像生成が可能です。またシンプルで直感的な操作性から、初心者や非技術者にとって使いやすい点も特徴です。
（💡この記事の見出し画像は、DALL-E3を用いて生成してます！）

DALL-Eは、ChatGPTの有料版ユーザー、 CopilotはMicrosoftアカウントを持つ全てのユーザーが使用できます。
どちらのツールも、会話をする様な自然な流れで、チャット欄に作りたい画像のイメージを打ち込めば簡単に画像を生成する事ができます。

⚠️あくまでも筆者視点ですが、
操作性に関してはChatGPTの方が優れている様に感じました。
Copilotは、無料で使用できるという点はポイントですが、
ChatGPTに比べて作成するコンテンツの規約が少し厳しい（全く同じプロンプトを用いた場合に、Copilotの方は制限がかかって画像生成できない場合がある）という事が見受けられましたので実例を紹介したいと思います。

猫がうつむいている可愛い画像と指定した場合：

ChatGPT4の出力


Copilotの出力
Bing Image Createrの出力

うつむいた猫の画像を出力できたのはChatGPT4のみでしたね！また同じプロンプトでも出力結果が大きく異なることがお分かりかと思います。
また、細かい指示の際には、画像の生成ではなく関連する画像をweb検索から提示してくる場合もありました。

Bingに関しては元々、Bing Image Creator という独立したツールで提供されていて、Copilot(旧Bing Chat）は検索に特化していた事から、まだ少し不安定な要素が点があるのかと考えられます。
有料でも幅広いジャンルの画像を生成したいという場合はChatGPT、とりあえずDALL-Eでの画像生成を試したみたい！という方はCopilotがおすすめです。

ChatGPTとCopilotってなんだっけという方はこちらをご参照ください↓

Bing Image Creatorを使ってみたい方はこちら↓（上記のCopilotでも画像生成は可能です）


・Stable Diffusion

テキストを基に高度なカスタマイズが可能で、柔軟性が高く高品質かつリアリスティックな画像生成が可能です。
しかし、使いこなすにはある程度の知識が必要で、上級者向けです。
また、利用を始める為の環境構築が複雑で、PCに詳しくない人には難しく感じられるかと思います。

現在、ベータ版ではありますがStable Diffusionをベースにした 、Dream Studioというツールも提供されています。
より直感的で、専門的な技術や知識がない人でも扱いやすいような設計になっているので、とりあえず試してみたい！という方はこちらがおすすめです。

Dream studioはこちら↓

本格的に使ってみたい！という方はこちらのサイトを参考にして下さい。


・Midjourney

StableDiffusionと同様に、ユーザーが入力したテキストに基づいて、高品質な画像を生成する事ができます。
複雑な環境構築が不要で、より簡潔で抽象的な指示でもクオリティの高い画像を生成する事が可能な為、より直感的に扱えます。

参考までに、Stable DiffusionとMidJourneyで同じプロンプトで画像を生成した場合の比較画像です。

両者は異なるアルゴリズムと訓練データを使用しているため、生成される画像のスタイルや品質に違いがあります。Midjourneyは特にアートスタイルや抽象的なイメージの生成に優れているように思えます。
人物や風景などの生成したい物、プロンプトの種類によってもまた特徴は変化しますので、参考程度にして下さい。

Midjournyはこちらから↓ ⚠️Discordアカウントが必要です。https://www.midjourney.com/home?callbackUrl=%2Fexplore


動画生成

動画生成AIは、静止画から動く映像を作り出したり、短いクリップを組み合わせて新しい動画を生成することができます。また、画像生成AIと同様に、ユーザーが入力したテキストから動画を生成する事も可能です。
加えて現在では、AIアバターと呼ばれる、実在しない人物に動きをつけたり、指定した文章を喋らせる事もできます。
この分野は、メディア、エンターテイメント、教育、広告など多くの業界に新しい可能性をもたらしています。

代表的なツール
「Synthesia」, 「Runway」, 「Vrew」　など。

・Synthesia

多彩なAIアバターを提供しており、これらのアバターが、ビデオ内でテキストを読み上げます。性別、年齢、服装など、様々なアバターのオプションから選択できます。 また、多くの異なる言語に対応しており、日本語はもちろん、英語や中国語など、様々な言語の動画を作成する事ができます。


・Runway

Runwayの注目点の一つは、その革新的な動画生成機能です。「Gen-2」と呼ばれるこの機能は、テキストから短いビデオクリップを生成する能力を持っており、「テキスト→動画」、「画像→動画」、更には「画像＋テキスト→動画」という形で多様な動画を生成できます。また、動画編集機能も豊富に備えており、背景除去、インペインティング、カラーグレーディングなどのツールが利用可能です。

下の動画は、
Runway Gen2を用いた短編映画のコンテストでノミネートされた動画です。

かなり滑らかで自然な動きで、AIで作ったとは思えない程のクオリティです。

Runwayはこちらから↓


・Vrew

台本の作成から動画素材の選定、テロップまで、全てAIによって自動で生成することができます。またインタビューの文字起こしや要約、ブログやSNSの文書を動画化するなど、様々な用途に使えます。

また、Youtubeの切り抜き動画なども自動で作成する事が可能で、非常に多機能なツールになっています。
上で紹介した2つのツールと異なり、完全日本語対応なのも扱いやすいポイントですね。

まとめ
今回は、各分野の代表的な生成AIツールについてまとめました。
上記で紹介したツールはあくまでもその一部に過ぎず、日々様々な分野の革新的な生成 AIツールが発表されています。
記事で紹介した分野以外にも、音声生成や、プログラミングなどの領域においてもその補助をしてくれるツールがあります。

AI技術の進化に伴い、生成AIツールはより高度で精巧なアウトプットを提供し、人間とAIの協働の可能性を広げています。

最後に、こちらは上記で紹介した生成AIツールである、MidjourneyとRunwayを組み合わせて作成されたショートフィルムです。
生成AIを用いた長編映画やドラマが、一般的になる日も近いかもしれませんね。


この記事が気に入ったらサポートをしてみませんか？