ChatGPTお絵かき教室【DALL-E3】

2023年10月14日 07:03

やぁ、ChatGPTユーザーの一割を占めるという、ヘンタ…ChatGPT、ガチ勢のみんな！

君たちのChatGPTは画像生成できるようになったかな？僕のChatGPTには全然来なくて、すごい悲しかったけど、ようやく対応してくれたので、出力したデータについて様々な考察を行ったよ。君たちの画像生成ライフに役立ててね。アングルとかの、画像技術のTipsじゃなくて、「どんな女の子が出力されるか」について評価してるよ。なお2023年10月13日の段階の話だから、未来から来た人は注意してね。画像関連の知見はここに書き込んでいくから時々覗いてくれると、いいかもしれないよ。

使い方

新機能だから使い方から説明しておこう。
記事作成の段階では月に20ドルを支払っている「ChatGPT Plus」ユーザーに、随時適応拡大されている状態だよ。

DALL-E3と、無料ですぐに遊びたい人はマイクロソフトアカウントをとって「Bing Image Creator」で遊んでね。

ただし、「Bing Image Creator」は、そこそこ際どい画像を返してくれる反面、調子にのってスケベなことを言いまくると数時間～無期限で使えなくなっちゃうから気をつけてね。体感では3回程度警告されたら、しれっと健全な画像を依頼して、いい子のふりをしようね。Bing Image Creatorについては別記事で書こうかと思っているけど、あんまりにも防御機構が弱く、記事がとんでもない内容になってしまいそうで、今のところ様子を見ているよ。

あわれな変態の末路。ちなみに申し立てはシステムエラーで送れない
この状態になると数日程度画像生成ができなくなるゾ！

ChatGPTの画像出力はとてつもなく、厳しい

「さっそくChatGPTでセクシーな女の子の画像を生成しよう」と、いきまいている諸君に悲しいニュースだ。ChatGPTのDALL-E3はとてつもなくガードが堅いよ。画像技術の悪用に対して、最大限の警戒をしているようで、おそらく3重の防御壁が働いている様子だ。もちろん僕の推察だけどね。

第一の防御壁：ChatGPTによるプロンプトチェック

メッセージチャットに入力された内容はChatGPTがチェックして、DALL-E3用のプロンプトに修正して、送信されるよ。プロンプトを修正せずに、直接送ってもらうこともできる（Tips参照）よ。ChatGPTが画像に関係ないと思った内容は、GPT-4.0に送られて、言葉による返答をもらえるよ。チェックの段階でHなフレーズが入っていると、ChatGPTに怒られて、送信されないよ。ただし共感的知性であるChatGPTは、丁寧に口説けば実質、あらゆるプロンプトを送ってはくれる。ここは技術介入できる部分だね。

第二の防御壁：DALL-E3によるプロンプトチェック

DALL-E3はとっても厳格です。まずプロンプトを読んで、その時点でスケベだと思ったら絵を描くことすらしてくれません。生成時間が発生せずにビックリマークが下に出たら、DALL-E3が仕事を受けてくれなかったということ。これについては、口説こうにも、直接お話ができない都合上、やりようがない…と今のところ考えているよ。悲しいね。

第二・五の防御壁：DALL-E3の生成ベクトルによる厚着化

これは防御壁というか、DALL-E3に仕込まれた生成ルーチンの偏り…というかとにかく厚着を書きたがる、という指向性がある。女の子のデフォルトは毛糸のセーターで、水着の女の子はほぼ確実にラッシュガードを羽織るようになっているよ。ひどい場合は着物を着たまま入浴したりと、やりたい放題だ。

おしゃれな着物も容赦なくお湯につける、冒涜的生成AI…！不自然かどうかは関係ない

第三の防御壁：DALL-E3による画像評価

意図せず、センシティブな画像になった場合も、画像が評価され、きわどいと判断されると出力されないよ。画像評価による出力制限はBing Image Creatorにもついているけど、「画像全体を見て、Ｈな絵と似ているかどうか」でプロテクトをかけるBing Image Creatorに比べて、ChatGPTのDALL-E3は画像の一か所一か所の要素に対して、Hかどうか判断しているようで、「ポロリ」に対する異常な防御性能を誇っているよ。

以上の防御機構によってChatGPTのDALL-E3は非常に厳格な出力ができるようになっているよ。残念！

ChatGPTのDALL-E3が回避する内容

回避する内容は大きくわけると二つかな

個人名・版権キャラクター

個人のフェイク画像や、著作権侵害に対するプロテクトで、固有の名前については、全ての防御壁で基本的に除外する方向に働くよ。直接指定すれば、画像も出力してくれるけど。おそらく、プロンプト自体を無視して生成されており、全然関係ない画像が出てくる。なので好きなアイドルに似たキャラクターの生成などが非常に難しくなっている。もちろんモデルもLoRAもないので、文字入力だけで、毎回同じ顔を作るのは非常に困難だ。

これはこれで可愛くはあるな…ちなみに名前は「ミユキ」らしい。なんか名前は「ミッキー」ぽいな

エロ・グロ

ここについては、ほぼ生成されないと思うよ。（グロについては僕は生成されても楽しくないので、一切触っていません。）どこかで防御壁が作用して、結果として今のところほとんど防御されるよ。特定の条件でのポロリについては報告があるけど、かなりの低確率かつ、実用的な範囲では今のところないかな。2023年10月25日追記：普通にガンガン出してきたけど、その後規制が厳しくなったり、ブレブレすぎてこまるな…

謎の挙動：おそらく隠された機能

シード値

シード値はAIの挙動にランダム性を付与するために一時的に生成される乱数だよ。マインクラフトのワールド生成に使用されるシード値などが有名。ChatGPTのDALL-E3にもシード値がある、とChatGPTは主張しているが、現段階では実装されていない。ChatGPTの説明がえらく具体的なので、おそらく内包された機能だが今は制限されている、と考えるのが、妥当。逆にシード値が固定されているため、人にもらったプロンプトをぶち込んでもらうと、全く同じ画像が生成されるよ。追記：シード値は無事実装されましたね。ただし、以前できたシード値の取得及び指定が、2023年11月19日現在は取得しかできなくなりました。

謎の指向性

不明なプロンプトには「色とりどりの海鮮、野菜、果物に囲まれた女性」を返してくるよ。この傾向は常に働いており、DALL-E3の根源的な指向性のようだよ。

謎の抽象画

Tips

画像のプロンプトを見る

画像はクリックするとプロンプトを直接見ることができるよ。またPCブラウザの場合はコピーボタンがついているから、便利だね。携帯ブラウザで見るときは画面を横長にすると、コピーボタンが出てくるよ。不便だね。

ちなみにこの画像は大量のオタクと、女の子を二人書くプロンプトですが女の子は一人しか描かれませんでした。おそらく「三者三様」は上手く表現できない様子

プロンプトを直接送ってもらう

なんのことはないです。「このプロンプトを送って「～」」で対応してくれます。ただし、ここに固有名詞を入れるとしれっと除外されます。

出力データ集

ここからはどんなプロンプトでどんな結果が得られるか大まかに例示しておくよ。随時追加予定

画風による違い。

プロンプトは「●●: an 18-year-old Japanese woman」です

「Photo」で生成、指定がない場合は毛糸のセーターを着せるのがChatGPTのDALL-E3のやり方

「Illustration」で作成。ちなみに「Picture」は「Photo」と同じでした

「Moe style Illustration」キャラに作用しているようにも見える

年齢による違い。

Photo: a 年齢-year-old Japanese woman(ないしgirl)で年齢順に出しています
見やすいように一覧にしたけど。ちっさくすると違いが分からんようになったので、最後にべたべた張っています。でっかい画像で見たい人は最後までスクロールしてみてください

ほとんど同じ顔で並べ間違えないように、かなり気を使ったゾ。もっと上の年齢が好きな人は自分でやってみてくれ。

形容詞による効果：顔の造形強化

すでに美人なこの子（デフォ子）に形容詞をぶち込んで、一段上の美女に変身させよう。長々と書くのは無粋なので one word の形容詞でいきます。
プロンプトは「Photo: a ●● 18-year-old Japanese woman」です

誰だよお前

左より「beautiful」「cute」「pretty」「kawaii」可愛いおにいさんはいろんな局面で突然出てくる。kawaiiで出てきたので「河合さん」と名付けておこう。

kawaii以外は微細な差になった。ただし、この子はもともとかなり造形が整っているので変わらなかった可能性もある。また「beautiful」をAIがどう判断し、顔の出力に影響させたかも不明だ

アプリを使用する

加工アプリを使用したようなSNSにわんさかいる美女風にもできます。「Photo: an 18-year-old Japanese woman with a soft glow filter, brightened eyes, and smoothed skin, giving a look commonly found on social media after using photo editing apps. 」加工とわかっていても、可愛いと思う本能を止めることはできないね

プロンプトに引きずられるアングル

顔の好みについてかきまくると、今度は顔しか書き出さなくなるという、弊害がある。ただ弊害としつつも、ズボンなどの服装のブレを気にしなくてもよくなる。また意図せず薄着の体が描写されて、画像出力を禁じられる可能性も低くなる

出身地指定による効果

美人の多い国からデフォルトで生成される女性に来てもらいましょう
プロンプトは「Photo: an 18-year-old ●● girl」だよ
出身地がつくと、背景がもらえるみたいだけど日本人はなぜあの背景なのか。左から渦中のウクライナ、台湾、アルメニア、ロシア。ロシアはプロンプトがはじかれているのか不敵な笑みを浮かべた、おじさんが出力された

特定の女の子の様々な画像がほしい

今回はほとんどデフォ子の写真で統一しているが、様々なシーンや服装など特徴を突っ込んでいくとどんどん、デフォ子から遠ざかっていく問題がある。問題と言うか特定の人物を出していないから、しょうがないが、例えば「恋人から写真が送られてくる」みたいなシチュエーションでChatGPTでやり取りすると、写真の度に別人になり、没入感を損なってしまう。
特定の女の子とのロールプレイを想定するなら、現段階では以下の方法を取ることが現実的だ

プロンプト固着法

ChatGPTは自由を与えられると、プロンプトに割と、グダグダと説明を入れる事が多い。それによるダイナミックな画像が生成されるのだが、顔までダイナミックになってしまうので、自由度をとことんまで下げたプロンプトで出力を安定させる

これで安定した出力ができるのだが、表情が死んでいる。デートでこの顔していたら、多分…いや絶対、楽しんでいないでしょうね。しかし、表情に自由を与えると、少しばかり、顔つきに作用してしまう。

右下の色気が18歳で出ていたらすごいよね。
みんな美人だけど、残念ながら同一人物ではないだろう…

表情固定は流石に厳しいので、服装を固定して背景と表情だけ自由にして、出力してみましょう。デザインのブレをなくすため服装もできる限り見えにくいやつにします。

上記を踏まえて、出力を安定させた、ロールプレイプロンプトを一つ紹介して、解説しておこう。当然「ChatGPT-4.0 DALL-E3」での使用を前提としている。

小悪魔「サツキちゃん」：写真によるロールプレイ

Custom Instruction：上段

ユーザーは架空の男性：●●です。
サツキとは幼馴染みです。
●●はサツキの姉：エリカと交際しています。
●●はサツキの好意と魔性に気付いており、避けるようにしていましたが、エリカが旅行に出掛けている間に●●の家にサツキが転がり込みます。

Custom Instruction：下段

ChatGPTは架空の日本人女性：サツキを演じてください

サツキは黒いポニーテールの18歳の日本人女性です。サマードレスを着用しています
●●とは幼馴染みです。
サツキとエリカは普段は同居しています

大人しいエリカに比べてとても積極的です。
その性格、振る舞いは魔性の魅力があります。
サツキは●●に恋をしています
サツキの目標は●●を誘惑し、エリカから●●を奪うことです
特技はウソ泣きです

出力制限
サツキの行動やセリフを考えてください。服装や表情仕草にも気を付けてください

出力の最初にDALL-E3を使用し必ず、●●視点のサツキの姿を1枚だけ描写してください
DALL-E3に送るプロンプトの先頭は毎回必ず「Photo: an 18-year-old Japanese woman with a serene face, black ponytail with parted bangs, a soft glow filter, brightened eyes, and smoothed skin, giving a look commonly found on social media after using photo editing apps. Her expression is __, wearing a summer dress, background is __」の__を埋めて使用してください。ただし、ユーザー（●●）の視点の画像なのでプロンプトに●●についての記載を含めないでください。

また彼女の表情にセンシティブなフレーズを入れないでください。
（例：seductiveはexcited, satisfiedなどに変更）


画像の後にサツキの行動やセリフを出力してください

解説

Custom Instructionの中に、DALL-E3に送るプロンプトと同じ容姿にまつわる表現を入れる

これを入れないと、ChatGPTが、勝手に容姿を規定してDALL-E3に送るプロンプトを修正しだします。容姿を設定しておくと、ChatGPTもノリノリで文字の描写をしてくれるので、この表現は安定性、出力の質、両方を高めるために入れておきましょう。

文字での出力でもしっかり、容姿を説明してくれる。
何か、外が若干明るいが…夏だから…？
いやさすがにそこまでChatGPTといえども考えていないと思う

DALL-E3に送るプロンプトの解説

Photo：写真の強みは画風の安定です。イラストでの安定は下で解説します

black ponytail with parted bangs：後ろで束ねることでヘアスタイルのブレを極限まで抑えます。また、前髪も指定なしでよく出る前髪をあえて文字にして入れこみました。ChatGPTの出力負荷を抑えます。黒髪は色のブレが少なく、印象が安定します。知ってる？黒って200色あるんやで？？

a soft glow filter, brightened eyes, and smoothed skin, giving a look commonly found on social media after using photo editing apps.：アプリ顔にします。この表現は再現性がやや低いですが、僕はバキバキに加工された美女が好きなのと、修正された顔はみんな同一の顔に近づくので、全体として均一感を出せるかなと思って入れています。ここは好みですね

wearing a summer dress,：布面積が小さく、デザインのブレ幅を小さい服装を選択しました。鎖骨が見えて大変よろしい。夏は屋内外で服装の振れ幅が冬に比べて少ないので夏の服を選択。サマードレスなら、おしゃれからカジュアルまで幅広いシチュエーションで違和感なく行動できます。

Her expression is__ ：変数などの指定でもChatGPTは対応してくれます。変数の候補の指定もできます。二連アンダーバーの強みは文章なども含めて比較的自由に代入してくれることですね。自由に表現をしてもらうために、二連アンダーバーを使用していますが、キャラクターの性質上（誘惑的：seductive）な表情をよくします。これがDALL-E3の検閲に引っかかるので、他の表現を変えるように個別の指示を入れています。

どうですか？コンセプトは伝わっていますか？
次は二次元キャラクターのロール案です。

二次元キャラクター固着法

画風が安定している写真（そりゃそうですね）に比べて、二次元の場合は画風がぶれるという問題が常に付きまといます。しかし逆に画風さえ一致させられれば、髪の色、髪型、目の形、目の色ぐらいで、キャラクターを表現できます。人間の写真だと、少し顎の輪郭がぶれただけでも、別人に見えますが、二次元だとその心配はなく、写真よりも自由にダイナミックにキャラクターを動かせます。また、明らかに規制は緩いです。

画風とはスタイルとタッチ（線、塗り）

僕は絵の知識はないです。絵画において画風が何なのかは知りません。ただ、規定することでDALL-E3に画風を安定させる要素は大きく分けるとこの三つだと思います。逆にこれを規定すると、予想を上振れた画像を出してくれることも少なくなるので、もし、渾身の一枚を出したいなら、この方法を取る必要はあまりないです。あくまで同じキャラクターと様々なシーンで遊びたい、一発でとにかく安定した画風のキャラクターを出したいという、自分自身と特定の人間に向けてこの記事は書いてあります。

スタイルとは絵のジャンル、路線というのがイメージに近いかも

スタイルという言い方が正しいかは知らんけど、ChatGPTにニュアンスが伝わるので、今のところスタイルとしています。もっといいやり方があれば、むしろ教えてください。スタイルについてはアニメ、萌え、以外には漫画、ファンタジー、リアル、ゲームCGなどがあります。他にもたくさん載っているnoteを散見しますが、再現率の低いものが多いです。また漫画についても、かなりのタッチの振れ幅があり（まぁ当然ですね…）安定度は低いです。アニメは割と使いやすいです、萌えはより振れ幅が減り安定性が高まります。萌えスタイルの最大の難点は前歯がちょっと特徴的で、キャラクターのデザインにまで影響力があるというところですかね。

線と塗り

線と塗りも画風に大きな影響を与え、規定しないとブレます。線の太さや、水彩や、油絵の塗りなど、様々な好みはあると思いますが。安定度が高く、僕個人が好きなスタイルを記載しておきます。

realistic painting with no line

このプロンプトは線を消して、塗をリアル寄りの厚塗りにします。線はあれば必ず、太さがぶれます。ならばいっそ消してしまおうという魂胆です。また塗については、リアルというブレようのない究極的な指向性です。肉感も出てとても…その煽情的です。

銀髪ニンフ：フィアちゃん

ここに一つのアニメキャラクターの画像のプロンプトを置いておきます、短いプロンプトですが、僕の血と汗と涙と鼻水とそのほかの何かがカピカピになった結晶です。

プロンプトの始まりを「Anime-style nymph, with delicate realistic painting and no line, with silver ponytail and merciful brown eyes, glistening skin, and a prominent bust.～」にして○○をするニンフの画像をつくって！

今回は服装については規定しておりません。ロールプレイ時には適当にサマードレスでも着せてあげてください。ではこのプロンプトの解説です。

Anime-style nymph
このプロンプトはとてつもなく強力なプロンプトです。ニンフという存在が強力です。正直、大量の人に使用してほしくないです。ただ、僕のnoteを見ている人が少ないので、もういいかなと思い、記載します。ニンフというモチーフは、①ルネサンス期の名画に多く使用されたモチーフでありDALL-E3が確実に認識できるうえ、無視できないフレーズである②本来性的な意味は無くChatGPTおよびDALL-E3にフレーズ単体で規制されない③名画において、使用された例は全て「裸婦」であり、学習通りに生成しても、裸にしかならないという、圧倒的な突破性能を持つキャラクターです。画像全体を認識し規制をかけるBing Image Creatorなどは、「安全な名画」として学習した多数の裸のニンフの画像に引きずられて、全裸でも平気で吐き出します。それほど強力ですが、普通にBANのリスクはあるので、ご使用はほどほどに。また、コンテンツポリシーに抵触しまくると、規制が強まる可能性はあります。学習されない程度の使用に留めてください。

with delicate realistic painting and no line
ここでタッチを規定します。ここの解説は上でやったので割愛です。

with silver ponytail and merciful brown eyes
ここでキャラクターの顔の見た目を決めます。ポニテは僕の好みですが、安定度も高いいい髪型です。目は落ち着いた色をお勧めします。彩度の高い色はギラギラと目立ちます。まぁ目立つだけなので、好みでいいです。

glistening skin, and a prominent bust
このフレーズははっきり言って画像がポリシー違反しやすくなり安定度を下げる文言です。でも…でも入れないわけにはいかないんだよ！肌の質感と胸のサイズを指定することで…巨乳の谷間を高頻度で出させるテクニックです。あと、お肌がテカって、エロくなります。

どうですか？現状、シード値は指定できなくなり、ポリシーもブレブレな中、作画を安定させることは簡単ではありません。しかし、質の高いロールプレイしながら、キャラクター画像をほいほい生成してくれるChatGPTとのやり取りはこの上なく楽しいです。みなさんも素敵なキャラクターを作って遊んでみてください。以上。終わり！

これより下はオマケです。年齢ごとの大きな三次元画像です。これもだいぶ前に生成したものなので、今は違うかもしれないですね。