工作清單

【完全解説】デキる人がおさえるべきChatGPT最新画像生成｜ChatGPT Images 2.5

逐字稿文字預覽

[音楽]テックキャンプAIカレッチけんさん、AIに画像を直してもらうのもう嫌になったにゃん。
[音楽]あ、どうしたのにゃんきち何を作ってたの?
商品の写真で背景だけ変えてって頼んだのにゃ。そしたら背景は変わったけど商品の形まで変わったにゃ。もう
1回頼んだら今度は文字が消えたにゃん。
ああ、それは画像生成あるあるだね。直したいところだけ直すが実は
1番難しかったんだ。
1番難しいのに1番やりたいことにゃん。
それがね、結論から言うと今回のチャット[音楽]GPTイメージズにそこが変わったんだよ。
OPENAIが9月8日に発表した新しい画像生成モデルで頼んだところだけ直して他はそのままが売りになってる。
にゃ。本当か?にゃ。
今日はね、OENAIが公式の発表ページに載せてる作例を実際に見ながら順番に読み解くよ。写真をどう変えたか、どこだけ直したか、全部向こうが出してる画像で確かめる。
[音楽]実物を見せてもらえるなら分かりやすいにゃん。
最後にはOpenAIのアルトマンCEOがこのモデルについて投稿した一言も紹介するね。
やと気になるにゃん。
あと自分の業務でAIをどうかせばいいかわからないって人向けに最後に役立つ資料も紹介するから是非最後まで見てね。まず今回の発表を
[音楽]1枚で見よう。[音楽]
1つ目、改善点。
鮮明と精密な編集とさ。速さは最大
[音楽]50%短縮だよ。
2つ目、新機能が3つ。スケッチ、
[音楽]テンプレート、プロンプトの共有。3つ目、API。開発者[音楽]向けに
フレアと3バーストいう2つのモデル。
[音楽]ふむふむにゃん。
4つ目安全。C2PAっていう来歴情報
[音楽]と目に見えないすかし。5つ目。
提供範囲。チャットGPT
全体とワークとコーデックスに発表当日からこの[音楽]5つを順番に見ていくよ。そもそも画像生成ってそんなに使われてるにゃ?
[音楽]記事の冒頭に数字があって、チャットGPTとAPIを合わせて毎週30億万以上の画像が作られてるんだって。
30億?僕の画像もその中の
1枚にゃん。
それだけ使われてる機能が今回6つの点で良くなった。1つずつ公式が出してる策例
で確かめていこう。1つ目、[音楽]参考
写真の飛車体をそのまま保つ。2つ目頼ん
だところだけ直して他はそのまま。3つ
目直し[音楽]ても前の変更が崩れにくい。ふむふむにゃん。
4つ目。文字と細かいレイアウトが正確。
5つ目。精成の待ち時間を最大
50%短縮。6
つ目。複雑な指示でもスタイルがぶれない。この
[音楽]6つだよ。じゃあ
1つ目。公式が載せてるのがこの写真。
これ古い写真をスマホで撮ったやつにゃん。端っこがり替えてるにゃ。
[音楽]そう、昔のスタジオ写真だね。赤い服の男の子。
この1枚だけを渡して清掃のポートレートにしてって頼むとこうなる。
にゃ。白いタクシード着てるにゃ。しかも同じ子にゃ。
そこが今回の改善点なんだ。服も背景も光も全部変わってるのに顔立ちはその子のまま。前のモデルだとなんか似てる別人になりがちだった。
似てる別人?僕もそれで諦めたことあるにゃん。
光の当たり方も自然になって、肌や布の質感も細かくなった。参考写真を渡して
この[音楽]人で頼む使い方が前より安心して使えるようになったってことだね。2
つ目。にゃんきちが1番困ってたやつだね
。これも策れがある。
寝起きの部屋にゃん。ベッドが
ぐしャぐしャにゃん。
ここでベッドを整えてだけ頼む。
するとこう。
ベッドだけ綺麗になってるにゃん。
よく見て欲しいのは治ってないところなんだ。壁の色、ランプ、サイドテーブル、床のラグ、窓の位置、全部そのまま。頼んだのはベッドだけだからベッドだけ治ってる。
[音楽]ナの模様まで同じにゃん。
商品だけ、背景だけ、文字だけ。そういう頼み方ができるってことだよ。
構図とかブランドの見た目を保ったまま[音楽]1箇所だけ差し替えられる。
それにゃ。それが欲しかったにゃ。
3つ目。ここが今回
1番面白い見せ方をしてる。
青い箱が2つ並んでるにゃん。左が
GPTイメージ2。右がGPTイメージ
2.5。
これね、立法体が[音楽]360°回る3秒の映像を作ってるんだけど、作り方が面白くて、[音楽]150枚の画像を1枚ずつ別々に生成して、それを順番に並べただけなんだ。
1枚ずつにゃん。
場面の下にノーインターポレーションって書いてある。保管なし。つまり間のコマを機械的に作ってない。
[音楽]150回全部独立して生成してる。
じゃあ150回とも同じ箱をかけないとダめにゃん。
そういうこと。1
枚でも形やがずれたら映像にした時ガタガタになる。それを並べて比べたのがこの
[音楽]2つ。同じクオリティハ
150ジェネレーテッドフレームスって条件で作ってる。
[音楽]これが何度直しても崩れないの。証明にゃん。
実際の使い方に置き換えると1回目に直したところが3回目、4回目の編集でも残ってるってことだね。
文字が消えるやつ減るにゃん。
4つ目文字。ここは日本の人にこそ見て欲しい作例があってね。
[音楽]黒め猫にゃん。僕の親戚にゃん。
ステッカーのパッケージだね。
上にチャットGPTステッカーってカタカナが入ってて、下には縦書きの日本語も入ってる。
カタカナ崩れてないにゃん。日本語もばっちるにゃん。
そうなんだ。文字が正しく使えるかどうかはビジネス用途では特に重要だよね。英語の方も見てみよう。アメリカの国立公園の切手が
[音楽]8枚。
イエローストーングランドキャニオンアカディアザイオングレーシャーグレートスモーキーマウンテンズでなりエバーグレーズ[音楽]8コ全部ちゃんと呼べるにゃんしかもそれぞれ下に週の名前と一言のコピーが入ってる。文字が読めるだけじゃなくて中身も合ってるんだ。細かいレイアウトだとこういうのもできる。
[音楽]結婚式の招待上にゃん。金の飾りが細かいにゃ。
王冠のモノグラム、両側のライオン、鼻の縁取り。この密度で文字と装飾を破綻させないのが今回の複雑なレイアウトの話だね。
5つ目は数字だけ。前のイメージ図に点と比べて成の待ち時間が最大
[音楽]50%短くなった。
半分の時間で直したいところだけ治る夢みたいにゃん。
待ち時間が短いと試す回数を増やせる。そこが地味に聞くんだよ。最後の
[音楽]6つ目。細かい指定をどんどん足していっても途中でスタイルが迷子にならない。公式が並べてる作例をまとめて見てみよう。まずは
[音楽]1950年代風のレトロフューチャー。宇宙コロニー人の中を見上げてる家族だね。
次は真っ暗な未来年にゃん。雨で濡れた床が光ってるにゃ。
[音楽]こっちはタイルのモザイクが地球と銀河を青と金のタイルで組んでる。
これは絵の具の絵にゃん。サンフランシスコの坂道にゃ。
印象派の筆使いだね。同じモデルがこの触れ幅を描き分けてる。ポスターを
9枚まとめたのも乗ってる。
プラベルファーザーグロートゲザードリンクモーウォーター文字とデザインが[音楽]1枚ずつ違うのに9枚並べた時の塔音が揃ってる。
バラバラなのにまとまってるにゃん。
仕事で使うならこっちの例が分かりやすいかもね。
[音楽]スライドにゃん。Whatcauses
[音楽]fles太陽フレアの解説にゃ。
太陽の写真があって下に4ステップの図が並んでる。
[音楽]見出しと本文と図が資料として成立する形で1枚に収まってる。
これ僕が3時間かけて作るやつにゃうん。新機能のスケッチって何にゃん?
[音楽]チャットGPTの中で自分で絵を書いてそれを元に画像を作ってもらう機能だよ。使い方は
3ステップ。ステップ[音楽]
1入力欄に@スケッチって打つ。
ステップ[音楽]2開いたキャンバスに大まかなレイアウトをラフで描く。ステップ
3。[音楽]
こういうスタイルでこういう雰囲気でって説明を添えてお送る。これだけ。
[音楽]僕絵が下手なんだけど大丈夫にゃん。
大丈夫。生地もプロの画力はいらないって書いてる。部屋のレイアウトとか服の輪郭とかどこに何を置くかが伝わればいい。あとは
[音楽]AIが仕上げてくれる。
言葉で左につえ、右に窓っていうより早そうにゃん。
そこがポイント。[音楽]1
関係は言葉より絵の方が早いんだ。じゃあ実際にやってみるね。入力欄に@
[音楽]スケッチ打つと真っ白なキャンバスが開く。上にはペン、消しゴム、図形、テキストって道具が並んでて、下は色のパレットだね。
[音楽]お絵描きソフトそのものにゃん。
今日は猫を描いてみよう。まず大きな丸を描いて顔の輪郭にする。
[音楽]にゃ。猫にゃん。
上に三角を2つ足すと耳になる。目を
[音楽]2つ、鼻と口をつけてほっぺに髭を3本ずつ。
だんだん猫になってきたにゃん。
あとは胴体を描いて前足を2本後ろに尻尾。[音楽]これで完成。
おもくにゃん。ちょっと似てるにゃん。
[笑い]見ての通り線はガタガタでいいんだ。うまさはいらなくて何をどこに置くかが伝わればそれでいい。描けたら右下のチェックを押してチャットに戻る。スケッチが入力欄に添付されるからあは言葉を足すだけ。今回は画像を生成してって打って送信。
[音楽]送ると画像を生成していますって出て青い点がだんだん埋まっていく。実際は
[音楽]1分以上かかるから早送りで見てね。
[音楽]点が全部青くなったら完成にゃん。
そういうこと。もうすぐだよ。で、これが出来上がり。
[音楽]きゃあ。僕の落書きが猫のイラストになったにゃ。
丸も髭も尻尾も書いた通りだね。
[音楽]これが言葉で説明しにくいものを描いて伝えるっていう新しい入り口だね。
[音楽]2つ目の新は何にゃん?
テンプレート。ポスターとかグッズとかよくある形式の日型が用意されてるんだ。クリエイトって書いてあって下にカードが並んでるにゃん。
[音楽]このカードから形式を選んで中の情報とデザインの要素とスタイルを差し替えるだけ。拍紙から何を描けばいいんだろうって悩まなくていい。
[音楽]拍が1番辛いにゃん。イベントのポスターいつも途中で止まるにゃ。
そういう人抜けだね。[音楽]
3つ目がプロンプトの共有。作った画像をそれを作ったプロンプトとセットで共有できる。
[音楽]これは80年代にゃ。
後ろにネオンとラジカがあるにゃ。
[音楽]そう、80年代風のポートレート。こういう画像を渡す時に作り方もプロンプとも一緒に渡せる。受け取った人は同じ作り方で自分の写真に差し替えて作り直せるんだ。この感じで作ってだ。そのまま渡せるにゃん。
[音楽]チまで使うと聞くよ。うまい人のプロンプトをそのまま自分の仕事に使える。
[音楽]APIって僕には関係ないにゃん。
[音楽]自分で開発しない人は聞き流していいけど、名前だけは覚えておくと話が通じるよ。今回
APIでは2つのモデルが出た。[音楽]
1つ目がフレア。速さと汎用性の担当で前のモデルより待ち時間が
50%短い。
SNS用の画像、商品[音楽]ページ、試作、大量生成に向く。2つ目が3
バースト。精密者の担当で[音楽]編集の
指示をより細かく守る。広告の本番素材や
仕上げた商品画像、その分成[音楽]に時間がかかる。早い方と丁寧な方にゃん。
容はトークン単価は前[音楽]のモデルと同じじって発表されてる。と品質の設定に
XとMAっていう上の段階が増えて好きな改造度を指定できる[音楽]ようになって背景を不透明にする指定もできる。開発者
の人はここだけメモにゃん。
ではいつから使えるにゃん?
今回は分かりやすいよ。[音楽]
対象はチャットatGPT全体とワークとコデックス。
端末はデスクトップ、モバイル、Webの全部。時期は発表当日から順次。
[音楽]無料の僕も入ってるにゃん。
記事はチャットGPT全体と書いていて、プランを分けていない。ただし画像を作れる回数の上限はプランごとに違うから、そこは自分のプランで確認してね。安全の話も短く。
3つある。
1つ目、入力の分と出力の画像をチェックして有害なものを止める。2つ目、C
2PAっていう誰[音楽]がどう作ったかの来歴情報を画像に埋め込む。3つ目、目
に見えないスかしを入れてAIで作った画像だと[音楽]後から分かるようにする。詳しくはシステムカードっていう文書が
公開されてる。作った画像に見えない
ハコ度押されてるにゃん。
そういうこと。仕事で使うなら
AIで作った画像だと判別できる状態で出ることは覚えておこう。で、アルトマンさんの一言って何にゃん?
[音楽]発表の日にXで高投稿してるイメージに天語が来た。超難しい数学の問題は解けないと思うけど本当に良い出来だから楽しんで欲しい。
[音楽]数尺のモデルに数学は関係ないにゃん。
そこがジョークなんだ。オープン
AIはこの前の週に数学や科学が得意な大きなモデルを出したばかりでね。それと比べてこっちは賢さ自慢じゃなくて画像が良くなったモデルだよって軽く言ってる。
[音楽]自分で言うにゃん。
逆に言うと派手な発表じゃないけど、毎日使う道具として良くなったっていうのが本人の位置付けなんだと思う。今日見てきた策例も全部日常の使いやすさの話だったよね。
[音楽]直したいところだけ治るっていうのが1番の派手さにゃん。
じゃあ最後に今日からやることを[音楽]3つ。
1つ目、[音楽]編集はここだけ直してって場所を指定して頼む。さっきのベッドも
サクレみたいに指定したところだけ直してくれる。2つ目、配置を伝えたい時は@
[音楽]スケッチでラフを書く。3つ目、
ポスターやグッズはテンプレートから始める。拍から始めない。いつとも今日
からできるにゃん。
今回の発表は新しい賢さより毎日の画像作りの手間を減らす方向のアップデートだった。にゃんきちの背景だけ変えて欲しいわ。そのまま頼んでいいよ。
商品の形もう変わらないにゃん。
よし、わかったにゃん。じゃあ僕@で僕が社長になった未来の会社を描いてそれを車内ポスターにするにゃん。
おいおい、それは画像は作れても承認は通らないよ。
にゃあ。承人は自分で撮らないとだめにゃん。というか正直画像の作り方は分かったけど自分の業務でどうやって
[音楽]Aを使えばいいかはまだ難しいにゃん。
ああ、それはよく聞く悩みだね。それなら今日の動画を見てくれた方への特典資料を用意してるよ。全部で
[音楽]4つプレゼントするんだ。
4つもにゃ。
1つ目がAIの重要キーワード[音楽]50戦。2つ目がAI

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://www.youtube.com/watch?v=42UfhyOCXkw --language ja --bilingual --learning --auto-source-subtitles

    來源：https://www.youtube.com/watch?v=42UfhyOCXkw

    辨識語言：ja ｜ 參數：--language ja --bilingual --learning --auto-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 自動字幕優先，Whisper 作為備援
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 雙語翻譯
    5. 雙語時間軸與學習單元
    6. 筆記與發布
    7. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：3.3 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：52.5 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  6. 4. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  7. 5. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：331.3 秒

    關係：依序執行

    結果：完成

  8. 6. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

  9. 7. 雙語翻譯

    工具：vnt-sentence（句子雙語翻譯）

    處理：將句子翻譯成繁體中文

    產出：sentence_bilingual_transcript.json（雙語逐字稿）

    耗時：102.9 秒

    關係：依序執行

    結果：完成

  10. 8. 雙語時間軸與學習單元

    工具：videonote_learning_timeline_v2.py（建立雙語時間軸與學習單元）

    處理：建立雙語時間軸與學習內容

    產出：sentence_bilingual_timeline.html（雙語時間軸頁）、learning.json（學習單元）、japanese_learning.json（日文學習單元）

    耗時：112.4 秒

    關係：依序執行

    結果：完成

  11. 9. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：126.1 秒

    關係：依序執行

    結果：完成

  12. 10. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  13. 11. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench