生成AIのプロンプトエンジニアリング ―信頼できる生成AIの出力を得るための普遍的な入力の原則

8章Midjourneyによる画像生成の標準的な手法

　本章では、標準的な手法を使用して、拡散モデルのさまざまな画像を生成する能力を最大限に引き出します。まず、画像生成に使用される一般的な手法を幅広く探るために、プロンプトを書き換えることから始めます。特に指定がない限り、すべての画像はMidjourney v5によって生成されています。本章で説明する手法は、将来のモデルやMidjourney v5以外の代替モデルにも転用できるように設計されています。

8.1　出力形式の修飾語

　画像生成における最も有用なベストプラクティスは、画像の出力形式を指定することです。画像生成モデルは、ストック写真から油絵、古代エジプトの象形文字まで、幅広い出力形式に対応しています。画像は指定された出力形式によって見た目が大きく異なり、生成される物体や人物のスタイルも変わります。学習データの多くはストック写真であり、これは画像生成においても商業的に最も重要な画像カテゴリーの1つです。

入力：

a stock photo of a business meeting

打ち合わせのストック写真

　図8-1に結果を示します。

図8-1　打ち合わせのストック写真

　画像生成モデルは、Stable Diffusionのようなオープンソースモデルでは無料で、DALL-EやMidjourneyのような有料のモデルでは非常に低いコストで、ロイヤリティーフリーのストック写真を大量に生成できます。そのため、画像生成モデル自体がゲームチェンジャーと言えます。これらのモデルにより生成された画像は既存の画像に類似している場合もありますが、すべて唯一無二です。したがって、誰でも無料で利用でき、何度も再利用される可能性のあるストック写真よりも、希少価値があると言えます。また、画像生成モデルを利用すると、ストック写真の提供する出力形式に限定されることがありません。ブログ記事やWebサイトの画像としてより芸術的なものが好ましければ、基本的には制限なしにその要望を実現することができます。 ...