Google Imagen 3

欲しいものを普通の言葉で説明すれば、あとはImagen 3が引き受ける。長く詳しいプロンプトのほうが一語の要求より当たりやすく、少し打ち込むほど報われる。「柔らかな朝の光」や「フラットなベクター調」といったスタイルの手がかりを読み取り、無視せず結果に反映する。外したときも、プロンプト全体を書き直すより、ディテールを一つ足すだけで直せることが多い。

これは以前のImagenのバージョンと比べて一番大きな変化だ。肌、布、反射が実写の写真に近く出て、歪んだ手や浮いた手足といった定番の破綻がぐっと減る。生成のたびに付きまとった面倒な修正から解放される。モックアップやマーケティング素材なら、生成後の作業が減るということだ。

旧世代の生成ツールはキャプションを意味不明な文字列に変えた。Imagen 3は看板やラベル、ポスター上の短い単語やフレーズをはるかに正確に描く。長い段落はまだ崩れる。見出しやロゴの文字が必要な画像なら、試す価値はある。

モデルは一つのプロンプトの中で複数の物体、位置、関係を追う。「青い壁にもたれた赤い自転車、サドルに猫」と頼めば、たいてい四つの要素が揃う。モデルが全体を漠然とした塊に混ぜるのではなく、各物体とその位置を追うからだ。一発で全部そろえるにはまだ調整が要るが、抜け落ちるディテールは減る。

手で使うならGemini、コードからならVertex AI APIでImagen 3に届く。この分け方が、気軽なクリエイターとエンジニアリングチームの両方をカバーする。APIは異なるアスペクト比、拡大、プロンプトベースの編集に対応する。モデルの初期値に製品を合わせ直すのではなく、自分のパイプラインに合う流れを組める。

Googleはコンテンツフィルターをかけ、SynthIDの電子透かしを埋め込み、AI画像を識別できるようにする。これがうっかりした誤用から守ってくれる。代償もある。正当なプロンプトが弾かれ、言い換えを求められる。

アスペクト比、出力サイズ、全体の見た目をプラットフォームに合わせて寄せられる。フィードには正方形、バナーには横長、ストーリーズには縦長。画像を書き出して後から手で切り抜く手間が省ける。大したことないように聞こえるが、一日に五十回やるとなると話は別だ。