Google Whisk

Google Whiskは、AI画像生成の一般的な仕組みを逆にするGoogle Labsの実験だ。欲しいものを文章で書く必要はない。画像を渡す。被写体用に1枚、シーン用にもう1枚、スタイル用に3枚目を入れると、Whiskがそれらを混ぜて新しい何かに仕上げる。標準的なテキストから画像への生成ツールではなく、AI画像リミックスツールと考えるとよい。

内部では、Geminiモデルがアップロードした画像ごとに詳しい説明文を書き、その説明をGoogleの画像生成器Imagenに渡す。この2段階の仕組みが結果を左右する。Whiskが捉えるのは被写体の要点であり、ピクセル単位の複製ではない。被写体は別の髪型や身長、肌の色で返ってくることがある。

これはGoogleが狙った挙動だ。Whiskは精密な編集ではなく、素早い視覚探索のために作られている。同社は、アイデアを探り数十の候補を吟味し、気に入ったものをダウンロードするツールだと説明する。編集ソフトというより画像プロンプト生成ツールに近い動きをする。画面に何を入れるかを厳密に決めたいなら、元になっているプロンプトを開いて自分で編集できる。

最大の制約は提供地域だ。Whiskは米国限定の実験として始まり、GoogleはLabsのプロジェクトをいつでも調整・終了できる余地を残している。では実際に使えるのは誰か。主にサポート対象地域の人だ。米国外にいる場合やピクセル単位の精度が要る場合は、Whiskは向いていない。

はじめかた

1. Google LabsのWhiskページを開き、Googleアカウントでログインする。
2. 目立たせたいものの画像を被写体スロットに入れる。
3. 環境用のシーン画像と、狙う雰囲気のスタイル画像を追加する。
4. 生成結果を確認し、必要に応じて被写体・シーン・スタイルをリミックスする。
5. もっと細かく制御したいときは元のテキストプロンプトを編集し、気に入った画像をダウンロードする。