Whisk AI

Whisk AIは入力を被写体、シーン、スタイルのスロットに分ける。各スロットは参照画像を1枚受け取り、ツールは3つすべてからエッセンスを引き出す。被写体スロットは複数の画像を受け付けるので、複数のキャラクターを1つの画面に並べられる。この構造こそが魅力のすべてだ。出力を操るのは画像を選ぶことであって、言葉と格闘することではない。

このパイプラインはGeminiの視覚モデルとImagen 3を組にする。Geminiはアップロードされた各画像の詳細な説明を書き、Imagen 3はその説明を使って新しい何かを組み立てる。Google自身の比較データは、プロンプト追従性でImagen 3をImagen 2、DALL-E 3、Midjourney v6より上に置いた。これはGoogleの評価であり、独立した評価ではない。

このツールはテキストを強制しないが、禁止もしない。「キャラクターたちが看板を持つ」のような短い一行が、画像だけでは届かない方向へ結果を押せる。各結果に表示される自動生成プロンプトを編集するのも、最初からやり直さずに練り込む方法だ。

Whisk AIにはエナメルピン、ぬいぐるみ、ステッカー、粘土といった既製のスタイルが付属する。これらのプリセットが外観を引き受けてくれるので、スタイル参照が手元にないときに便利だ。結果は写真の写実性よりも、玩具のようなイラスト調の仕上がりに傾く。だからくっきりした写真風の肖像を期待していたなら、このツールはそれを出さない。

何を試せばいいか分からない？ サイコロのボタンが被写体、シーン、スタイルをランダムに埋める。モデルに何ができるかを見る手間の少ない方法であり、自分では選ばなかった組み合わせをしばしば引き出してくれる。

Whisk AIはGoogle Labsを通じてブラウザで動き、インストールも料金もない。まさに無料のAI画像ツールだ。Googleアカウントでサインインして作り始められる。出力にはAI生成であることを示すウォーターマークが付き、実験全体にGoogle Labs恒例の正確さに関する注意書きが伴う。