無料で誰でも簡単に、テキストから画像を生成できる「Craiyon（旧名：DALL・E mini）」を使ってみよう：簡単に試せるAI・機械学習

テキストプロンプト（文章）から画像を生成するAIサービス「craiyon.com」。その概要と使い方、サンプル実行例のギャラリーに加えて、「どういった文章を入力すればよいか？」や「生成した画像は使ってもいいのか？」といった気になる点も紹介する。

[一色政彦，デジタルアドバンテージ]

連載目次

　本連載では、前提知識が不要で誰でも簡単に使えるAIや機械学習のツールなどを紹介している。今回は、画像を説明する任意の文章（テキスト）から画像を生成できる「Craiyon」（クレヨン）というAIツールを紹介する。とても手軽に使えて基本的に無料（※詳細後述）なのでお勧めである。ぜひ本稿を参考に試してみてほしい。

　最近（2022年8月現在）、テキストから画像を生成できるAIツール、例えばDALL・E 2（ダリ・ツー）やMidjourney（ミッドジャーニー）などで生成した画像の内容が「すごい」とSNSなどで大変盛り上がっている。実は、こういったAIツールは一般の人向けにも公開されているものの、「誰でも、手軽に」とまでは言えない。DALL・E 2は招待制で筆者はまだ使えないし、MidjourneyはDiscordのサーバーを利用するようで使用のハードルが少し高い。そんな中で、最も手軽に誰でも使えるのがCraiyonなのである。

　本稿ではCraiyonについて、

• Craiyonとは？
• 使い方
• どういった文章を入力すればよいか？
• 生成した画像は使ってもいいのか？
• 話題になった文章で生成してみた

という内容で説明している。

Craiyonとは？

　既に説明済みだが、Craiyonはテキストから画像を生成できるAIモデルだ。OpenAIのDALL・Eの成果を、オープンソースのモデルで再現したものとなる。CraiyonのAIモデルを訓練したのはBoris Dayma氏で、サーバーのバックエンドを作成したのはPedro Cuenca氏とのことである。モデルの詳細はDALL・E Mini Model Cardを参照してほしい。

　Craiyonは、かつて「DALL・E mini」という名前でHugging Face上のページから利用できるようになっていたが、OpenAI公式のDALL・EやDALL・E 2とは別物であるので、混乱や誤解を避けるために現在では「Craiyon」に改名されている。

　かつての名前に「mini」とあったように、Craiyonは本家のDALL・Eよりも「27分の1」のモデルサイズらしい（※詳しくは前述のModel Cardを参照）。画像サイズ（筆者による生成例では256×256ピクセル）も、本家（サンプルの生成例では1024×1024ピクセル）よりも小さい。今後、より大きなサイズが生成できるようにする計画はあるとのこと。

使い方

　Craiyonは現在、下記のリンク先で利用できる。図1は、その使用例である。

• Craiyon, formerly DALL-E mini

図1　Craiyonサイトの使用例（craiyon.comから引用）

　使い方は一目りょう然で説明不要であると思うが、テキスト入力欄に「文章」、専門用語で「プロンプト（Prompt）」／「テキストプロンプト」を入力して、右端のボタンをクリックするだけだ。ログインもなく、今すぐに誰でも使える。たったこれだけの手順で最先端のAIを体験できるのだからすごい時代になったものである。

　ただし英語の文章を入力する必要がある。とはいえ、僕らにはDeepLという神ツールが既にあるので心配不要だ。図2のように好きな日本語文章を考えてDeepLを使って翻訳すればよい。

図2　DeepLでプロンプトの文章を日本語から英語に翻訳する例

　「メロンを食べながらジャンプするパンダ」という日本語を考えて翻訳してみたところ、「Panda jumping while eating melon」という英語が得られたのでこれを、テキスト入力欄にコピペした実行したのが図1というわけである。9枚の画像が得られるが、筆者的にはその中でも右上の画像（図3）が一番それらしい見た目かなと感じた。

図3　文章「メロンを食べながらジャンプするパンダ」で生成された1枚（craiyon.comから引用）

どういった文章を入力すればよいか？

　「どういった文章を入力すれば、どういった画像が得られやすいか」という工夫やテクニックを、「プロンプトエンジニアリング（Prompt Engineering）」と呼ぶ。機械学習では事前にAIモデルに入力するデータ項目（＝特徴量）を工夫することを「特徴量エンジニアリング」と呼び、これによってAIモデルの性能が大きく変わってくる。それと同様に、テキストプロンプトによって、AIにより生成される画像が大きく変わってくるというわけだ。

　Craiyon向けというわけではないが、本家のDALL・E 2用にはプロンプトエンジニアリング（より平易に表現すると「プロンプト設計：Prompt Design」）のための、

• The DALL・E 2 Prompt Book - DALL・Ery GALL・Ery（PDF版のダウンロード）

という資料が公開されているので、ぜひ参考にしてみてほしい。恐らくCraiyonにも応用できるはずだ。

　試しにガイドブックにあった「Abstract acrylic painting of the rabbit mirror ritual, earth tones, heavy impasto technique（ウサギの鏡の儀式の抽象アクリル画、アーストーン、重厚なインパスト技法）」というプロンプトをCraiyonに入力して実行してみると、図4のような画像が得られた（「impasto」とは「厚塗り」のこと）。

図4　文章「ウサギの鏡の儀式の抽象アクリル画、アーストーン、重厚なインパスト技法」で生成された画像（craiyon.comから引用）

　どうだろうか。特に左中央の絵はイメージに近いのではないだろうか。このように「The DALL・E 2 Prompt Book」は、Craiyonでもかなり使えるのではないかと思う。

生成した画像は使ってもいいのか？