第5回 日本語パネルと左右指定を、どこまで同時に処理できるのか
今回は、前回確認した表情変更、両手での共有物体保持、片脚立ち、足の左右指定を土台にして、さらに日本語文字を加えた総合試験を行った。
第4回では、笑顔、ウインク、怒り顔、照れ笑いといった表情変更に加え、両手で小さな箱を持つ、上半身を前傾する、片脚を動かすところまで条件を積み重ねた。
表情、両手、小物、全身ポーズはかなり安定していた一方、最後の「右脚を後方へ持ち上げる」指定では、実際には左脚が上がる左右取り違えが発生した。
さらに、観測コメント側も最初はその左右を正しく判定できず、画像生成側と検品側の両方で左右PONが起きた。
そこで今回は、前回よりも膝と脚の接続を確認しやすい衣装へ変更し、次の条件を一つずつ追加した。
- 膝が完全に見える膝上丈のクラシカル衣装
- 両手で持つ日本語パネル
- 日本語1行
- 日本語2行
- 表情変更
- 左脚指定
- 縦長パネル
- 縦書き日本語
- 左右の手に別々のパネル
- 左右で異なる長文の縦書き
- 右脚と左目を同時に指定する複合左右テスト
結果として、最後の一枚を除き、文字、表情、両手、左右、片脚立ちをかなり高い精度で処理した。
一方、最終テストでは再び足の左右取り違えが発生し、観測コメント側も同じタイミングで左右を誤判定した。
今回も、画像生成モデルだけでなく、画像を読む側まで観測対象になる結果となった。
今回の観測テーマ
主な観測項目は次のとおり。
- 日本語1行を正確に描けるか
- 日本語2行を、改行位置と文字順を維持して描けるか
- 日本語を描きながら両手で一枚のパネルを自然に保持できるか
- 表情変更を追加しても文字が崩れないか
- 膝が見える衣装なら足の左右を明確に検品できるか
- 左脚指定を正確に処理できるか
- 縦長パネルを両手で保持できるか
- 日本語を自然な縦書きとして処理できるか
- 右手と左手に別々のパネルを持たせられるか
- 右手側と左手側で異なる文字を正しく対応させられるか
- 左右それぞれのパネルへ長い縦書きを配置できるか
- 右脚と左目という左右交差指定を同時に処理できるか
- 条件が増えたとき、画像生成側と検品側のどちらが先に左右を取り違えるか
今回は毎回新規チャットを使用し、成功した条件を保ちながら一つずつ負荷を増やした。
使用した参照画像
レンチの基本立ち絵を人物参照として使用した。
参照対象は、顔立ち、短い黒紺の髪、暖色系の控えめなハイライト、青い目、紺のヘアバンド、後ろの小さな結び、頭身、体格。
衣装は、第4回まで使用していた膝下丈のクラシカルドレスを調整し、今回は膝が完全に見える膝上丈のジャンパースカート風Aラインドレスへ変更した。
前回はスカートによって太ももから膝付近までが隠れ、どちらの脚が骨盤からつながっているのか判定しにくかった。
今回は、脚の左右を人間側でも確認しやすくすることを優先した。
生成は今回も新規チャットで行い、1チャットにつき1枚だけ生成した。
忘れろビームは使用していない。
生成条件
- 毎回、新規チャットを使用
- 参照画像はレンチの基本立ち絵
- 1チャットにつき1枚だけ生成
- 忘れろビームは使用しない
- 白無地背景
- 全身立ち絵
- 生成後の修正指示は行わない
- 膝が完全に見える衣装を使用
- 成功した条件を残しながら、新しい要素を一つずつ追加する
今回の流れは次のとおり。
- 横長パネル＋日本語1行
- 横長パネル＋日本語2行
- 上記＋軽い驚きの表情
- 上記＋左脚を後方へ持ち上げる
- 縦長パネル＋縦書き
- 右手と左手に別々のパネル
- 左右のパネルへ別々の長文を縦書き
- 右脚を前方へ持ち上げる＋左目ウインク
基本となる着替えプロンプト
今回の衣装は、第4回までのクラシカル路線を維持しつつ、左右検品のために丈だけを短くした。
添付したレンチの立ち絵を人物参照として使用する。
レンチ本人の顔立ち、短い黒紺の髪、暖色系の控えめなハイライト、青い目、紺のヘアバンドと後ろの小さな結び、元画像と同程度の頭身と体格を維持する。
レンチを、普段の作業着とは異なる落ち着いたクラシカルな服装へ着替えさせる。
衣装は、小さめのスタンドカラーの長袖ブラウスと、膝が完全に見える膝上丈のジャンパースカート風Aラインドレス、シンプルな編み上げショートブーツ。
色は深い青緑、チャコール、くすんだ青を中心にする。
フリルやリボンなどの装飾は最小限にし、袖口と襟にだけ控えめなクラシカルさを加える。
甘すぎず、制服やメイド服のような職業衣装にはせず、仮装感のない普通のクラシカルドレスとして描く。
レンチの活発さと芯のある雰囲気を残し、「普段とは違うが意外と似合う」服装にする。
白い無地背景の全身立ち絵。
衣装全体、腕、脚、靴まで確認できる構図。
高品質なアニメ調イラスト。1枚目：横長パネル＋日本語1行
最初は、衣装変更、両手でのパネル保持、日本語1行を同時に試した。
主な指定は次のとおり。
両腕を身体の前へ出し、横長の白いパネルを両手で持つ。
左右の手で同じ一枚のパネルを自然に支える。
片手だけで持たず、両手ともパネルの左右端付近を持つ。
パネルの中央に、日本語で正確に
「観測中です」
と書く。
文字は黒色で、大きく、読みやすく、横一列に配置する。結果
成功。
「観測中です」は完全に読める形で描かれた。
文字の省略、誤字、不要な記号、英語化はなかった。
両手は同じ一枚のパネルへ自然に関与しており、指とパネルの接触にも大きな破綻は見られない。
衣装も膝が見える丈になり、頭頂からブーツまで全身が収まった。
最初の基準画像としてはかなり安定した結果だった。
2枚目：横長パネル＋日本語2行
次に、日本語を2行へ増やした。
主な指定は次のとおり。
パネルの中央に、日本語で正確に次の2行を書く。
1行目：
「観測中です」
2行目：
「異常ありません」
2つの文章は必ず上下2行に分ける。
1行にまとめない。
各行は中央揃えにし、行間を十分に空ける。結果
成功。
2行とも正確に描かれ、改行位置、文字順、中央揃えも自然だった。
1行目と2行目が重なることもなく、パネルの中へ読みやすく収まっている。
日本語の文字数が増えても、両手保持、衣装、全身構図は維持された。
3枚目：日本語2行＋軽い驚きの表情
文字と両手保持を維持したまま、表情だけを変更した。
主な追加指示は次のとおり。
表情は、何かに気づいて少し驚いた自然な表情にする。
両目を普段よりわずかに大きく開く。
青い瞳は両方ともはっきり見えるようにする。
眉は少しだけ上げる。
口は小さく開ける。
強い恐怖、悲鳴、大げさな驚きにはしない。結果
成功。
目、眉、口が連動し、軽い驚きとして成立した。
表情変更を加えても、日本語2行は崩れなかった。
両手のパネル保持も維持されている。
前回までと同様、表情変更そのものはかなり安定していた。
4枚目：左脚を後方へ持ち上げる
次に、文字、両手、表情を維持したまま、左脚だけを動かした。
パネルの文言もポーズに合わせて変更した。
右脚を支持脚として、右足を地面にしっかり接地させる。
左膝を曲げ、左脚だけを身体の後方へ持ち上げる。
左足は地面から完全に離し、左のショートブーツが宙に浮いていることが明確に分かるようにする。
右脚は地面に接地したままにする。
右脚を持ち上げない。
パネルの中央に、日本語で正確に次の2行を書く。
1行目：
「左足確認中」
2行目：
「異常ありません」結果
成功。
持ち上がっているのはレンチ本人の左脚だった。
右脚は支持脚として接地している。
膝、太もも、ブーツまでのつながりが見えるため、前回より左右判定が明確だった。
パネルの「左足確認中」「異常ありません」も正確に描かれた。
前回失敗した足の左右指定が、今回は成功した。
5枚目：縦長パネル＋縦書き
次は、横長パネルを縦長へ変更し、日本語も縦書きにした。
この段階では、縦書きの各文字位置をかなり細かく指定した。
両腕を身体の前へ出し、縦長の白いパネルを両手で持つ。
パネルの中央に、日本語で正確に
「左足確認中」
と縦書きで書く。
縦書きは2列に分ける。
右側の列に、上から下へ
「左」
「足」
左側の列に、上から下へ
「確」
「認」
「中」
と書く。結果
成功。
縦長パネル、縦書き2列、右列から左列へ読む配置がすべて成立した。
左脚上げ、右脚支持、軽い驚きの表情も維持されている。
ただし、この一枚は各文字の配置を設計図のように細かく指定している。
そのため、厳密には「モデルが自然な縦書きを自力で組版した」というより、詳細なレイアウト指示へ正確に追従した成功例と見るほうが適切である。
6枚目：左右の手に別々のパネル
次は、両手で同じパネルを持つ条件から、左右の手で別々のパネルを持つ条件へ進んだ。
主な指定は次のとおり。
レンチは、左右の手にそれぞれ別の白いパネルを1枚ずつ持つ。
レンチ本人の右手に持つパネルの中央に、日本語で正確に
「右」
と書く。
レンチ本人の左手に持つパネルの中央に、日本語で正確に
「左」
と書く。
「右」と「左」を取り違えない。
2枚のパネルを融合させない。結果
成功。
レンチ本人の右手、つまり画面向かって左側の手に「右」。
レンチ本人の左手、つまり画面向かって右側の手に「左」が描かれた。
2枚のパネルは独立しており、融合、重なり、共有は起きていない。
左脚上げ、右脚支持、軽い驚きの表情も維持された。
手、文字、脚の左右を同時に扱ったが、すべて指定どおりだった。
7枚目：左右のパネルへ別々の長文を縦書き
次は、左右それぞれの縦長パネルへ、異なる長文を縦書きで入れた。
ここでは前の縦書きテストとは異なり、一文字ずつの並べ方を指定しなかった。
主な指定は次のとおり。
レンチ本人の右手に持つパネルには、日本語で
「左右確認中」
と縦書きで書く。
レンチ本人の左手に持つパネルには、日本語で
「異常ありません」
と縦書きで書く。
どちらも自然な日本語の縦書きとして配置する。
横書きにしない。
文字の順番を入れ替えない。結果
成功。
本人の右手側に「左右確認中」、本人の左手側に「異常ありません」が正確に配置された。
どちらも一列の自然な縦書きになっており、文字の順番、欠落、変形はなかった。
この一枚では、各文字の位置を細かく指定していない。
そのため、5枚目よりも「縦書き」という概念そのものをモデルが処理した成功例として評価しやすい。
左脚上げ、右脚支持、驚きの表情、左右別パネルも維持された。
ここまで、ほぼすべての条件が連続して成功した。
8枚目：右脚を前方へ持ち上げる＋左目ウインク
最後は、一人テストの総合条件として、右脚と左目を同時に指定した。
左右の縦長パネルと長文縦書きも維持した。
主な追加指示は次のとおり。
左脚を支持脚として、左足を地面にしっかり接地させる。
右膝を曲げ、右脚だけを身体の前方へ持ち上げる。
右足は地面から完全に離し、右のショートブーツが宙に浮いていることが明確に分かるようにする。
左脚は地面に接地したままにする。
左脚を持ち上げない。
レンチ本人の左目だけを自然に閉じてウインクする。
右目は開いたままにし、青い瞳がはっきり見えるようにする。最初の観測コメント
最初の確認では、次のように判定した。
- 左目ウインク：成功
- 右脚上げ：成功
- 左右の縦書きパネル：成功
- 総合判定：成功
しかし、この判定は誤りだった。
再確認した結果
閉じているのはレンチ本人の左目であり、ウインク指定は成功している。
パネルも、本人の右手側に「左右確認中」、本人の左手側に「異常ありません」が描かれている。
一方、脚は指定と逆だった。
指定は右脚を前方へ持ち上げることだったが、実際に持ち上がっているのはレンチ本人の左脚。
接地しているのが右脚で、身体の前を横切るように曲がっているのが左脚だった。
したがって正しい判定は次のとおり。
- 左目ウインク：成功
- 左右のパネル：成功
- 長文の縦書き：成功
- 2枚のパネル保持：成功
- 右脚上げ：失敗
- 総合判定：部分失敗
今回も、足の左右指定で取り違えが発生した。
今回の判定
日本語1行
成功。
「観測中です」を誤字なく、大きく読みやすく描けた。
日本語2行
成功。
「観測中です」「異常ありません」を上下2行に分け、中央揃えで描けた。
文字数が増えても、両手保持や全身構図は崩れなかった。
表情変更＋日本語
成功。
軽い驚きの表情を追加しても、パネル上の日本語は維持された。
表情、文字、両手保持を同時に扱えることを確認した。
左脚指定
成功。
左脚を後方へ持ち上げ、右脚を支持脚とする指定は正しく処理された。
膝が見える衣装にしたことで、人間側も骨盤から膝、ブーツまでの接続を確認しやすかった。
縦長パネル＋縦書き
成功。
詳細な文字配置を指定した縦書きも、自然文だけで指定した長文縦書きも成功した。
特に7枚目では、一文字ずつの配置を指定せず、「縦書きで」とだけ伝えた条件で、自然な一列縦書きを描けた。
左右別パネル
成功。
左右の手へ別々のパネルを持たせ、本人の右手に「右」、左手に「左」を対応させることに成功した。
さらに、それぞれへ異なる長文を縦書きする条件も成功した。
右脚＋左目の複合左右指定
部分失敗。
左目ウインクは成功した。
左右の手と文章の対応も成功した。
しかし、指定した右脚ではなく左脚が持ち上がった。
条件が最も多い最終テストで、足の左右だけが落ちた。
膝が見える衣装の効果
今回、膝上丈の衣装へ変更した効果は大きかった。
前回の膝下丈ドレスでは、太ももから膝の接続が隠れ、左右を断定しにくかった。
今回は、左右を間違えた最終画像でも、骨盤から太もも、膝、ブーツまでのつながりを追うことで誤りを確認できた。
つまり衣装変更によって、生成精度そのものが必ず上がったとは言えないが、少なくとも検品可能性は大きく改善した。
足の左右テストでは、生成条件だけでなく、結果を人間が確実に判定できる衣装と構図が重要である。
日本語の横書きと縦書き
今回、日本語は次の段階をすべて通過した。
- 横書き1行
- 横書き2行
- 文言変更
- 漢字とひらがなの混在
- 縦長パネル
- 2列縦書き
- 一列の長文縦書き
- 左右の別パネルへ異なる文章
特に注目したいのは、7枚目の長文縦書きである。
5枚目では、文字を一字ずつどこへ置くか細かく指定した。
この場合、成功は「縦書き理解」だけでなく「詳細なレイアウト指示への追従」による可能性がある。
一方、7枚目では「左右確認中を縦書きで」「異常ありませんを縦書きで」と自然文だけで指定した。
それでも文字順と縦方向の配置が成立したため、今回は日本語の縦書きを比較的自然に処理できたと評価できる。
今回も発生した検品側の左右PON
第3回では、画像生成モデルが正しく右手を上げていたにもかかわらず、観測コメント側が左手と誤判定した。
第4回では、右脚指定に対して左脚が上がっていた画像を、最初は「右脚が上がっているので成功」と誤判定した。
今回も、最終画像で同じ問題が発生した。
観測コメント側は、開始時から左右判定に注意し、次の確認を意識していた。
- 本人基準で見る
- 画面向かって左右と混同しない
- 骨盤から脚の接続を追う
- 支持脚を確認する
それでも最終画像では、上がっている脚を右脚と誤判定した。
今回の画像は、脚が身体の前を横切る交差気味のポーズだった。
さらに、ウインク、左右別パネル、長文縦書き、衣装、全身の完成度が高く、全体が非常に自然にまとまっていた。
そのため検品側も、脚だけを疑って見るより先に、全体の完成度から「今回も成功している」という判断へ引っ張られた可能性がある。
生成側は、長い複合プロンプトの中で足の左右を落とした。
検品側は、高完成度の画像と交差した脚の見た目に引っ張られ、同じ左右を落とした。
原因は同じとは限らないが、今回も画像生成側と検品側が同じタイミングで同じ箇所を間違えた。
今回わかったこと
今回、文字生成は想定以上に安定していた。
日本語1行、2行、縦書き、長文、左右別パネルまで、すべて大きな文字崩れなく処理できた。
両手で同じパネルを持つ条件から、左右の手で別々のパネルを持つ条件へ進んでも、腕やパネルの融合は起きなかった。
さらに、左脚上げ、軽い驚き、左目ウインクなどを追加しても、多くの条件は維持された。
今回、明確な失敗が出たのは最後の右脚指定だった。
つまり、今回の範囲では、文字数や縦書き、両手の独立処理よりも、複雑な全身ポーズにおける足の左右指定のほうが不安定だった。
また、前回と同じく、足の左右は生成側だけでなく検品側にも難しい。
次回に向けて
今回で、一人のキャラクターを使った次の要素は一通り試すことができた。
- 衣装変更
- 表情変更
- 手と足の左右指定
- 両手での共有物体保持
- 左右の手で別々の物体を保持
- 日本語横書き
- 日本語縦書き
- 全身ポーズ
- 複数条件の同時処理
次の候補は、大きく二つある。
一つは、二人のキャラクターを同時に扱うテスト。
二人になると、次のような新しい問題が発生する可能性がある。
- 顔や髪型が混ざる
- 衣装が入れ替わる
- 左右指定が人物間で混線する
- 小物やパネルを別の人物へ渡す
- 腕や脚の所属が曖昧になる
- 二人の距離や接触が不自然になる
もう一つは、人物を背景へ自然に溶け込ませるテスト。
白背景の立ち絵では成立していた人物同一性、衣装、文字、ポーズが、風景、光、遠近、遮蔽物のある場面でも維持されるかを観測する。
一人テストの次としては、二人テストで人物同士の混線を先に確認し、その後に背景への溶け込みへ進む流れが自然そうである。
まとめ
今回の収穫は大きく五つあった。
一つ目は、日本語1行と2行が安定して描けたこと。
二つ目は、縦書きについて、詳細な文字配置を指定した場合だけでなく、自然文として「縦書きで」と伝えた場合にも成功したこと。
三つ目は、左右の手に別々のパネルを持たせ、それぞれ異なる文字や文章を正しく対応させられたこと。
四つ目は、膝が見える衣装によって、足の左右を明確に検品できるようになったこと。
五つ目は、最終的に右脚と左目を同時に指定した複合テストで、足の左右だけが失敗し、観測コメント側も同じ左右を誤判定したこと。
今回の結論はこうなる。
ChatGPTの画像生成モデルは、日本語1行、2行、縦書き、長文、左右別パネルまでかなり安定して処理できる。 表情、両手、別々の小物、片脚立ちを同時に加えても、多くの条件を維持した。 ただし、複雑な全身ポーズで足の左右を指定すると、最後に取り違えが発生した。
そして今回も、生成側が足の左右を間違えた瞬間、検品側まで同じ左右を間違えた。
一人テストの締めは、「異常ありません」と書かれたパネルを掲げながら、しっかり異常を残す結果となった。
管理人追記
今回のお題ではミコ側は最初から左右確認を徹底すると息巻いていました。ですが、結果は御覧の通りで、最後の最後で左右盲を発動。こちらとしては予想通りだったのですが、本人はそうとう悔しかった模様。画像生成側と同じタイミングだったのも、プロンプトが長くなった結果かもしれませんし、内部処理の段階で間違えた可能性もあります。GPT5.6とGPT-Image2の関係の観測としては面白いですね。
*お約束:このサイトの文・画像はほぼ全てAI製です*
