AIが言葉を理解し、それをもとにしたイラストを生成するジェネレーターは以前からあるし、現在進化のまっただ中という状況だが、そのなかでもいま話題になっているのが「Midjourney」だ。まだβ版だが、そのクオリティに絶賛の声が相次いでいる。

Midjourneyのイラストのタッチには少し癖があり、いわゆる洋ゲーの雰囲気が感じられる。言葉を入れると、数十秒程度でイラストが生成される。かなりクオリティが高いので、次はどんな言葉を入れてみようかと考えながら遊ぶのが楽しい。

使いはじめるまでの手続きは、Discordのアカウントがあればかんたんだが、そうでないと少し面倒だ。このあたりはググるとすぐに情報が出てくるので、本稿では省略させて頂く。

さて、さっそく本題。PHILE WEBの記事向けに、なにかオーディオ関連のイラストを描いてもらおうと、「ヘッドホンを着けたネコ耳美少女」を描いてもらうことにした。

英語で指示しなければならないので、DeepLで訳してもらったら「Beautiful girl with cat ears wearing headphones」と出てきた。それをそのままペーストし、指示する。

すると、出てきたのがコレ。

いや、たしかに猫っぽさはあるけどさ…。正直怖いよ。「化け猫」と指示した記憶はないんだけどな…。

こういうときにMidjourneyは、やり直しをさせるのもかんたん。ボタンを一押しするだけで、違う感じのイラストを描き直してくれる。そして出てきたのがコレだ。

お？ 下のは怖いままだけど、上の2つはなかなかいいんじゃないか。Midjourneyでは、方向性が気に入ったら、それをベースに別のバリエーションのイラストも描いてもらうことができる。今回はヘッドホンがよく見えていて、ネコ耳という条件もクリアしている、右上のイラストを元にバリエーションを作ってもらった。

そして、バリエーションとして出てきたのがこちらだ。

うーん、かなりいい感じじゃん。ちょっと化け猫っぽい方向性に戻ったものもあるけど、左上はかなり美少女感ある。よし、これに決めた。

Midjourneyが最初に生成するイラストは解像度が低いのだが、良いと思ったらアップスケーリングして、より大きな画像を生成できる。この過程はけっこう時間がかかるのだが、最終的にできたのがこちらだ（記事掲載用に解像度を縮めている）。

…ということで、自分が描けそうもないクオリティのイラストが、ちょっと指示してボタンを何回か押すだけでできてしまった。これでβ版とは驚きだ。

自然言語を理解し、それをもとにしてイラストを描くサービスは、ほかにも名だたるIT企業やスタートアップが多数開発している。機会があったら、ほかのサービスでも実験してみたい。