Grok画像生成機能リリース

グロック画像生成機能のリリースに関する要約

2024年12月9日、xAIはAIアシスタント「Grok」の機能を大幅に更新し、新しい画像生成モデル「Aurora（オーロラ）」を発表した。このモデルは現在、𝕏（旧Twitter）プラットフォーム上で、一部の国々のユーザーに対して利用可能となり、1週間以内に全ユーザーへ展開される予定である。

今回のリリースの中核となる「Aurora」は、自己回帰型の専門家混合（MoE）ネットワークとして設計された。インターネットから収集した数十億の事例で学習されており、テキストと画像データを交互に処理して次のトークンを予測するように訓練されている。この大規模な学習により、モデルは世界に対する深い理解を獲得し、写実的なレンダリングとテキスト指示への正確な従順性に優れることが特徴だ。

さらに、このモデルは単なるテキストからの画像生成を超えたマルチモーダル入力をネイティブにサポートしている。ユーザーが提供した画像をインスピレーションの源として参照したり、直接編集したりすることが可能となる。これにより、従来の画像生成モデルが苦手とする領域において、高品質な画像を生成できるとしている。具体的には、現実世界の実体の精細な視覚的ディテール、テキストやロゴの描写、そして現実的な人物のポートレート作成などを例示している。

提供される機能は多岐にわたり、静止画生成に加えて、動画生成、動画編集、画像編集も単一のAPIで実現する「これまでで最も強力な生成モデル」と位置づけられている。画像編集機能については、入力画像に基づいて編集を行う形で、近日中に𝕏プラットフォーム上でユーザーに提供される予定だ。

xAIはこのリリースを通じて、マルチモーダル理解のフロンティアを押し広げることを目指している。発表には、抽象的な空を飛ぶ軍用機、異星の風景に立つ宇宙飛行士、ゴッホ風の猫、サイバーパンク都市など、多様なテキストプロンプトから生成されたイメージ例が掲載され、その表現力の幅広さを具体的に示している。