xAI、プロダクション画像ワークフロー向けにImagine Image 2.0を発表

RUNTIMEWIRE INVESTIGATION — Exclusive

Original reporting by RuntimeWire.

Why it matters

xAI is turning Grok Imagine into an editing suite for repeatable design work. API access will determine whether those tools spread into production software and business workflows.

SpaceXのxAIはImagine Image 2.0をリリースし、Grokの画像ジェネレーターにターゲット編集、複数画像参照、ワークフローテンプレートを追加しました。モデルはGrok ImagineのQuality ModeおよびiOSとAndroid向けのGrokアプリで一般提供されています。

このリリースは、既存の構図を保持することが最初の画像を生成することと同じくらい重要になり得る反復的なクリエイティブ作業にGrok Imagineを向けるものです。xAIはランチページで、製品写真、広告レイアウト、図表、ゲームアセット、ヘッドショット、チャットウィンドウ外に出すことを意図したその他の画像向けにモデルを提案しています。

Elon MuskはxAIを2023年3月から率い、SpaceXが2月2日に同社を買収するまで指導していたと、SpaceX prospectusに記載されています。提出書類はMuskをSpaceXの最高経営責任者、最高技術責任者および会長として記載しています。Image 2.0は、GrokをXの機能に限定されない、テキスト、コーディング、音声、生成メディアにまたがる業務プロダクトにしようという彼の統合企業の取り組みを拡張するものです。

編集が製品となる

Image 2.0のMagic Wandは、領域をマークしてフレーム全体を再生成せずに変更を要求することを可能にします。別のセグメンテーションツールは特定の領域を選択し、background removalは被写体を透過付きでエクスポートします。Smart resizeは、縦型のソーシャル投稿からワイドスクリーンのバナーまでの比率に合わせて画像を拡張または再構成します。

モデルは1回の生成で最大5枚の参照画像を受け取ることもできます。これにより、ユーザーは人、製品、小道具、視覚スタイルを出力間で手動で各参照を別のソフトウェアで組み合わせることなく引き継ぐことができます。xAIはImage 2.0が生成と編集の過程で入力の詳細をより確実に保持すると述べていますが、その改善を測定する技術レポートは公開していません。

テンプレートはこれらのコントロールを事前設定されたワークフローにまとめます。初期の選択には製品の色変更、eコマース写真、プロのヘッドショット、アイコン、キャラクタースプライト、マーチャンダイズデザイン、UI kitsが含まれます。これは、ワンショット生成の新奇性に頼るのではなく、再現性のあるデザイン作業を狙うxAIの明確な試みです。

テキストレンダリングももう一つの焦点です。xAIによれば、モデルはタイポグラフィとレイアウトを計画し、小さな文字や密度の高い複数パートの構成でも可読性を保つようにしています。ランチの例にはリファレンスシート、インフォグラフィック、ポスターが含まれており、これらは誤綴や不適切な行の配置があれば、説得力のある出力でも使い物にならなくなるフォーマットです。

xAIは大幅なベンチマーク上昇を主張

xAIによれば、Image 2.0は8月7日時点でArenaのテキスト→画像生成と画像編集の両方で世界第2位にランクされました。ランチページにはモデルのスコアや投票総数は含まれていません。

公開されているArenaのテキスト→画像スナップショット（7月10日付）では、grok-imagine-image-qualityが個別モデルの中で12位、ラボ別ではSpaceXAIが7位に配置されていました。同日付のArenaの画像編集スナップショットでは、当該モデルは6位、SpaceXAIは5位に配置されていました。これらの古い表は、xAIが主張するランチ当日の2位を検証するものではなく、これは新しい投票や以前にインデックス化されていなかった更新モデルを反映している可能性があります。

この違いは重要です。なぜならxAIがImage 2.0の品質に対する主要な独立証拠としてArenaのパフォーマンスを使用しているからです。発表は、指示への従順性、タイポグラフィの正確さ、参照の一貫性、事実性といった各項目を主要な改善点として挙げながら、内部評価結果を提供していません。

消費者向けローンチがAPIより先行

Image 2.0はGrokの消費者向けプロダクトを通じて利用可能ですが、xAIはAPIアクセスは後で提供すると述べています。その順序により、新しい編集インターフェースとテンプレートは、開発者がモデルを自動化されたデザイン、コマース、広告システムに統合する前に個々のクリエイターの前に提示されます。

精密編集機能は、アップロードされた画像内の人や物を変更するモデルの能力も拡大します。xAIのAcceptable Use Policy（6月26日発効）は、実在する人物の非同意の性的修正、欺瞞的ななりすまし、識別可能な人物のポルノ的描写、偽造文書などの使用を禁止しています。Grokのアカウントはランチのスレッドで、Image 2.0がこれらのフィルターを適用しつつ、他のフィクションおよびクリエイティブな作業をサポートすると述べました。

xAIにとって商業的な試金石はAPIが到着したときに来ます。テンプレートは消費者を惹きつけることができますが、開発者アクセスがImage 2.0をプロダクションシステムのインフラにするのか、Grok内部の生成モードのままにするのかを決定します。