
Grok Imagineの中毒性
Grok画像生成フリーミアムが無くなった
私は、投稿された画像を編集できる機能が問題視された頃にGrokでの画像生成を始め、現在(26年3月18日)まで利用してきましたが、とうとうSuperGrok完全有料化に向けて移行し始めたようですね。それ自体は巧みな戦略だとは頷けます――幅広い層に開放し、試用してもらってから月額または年額課金を検討してもらう、というキャンペーンです。Grokの画像生成はFluxモデルをベースにしたスクラッチで主要スタッフによって三ヶ月の突貫でできあがっているそうで、その試用期間中にベータテストしてもらいながら調整および発達させていく狙いがあったようです。
それよりも問題は・・・
問題はその中毒性です。私はいわゆる絵師の真似事をしたり、blenderで3Dモデルを作ったりする趣味人(ホビイスト)です、一流とは言えませんが。それなりの基本的なスキルはあるつもりでしたが、Grokがものの30秒で萌えイラストであれ、写実的なフォトであれ、いとも簡単に生成してしまうと、自分のスキルで(楽しいけれども)苦労して作ることとは違う楽しみに気がついてしまいます。つまり、自分の目的に見合う映像が欲しいがために、それを生成させる呪文(プロンプト)の発見・探求に夢中になってしまいました。GrokのImagineは即物的で脳の報酬系にも作用するであろう、きわどい道具なのです。
しかも、Grokは言論への規制を嫌うイーロン・マスクが生成画像の規制なしを当初掲げていたため、ポルノ生成器としても活用できてしまいました。これが後に問題視されたのはご存知の通りです。
シンプルなUIでごく簡単だが・・・
Grokの テキストtoイメージ は使いやすい反面、コントロールしにくいところがあります。negativeプロンプト(※)はありませんし、括弧による強調などもありません。勝手に発生する傾向を緩和するための方策がほぼなく、プロンプト自体を改良していくしかありません。seedがユーザーからは見えませんし。
※現在では no cartoon, などと記述することでnegativeプロンプト同等の機能があるそうです。
例えば、「セーラー服の若い女性」を描かせるとイラスト調や東洋的な顔立ちが強く立ち現れたりしました。そこで「白人」であるとか「北欧風の顔立ち」であるとか、「実写風」とか「厳格な写真的リアリズム」などと指定するのですが、ほとんど効果がありませんでした。最終的には、どんな状況でのセーラー服の女性なのか、といった「場面」を指定してやることで、顎の尖った東洋人ドールから脱却させていきましたが、それでも成功率3割ぐらいでした。
Auroraモデルが生成する白人女性は多様で美人が多い
写実的人物の顔(とりわけ女性)を生成させた場合、Stable Diffusionの学習モデルと同様に、Grok Imagine(Fluxをベースに独自開発されたAuroraというモデル)でも数種類の顔に収束する傾向が頻出します。それでも、Auroraが生成する白人女性の顔は、画像生成AIの中では美人系で、その種類も豊富な方だと思いました。反対に、萌えイラスト調での女性顔はどこかでよく見かける顔立ちが多くて、平凡な画像生成サービスと大差が無いと感じました――例の ジブリ スタイル以外では。
画像生成AI沼
・・・と、こんな風に静止画像の生成と研究の沼にハマる危険性があります。そして、画像編集の甘い罠もあります。昨今の騒動でNSFWフィルタが厳しく運用されることになり、アップロードした写真の編集はかなり制限されるようでしたが、Imagine機能で生成させた画像は比較的検閲が緩いことが知られています。したがって、テキストプロンプトの文章を工夫するといった遊び方で没頭してしまうのです。
質の高い動画生成
さらに、Grok(Aurora)の イメージtoビデオ は動画生成AIの中では群を抜いて優秀でした。人物の顔が別人に変わってしまう頻度が少なくて扱いやすかったのです(とはいえ、眼が大きくなるアニメ化の癖が現れるようになって改悪されたと感じましたが)。画像の人物を喋らせたりすることも可能で――声質は大して変わりませんでしたが――TikTok用のビデオクリップを撮影しているディレクターのような気分を味わうことが出来ました。台詞を厳密には指定せず、Grok AIに創発させると、時には舌を巻くほど上手いことを、生成された人工の美女が口にしたりしました。
例えば、「無人島で冴えない男性と二人きりになって、一生暮らす場合、彼女の主張」のような曖昧なプロンプトで:
動画の女性「わたしはその男性を一生想う、だから冴えないなんて呼ばせないわ、わたしのものよ!」
なお、これはSuperGrok課金期間中の2月9日に長さ10秒の動画として生成させた時のことでした。頻繁に調整が入るため、現在のVer.で同じ生成を試みても(そもそもseed値が不明ですし)同一にはならないと思われます。
フリーミアムによる生成量の上限がちょうど良かった
私はこんな遊び方をしていたので、画像の美女に何かさせるという動画ばかり作っていました。で、これがけっこう面白かったのです。NSFWな内容も作れないことはありませんでしたし。課金を止めてフリーミアムに戻った時、6秒はさすがに短くて凝ったことはさせられなくなりましたが、気分転換にはちょうど良い案配でした。毎日10本ほどの動画を作っては面白がっていました。
今しがた、18日から19日にかけて、SuperGrokのフリーミアム期間が終了して有料主体の提供となっています。無料ユーザーの嘆きがRedditなどで大きいことを見るにつけ、私のようにかなり楽しんでいたユーザーが多かったのだなと実感します。そして、その中毒性の強さも窺えます。
貴方にとって、30ドルは高い? 安い?
ところで、一ヶ月分の課金30ドルは、弱くなった円のせいで4,560円であり、他のLLMサービスと比べると割高に感じられます。さらにまた、直近の調整で生成プロンプトの扱い方がまたもや変化したようでした。そのため、最新の挙動が不安定に見える状態のままでフリー版が打ち切られたことは、ユーザーの今後の判断に大きく影響するでしょう。素直に課金して良いものかどうか迷うところです。課金をしたらしたで、ガチで使い倒そうとすれば、今度は時間の浪費が気になってきます。なにせ、中毒性がある遊びなのですから。
即物的な満足感をどうするか
プロンプトを工夫するという学習成果は、画を描くスキルなどを伸ばすものではありません。にもかかわらず、AIに静止画や動画を生成させると、まるで自分が何かを生み出したかのような満足感を得てしまいます。これが本当に困りもの。30秒で動画1本が完成できますから、非常に即物的です。プロアマ問わず、クリエイターの素養を殺しにくる麻薬といったところでしょうか。つきあい方を気をつけないと、何かを失ってしまいそうに思えてきます。
NSFWを除けば、生成の命令は絶対的で支配欲を満たします。過激なポルノとまではいかなくとも、少年誌レベルのヌードや下着モデルのようなビジュアルであれば、充分生成可能です。MetArtを課金せずにGrok Imagineで済ませることも可能でしょう(なお、私がMetArtを契約しているという意味ではありません、念のため)。自家製AVの監督製造マシンのようなものです。この機能が有料化されても、ポルノ依存的な中毒が回避できるわけではありません。近い将来、ふたたび問題が表面化することになるだろうと思います。
誘惑
ブラウザ版 x.com の日本国内アカウントで、プレミアムプラスが50%割引になっている場合があります。その場合、(同一アカウントに限り、)3,040円でSuperGrok(grok.com)へのアクセスが可能となります → つまり、ペイウォールにある SuperGrokへのアップグレード(4,560円)よりもお得なんですよ。この誘惑に勝てます?
追記: 3月26日頃、月額10ドルのSuperGrok Liteが開始されたようです。フリーミアム時代のフリー版の仕様とほぼ同等と思われます。有償化によって一旦減少したユーザー数がこのプランで勢いを戻したためなのか、grok.comがまたもやダウンしていますが・・・
そしてまたもや、NSFW内部規制が強まって参りました。SuperGrok Liteによる集客と同時でリスク回避の名の下に。xAIのさじ加減ひとつでエロ画像生成ができたりできなかったりするのでは、満足なわけがありませんよね。
男性がやりそうな遊び方
全面有償化によって、NSFWフィルタまたはその傾向に、ふたたび調整が入ったらしく、再度緩くなったように見えます(もっとも、調整中の過渡期なだけかもしれませんが)。男性がよくやりそうな「服を脱がす」系のプロンプトが状況次第で通るようですね。ただし、ユーザーがアップロードした画像については、問題視された時期以降と変わらず、厳密に禁止が働きます。
緩くなったように見えるのは、Grok Imagine(画像生成機能)で作らせた女性被写体画像への編集行為についてです。有料化にともなって、自己責任に近い制約に戻ってきたのかもしれません。以前、LLMのGrokにこの辺りの規制について解説を求めると、性搾取的な内容が検閲されると語っていました。私が個人的に画像を試行させて感じた雰囲気では、被写体の架空女性が虐待されているような印象となる内容、例えば「酷く嫌がっている心情」などが引っかかるようです。
SPICY指定でも見られるように、被写体が喜んでスカートをめくっているような内容なら搾取には該当しないようです。また被写体が写っている環境も考慮されるようで、背景が無地であったり密室やスタジオ相当に見える場合には、契約モデルを写真撮影している場面のように認識されるらしく、アートまたはファッション表現として通用するみたいです。
プロンプトの単語を根拠に“言葉狩り”される部分と、生成結果のきわどさ(局部の写り方など、例えばクローズアップ)で判定されているらしく、LLMっぽい複合的な見地から判定されているように見える場合もあれば、従順なAIらしい初歩的なポカで安易に通ってしまっている場合もあるように見受けられました。言葉が悪いですが、「AIを騙す」のも熱中してしまう遊び方のひとつです。
逆にフィルタ暴発とも言うべき事態も頻発します。例えば、ギリシャ神話のアンドロメダ王女が怪物ケートスの生け贄にされた場面の動画を作ろうとすると検閲されて完成できないことがあります。ちなみに静止画の王女はきちんと衣服を着用していますし、プロンプトには「食べられる」のような残酷表現は書いてないにもかかわらず、です。
有償契約後の注意点
Grok Imagineで生成された静止画と動画にはEXIFにC2PAが実装されていました。これはフリーミアム状態時には存在しなかったものです。これの意味は、Grok Imagineで生成されたものをそのまま投稿した場合、ディープフェイクを意図したものであるなら即座にバレる、ということです。
また、Grok Imagineで生成された動画には、x.com投稿時に自動リンク生成を行う機能のためのユーザー固有IDがComment内Signatureにbase64でエンコードされた文字列として格納されているということです。
さらに、grok.com内の生成済コンテンツについてはシステム内部的にURLが割り当てられており、これらは単に非公開状態であるだけです。そのURLが知られてしまえば、誰でも閲覧可能ということです。