この記事ではプロンプトを構成する単語と形容詞の違いについて解説します。英語の基礎の話になりますが、プロンプトを正確に伝えるために覚えておきましょう。
単語とは
単語とは、AIに描いてほしい人物・物・場所・状態などを伝えるための基本的な言葉のことです。単語は必ず英語である必要はなく、使用するモデルによっては日本語で入力してもOKです。
たとえば、girlなら女の子、catなら猫、forestなら森を意味します。このように単語を入力することで、画像に含めたい要素をAIへ伝えられるわけです。また、smileやrunningのように表情や動作を表す単語もプロンプトとして使うことができます。
形容詞とは
形容詞とは、人物や物の特徴・状態をより具体的に伝えるための言葉のことです。
たとえば、girlだけでは「女の子」という意味にしかなりませんが、beautiful girlとすれば「美しい女の子」、young girlとすれば「若い女の子」のように特徴を追加することができます。
ほかにも、red dressなら赤いドレス、dark forestなら暗い森のように、色・大きさ・雰囲気・質感などを指定するときにも使われます。
タグとは
タグとは、単語と形容詞を組み合わせ、人物・服装・表情・構図などの特徴を短いフレーズで区切った集まりのことです。
たとえば、long hair, blue eyes, school uniform, looking at viewerなどのようにカンマで区切られたフレーズの一つ一つをタグといいます。
タグ形式のプロンプトを得意とするモデルでは、こうしたタグを複数並べることで描いてほしい内容を細かく指定できます。反対に「セーラー服を着た黒い髪の女の子が公園でアイスを食べている」というように書くのは自然言語といいます。
自然言語は、大雑把な指示や微妙なニュアンスの表現も拾ってもらえるのが特徴です。ただし、自然言語を理解できるかどうかはモデルの性能によりますので、基本はタグで書くことをおすすめします。
具体例
long blonde hair, blue eyes, school uniform, ice cream, park,
画像の女の子を上記プロンプトで生成しました。意味は、
- long blonde hair: 金髪
- blue eyes: 青い目
- school uniform: 制服
- ice cream: アイスクリーム
- park: 公園
これまでの話をおさらいすると、全体がプロンプト、long blonde hairがタグ、long blondeが形容詞、hairが単語です。
まとめ
プロンプトを構成する単語、形容詞、タグの違いについて解説しました。
単語は描きたい要素そのものを表し、形容詞はその特徴や状態を補足します。そしてタグはそれらを短いフレーズとしてまとめたものです。
言葉の意味を理解するとさらに作業が捗りそうですね。