DALL-E (初代・2021)（ダリ）
OpenAI が2021年1月発表したテキスト→画像生成AI。GPT-3 の派生 12B params、Transformer ベース・画像生成AI 時代の幕開け。
概要
DALL-E は2021年1月5日OpenAI が発表したテキスト → 画像生成AI モデル。GPT-3 (175B parameters・2020-06) の派生として開発、120億parameters のTransformer ベースモデルで、テキスト記述から256×256 ピクセルの画像を生成する初の本格的Text-to-Image モデル。「サルバドール・ダリ (画家) + Pixar WALL-E」が名前由来、AI 画像生成時代の幕開けを告げる象徴。
DALL-E 1 主要仕様
| 項目 | DALL-E 1 |
|---|---|
| 公開 | 2021-01-05 |
| Parameters | 120億 (12B) |
| ベースモデル | GPT-3 派生 |
| 入力 | テキスト (英語) |
| 出力解像度 | 256×256 px |
| アーキテクチャ | dVAE + Transformer |
| データセット | 数億画像-テキストペア |
| 公開状態 | 非公開・OpenAI内部Demo のみ |
技術スタック
- dVAE (discrete VAE): 画像を32×32 = 1024トークン (8192種の離散ボキャブラリ) に圧縮
- Transformer: テキストトークン + 画像トークンの結合シーケンスを学習
- 生成: テキストプロンプト → 画像トークン → dVAE デコード → 256×256 px 画像
著名な生成例
OpenAI Research ページ (2021-01) で公開された象徴的生成例:
- 「アボカドの形をしたアームチェア」("an armchair in the shape of an avocado")
- 「ピザを持ったハリネズミ」
- 「タロイモのスリッパ」
- 「ピンクのレザーソファのカマキリ」
- 「2042年の世界都市の地下鉄」
特に「アボカド アームチェア」はSNS でバイラル拡散し、Text-to-Image AI の存在を一般大衆に知らしめた。
歴史的意義
- 初の本格的Text-to-Image モデル
- GPT-3 系統技術の汎用性証明
- AI画像生成市場の創出
- VQ-VAE (画像トークン化) 手法の発展
- DALL-E 2 / Midjourney / Stable Diffusion 等の後継への影響
OpenAI による商用化なし
DALL-E 1 は OpenAI内部Researchで公開デモのみ・一般利用不可。商用化はDALL-E 2 (2022-04) から本格化。Microsoft の100億ドル投資 (2023) もこの研究蓄積評価が一因。
関連用語との違い
- vs DALL-E 2: 256×256 / 1024×1024・速度 / 品質飛躍的向上
- vs Midjourney: 研究 (DALL-E) / アート特化 (MJ)
- vs Stable Diffusion: クローズ / オープンソース
FAQ
Q1: 今でも使える? A: 非公開・廃止。OpenAI 内部Demo のみで一般公開なし。DALL-E 2 / DALL-E 3 が後継。
Q2: 「アボカドアームチェア」の意義? A: 「テキスト記述 → 創造的非現実イメージ」の生成可能性をビジュアル的に証明、AI 画像生成のミーム的象徴に。
Q3: 名前の由来? A: スペイン超現実主義画家サルバドール・ダリ (Salvador Dalí) + Pixar映画WALL-E のロボット名 を組み合わせた造語。創造性 + ロボット性 を表現。