11月5日、The Decoderが「ChatGPT can now turn text prompts and photos into animated GIFs with OpenAI's Images 2.6 model」と題した記事を公開した。最大の注目点は、OpenAIが「フレームをまたいだキャラクターの一貫性が、GIFとして機能する閾値をついに超えた」と明言していることだ。静止画生成AIがアニメーション出力へと歩を進めるうえで、この「一貫性の壁」がいかに大きな技術的ハードルだったかは、以下で詳しく触れる。
ChatGPTがGIF生成に対応、Images 2.6で何が変わったか
ChatGPTがアニメーションGIFを生成できるようになった。 この機能はOpenAIの新モデル「Images 2.6」に基づいており、Web・デスクトップ・モバイルの全ChatGPTおよびCodexユーザーに順次展開中だ（The Verge報道）。
テキストプロンプトからGIFを生成するほか、アップロードした写真を元にGIFを作ることも可能だ。生成後はアニメーション速度の調整や個別フレームの編集もできる。
こうした機能が実現した背景には、静止画生成AIが「動き」を扱えるようにするという業界全体の流れがある。GoogleはImagen 3ベースのアニメーション生成機能をVertex AIで提供しており、Stability AIもStable Video Diffusionとして動画・アニメーション生成に取り組んでいる。ただしこれらは主に動画（MP4）を出力対象としており、GIFという軽量フォーマットをチャット型AIのUIで手軽に生成できる体験を前面に出している点は、OpenAIのアプローチとしてやや異なる角度を持つ。
フレーム間のキャラクター一貫性がポイント
OpenAIが公開したデモでは、「猫が踊るGIFを作って」というプロンプトに対し、同一キャラクターのわずかに異なるコマを繋ぎ合わせた、パラパラ漫画式のGIFが生成された。
GIFを成立させるうえで重要なのは、フレームをまたいでキャラクターの見た目が大きく変わらないことだ。OpenAIによると、Images 2.6では画像の一貫性が十分に高く、以前のモデルではフレームごとの外見変化が大きすぎてGIFとして機能しなかったとしている。逆に言えば、今回この機能が実現できたのは、モデルの画像一貫性が一定の閾値を超えたからだ。
この課題は静止画生成モデル全般に共通する根本的な制約でもある。拡散モデルはプロンプトに対して毎回独立したサンプリングを行う設計であるため、同じ被写体を複数回生成しても細部が揺らぎやすい。これをフレームとして並べると、人物の顔・服装・背景の色味がコマごとに微妙にずれ、アニメーションとして視認するとちらつきや別人感として現れる。Images 2.5（OpenAI公式ブログ）でテキスト描画精度や参照画像への追従性が大幅に向上したことが伏線となっており、2.6ではその一貫性をGIF生成に応用できる水準まで引き上げたとOpenAIは説明している。
開発者向けAPI：「Flare」と「Sunburst」の2バリアント
Images 2.6の展開に合わせ、開発者向けAPIとして以下の2モデルが公開される。
- **GPT-Image-2.6 "Flare"**：効率重視
- **GPT-Image-2.6 "Sunburst"**：高品質重視
いずれもImages 2.5で初めて導入されたバリアント構成を踏襲している。GIF生成に加え、Images 2.6では全体的な画像生成速度の向上も図られている。
元記事ではFlareとSunburstのレイテンシ・コスト・解像度上限といった具体的な数値差は開示されていない。ただ、この命名と構成は他社APIでも見られる「速度優先／品質優先」の二段階提供モデルと同様の思想であり、GIFのようにフレーム枚数が多くなるほど生成コストが累積する用途では、Flareのような効率重視バリアントの存在感が高まると考えられる。開発者が実際にどちらを選ぶかは、生成するGIFのフレーム数や品質要件、APIコストとのトレードオフ次第となるだろう。
※編集部の考察：たとえばSNS向けの短いリアクションGIFであれば生成速度と低コストが優先されFlareが候補になり、ブランドコンテンツや製品デモ用の高品質GIFではSunburstが選ばれるといった使い分けが想定される。ただし、これらはあくまで推測であり、OpenAIによる正式なガイドラインは元記事時点では示されていない。
週40億枚超、9月比で10億枚増——GIF対応が利用数に与えるインパクト
OpenAIによると、現在ChatGPTおよびAPIを通じてユーザーが生成する画像は週40億枚超に達しており、9月時点から10億枚増だという。わずか数か月で25%超の増加であり、画像生成機能の需要が急速に拡大していることがうかがえる。
GIF対応がこの数字をさらに押し上げる可能性は高い。GIFは静止画に比べて表現の幅が広く、SNSやメッセージングでの共有に適したフォーマットである。1件のGIF生成リクエストが複数フレームの生成を伴うならば、枚数ベースの統計にも無視できない影響を与えるはずだ。
一方、動画生成との棲み分けも今後の焦点になる。OpenAIはすでにSoraを動画生成モデルとして展開しており、GIF（=短いループアニメーション）とフル動画の間には用途・ファイルサイズ・生成コストの面で明確な差がある。GIF対応をImages系列のモデルで完結させるという今回の判断は、Soraとの役割分担を意識した設計とも読める。静止画生成モデルがどこまでアニメーションの領域に踏み込むか、今後のモデルアップデートでその境界線がより鮮明になるだろう。
詳細はChatGPT can now turn text prompts and photos into animated GIFs with OpenAI's Images 2.6 modelを参照していただきたい。
