OpenAIの画像生成AI：DALL·Eをpythonから呼ぶアプリを作る

はじめに

最近はAIの進化が著しく、画像生成に特化したStable DiffusionなどのAIが登場しています
chatGPTで話題になっているOpenAI社についても画像生成AIであるDALL·Eというモデルがあるのでこちらを用いて今回はpythonでコマンドから入力されたテキストから画像を生成してみます
APIについての導入については下記で紹介しています

goやflutterでも呼んでみる記事も下記で書いてます

pythonでのOpenAIの利用

pythonでOpen AIを利用する場合はopenaiパッケージが公式から提供されているため、こちらを利用するととても簡単です
参照)
getting start
https://platform.openai.com/docs/api-reference/images/create

簡単に下記では画像の生成をしてみます

openai.organization="your Organization ID"
openai.api_key="your Api key"
response = openai.Image.create(
  prompt=text,
  n=1,
  size="1024x1024"
)
image_url = response['data'][0]['url']

apiキーとorganization idを入力し、promptに任意の文字列を入力することで画像を生成し、できた画像のURLがレスポンスとして帰ってきます

実際に作ってみる

ソースコード

import openai
import webbrowser

print("Please enter some text. When you're done, press Enter twice.")
input_text = []
while True:
    line = input()
    if line:
        input_text.append(line)
    else:
        break
text = '\n'.join(input_text)
print("Here's what you entered:")
print(text)

openai.organization="your Organization ID"
openai.api_key="your Api key"
response = openai.Image.create(
  prompt=text,
  n=1,
  size="1024x1024"
)
image_url = response['data'][0]['url']
print(image_url)

webbrowser.open(image_url)

上記コードでは、コマンドから入力されたテキストをOpenAIのパッケージから画像を生成してもらうようにしています。
その後、標準パッケージのwebbrowserを利用して自動的にブラウザでその画像を開くようにしています
プロンプトから入力する際は改行を可能にするため、空の文字列の行でEnterが押下された場合のみ次の処理に行くようにしています

ソースコードの実行

対象のpythonファイルを実行してみます

python main.py

実行すると下記のような表示になり、自動的に既定のブラウザが開き生成された画像が表示されます
２行目でwhite catと入力し、その画像を生成してもらっています

Please enter some text. When you're done, press Enter twice.
white cat

Here's what you entered:
white cat
{生成された画像のURL}

できた画像が下記になります（まさにwhite catです。。。）

まとめ

今回はpythonからOpneAIのDOLL・Eで画像生成してみました
前回、flutterやgoからchatGPTを呼んでみましたが、pythonだとパッケージが存在することにより非常に簡単にOpenAIのモデルが使用可能です
これを利用することで、chatGPT→DOLL・Eという自動的に画像生成してくれるようにできそうです