Imagen on Vertex AI

Imagen on Vertex AI は、テキストの指示（プロンプト）から画像を生成したり、既存画像を編集したりできる Google の画像生成基盤モデル群です。Vertex AI の生成 AI 機能の一部として提供され、モデルの学習や運用をせずに API 経由で画像生成を業務に組み込めます。

解決する課題

• デザイナーやストック素材に頼らず、プロンプト指定だけで画像（バナー・背景・コンセプト案）を量産したい
• 既存画像の一部だけを差し替えるインペイント／アウトペイントを、専用ツールなしで自動化したい
• 商品画像やマーケティング素材のバリエーションを素早く大量に試作したい
• 生成物に不適切な内容が混ざらないよう、安全性のチェックを基盤側に任せたい
• AI 生成物であることを示す**来歴情報（電子透かし）**を付与し、責任ある利用を担保したい

主要概念と用語

• Imagen: Vertex AI 上で提供される画像生成モデルのシリーズ。テキストから画像を生成する text-to-image を中心に、編集やキャプション生成などの機能を持つ
• プロンプト: 生成したい画像を言葉で記述した指示文。被写体・スタイル・構図などを記述するほど意図に近づきやすい
• ネガティブプロンプト: 画像に含めたくない要素を指定し、生成結果から除外する指示
• インペイント（Inpainting）: 画像内の指定領域（マスク）だけを描き直す編集機能
• アウトペイント（Outpainting）: 画像の外側へキャンバスを拡張し、続きを生成する編集機能
• 画像のバリエーション生成: 元画像をもとに似た雰囲気の別案を生成する機能
• アスペクト比 / 生成枚数: 1リクエストあたりの縦横比と出力枚数を指定するパラメータ
• 安全フィルタ（Safety filter）: 望ましくない内容の生成・入力を抑止する責任ある AI の仕組み
• SynthID（電子透かし）: 生成画像に肉眼では見えない来歴情報を埋め込み、AI 生成物だと判別できるようにする仕組み
• シード（Seed）: 同じプロンプトで再現性のある出力を得るための乱数の種

仕様・制限・クォータ

• 入力はプロンプト（テキスト）、編集系では元画像とマスクを渡す。出力は画像で、1リクエストの生成枚数やアスペクト比を指定できる
• 利用できる機能はモデルのバージョンによって異なり、生成専用・編集対応・高速版など複数のモデルが選べる
• プロジェクト単位で**リクエスト/分などのレート制限（クォータ）**があり、必要に応じて増枠を申請する
• 基盤モデルは提供リージョンが限られることがあり、データ所在地の要件と提供地域を設計初期に突き合わせる
• 人物・著名人の生成や特定用途にはポリシー上の制約がかかる場合がある
• 具体的な解像度・枚数上限・対応モデル・単価は更新が頻繁なため、断定せず公式ドキュメントとクォータ画面で都度確認する

内部の仕組み

利用者から見ると Imagen はステートレスな API エンドポイントです。プロンプトを送ると、Google 側のマネージド基盤でホストされた**拡散モデル（diffusion model）**系の生成モデルが推論を実行し、画像を返します。モデルの学習・更新・スケーリングはすべて Google が管理するため、利用者は GPU などのインフラを意識しません。

生成の前後には安全フィルタが働き、入力プロンプトと出力画像の双方を検査して、ポリシー違反の内容を抑止します。出力画像には既定で SynthID の電子透かしが埋め込まれ、AI 生成物であることを後から判別できます。編集系の機能では、元画像とマスク（描き直す領域の指定）を受け取り、指定領域だけを再生成して周囲となじませます。

設計パターン / ベストプラクティス

• プロンプトを具体化する: 被写体・スタイル・光・構図を明示し、ネガティブプロンプトで不要要素を除外して意図に近づける
• 再現性が要るならシードを固定し、A/B 比較や微調整をしやすくする
• イベント駆動連携: ストレージへの素材アップロードや申請をトリガーに Cloud Run / Cloud Functions から Imagen を呼ぶ
• 生成結果をキャッシュ・永続化し、同一プロンプトの再生成による無駄なコストを避ける
• 編集は生成より安価で速い場合があるため、ゼロから作り直すより既存画像のインペイントで済ませられないか検討する
• 人手レビューを挟む: 公開素材は安全フィルタ通過後も人の目で確認し、ブランド・権利・適切性をチェックする

運用・監視

• API の呼び出し回数・エラー率・レイテンシを Cloud Monitoring で可視化する
• 監査ログ・アクセスログは Cloud Logging に集約し、誰がどのプロンプトで生成したかを追跡できるようにする
• レート制限（クォータ）超過のエラーを監視し、リトライは指数バックオフで実装する
• 安全フィルタによるブロック発生率を観測し、プロンプト設計やユースケースの見直しに活かす
• コスト超過を早期に検知するため予算アラートを設定する

コスト

• 課金は基本的に生成・編集した画像枚数に応じた従量制で、モデルや機能によって単価が異なる
• 1リクエストで複数枚を生成すると、その枚数分が加算される点に注意する
• 高速版・標準版などモデル選択で品質とコストのバランスを調整できる
• 無料枠や具体的な単価は変動するため、公式の料金ページで最新値を確認する
• コストを抑える勘所は、必要な枚数だけ生成する・結果を再利用する・ゼロ生成より編集で済ませる、の3点

セキュリティ

• アクセスは IAM で制御し、サービスアカウントには最小権限のロールだけを付与する
• 生成・編集に使うワークロードにはサービスアカウントを割り当て、認証情報のハードコードを避ける
• 元画像や生成物を保存する Cloud Storage バケットは公開せず、保存時・転送時の暗号化を有効にする。要件に応じて CMEK（顧客管理鍵、Cloud KMS） を適用できる
• VPC Service Controls でデータ境界を作り、生成 AI 経由のデータ流出を防ぐ
• プロンプトインジェクションや不適切利用に備え、入力検証・安全フィルタ・出力レビューを設計に組み込む
• 生成物には SynthID の電子透かしが付くため、AI 生成物としての来歴の説明責任を果たしやすい

関連サービス・比較

Imagen は Vertex AI の生成 AI 機能の一部であり、テキストや画像を理解するマルチモーダルモデル Gemini とは役割が異なります。画像を「生成・編集する」のが Imagen、画像を「読み取って説明・分析する」のが Gemini や Vision AI です。

ハンズオン / CLI例

# 1) リージョンとプロジェクトを設定
gcloud config set project MY_PROJECT
gcloud config set ai/region asia-northeast1

# 2) リクエスト本文（プロンプトと生成枚数）を JSON で用意
cat > request.json <<'EOF'
{
  "instances": [
    { "prompt": "湖畔に立つ近未来の木造図書館、朝もや、柔らかな自然光" }
  ],
  "parameters": { "sampleCount": 2, "aspectRatio": "16:9" }
}
EOF

# 3) Imagen の予測エンドポイントを呼び出して画像を生成
#    MODEL_ID には利用したい Imagen のモデル識別子を指定する
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://asia-northeast1-aiplatform.googleapis.com/v1/projects/MY_PROJECT/locations/asia-northeast1/publishers/google/models/MODEL_ID:predict" \
  -d @request.json

# 返却された Base64 画像をデコードして保存する（jq と base64 を利用）