Gpt-image-1.5を Google Colab でさわってみた（ドキュメント日本語化）

Gpt-image-1.5リリース後多くの方がレビューして、Nanobanana Pro は超えられていないという声もありますが、背景除去など Nanobanana にはない利点もあるので、APIから触ってみました。
思い立ったときにすぐ試せるように、OpenAI の公式サンプルとプロンプトガイドを日本語化し、Google Colab で動かせるようにしました。お試しするには Colab はやはり便利ですね。

ざっくりまとめ
試した環境
気づいたこと色々
1. マルチターン対応は未実装
2. 日本語とフォント
試していないこと
まとめ

ざっくりまとめ

背景透明の PNG を出力できるのがやっぱり便利
- （Nanobanana では現時点でできない）
ドキュメント上はマルチターンが示唆されているが、gpt-image 1.5 では未実装。
画像サイズが最大1536×1024と大きくはない。
Colab から Google ドライブ連携まで組んでおくと試行錯誤しやすい

試した環境

OpenAI Cookbook（レシピ集）にサンプルとプロンプトテクニックを掲載してくれています。
公式ガイド記事(gpt-image-1.5 Prompting Guide)
公式ノートブック
日本語化、Colab 対応版
- 日本語化 Colab 対応ノートブック
- 下記の変更を行いました。
  - Google Colab 対応
  - Google Drive 対応
  - API キー読み込み
  - フォーム対応（便利）
  - OpenAI 公式サンプルをベースに、日本語コメントとプロンプトを追加
  - テキストを入れるサンプルは日本語テキストもお試し

気づいたこと色々

マルチターン対応は未実装

ドキュメント上はマルチターン対応が示唆されているものの、現状は毎回画像を送り直しているように見えます。
そのため、Image Token 料金がかさんでしまう可能性があります。

Multi-turn image generation
With the Responses API, you can build multi-turn conversations involving image generation either by providing image generation calls outputs within context (you can also just use the image ID), or by using the 
previous_response_id
parameter. This makes it easy to iterate on images across multiple turns—refining prompts, applying new instructions, and evolving the visual output as the conversation progresses.

Please note that right now, only gpt-image-1 and gpt-image-1-mini are supported in the Responses API. We're working on support for gpt-image-1.5.


複数ターンにわたる画像生成Responses API を使用すると、画像生成を伴う複数ターンの会話を構築できます。これには、コンテキスト内で画像生成呼び出しの出力を提供する方法（画像 ID のみを使用することも可能）または previous_response_id パラメータを使用する方法があります。これにより、複数のターンにわたって画像を反復処理することが容易になります。プロンプトの改良、新しい指示の適用、会話の進行に伴う視覚的出力の進化などが可能です。

現在、Responses API でサポートされているのは gpt-image-1 と gpt-image-1-mini のみです。gpt-image-1.5 のサポートについては現在開発中です。