ChatGPTに画像を読み込ませて中身を聞く

ざっくり言うと

イメージ

正確には

ChatGPTには「画像入力(イメージ・インプット)」という機能があり、画像を会話の中にアップロードすると、その中身を読み取って答えてくれます。

利用できるプランやモデルの組み合わせ、保存・学習の扱いは時期によって変わります。最新仕様は記事末尾の公式ヘルプで確認してください。

よくある勘違いは、「画像を送れば何でも正確に読める」と思ってしまうことです。実際には、ChatGPTは画像から読み取った内容をもとに答えているので、元画像がぼやけていたり、文字が重なっていたりすると、もっともらしい読み間違いが起こります。

数字や名前を使う場合は、返ってきた答えをそのまま信じず、元画像を横に置いて照合してください。「合計金額だけもう一度確認して」「電話番号を1文字ずつ区切って出して」のように、確認しやすい形に直してもらうのも有効です。

最初は、失敗しても困らないチラシや自分のメモで試すと安心です。うまく読める写真と読めない写真の差が分かると、仕事の書類を扱うときも落ち着いて確認できます。

読み取れなかった部分は「不明」と書いてもらう指定を入れると、あとで人間が確認する場所も見つけやすくなります。

やってみよう

慣れてきたら、聞き方を少し変えてみましょう。

• 名刺の写真:「この名刺の会社名・氏名・電話番号・メールアドレスを表にして」
• 領収書の写真:「この領収書から、店名・日付・合計金額だけ抜き出して」
• チラシの写真:「このチラシのイベント情報(日時・場所・参加費)を箇条書きにして」
• 手書きメモの写真:「読み取れる範囲で文字に起こして。読めない部分は『(不明)』と書いて」

「手で打ち直すのが面倒だった作業」を写真1枚で済ませる、というのが画像認識のいちばんおいしい使い方です。完璧を求めず、「下書きを作ってもらって、自分で仕上げる」くらいの距離感がちょうどいいです。