DALL·E（ダリー）は、OpenAIが開発するテキストから画像を生成するモデル系列の名称です。本記事は各世代のベンチマーク比較ではなく、Text-to-Imageタスクとの関係と試験での誤答パターン——概念のすり替えに注意——に焦点を当てます。
試験で問われる見方
G検定では、DALL·Eがテキストから画像を生成するモデルであり、Text-to-ImageやマルチモーダルAIと関係が深い（G-394）。不適切な説明として、MFCC（音声特徴量）など無関係な技術を選ぶ問題があります。
Text-to-Imageの定義問題では、DALL·Eが代表例の一つとして挙げられることがあります（G-391）。Image Captioning（画像→テキスト）と方向を混同しないでください。
DALL·Eとは
名前は芸術家ダリとロボットWALL·Eにちなむと言われます。OpenAIの生成AI製品群の一つで、プロンプトに応じた画像生成・編集が可能です。技術的には拡散モデル系として説明されることが多いです。
対話型のChatGPTとは別製品ですが、エコシステム内で連携が強化されることもあります。試験ではモデル名とサービス名の対応に注意してください。
Text-to-Imageとの違い
| 用語 | 性質 |
|---|---|
| Text-to-Image | テキスト→画像のタスク名 |
| DALL·E | そのタスクを実現する特定のモデル系列（固有名詞） |
| 画像生成AI | サービス・システム全般の呼び方 |
「DALL·E＝Text-to-Imageそのもの」ではありません。DALL·Eは実装の一例です。
他モデルとの比較
試験で並ぶことがある代表例です（詳細バージョンは暗記不要）。
- Stable Diffusion — オープン・ローカル向けの潜在拡散
- Imagen — Googleのテキスト画像生成系列
- GAN — 別系統の生成手法（歴史的）
よくある質問
DALL·EとChatGPTは同じ？
別製品です。ChatGPTは主にテキスト対話、DALL·Eは画像生成が中心です。
DALL·E 2と3の違いは試験に出る？
世代番号の細部より、「OpenAIのText-to-Imageモデル」という位置づけが重要です。
生成画像は自由に使える？
利用規約と著作権を確認してください。自動的に安全とは限りません。