Stable Diffusionのモデルとは？チェックポイントとLoRA・VAE・ControlNetの役割
モデルを替えると絵柄が変わるのはなぜ？エンジンと車体の関係
室谷代表取締役モデルを差し替えると絵柄がガラッと変わるじゃないですか。あれって、Stable Diffusionという仕組み自体は同じままで、エンジンだけ乗せ換えてる状態なんですよね。
テキトー教師DotAI 認定講師たしかに。車体はそのままでエンジンだけ替える、という比喩が一番しっくりきます。
初めて触る人は「別のAIに変わった」と受け取ってしまいがちなんですよ。
初めて触る人は「別のAIに変わった」と受け取ってしまいがちなんですよ。
室谷代表取締役そのエンジン部分がチェックポイントと呼ばれるファイルで、拡張子は主に.safetensors。つまり「モデル＝チェックポイント」で、ここが絵柄と得意分野を決める土台なんです。
テキトー教師DotAI 認定講師ここを先に土台として押さえておくと、この後に出てくるLoRAやVAEの話がすっと入ります。順番が逆だと、ファイルを入れたのに何も変わらない、で止まるんですよね。
チェックポイントは3種類：ベース・ファインチューニング・マージ
室谷代表取締役チェックポイントにも種類があって。まずStability AIが出している素のベースモデルがあります。
テキトー教師DotAI 認定講師そこに有志が追加学習させたのがファインチューニング系で、絵柄を特定の方向に寄せたものです。Civitaiで配られているものは大体これですね。
室谷代表取締役あと複数のモデルを掛け合わせて作るマージ系。配布側のコミュニティがかなり厚いのがこの界隈の構造的な特徴で、Civitaiが2022年11月からその中心になっているんですよ。
テキトー教師DotAI 認定講師この3つを頭に置いておくだけで、配布ページの説明が読めるようになります。ネット上には独自に5分類くらいに分けて説明している記事もありますけど、まずはこの3つで十分です。
LoRA・VAE・ControlNetは「足す部品」、チェックポイントは「土台」
チェックポイント(土台)とLoRA・VAE・ControlNet(部品)の役割
チェックポイント
- モデル本体の土台
- 拡張子は主に.safetensors
- 絵柄と得意分野を決める
- 「モデル＝チェックポイント」
LoRA
- 土台に載せる部品
- 特定のキャラ・画風・ポーズを軽量に足せる
室谷代表取締役で、土台の上に足すのがLoRA、VAE、ControlNetなんですよね。ここ、役割が全然違うのに一緒くたに語られがちで。
テキトー教師DotAI 認定講師LoRAは特定のキャラや画風、ポーズを軽量に足せるファイル。VAEは発色とコントラストを整える仕上げ用。
ControlNetはポーズや構図、輪郭を指定して破綻を抑える拡張、という分担です。
ControlNetはポーズや構図、輪郭を指定して破綻を抑える拡張、という分担です。
室谷代表取締役全部「土台を替える」ものじゃなくて「土台に載せる」ものなんですよ。ここを混同すると、ファイルを置いたのに効かない、で詰まるんですよね。
テキトー教師DotAI 認定講師現場でよく聞くのはまさにそのパターンで、土台が何系かを見ないまま部品だけ先に揃えてしまうんですよ。
土台と部品の系統がズレると何が起きる？
室谷代表取締役同じSDXL系でも、タグ主体で学習されたモデルと、自然文とタグの両方を扱うモデルだと、推奨されるプロンプトの形式も、互換するLoRAやControlNetの系統も変わってくるんですよね。
テキトー教師DotAI 認定講師そこでズレると、LoRAが効かない、構図が崩れる、みたいな症状になります。配布元のモデルカードでベースモデルと推奨設定を先に見る、が基本です。
室谷代表取締役なので切り替えるときはファイル名を上書きせずに新旧を分けて保存して、同じSeedと同じプロンプトで比べる。これだけで原因の切り分けが一気に楽になります。
テキトー教師DotAI 認定講師部品を増やす前に土台を固定する。順番としてはそっちが先ですね。
モデル一覧を見る前に：SD1.5・SDXL・SD3.5はそれぞれ何が違う？
SD1.5は512x512の軽量世代、いまも派生モデルの母数が多い
室谷代表取締役SD1.5は2022年に出た世代で、標準の解像度が512x512なんですよ。古いと言われても、いま配布されている派生モデルの母数は圧倒的に多い。
実務だとまずここから入る人が多いんですよね。
実務だとまずここから入る人が多いんですよね。
テキトー教師DotAI 認定講師現場感覚でもそうですね。最初に触る人が「解像度512しかないの」って戸惑うんですけど、軽いぶん試行回数を回せるのが効くんですよ。
VRAMも4〜8GBが目安で済みますし。
VRAMも4〜8GBが目安で済みますし。
室谷代表取締役母数が多いって要はエコシステムの厚みで、情報も作例もそこに集まる構造なんですよ。モデル選びって性能表だけで決まらない部分が大きいんですよね。
テキトー教師DotAI 認定講師ライセンスはCreativeML OpenRAIL-M系で、派生モデルだと表記が少し違うものもあるので、配布ページで一度確認しておくといいですね。
SDXL 1.0は1024x1024前提の世代、パラメータは約3.5B
室谷代表取締役次がSDXL 1.0で、2023年に公開されてます。こっちは最初から1024x1024を前提に設計された世代なんですよね。
パラメータは約3.5Bで、モデルカードだと3Bって表記だったりもします。
パラメータは約3.5Bで、モデルカードだと3Bって表記だったりもします。
テキトー教師DotAI 認定講師表記ゆれ、初めて見ると「どっちが正しいの」ってなるんですよ。配布元によって書き方が少し違うので、細かい数字は目安として持っておくくらいがちょうどいいと思います。
室谷代表取締役で、1.5とXLの違いって解像度だけじゃなくて、周辺のLoRAやControlNetの系統も別物になる。ここを混ぜると普通に事故るんですよね。
テキトー教師DotAI 認定講師そこ、ハマる人多いんですよ。1.5用のLoRAをXLに突っ込んでも効かないので、ファイル名に世代を書いて保存しておくと後が楽になります。
SD3.5はMMDiT採用の最新世代、Largeは8Bパラメータ
SD1.5・SDXL 1.0・SD3.5の違い
SD1.5
- 2022年公開の世代
- 標準解像度は512x512
- 派生モデルの母数が圧倒的に多い
- VRAM目安は4〜8GB
- ライセンスはCreativeML OpenRAIL-M系(派生で表記差あり)
SDXL 1.0
- 2023年公開の世代
- 最初から1024x1024前提で設計
- パラメータ約3.5B(3B表記もあり)
- LoRAやControlNetは1.5と別系統
- 1.5用LoRAはXLでは効かない
室谷代表取締役SD3.5はMMDiTというアーキテクチャを採用した最新世代で、Largeが8Bパラメータ。1.5やXLとは設計から違うので、同じ名前でも別物として見た方がいいんですよ。
テキトー教師DotAI 認定講師数字だけ見ると大きくて身構えるんですけど、Mediumという選択肢もあるので、まず自分の環境でどれが動くかが起点になりますね。
室谷代表取締役ライセンスもここで切り替わって、Stability AI Community License。年間売上100万ドル未満なら商用は無料、超えるとEnterprise Licenseが必要という線引きなんですよね。
経営目線だと、この閾値がそのまま事業計画に効いてくる。
経営目線だと、この閾値がそのまま事業計画に効いてくる。
テキトー教師DotAI 認定講師売上で線が引かれるの、分かりやすいようで規模が近いと判断に迷うやつです。
モデル一覧は「世代」と「派生」を分けて見ると迷わない
室谷代表取締役一覧を見るときのコツなんですけど、「世代」と「派生」を分けて見る。1.5・XL・3.5が世代で、その上にRealistic VisionやJuggernaut XLのような派生が乗っている構造なんですよ。
テキトー教師DotAI 認定講師そうそう、フラットに眺めると全部横並びに見えちゃうんですよね。ツリーで捉えると「このモデルはどの世代の上にいるのか」で情報を読めるようになります。
室谷代表取締役SD2.1も同じ系列ではあるんですが、細かい数字を追うと逆に混乱するので、まずこの3世代で地図を作るのが早いと思います。
テキトー教師DotAI 認定講師最初に戸惑うのがまさにそこなので、世代から派生へ、という順番で見る癖をつけると選ぶスピードが変わりますね。
モデルはどこでダウンロードする？Hugging FaceとCivitaiの使い分け
公式モデルを探すならHugging Face
室谷代表取締役まず配布元の話を整理しておくと、Hugging FaceはStability AI公式を含む研究機関・開発者が配布する公式/準公式モデルのハブなんですよ。SD3.5 Largeみたいに、ページを開くとライセンス同意（Agree、またはログイン）が求められるモデルもあります。
テキトー教師DotAI 認定講師初めて触る人が戸惑うのがまさにそこで。ページを開いた瞬間に「Agree」が出てきて手が止まるんですよね。
同意しないと重みファイルにたどり着けない仕組みなので。
同意しないと重みファイルにたどり着けない仕組みなので。
室谷代表取締役あれ、壊れてるわけじゃなくて利用条件へのサインなんですよね。だから商用で使う可能性があるなら、なおさら中身を読んでから押すべきという・・・
テキトー教師DotAI 認定講師そうなんですよ。ここを飛ばして別の場所から似たファイルを取ってきちゃう人がいて、あとで出所が分からなくなる。
まず公式ハブを見る、という順番を癖にしておくと事故が減ります。
まず公式ハブを見る、という順番を癖にしておくと事故が減ります。
Civitaiは有志のファインチューニングとマージの配布場所
室谷代表取締役一方のCivitaiは2022年11月公開のコミュニティサイトで、有志が作ったファインチューニングやマージのモデルが中心です。Realistic Vision V6.0 B1とかJuggernaut XLみたいな定番もここで配られてます。
テキトー教師DotAI 認定講師現場感覚で言うと、絵柄の好みで探し始めると抜けられない沼ですね。ただ配布者がそれぞれ違うので、モデルの性格もライセンスもバラバラだと思っておいた方がいいです。
室谷代表取締役そこが一番のリスクで。同じ「SDXL系」と呼ばれてても中身は別物なので、配布元が違えば別モデルとして扱う。
雑に混ぜると、後から「これ何で作ったの」が説明できなくなるんですよね。
雑に混ぜると、後から「これ何で作ったの」が説明できなくなるんですよね。
テキトー教師DotAI 認定講師たしかに。
ライセンス同意とファイル形式の見方
配布ページで確認する順番は、だいたいこの流れです。
- 『Base Model』欄を見て、どの系統のモデルを土台にしているかを確認する
- License欄を開いて、商用利用の可否と禁止事項を確認する
- ファイル形式とサイズを確認してからダウンロードする
テキトー教師DotAI 認定講師最初に戸惑うのが、同じモデル名でも配布元によってライセンス表記が違うことなんですよ。CreativeML Open RAIL++-Mだったり、Fair AI Public License 1.0-SDの改変版だったり。
室谷代表取締役ベースのライセンスがそのまま引き継がれるとは限らない、というのがポイントで。元が緩くても配布者が独自に条件を足してる場合があるんで、一次情報は配布ページのLicense欄なんですよね。
テキトー教師DotAI 認定講師ファイルは主に.safetensors形式で、チェックポイントとして扱われます。読み込み側の手順まで含めて確認したい場合は、Stable Diffusion Web UIの使い方｜AUTOMATIC1111版の導入と2026年の選び方で解説しています。
室谷代表取締役あと同意が要るモデルは、Agreeを押さないと先に進めない。ここで「壊れてるのかな」と諦める人がいるので、そこだけ先に知っておくと迷わないです。
リアル系・アニメ系でおすすめのモデルはどれ？
リアル系はSD1.5派生とSDXL派生のどちらを選ぶか
室谷代表取締役リアル系で名前が挙がるのが、SD1.5系のRealistic Vision V6.0 B1と、SDXL系のJuggernaut XLなんですよね。配布ページを見ると前者はVRAM推奨3.2GB、後者は7.8GBと書かれていて、ここで「軽い方がいい」と傾く人が多いんですけど・・・
テキトー教師DotAI 認定講師たしかに。ただ現場感覚で言うと、軽さで選んで後から解像度で詰むパターンが多いんですよ。
SD1.5系は512前提、SDXL系は1024前提で作られているので、無理に引き伸ばすと肌の質感から先に崩れます。
SD1.5系は512前提、SDXL系は1024前提で作られているので、無理に引き伸ばすと肌の質感から先に崩れます。
室谷代表取締役経営目線で言うと、この差は制作フローに効くんですよ。最初から1024で出せるならトリミングもアップスケールも減る。
GPU時間より人の手戻りの方が高いので、マシンが許すならSDXL側に寄せた方が結果的に安いんですよね。
GPU時間より人の手戻りの方が高いので、マシンが許すならSDXL側に寄せた方が結果的に安いんですよね。
テキトー教師DotAI 認定講師逆に、8GB級のGPUを他の作業と共有しているとSDXLはきつい場面があります。Realistic Visionがその逃げ道として今も現役なのは、そういう理由なんですよ。
アニメ系はタグ主体か自然文対応かで系統が分かれる
室谷代表取締役アニメ系は系統がはっきり割れてるんですよね。Animagine XLのようにタグ主体で学習されたモデルと、Illustrious XLのように自然文とタグの両方を扱うモデル。
テキトー教師DotAI 認定講師初めて触る人が一番戸惑うのがここで。同じ「アニメ絵が出るモデル」なのに、片方は単語をカンマで並べる前提、もう片方は文章で書ける前提なんです。
タグ主体のモデルに長文を投げると、要素が薄まる手応えになります。
タグ主体のモデルに長文を投げると、要素が薄まる手応えになります。
室谷代表取締役うちの現場でも、モデルを変えた途端にプロンプトの作法を毎回作り直すのが一番のコストで。絵柄の好みより「書き方の互換」の方が乗り換えコストとしては重いんですよ。
テキトー教師DotAI 認定講師なので配布ページの推奨設定とサンプルプロンプトを先に見るのが近道ですね。あれが実質そのモデルの取扱説明書なので、最初に読むだけで迷う時間がかなり減ります。
同じSDXL系でもプロンプト形式とLoRA互換は別物
室谷代表取締役ここが一番事故るんですけど、「SDXL系だから同じLoRAが効く」は成り立たないんですよね。
テキトー教師DotAI 認定講師そこは落とし穴ですね。AnimagineとIllustriousはどちらもSDXL系ですが、推奨されるプロンプト形式も、相性のいいLoRAやControlNetの系統も別物になり得ます。
配布ページのBase Model欄で土台が何かを確認する、これだけで防げる事故があります。
配布ページのBase Model欄で土台が何かを確認する、これだけで防げる事故があります。
室谷代表取締役あとファイル名を上書きしないこと。新旧を分けて置いて、同じSeedと同じプロンプトで並べる。
比較の条件を揃えないと、違いなのか気分なのか分からなくなるんですよ。
比較の条件を揃えないと、違いなのか気分なのか分からなくなるんですよ。
テキトー教師DotAI 認定講師モデルを動かせるPCスペックは？VRAM目安とWebUI・ComfyUIの扱い方
SD1.5系とSDXL系のVRAM目安
室谷代表取締役で、モデルを選んだら次に来るのが「うちのPCで動くのか」問題なんですよね。ここは狙う世代で答えが変わります。
SD1.5系なら4〜8GB、SDXL系は1024x1024を出す前提で6〜8GB以上が目安と言われてます。
SD1.5系なら4〜8GB、SDXL系は1024x1024を出す前提で6〜8GB以上が目安と言われてます。
テキトー教師DotAI 認定講師現場でよく聞くのもまさにそこです。「自分のPCで動きますか」って。
SD1.5なら手元のノートでも試せますけど、SDXLは余裕を見たほうがいい、という体感ですね。
SD1.5なら手元のノートでも試せますけど、SDXLは余裕を見たほうがいい、という体感ですね。
室谷代表取締役数字だけ並べると近く見えるんですけど、中身は別物で。SD1.5は512x512が標準、SDXLは1024x1024が前提なんですよ。
解像度の土台が違うので、同じ土俵で比べても意味がないというか・・・
解像度の土台が違うので、同じ土俵で比べても意味がないというか・・・
テキトー教師DotAI 認定講師最初に戸惑うのがまさにそこで、SDXLを小さい解像度で回すと構図が崩れやすいんです。スペックの話は解像度の話とセットで覚えたほうが早いです。
ローカル環境の組み方はStable Diffusionをローカル環境で動かすには？PCスペックから導入・商用利用の注意までで詳しく解説しています。
ローカル環境の組み方はStable Diffusionをローカル環境で動かすには？PCスペックから導入・商用利用の注意までで詳しく解説しています。
SD3.5 MediumとLargeで必要なVRAMはここまで違う
室谷代表取締役最新世代にいくと差がもっと露骨になります。SD3.5はMediumが約2.5Bパラメータで8〜12GB、Largeが8Bで16GB以上が推奨、と。
同じ「3.5」でも別のモデルだと思ったほうがいいですね。
同じ「3.5」でも別のモデルだと思ったほうがいいですね。
テキトー教師DotAI 認定講師16GB以上って聞いた瞬間に、GPUをどうするかで手が止まる人が多いんですよ。たしかに、そこが分岐点になりますよね。
室谷代表取締役経営目線で言うと、Largeを前提にした瞬間にマシン選定が制約になるんですよ。だからまずMediumで検証して、必要なら環境を分けて投資する。
最初から一番重いところに寄せない判断が効きます。
最初から一番重いところに寄せない判断が効きます。
テキトー教師DotAI 認定講師そうですね。あと12GBでMediumが動くと言っても、他の作業と同時に回すと余裕は変わります。
実際の快適さは環境次第なので、公式の要件もあわせて確認しておくのが無難です。
実際の快適さは環境次第なので、公式の要件もあわせて確認しておくのが無難です。
WebUIはプルダウンでモデルを切り替える
室谷代表取締役動かす側の話も整理しておきましょう。WebUI系は画面のプルダウンでモデルを切り替える方式で、LoRAやVAEの設定も画面で完結する。
最初の一枚までの速さは圧倒的にこちらなんですよね。
最初の一枚までの速さは圧倒的にこちらなんですよね。
テキトー教師DotAI 認定講師ただ、モデルのファイルを置く場所を間違えると一覧に出てこないんですよ。初めて触る人がまずつまずくのは、そこだったりします。
室谷代表取締役あとモデルが増えるとプルダウンが地獄になる。だから保存するときはファイル名に系統を入れておく。
地味ですけど、これが後で効きます。
地味ですけど、これが後で効きます。
テキトー教師DotAI 認定講師ファイル名の運用、ほんとに大事ですね。同じ名前で上書きしちゃうと、前のモデルに戻れなくなりますから。
ComfyUIはノードで組む分、モデル系統ごとの対応を見る
室谷代表取締役一方でComfyUIはノードで処理を組んでいく方式で、ControlNetも標準で扱える。ワークフローをそのまま資産にできるのが強みなんですよ。
テキトー教師DotAI 認定講師反面、モデル系統ごとに専用のノードが必要になる場合があります。たとえばFLUXを扱うときはFluxGuidanceノードを使う、といった具合に、同じノードの組み方では通らないことがあるんです。
室谷代表取締役チームで回すなら、そのワークフローが共有資産になるかどうかで評価が変わる。個人の趣味なら好みで選べばいいですけど、業務だと再現性が取れるかが見られるんですよね。
テキトー教師DotAI 認定講師入り口としては、まずWebUIで感覚をつかんで、自分の型が固まってからComfyUIに移る、という順番の人が多い印象です。
商用利用はどこまでOK？バージョン別にライセンスを整理する
ライセンスは大きく3パターンに分かれる
室谷代表取締役ライセンスの話、先に地図だけ置いておきましょうか。世の中のモデルの使われ方は大きく3つで、制限なしで商用OK、条件付きで商用OK、そもそも商用NGの3パターンなんですよね。
テキトー教師DotAI 認定講師たしかに、そこが最初の分かれ道ですね。初めて触る人は「モデルってフリー素材みたいなもの」と思い込んでて、あとから青くなるケースを見ます。
室谷代表取締役制限なしの代表がApache 2.0で、FLUX.1のschnellはこっち。条件付きの代表がStability AIのコミュニティライセンス、非商用の代表がFLUX.1のdevです。
同じFLUX.1でも配布ルートで扱いが変わるんですよ。
同じFLUX.1でも配布ルートで扱いが変わるんですよ。
テキトー教師DotAI 認定講師名前が同じでも別物ってことですね。現場感覚で言うと、そこがいちばん混乱を生むところです。
SD1.5とSDXLは禁止行為のリストが残る
室谷代表取締役で、実際に一番使われてるSD1.5とSDXLはどこに入るんですか。
テキトー教師DotAI 認定講師基本は商用OKの側です。SD1.5がCreativeML OpenRAIL-M、SDXL 1.0 BaseがCreativeML Open RAIL++-Mで、Hugging Faceのモデルカードにそう記載されています。
売上高の線引きはありません。
売上高の線引きはありません。
室谷代表取締役ただ「完全に自由」じゃなくて、使途の禁止行為リストが付いてるのがミソなんですよね。売上に関係なく商用はできるけど、やってはいけないことの制約は残る、と。
テキトー教師DotAI 認定講師そこ、読み飛ばす人が多いんですよ。商用OKの文字だけ見て、禁止行為の一覧を確認しないまま納品まで行っちゃう。
ライセンス名とバージョンを突き合わせる習慣がないと、判断が危うくなります。
ライセンス名とバージョンを突き合わせる習慣がないと、判断が危うくなります。
SD3.5は年間売上高100万ドルが分岐点
室谷代表取締役SD3.5は話が変わってくるんですよね。Stability AI Community Licenseで、年間売上高100万ドル未満の個人や組織なら無料、超えるとEnterprise Licenseが必要になる。
テキトー教師DotAI 認定講師ここ、個人で描いてる分には関係ない話に見えて、受託で大きい案件を回すと急に効いてくるやつです。売上の線を自分ごととして見ておく必要がありますね。
室谷代表取締役経営目線で言うと、この100万ドルの線は事業計画に直結するので、モデルを採用する時点で先に確認します。動き出してから契約形態を変える方が、たぶん高くつくんですよ。
テキトー教師DotAI 認定講師先に確認、たしかにそうですね。作り込んだ後に「このモデルは使えませんでした」が一番もったいないので。
配布ページのLicense欄を個別に開く
バージョン別ライセンスの商用利用整理
SD1.5 / SDXL
- CreativeML OpenRAIL(++-M)系
- 商用利用は基本的に可能
- 売上高のラインは設けていない
- 禁止行為(使途)の制約あり
- Civitai派生は「++」表記の例も
SD3.5
- Stability AI Community License
- 年間売上高100万ドルが分岐点
- 個人・中小規模は無料で商用OK
- 超えたらEnterprise Licenseが必要
- 研究・非商用は無料の範囲
- APIプロバイダーとして使う場合は要問い合わせ
テキトー教師DotAI 認定講師Civitaiで配られてるモデルは、また別の話になるんですよ。配布者が独自のライセンスを付けていて、ベースのライセンスをそのまま引き継ぐとは限らない。
室谷代表取締役そこが一番の落とし穴なんですよね。SDXLベースだから大丈夫、とは言い切れない。
商用利用に個別連絡が必要な例もあるので、配布ページのLicense欄を見るしかない。
商用利用に個別連絡が必要な例もあるので、配布ページのLicense欄を見るしかない。
テキトー教師DotAI 認定講師はい。Realistic Vision も Juggernaut XL も、Civitai側にライセンス欄の表記がありますから、まずそこを開くのが最短です。
室谷代表取締役で、確認して終わりにしないで、モデル名とバージョン、配布URL、確認した日を残しておく。担当が変わっても同じ判断をたどれる状態にしておくと、後から揉めないんですよね。
FLUX.1などStable Diffusion以外のモデルとは何が違う？
配布ルートが3つに分かれている
室谷代表取締役FLUX.1って、ひとつのモデル名で語られがちなんですけど、実体は配布ルートが3つに分かれてるんですよ。pro、dev、schnell。
で、これが性能の話というより契約の話になってる・・・
で、これが性能の話というより契約の話になってる・・・
テキトー教師DotAI 認定講師そこが最初に引っかかるポイントなんですよね。「FLUX.1が使える」と聞いて来たのに、どれの話なのか分からない、と。
室谷代表取締役構造で見ると分かりやすくて、Stability AI出身のメンバーが立ち上げたBlack Forest Labsが配ってる別系統のモデルなんですけど、配り方が違う。proはAPIや提携経由のみ、devはHugging Faceから重みが落とせる、schnellはApache 2.0。
同じ名前で入口が3つある状態なんですよね。
同じ名前で入口が3つある状態なんですよね。
テキトー教師DotAI 認定講師だから「同じモデル名だから同じ扱いでいい」が通らない。ここを最初に押さえておくと、後の調べものが一気に楽になります。
pro・dev・schnellで商用利用の可否が変わる
FLUX.1の配布ルート別の違い
pro
- APIや提携経由でしか触れない
- 商用ライセンス
- 作ったものを売れるかはこのルート次第
dev
- Hugging Faceから重みが落とせる
- FLUX1-dev Licenseで商用利用不可の非商用ライセンス
- 商用利用の可否がschnellと異なる
室谷代表取締役で、ここが事故ポイントで。devはFLUX1-dev Licenseで商用利用不可の非商用ライセンス、schnellはApache 2.0で商用利用しやすい、proはAPI/提携経由の商用ライセンス。
同じFLUX.1でも可否が分かれるんですよ。
同じFLUX.1でも可否が分かれるんですよ。
テキトー教師DotAI 認定講師初めて触る人は、重みがダウンロードできる＝自由に使える、と思い込むんですよね。配布ページのライセンス欄まで読みに行かない。
室谷代表取締役経営目線で言うと、これは技術選定じゃなくて契約判断なんです。後から「商用で使ってたのに不可だった」が一番高くつく。
年間売上高の閾値があるタイプか、禁止行為だけ定めてあるタイプか、そもそも商用不可か。3パターンのどれに当たるかを先に確定させる。
年間売上高の閾値があるタイプか、禁止行為だけ定めてあるタイプか、そもそも商用不可か。3パターンのどれに当たるかを先に確定させる。
テキトー教師DotAI 認定講師ベースモデルの許諾を派生モデルがそのまま引き継ぐとも限らないので、結局は配布ページの記載を見るしかないですね。
ComfyUIではモデル系統ごとに専用ノードが要る場合がある
室谷代表取締役動かす側の違いも地味に効きます。ComfyUIはノードベースで柔軟なんですけど、モデル系統ごとに専用ノードが必要になる場合があるんですよ。
FLUXだとFluxGuidanceノードを使う、みたいに。
FLUXだとFluxGuidanceノードを使う、みたいに。
テキトー教師DotAI 認定講師WebUIはプルダウンでモデルを切り替えられるので、慣れるまではそっちが楽なんです。逆にComfyUIは「同じワークフローを使い回せる」前提で組むと、別系統を持ち込んだ瞬間に詰まる。
室谷代表取締役だから環境を選ぶ時点で、どの系統を併用するか決めておくのが大事で。混ぜる前提ならノードの対応を先に確認する。
ここを後回しにすると、構築の人件費が二重に乗ってくるんですよね。
ここを後回しにすると、構築の人件費が二重に乗ってくるんですよね。
テキトー教師DotAI 認定講師現場感覚で言うと、モデルを増やすほど本体より環境管理のほうが重くなる。最初に一枚、系統とライセンスの対応表を作っておくと後がラクです。
モデル選びでよくある失敗と、業務で使い続けるための台帳運用
失敗の定番はBase modelの確認漏れ
室谷代表取締役モデルを入れたのに「思った絵が出ない」という話を現場からよく聞くんですけど、原因の多くはモデルの性能じゃなくて、前提の確認漏れだったりします。
テキトー教師DotAI 認定講師そうなんですよ。ひと口にSDXL系と言っても、タグ主体で学習されたモデルと、自然文とタグの両方を扱うモデルがあって、推奨されるプロンプトの書き方が違うんです。
最初に戸惑うのがまさにそこですね。
最初に戸惑うのがまさにそこですね。
室谷代表取締役その情報って、どこに書いてあるんです？
テキトー教師DotAI 認定講師配布ページのBase Model欄と、モデルカードの推奨設定です。ここを見ないままLoRAを重ねると、互換しない系統を選んでしまうことがあります。
比較するときはファイル名を分けてSeedとプロンプトを固定する
室谷代表取締役比較検証って、やり方がバラバラだと意味のある数字にならないんですよね。判断材料として使えないので、そこは最初に揃えておきたい。
テキトー教師DotAI 認定講師現場でよく聞くのは、新しいモデルを同じファイル名で上書きしてしまうパターンです。後から前の絵柄に戻せなくなります。
室谷代表取締役それは怖い・・・。
テキトー教師DotAI 認定講師新旧は必ず分けて保存して、同じSeedと同じプロンプトで出す。これだけで違いがはっきり見えます。
モデル台帳に残す記録項目はこれだけ
室谷代表取締役業務で使うなら、何をいつ使ったか後から辿れる状態にしておきたいんですよ。属人化した時点で、だいたい事故ります。
テキトー教師DotAI 認定講師記録する項目を先に決めておくと楽ですよ。最低限これだけ残せば十分です。
| 項目 | 内容 |
|---|---|
| モデル名 | 採用したチェックポイント名 |
| バージョン | 配布ページの表記どおり |
| 配布URL | 取得元のページ |
| 取得日 | ダウンロードした日 |
| ライセンス確認日 | 配布ページのLicense欄を見た日 |
| 推奨設定 | プロンプト形式などの指定 |
| 併用LoRAの版 | 重ねたLoRAとその版 |
室谷代表取締役ライセンス確認日を別で持つのはいいですね。商用で使えるかどうかはモデルごとに違いますから。
テキトー教師DotAI 認定講師配布されたファインチューニングモデルは、ベースのライセンスを引き継ぐとは限らないんです。だから配布ページのLicense欄を個別に見る必要があって、見た日を残しておくと後で説明できます。
担当者が変わっても同じ判断をたどれる状態にする
室谷代表取締役台帳があると、担当が変わっても「なぜこのモデルを選んだのか」をたどれる。ここが整っていない現場は、属人化の解消がまず進まないんですよね。
テキトー教師DotAI 認定講師逆に記録がないと、新しい人が別のモデルを入れて、前の絵柄が出せなくなって詰むんですよ。引き継ぎのときに一番困るやつです。
室谷代表取締役あと商用案件で「この画像はどのモデルで作ったか」に即答できるかどうか。ここ、受注の前提条件になりつつある気がします。
テキトー教師DotAI 認定講師記録は面倒に見えますけど、最初に項目を決めてしまえば習慣になります。判断の履歴が残っているだけで、次の検証がぐっと速くなりますよ。
よくある質問
Q1. モデルをたくさん入れるとディスクが圧迫される。整理の考え方は？
室谷代表取締役これ、うちの現場でも最初にぶつかる壁なんですよね。気づいたらモデルファイルだけでディスクが埋まってる・・・
テキトー教師DotAI 認定講師現場でよく聞くのは「とりあえず配布されてるものを落としてた」パターンです。まず自分がよく作る系統をひとつ決めて、そこから外れるものは消すか退避させる。
それだけでかなり変わります。
それだけでかなり変わります。
室谷代表取締役残す基準を先に決めておくと迷わないんですよ。容量で選ぶんじゃなくて、仕事で使うかどうかで選ぶ。
テキトー教師DotAI 認定講師そうなんですよね。使ってないけど消せない、が一番場所を食いますから。
Q2. 同じプロンプトなのにモデルを変えると絵が全然違うのはなぜ？
テキトー教師DotAI 認定講師これ、初めて触る人がかなり戸惑うところで。モデルは絵の描き方の癖そのものを持ってるので、プロンプトの言葉より土台の影響が大きいんですよ。
室谷代表取締役なるほど。だからプロンプトを磨く前に、土台を揃えないと比較にならないわけか。
テキトー教師DotAI 認定講師そうです。比べるときはプロンプトも設定も固定して、モデルだけ変える。
これだけで何が変わったかがはっきりします。
これだけで何が変わったかがはっきりします。
室谷代表取締役経営目線で言うと、比較の条件を揃えるだけで検証の回数が減るので、時給で換算すると普通に得なんですよね。
Q3. 配布ページの「推奨設定」はどこまで信じればいい？
室谷代表取締役配布元が推奨を出してくれてるのはありがたいんですけど、そのまま入れて終わりにしちゃう人が多いんですよね。
テキトー教師DotAI 認定講師現場感覚で言うと、推奨は出発点であって正解ではないんですよ。環境が違えば見え方も変わるので、まず数パターン試して自分のところの基準を作るのが早いです。
室谷代表取締役うちでも、推奨値をそのまま標準にして、あとから現場で微調整する運用にしてます。最初から全員同じ設定で揃えると、合わないときに誰も理由を説明できないので。
テキトー教師DotAI 認定講師設定の理由を残しておくの、後でかなり効きますよね。
Q4. 自分で調整したモデルと配布モデル、業務ではどっちを使うべき？
テキトー教師DotAI 認定講師最初に戸惑うのがここで。「自分で作った方が強いんでしょ」と思われがちなんですけど、配布モデルの方が安定して回せる場面は多いですよ。
室谷代表取締役事業として見ると、自前で持つのは差別化になる一方で、面倒も全部引き受けることになるんですよね。保守も再現性もそう。
テキトー教師DotAI 認定講師なので、まず配布モデルで業務の型を作って、どうしても足りない部分だけ自前にする。その順番の方が失敗が少ないです。
室谷代表取締役順番、大事ですね。いきなり作りに行くと、だいたい目的を見失う。
Q5. うまく出ないとき、モデルが原因かプロンプトが原因か分からない
室谷代表取締役これ、切り分けをせずに両方いじり始めるのが一番時間を食うんですよ。
テキトー教師DotAI 認定講師現場でよくやるのは、まずモデルを固定してプロンプトだけ変える、次にプロンプトを固定してモデルだけ変える。片方ずつ動かすと原因が見えるんですよ。
室谷代表取締役あとは、昨日出た絵と今日の絵で条件が変わってないかを見る。地味ですけど、そこが崩れてると原因探しが迷子になる。
テキトー教師DotAI 認定講師記録が残ってれば、そもそも迷子になりにくいですからね。
まとめ
室谷代表取締役モデル選びって、結局どれが一番いいかを探す話に見えて、実際は自分の用途を決めて条件を揃えて比べる話なんですよね。
テキトー教師DotAI 認定講師そうなんです。最初から全部を理解しようとすると種類の多さで止まってしまうので、まずひとつ決めて触る方が早いです。
室谷代表取締役MYUUU の現場でも、新しいモデルを入れるときは小さく試して、使うものだけ台帳に残す形にしてます。増やすより、残す基準を決める方が効くんですよ。
テキトー教師DotAI 認定講師配布元のライセンス表記は使う前に一度見ておいてください。あとから用途が広がったときに効きますから。
室谷代表取締役まずは自分の用途に合うモデルをひとつ選んで、同じプロンプトで比べるところから始めるのがおすすめです。
