Stable Diffusion

できることは文章からの画像生成ですが、周辺の仕組みが厚いことが実際の強みです。ComfyUIやAutomatic1111といった操作画面、Civitaiで共有されているカスタムモデル、そして生成の過程に介入する多数の拡張機能が蓄積しており、特定の画風に寄せる、構図を指定する、既存の画像を部分的に描き替える、といった細かい要求に対応できます。手元で動かすので、画像や指示が外部のサーバーに送られません。

使い始め方は2通りあります。ひとつは配布されているモデルと操作環境を自分のパソコンに入れる方法で、無料で枚数の制限なく生成できる代わりに、性能の高いGPUと環境構築の作業が必要です。もうひとつはクラウド上の提供サービスを使う方法で、準備は不要ですがクレジット制の課金が発生します。まずクラウド側で出力の傾向を確かめ、続けるなら手元の環境を整える、という順序が無駄が少ないです。外部から呼び出すAPIも提供されています。

向いているのは、生成の条件を細かく制御したい場合、量を気にせず試したい場合、そしてデータを外に出せない場合です。自分のパソコンで動かせば追加費用がかからないため、条件を変えて何百枚も試す進め方ができます。商用利用が認められており、オフラインでも動作します。特定の画風や被写体に寄せたモデルを持ち込めるため、他のツールでは出せない絵に届く余地があります。線画から色を付ける、姿勢を指定して人物を描く、既存の絵の構図だけを借りる、といった介入も拡張機能で実現できます。他のツールが「指示を工夫して近づける」のに対し、こちらは仕組みの側から結果を寄せられる点が違いです。

一方で、始めるまでの敷居が高いツールです。当サイトの評価では初心者向けの使いやすさが5段階中2、日本語品質も2です。環境構築には技術的な知識が必要で、実行には映像メモリを多く積んだGPUが求められます。指示の書き方や設定項目の意味を覚える学習コストも大きく、初期状態のまま生成した画像の質は他のツールに届きません。ライセンスはモデルの世代ごとに違うため、商用で使う前に対象のモデルの条件を個別に確認する必要があります。

使い分けの目安はこうです。準備をせずにブラウザで生成したいならDALL-E 3やAdobe Firefly、画質と作品性を最優先するならMidjourney、画像内の文字が主役ならIdeogram、ベクター形式が要ならRecraft、費用をかけずに非商用で試すならBing Image Creatorが適します。自前で動かす方向で比べるなら、指示の読み取りが素直で生成が速いFluxも候補になります。Stable Diffusionを選ぶ決め手は、制御の細かさと蓄積された拡張の厚さです。

料金は自分で動かす場合は無料で、クラウド経由の提供サービスはクレジット制の従量課金です。ただしGPUを備えたパソコンの費用と電気代は自己負担になるため、実質の費用はそこを含めて考えてください。商用利用の条件はモデルごとに違うので、公式サイトで対象のライセンスを確認することをおすすめします。