新清士の「メタバース・プレゼンス」 第115回

“一貫性”がすごい画像生成AI　冬服→夏服も一発変換　話題の「FLUX.1 Kontext[dev]」

夏の姿の明日来子さんと猫のASCIIの文字。FLUX.1 Kontext [dev]を使って筆者作成

　独Black Forest Labs（BFL）が6月26日、画像生成AIモデル「FLUX.1 Kontext [dev]（フラックス.1 コンテキスト）」をオープンウェイトモデル（重み）として公開したことが話題になっています。今、画像生成AIの高性能モデルでは“一貫性ある画像”をいかに簡単に出力するかの競争が激しくなっていますが、FLUX.1 Kontextは今までの水準を大幅に上回っています。5月にAPIのみで使用できるクラウドバージョンが公開されていて、すでに高い評価を集めていました。ローカルPC環境でも使えるモデルを出すとアナウンスしてから約1ヵ月でのリリースです。その実力を探りました。

^{※記事配信先の設定によっては図版や動画等が正しく表示されないことがあります。その場合はASCII.jpをご覧ください}

クラウドサービスなら1枚6円で試せる

　BFLは、「Stable Diffusion」の開発者たちが独立して展開を始めたスタートアップ。2024年8月に画像生成AIの「FLUX.1」を発表後、特に実写系モデルとしては高い評判を集めていました。複数のモデルが用意され、最高品質のFLUX.1 [pro]についてはAPI経由のクラウドのみでしか使えない形にして収益モデルを確立する一方、オープンウェイトモデルとして公開されたFLUX.1 [dev]や[schnell]が人気を集めました（参考:「Stable Diffusion」の失敗に学び、画像生成AIの勢力図を塗り変える「FLUX.1」）。

　2024年11月には、改良版の「FLUX 1.1[pro]」をクラウドサービス向けに発表し、より高品質な画像生成に対応していきました。そして、FLUX.1 Kontextは、画像とテキストの両方を認識し、複数の処理結果を反映できるマルチモーダルモデルとして、使い勝手の良いモデルとして登場してきました。筆者の推測では、今回のFLUX.1 Kontextは、FLUX 1.1をベースにさらに学習させたものではないかと思います。出力結果の品質がFLUX 1.1よりも全体的に高まっていると感じられるためです。

　FLUX.1 Kontextは、BFLが提供しているクラウドサービス「FLUX Playground」で、1枚あたり0.04ドル（約6円）で簡単に試すことができます。

　まずは、いつもの作例の「明日来子さん」の画像（左上）を参照画像として、「日本のアニメスタイルで水彩画調」（右上）や、「バウハウス」スタイル（右下）にしてみました。それから夏の時期にはこの冬服の格好がいかにも暑いので、「季節を夏にして、半袖の服に、街を歩いている人も夏服に」（左下）と指示しました。それぞれ十数秒ほど待つと高い品質で、出力されてきます。

作例の明日来子さんいろいろ。元の画像の構図を活かしたまま、夏服にそのまま一発変換できたサービスはこのサービスが初めて

　さらに夏服の画像を参照画像として、「スーパーカブに乗せてください」と指示したところ、次のような画像が生成されました。さらに夏服を参照して、FLUX Playgroundのアウトペイント機能を使って、全身像を出すように指示したところ、明日来子さんの全身像がかなり自然に生成されました。

プロンプトは「この女性を、ジーンズを着用し、スーパーカブ（モーターサイクル）に乗っているように見せてください」

アウトペイントを使って生成した明日来子さんの夏服の全身像

　FLUX.1 Kontext [dev]では、こうした機能がローカルPC環境で使えるようになるわけです。