新清士の「メタバース・プレゼンス」 第158回

SDXLの次はこれ？　アニメ特化のローカル画像生成AI、驚きの実力

 

Anima Base v1.0で田中さんLoRAを使って生成した画像（筆者作成）

　5月15日にComfyUIが共同開発している画像生成AIモデル「Anima Base v1.0」が公開されました。2B（20億）パラメータで、本体モデルのファイルサイズも4.18GBと比較的小さいモデルですが、ローカルPC環境で動作するアニメスタイル専用モデルとして、高性能に仕上がっています。その強力さは、追加学習用のLoRAを作成すると、さらに明確に分かります。これまで、GPT Image 2.0などのクラウドモデルでは実現できていましたが、ローカルPCで使えるオープンモデルでは、複雑なキャラクターの一貫性を保つのが難しい状況でした。その限界を突破する存在になりそうです。

ComfyUI共同開発のアニメ系モデル「Anima」

　Animaは、ComfyUIから資金提供を受けている米Circle Stone Labが、1月からプレビュー版の公開を開始し、毎月のようにアップデートを重ねてきました（参考：ComfyUI、画像生成AI「Anima」共同開発　アニメ系モデルで“SDXL超え”狙う）。Anima Base v1.0は、ベースとなる完成版モデルで、学習が進んだことで、Preview版にあったノイズ感はほとんど解消されており、クリアな画質で出力できます。モデルサイズは4.18GBと大型化が進む近年のモデルの中では小さく、ビデオカードのVRAMが8GBでも動作します。しかし、解像度は一般的な1024x1024よりかなり大きい1536x1536までサポートしています。筆者のA6000搭載（RTX 3090に相当）では、1024x1024の画像を1枚生成するのに、約30秒かかります。

Animaで同じプロンプトで作った画像。毎回微妙にタッチや顔が変わってしまい、一貫性を保つのが難しい

　Animaでクリアかつ品質が高い画像が出せるのはいいのですが、弱点もあります。生成するたびに、画風が大きく揺れるのです。同じプロンプトであっても、キャラクターの雰囲気はかなり変わってしまいます。プロンプトだけで制御するのは難しいようです。そこで効果を発揮するのがLoRAです。Animaの画像の揺れを抑制し、自分の意図する画像へコントロールしやすくなるのです。　Anima用のLoRA作成環境は、日本人技術者のKohya Tech（@kohya_tech）さんが継続的に開発を続けている世界的なデファクトスタンダードの一つである「sd-scripts」が、2月にAnimaをサポートしました。それをgazingstarsさんがGUI化し、使いやすくした「Anima Standalone Trainer」として公開しました。

Anima Standalone Trainerの画面。各パラメータ設定がわからないときは、AIに相談するのが手っ取り早いのでお勧めしたい