新清士の「メタバース・プレゼンス」 第163回

無料の画像生成AI「Krea 2」が話題　実写もアニメもこなす新勢力

クリエイター向けの画像生成モデル

　Kreaは米サンフランシスコに拠点を置くクラウド型の画像生成サービスで、月額課金方式でクリエイター向けの統合UI環境を提供しており、創業も2022年とこの分野では古参です。サービスは、Stable Diffusionなどのオープンモデルを中心に展開していましたが、他社製モデルでは、クリエイターのデザイン要素として使うには品質を出せないという限界を感じていたようです。

　そこで、独自の画像AI開発に乗り出しました。2025年7月に、独Black Forest Labsとの共同開発で、FLUX.1-Krea [dev]を公開しました。これはFLUX.1をカスタマイズしたバージョンで、Kreaのサービスが想定している「写真的で多様な絵を出せること」を狙っていたようです。

　その後、さらにKreaは完全にスクラッチから自社モデルを開発する段階に踏み込みました。5月に行われた発表によると、Krea 2は多様なスタイル表現を実現可能にする、独自の性質を持つ画像AIとして開発されてきました。リリース文で、「（既存の画像AIは）洗練されていて無難で上品なものを生成しようとする傾向があります。奇抜なものは好みません」、「Krea 2の開発にあたっては、ユーザーがどのような画像表現を望むかに焦点を当てました。粒子の粗いフィルム写真から、洗練されたスタジオ撮影、映画のスチール写真、様々な種類のイラスト、複雑なデジタルペインティング、そしてあらゆる種類の実験的な表現まで、ほぼあらゆるスタイルを表現できるものを目指しました」と紹介しています。

　ローカルPCで利用できるオープンモデル版としては12B（120億パラメータ）の「Raw」と、蒸留軽量版の「Turbo」の2種類が公開されています。RawとTurboは性質がかなり違い、RawはファインチューニングモデルやLoRA学習用のモデルで通常の生成には向いていません。Turboは軽量化と高速化が施されている通常の生成に使うモデルです。どちらも26.3GBとサイズが大きいため、13.1GBのFP8の圧縮版を使うことが推奨されています。2048x2048の2K画質にまで対応しています。

　ただ、FP8でも、テキストエンコーダーとして5.24GBの「Qwen3VL-4B FP8 text encoder」の利用が必須であるため、単純計算で約19GB以上のメモリを消費するため、安定的に動かすにはVRAM 16GB以上のビデオカードを搭載しているPCが必要になります。ネット上のユーザーからは、 VRAM 8GBで動作させることに成功したという報告はあるものの、誰にでも使いやすいモデルとまでは言えません。

　また、LoRAの学習自体は、「AI-ToolKit」や「MusubiTuner」などの定番の既存ツールが対応しているので、アプリ環境を用意するハードルはそれほど高くないのですが、Rawは要求水準が高く、LoRA学習のみに使うとしてもRTX 4090でもスペック的にはかなりギリギリで、学習を成功させるために設定の工夫が必要です。ただし、学習に必要な時間は30分～2時間（25枚で600から1200ステップ）あまりと短時間で十分に効果がある印象です。

Kreaのサービス内では、Turbo、Large、Mediumと分かれている。同じ12Bでも、LargeはサイズがMediumの2倍以上とされており、どちらも公開されていない。Pureは別の位置づけのよう

　プロンプトは、自然言語の解釈に強く、SDXLでは一般的な「タグ」で描写するのではなく、様々な要素を一文の文章で表現することが推奨されているようです。かなり複雑な文章を書いても、プロンプトに忠実に生成してくれます。