【2026年最新】Stable Diffusion 使い方完全ガイド｜SDXL/3.5の始め方
Key Takeaway: Stable Diffusionは「無料・ローカル動作・モデル差し替え自由」の三拍子が揃った唯一のAI画像生成ツール。とりあえず触るだけならWeb版で5分、本気で使い倒すならローカル環境一択。プロンプトより「モデル選び」で9割決まる。
Stable Diffusionは、2026年現在も「カスタマイズ性で他を寄せ付けない」AI画像生成エンジンだ。MidjourneyやDALL-E 3のように完成度の高い画像が即出るタイプではなく、自分でモデルを選び、プロンプトを練り、設定を詰めていく職人ツールに近い。だからこそ、ハマる人はとことんハマる。
逆に「ボタン一発で綺麗な画像が欲しい」だけなら、正直Stable Diffusionは遠回り。この記事では、それでも使う価値がある理由と、最短で使い始める方法を全部書く。
Stable Diffusionとは何か：5分でわかる本質
Stable Diffusionとは、Stability AI社が公開しているオープンソースの画像生成AIです。テキスト（プロンプト）から画像を生成し、最大の特徴は「モデルの重みが公開されていてローカルPCで動く」こと。
他のAI画像生成ツールとの最大の違いは、APIに依存せず自分のマシンで完結できる点にある。生成枚数の制限なし、月額課金なし、生成内容の検閲もユーザー次第。これが破格。
2022年8月のv1.4公開から進化を続け、2026年現在の主力はSDXL（Stable Diffusion XL）とStable Diffusion 3.5。前者は安定性とコミュニティの厚さ、後者は最新の品質とテキスト描画能力で住み分けている。
Stable Diffusionの3つの強み
- 完全無料：モデル本体もUIも無料。電気代だけで運用できる
- モデル差し替え自由：実写特化、アニメ特化、3D特化など用途別モデルが何千種類も存在
- 商用利用OK（条件付き）：CreativeML OpenRAIL-Mライセンスで商用OK、ただし派生モデルの規約は要確認
逆に弱点も書いておく。導入が面倒、GPUが必要（VRAM 8GB以上推奨）、出力品質はプロンプト次第でブレる。「触ってすぐ綺麗」を求めるならSoraやMeta AI系の最新ツールの方が正直楽だ。
Stable Diffusionの始め方：3つの選択肢を比較
Stable Diffusionの利用方法は大きく分けて3つあり、PCスペック・予算・用途によって最適解が変わります。
| 方法 | 初期コスト | 月額 | 生成速度 | 自由度 | おすすめ層 |
|---|---|---|---|---|---|
| ローカル環境 | GPU代（5万〜30万） | 電気代のみ | 速い（GPU依存） | ★★★★★ | 本気で使い込む人 |
| クラウド（Colab等） | 0円 | 1,000〜5,000円 | 中 | ★★★★ | スペック不足のPC勢 |
| オンライン（Web版） | 0円 | 0〜2,000円 | 遅め | ★★ | お試し・ライト層 |
結論を先に言う。今のメインPCにRTX 3060以上が載っているならローカル一択。それ以外なら、まずWeb版で感触を掴んでからクラウドへ移行するのが失敗しない順番だ。
ローカル環境での始め方：AUTOMATIC1111とForge
ローカル環境で使うなら、定番UIは「AUTOMATIC1111（A1111）」または高速化版の「Stable Diffusion WebUI Forge」の2択。2026年現在、新規ユーザーにはForgeを推す。理由はシンプルで、A1111と同じUIなのにVRAM消費が3〜5割少なく、生成も速いから。
必要スペック（2026年版）
実用的な目安はこのあたり：
- GPU: NVIDIA製、VRAM 8GB以上（SDXLなら12GB推奨、SD3.5なら16GB欲しい）
- メインメモリ: 16GB以上
- ストレージ: SSD 100GB以上の空き（モデルファイルが1個6GB前後）
- OS: Windows 10/11、macOS（M1以降）、Linux
Mac勢への補足。M1〜M4チップでも動くが、Windows+NVIDIA環境と比べて生成速度は半分以下。本気でやるならゲーミングPCを別途組むのが結局安い。
インストール手順（Windows + Forge）
ざっくりした流れはこう：
- Pythonをインストール（公式から3.10系を選ぶ。3.11以降は非対応のバージョンあり）
- Gitをインストール
- Forge公式リポジトリをgit clone
- webui-user.bat をダブルクリックで起動
- 初回はモデル等のダウンロードで15〜30分待つ
ブラウザでhttp://127.0.0.1:7860が開けば成功。プロンプトを入れて「Generate」を押せば、もう画像生成が始まる。
クラウド環境での始め方：Google Colab Pro
GPUが手元にないなら、Google Colab Proが現実解。月額1,179円〜で、Stable Diffusionが快適に動くGPU（T4以上）が使える。
ただし2023年以降、Googleは無料版ColabでのStable Diffusion実行を制限した。Pro以上の有料プラン必須なので注意。
Colabの実行手順
GitHubで「stable-diffusion-webui-colab」と検索すると、ワンクリックで起動できるノートブックが大量にヒットする。ノートブックを開いて、上から順にセルを実行するだけ。10分ほどで生成画面が立ち上がる。
注意点：セッションが切れると環境が消えるので、生成した画像はGoogle Driveに保存する設定を必ず入れること。これを忘れて1日分の作業が消える人を何人も見てきた。
オンライン版（Web版）での始め方：今すぐ試す3サービス
「インストール？無理。ColabもPython見たくない」という人向けに、ブラウザだけで完結するサービスもある。
代表的なのは以下の3つ：
- DreamStudio：Stability AI公式。月額10ドルで1,000枚程度生成可能
- Mage.space：無料枠あり、有料プランで多数のモデル使い放題
- Clipdrop：Stability AI買収のサービス。商用OKの編集ツールも併設
入門ならMage.spaceの無料枠で十分。プロンプトを入れて待つだけ、UIも直感的。本格運用に向かないのは、生成枚数の上限と速度の制約があるから。月100枚以上生成するなら、結局ローカルかColabに移ることになる。
SDXL vs Stable Diffusion 3.5：どっちを使うべきか
2026年現在、現役の主力モデルはこの2つ。用途で選び分けるのが正解で、両方入れておくのが賢い。
| 項目 | SDXL（1.0/Lightning） | Stable Diffusion 3.5 |
|---|---|---|
| リリース | 2023年7月 | 2024年10月 |
| 解像度 | 1024×1024 | 1024×1024〜 |
| テキスト描画 | 苦手 | 得意 |
| プロンプト追従性 | 中 | 高 |
| コミュニティモデル | 圧倒的に多い | 増加中 |
| VRAM要求 | 8〜12GB | 12〜16GB |
要約すると、「カスタマイズ済みモデルで遊ぶならSDXL、最新の素の品質を求めるならSD3.5」。アニメ特化や実写特化のファインチューニング済みモデル数では、SDXLが2026年時点でもまだ圧倒的に優勢。
プロンプトの書き方：上達の最短ルート
Stable Diffusionの出力品質は、プロンプトで7割が決まる（残り3割はモデル選びとパラメータ）。コツは英語で、カンマ区切りで、重要要素を前に置くこと。
基本構造
[主題], [詳細描写], [スタイル], [品質タグ], [ライティング]
具体例で見せる：
a young japanese woman, long black hair, white blouse,
sitting at a cafe, looking at camera,
photorealistic, 8k uhd, cinematic lighting, bokeh background
これだけで、コーヒーショップで微笑む女性のリアル写真が生成できる。
Negative Prompt（除外指定）の重要性
Stable Diffusionの真骨頂は「Negative Prompt」にある。「これは出すな」をリストで指定できる機能で、品質が劇的に上がる。
定番のNegative Promptはこれ：
low quality, worst quality, blurry, deformed,
extra fingers, bad anatomy, watermark, text
特に「extra fingers（指の本数おかしい）」と「bad anatomy（解剖学的におかしい）」は、入れるだけで失敗率が体感半分以下になる。
重みづけ（強調）テクニック
要素の重みは括弧で調整できる。(beautiful eyes:1.3)のように書くと、その要素が1.3倍強調される。0.8〜1.5の範囲で調整すると安定する。これはAUTOMATIC1111系UIの記法で、他のUIだと書き方が違う場合あり。
主要パラメータの設定値：迷ったらこれ
UI上の設定項目は山ほどあるが、最初に押さえるべきは4つだけ。
| パラメータ | 推奨値 | 役割 |
|---|---|---|
| Sampling steps | 20〜30 | 生成の試行回数。多いほど品質UPだが時間も比例 |
| Sampling method | DPM++ 2M Karras | 安定して綺麗。迷ったらこれ |
| CFG Scale | 7〜9 | プロンプト忠実度。高いと指示通り、低いと自由 |
| Seed | -1（ランダム） | 同じ数値で同じ画像を再現できる |
最初はこの設定で固定し、プロンプトとモデルを変えて遊ぶのが一番伸びる。パラメータ沼にハマると時間が溶けるので注意。
拡張機能とLoRA：Stable Diffusionが化ける瞬間
ここからがStable Diffusionの本当の楽しさ。LoRA（Low-Rank Adaptation）は、特定のキャラクター・画風・服装などをモデルに「追加学習」させる小さなファイル（数十MB〜数百MB）。
Civitai（civitai.com）というコミュニティサイトに、世界中のユーザーが作ったLoRAが何万種類も無料公開されている。例えば「特定の絵柄」「特定のポーズ」「特定の照明スタイル」などをワンクリックで適用可能。
押さえておきたい拡張機能3選
- ControlNet：ポーズ・構図・線画を入力画像で指定できる。これなしでは戻れない
- ADetailer：顔や手を自動で高解像度修正。崩れがちな部位が劇的改善
- Regional Prompter：画像の領域ごとに違うプロンプトを当てられる
ControlNetが特に革命的で、棒人間を描けば同じポーズの人物画像が生成できる。商用イラスト制作の現場でAI OCRツールと並んで「これがないと仕事にならない」と言われるレベルのインフラ化が進んでいる。
商用利用の可否：グレーゾーンを正しく理解する
Stable Diffusion本体（Stability AI公式モデル）は、CreativeML OpenRAIL-Mライセンスで商用利用OK。これは公式に明言されている。
ただし、ややこしいのは派生モデル・LoRA・Civitaiの素材。それぞれ独自のライセンスを持つ場合があり、
- 「商用OK」
- 「個人利用のみ」
- 「クレジット表記必須」
- 「特定キャラクター学習モデルは権利者承諾が必要」
など条件が分かれている。Civitaiは各モデルページに利用条件アイコンが並んでいるので、ダウンロード前に必ず確認すること。
実写系で他人の顔を学習させたモデルは、肖像権・パブリシティ権で完全アウトのケースが多い。アニメキャラのLoRAも、商用利用は二次創作としてグレーゾーン。「無料だから何でもOK」ではない点だけは絶対に覚えておきたい。
他AI画像生成ツールとの比較：いつStable Diffusionを選ぶべきか
「結局MidjourneyやDALL-Eと比べてどう？」という疑問への答えを、率直にまとめる。
| ツール | 強み | 弱み | 月額目安 |
|---|---|---|---|
| Stable Diffusion | 自由度・無料・モデル豊富 | 導入面倒・品質はプロンプト次第 | 0円〜 |
| Midjourney | 即・綺麗・芸術性 | 細かい制御不可・有料必須 | 約1,500円〜 |
| DALL-E 3 | 自然言語で意図を理解 | スタイルの一貫性弱い | ChatGPT Plus内 |
| Adobe Firefly | 商用安全・Photoshop連携 | 表現力が控えめ | Adobe CC内 |
選び方の指針はシンプル：
- 量産・カスタマイズ重視: Stable Diffusion
- 手軽に映える絵が欲しい: Midjourney
- 企画書やブログのアイキャッチ: DALL-E 3 or Firefly
ちなみに翻訳作業を絡めるならDeepLを併用してプロンプトを英訳すると、品質が地味に上がる。ノンネイティブが直接英語プロンプト書くより、日本語→DeepL→微調整の方が安定する。
編集部の利用レポート：3ヶ月使い倒した正直な感想
正直に言う。Stable Diffusionは「楽しい」けれど「楽」ではない。
導入から1週間は、UIの設定とモデル探しで終わる。最初の1ヶ月は、思った絵が出なくてイライラする。でも2ヶ月目あたりから、自分のプロンプトの引き出しが増え、お気に入りモデルとLoRAの組み合わせが固まってくると、急に楽しくなる。
編集部では現在、以下の用途で常用中：
- 記事のサムネイル画像生成（実写系SDXLモデル）
- SNS投稿のイメージカット
- プロトタイプのUI素材
逆に「ピンポイントでこの構図、この表情の人物」みたいな指定は、ControlNetを使ってもまだ難しい。完全に意図通りに出すなら、最後はPhotoshopでの加工が必要になる。
それから、思った以上に電気代がかかる点は警告しておく。RTX 4080をフル稼働させると、1日中生成し続けた場合、月の電気代が3,000〜5,000円増えた。クラウド型のAutoGPTのようなエージェント系ツールと組み合わせて自動運用するなら、Colab Proの方がトータル安い場合もある。
よくある質問（FAQ）
Q. Stable Diffusionの利用は完全無料ですか？
モデル本体・主要UI（AUTOMATIC1111、Forge）は完全無料です。ただしローカル実行にはGPU搭載PCが必要で、初期投資として5万〜30万円のハードウェア費用がかかります。クラウド版（Colab Pro等）を使う場合は月額1,000〜5,000円程度。Web版（DreamStudio等）は月額10ドル前後の有料プランが現実的です。
Q. 商用利用してもライセンス違反になりませんか？
Stability AI公式モデルはCreativeML OpenRAIL-Mライセンスで商用利用が許可されています。ただし、Civitai等で公開されているコミュニティ製モデル・LoRAは個別のライセンスがあり、商用NGや条件付き利用のものも多数。実在する人物の顔学習モデルや特定キャラクター学習LoRAは、肖像権・著作権の観点でビジネス利用は推奨しません。
Q. PCスペックが足りない場合、何から始めればいいですか？
Mage.spaceなどの無料Webサービスでまずプロンプトに慣れることをお勧めします。1〜2週間使って自分に合うと感じたら、Google Colab Pro（月額1,179円〜）に移行。本格的に量産するフェーズになってから、RTX 3060（約4万円）以上のGPU購入を検討すれば失敗しません。
Q. SDXLとStable Diffusion 3.5、初心者はどちらを選ぶべきですか？
初心者にはSDXLを推します。理由はコミュニティモデル・LoRA・チュートリアルの数が圧倒的に多く、トラブル時の情報が見つけやすいから。SD3.5は最新で素の品質は高いですが、対応するLoRAやワークフロー情報がまだ少なく、上級者向けの選択肢です。
Q. プロンプトは英語と日本語どちらで書くべきですか？
英語が圧倒的に有利です。Stable Diffusionの学習データの多くが英語キャプション付きの画像であるため、英語プロンプトの方が意図が伝わりやすく品質が安定します。英語が苦手な場合は、日本語で書いた内容をDeepLで英訳してから使うと十分実用的です。
Stable Diffusionは、AI画像生成の「自由度MAX」を体験できる唯一のツール。導入のハードルさえ乗り越えれば、月数千枚の画像を電気代だけで生成できる環境が手に入る。ハマる人には人生変わるツールなので、ぜひ一度ローカル環境で触ってみてほしい。
