Civitaiの発表内容
サイト内の画像生成機能「generator」と、追加学習機能「Training Studio」の両方で利用できます。
画像内の文字描画と配置の制御に優れ、最大4Kトークン (AIが扱う文字の単位) の指示文を読み込めます。描きたい文字を引用符で囲んで指定できるほか、JSON (データを記述する形式) で文字や物体の配置を細かく指示できます。
提供形態は、生成向けの「SFT」と追加学習向けの「Base」の2種類です。初期設定の推奨値は25ステップ、指示への忠実度を示すCFG値は3に設定されています。生成できる解像度は512ピクセルから2Kまで対応します。なお、今回はテキストからの生成のみに対応し、画像の編集や参考画像の入力には対応していません。
これにより、看板やポスター、メニュー表のように文字を含む画像の作成がしやすくなります。外部環境で動かす人向けに、商用利用が可能な「Apache 2.0」ライセンスでモデルのデータも配布されています。自社でLoRA (追加学習の仕組み) を作成して独自の画風や文字表現を学習させたい場合にも役立ちます。
つまり、どういうこと？
ひらたく言うと、看板やポスターのレイアウトを設計図どおりに作れる画像生成ツールです。
従来の画像生成は、文字が崩れたり配置がずれたりしがちでした。たとえるなら、文字の練習帳と方眼紙を持たせたようなモデルです。「ここにこの看板を置いて、この店名を書く」という指示がそのまま通るため、文字入りの図版を作る手間が省けます。
編集部の見方
画像生成モデルといえば絵の綺麗さを競うものが目立ちますが、文字の描画と配置という実務の弱点に絞ってきた点はかなり堅実だと筆者は感じました。4Kトークンの長文やJSONでの配置指定に対応した設計には好感が持てます。告知画像の叩き台を素早く作りたい人なら重宝しそうです。
文字の崩れからの脱却。
ただ、現時点ではテキストからの生成に限られ、画像の編集や参照に対応していない点はちょっと惜しいところです。実務の制作フローに組み込んでいくなら、生成した画像の文字だけを打ち換えるような編集機能が求められます。今後のアップデートで参照画像の入力や編集機能がいつ実装されるかを見届けたいところです。
誰に関係するか
ポスターやチラシなどの広告素材を作成している人は、画像内の指定した位置へ正確に文字を配置できるようになります。
