Bria AI、JSONプロンプト対応の画像生成モデル「Fibo 1.5」を公開

Fibo 1.5は、Bria AIがオープンソースとして公開した8Bパラメータの画像生成・編集モデルだ。従来の曖昧な長文プロンプトに頼るのではなく、構造化されたJSONデータを受け取って正確に画像を制御できる点が最大の特徴だ。

何ができるのか

通常のテキストプロンプトも扱えるが、Fibo 1.5の本領は1000語規模の構造化JSONプロンプトにある。

構図、被写体の配置、相対サイズ、形状、色彩、質感、被写界深度やライティングといった要素をJSONのキーとして個別に定義し、それを忠実に反映した画像を生成できる。

ワークフローは大きく3つある。短文からVLMがJSONスキーマを展開して画像と構造化プロンプトを同時に出力する「Generateモード」。

「椅子の肘掛けにブランケットを追加」「85mmレンズに変更」といった短い指示で特定属性だけを微調整し、画面全体の崩れを防ぐ「Refineモード」。

そして、入力画像から構造化プロンプトを抽出して新たなバリエーションを作る「Inspireモード」だ。

実際にテストしたレビュアーからは、純粋な画力でトップクラスのモデルに及ばない場面はあるものの、床に本を追加し、さらに椅子に猫を足すといった連続的な言語指示への追従性と安定性は非常に高いと評価されている。

仕組みと動かし方

モデル構成は8BパラメータのDiT（Diffusion Transformer）をベースとし、テキストエンコーダにSmolLM3-3B、VAEにWan 2.2を採用。プロンプトの構造化には微調整済みQwen-2.5やGeminiが連携する。

今回の1.5における最大の進化は、DMDおよびDMD-Rによる2段階の蒸留処理だ。

ベースモデルで50ステップ必要だった推論をわずか4〜6ステップに短縮し、CFG（Classifier-Free Guidance）も不要にした。ネガティブプロンプトを設定することなく、高速な生成が行える。

学習には100%ライセンス取得済みのデータのみを使用しており、GDPRやEU AI法に完全準拠している点も特徴だ。

重みとコードはHugging Face上で非商用向けに公開されており、Diffusers、ComfyUI、Draw Things、DiffusionBee等でローカル実行できる。商用利用には別途ライセンスが必要だ。

なお、本蒸留チェックポイントは超少数ステップの推論に特化しているため追加ファインチューニングには適しておらず、ファインチューニングを行いたい場合はベースモデルを利用する必要がある。

なぜ重要か

単に美麗なイラストを1枚出力したい一般ユーザー向けというよりは、EC画像の編集や自動バナー生成など、精密なコントロールが求められる現場に刺さるツールだ。

プロンプトの当たり外れに一喜一憂するスタイルから脱却し、JSONという再現性の高いフォーマットで画面を微調整できる価値は大きい。完全な権利クリアと4ステップの高速推論が揃ったことで、業務パイプラインへの組み込みにおいて極めて現実的な選択肢になると言える。