Stability AI、ラフ画から高精度画像を生成する「Stable Doodle」公開

頭の中にある構図をAIに伝えるため、延々とプロンプトを打ち直した経験がある人は多いはずです。

言葉で指示するよりも、一本の線を引いた方が早い。そんな発想を形にした新機能が登場しました。Stability AI傘下の画像プラットフォームClipdropは7月13日、手描きのスケッチを高解像度画像に変換する新ツール「Stable Doodle」を公開しました。

7700万パラメータの軽量アダプタが輪郭を読む

Stable Doodleの使い方は極めてシンプルです。ウェブブラウザやモバイルアプリ上でマウスや指を使い、簡単な落書きを描きます。そこに短いプロンプトを添え、14種類あるスタイルから好みのテイストを選んで生成ボタンを押すだけです。

ログインなしでもすぐに試すことができますが、1日あたりの生成回数には制限が設けられています。スタイルは写真風やシネマティック、ファンタジーアート、折り紙風など幅広く揃っています。

技術的な中核を担っているのは、Stability AIの最新画像生成モデル「SDXL 0.9」と、Tencent ARCが開発した条件制御技術「T2I-Adapter」の組み合わせです。

T2I-Adapterは約7700万パラメータという非常に軽量なネットワークで構成されています。ベースとなる大規模な拡散モデル自体を再学習させることなく、外部から追加のスケッチ輪郭情報をモデルへ効率よく案内する仕組みです。

ただし、万能ではありません。Stability AIも認めている通り、複雑すぎる構図や極端に粗いスケッチの場合、意図通りのディテールが再現されないケースもあります。

なぜ重要か

プロンプトによる画像生成はすでに目新しさを失い、現在の現場が求めているのは再現性とコントロールの容易さです。

私たちは、Stable Doodleが持つ最大の強みは、これまで専門知識を要した精密な構図制御を、一般ユーザーでも迷わず扱えるUIへ落とし込んだ点にあると考えています。

デザイナーやイラストレーターにとっては、クライアントへの初期提案やプレゼン資料用のカンプ作成において、検索エンジンで理想の画像を探し回る手間を大幅に削減できるツールになり得ます。本格的な商用制作には依然として手作業のレタッチが欠かせませんが、アイデア出しの初速を上げる用途としては今すぐ試す価値があります。

また、業界視点では、Stability AIの基盤モデルとTencent ARCの制御技術が組み合わさった今回の事例は、オープンソースエコシステムの柔軟性を象徴しています。今後の画像生成ツールの競争軸は、単なる画質の向上から、人間の意図をどれだけ直感的に反映できるかという操作性の勝負へと移行しつつあります。