画像生成AIのLeonardo.Ai、独自モデル「Phoenix」でプロンプト再現性を強化へ

AI画像生成で多くのクリエイターが直面するのが、「ガチャを引くような不確実性」だ。どれだけ詳しく言葉を尽くしても、モデルが勝手に解釈して意図と違う絵を出力してしまう。

2024年7月31日のCNET報道によると、画像生成プラットフォームのLeonardo.Aiが、初の自社製基底モデル「Phoenix」のテストを進めている。グラフィックデザイン大手Canvaによる買収合意が発表された直後の動きで、プロンプトへの正確な追従と制作の制御性を前面に打ち出している。

2022年10月に設立された同社は、すでに1700万人の登録ユーザーを抱え、5月時点の月間アクティブユーザーは400万〜500万人に達していた。昨年12月には3100万ドルの資金調達も完了している。

Stable Diffusion脱却と自社基底モデル

これまでLeonardo.Aiは、オープンソースのStable Diffusionをベースにしたモデルを活用し、公開ライセンス画像やクリエイティブ・コモンズ、合成データを用いて学習を行ってきた。

月内後半に一般公開を控えるPhoenixは、同社が一から構築した初の自社基底モデルだ。最大の特徴は、長文で細部にわたるプロンプトであっても高い精度で忠実に反映できる点にあるという。

プラットフォームにはすでに、手描きスケッチと連動して即座に絵を描き上げる「Realtime Canvas」や、文字入力と同時に画像を生成する「Realtime Gen」、プロンプトで部分修正する「Edit With AI」などの機能が揃っている。さらにクリエイター自身が画像を学習させて独自モデルを作る機能も提供されており、昨年12月時点で47万個以上のカスタムモデルが作成されていた。

利用プランは制限付きの無料版に加え、月額10ドルからの有料プランを用意。キャラクターの同一性保持やスタイル参照、独自モデル学習といった高度な制御機能は有料枠となる。

CNETのレビュアーであるKatelyn Chedraoui氏は、Midjourneyなどと比較して指示への追従性は優れていると評価する一方、包括的な編集機能や見た瞬間のインパクトにはまだ改善の余地があると評している。

なぜ重要か

AI画像生成の競争軸が「偶然の美しさ」から「狙い通りの再現性」へと移りつつあることを象徴する動きだ。

ゲームアートや広告制作の現場では、いくら絵が綺麗でも、修正指示に応えられないツールは実務に組み込めない。キャラクターの一貫性やスタイル参照、独自学習を揃えたLeonardo.Aiのアプローチは、現場のクリエイターが抱える最も泥臭い課題に真正面から応えている。

また、単なるオープンソースのラッパー（皮かむり）にとどまらず、自社基底モデルPhoenixの開発に踏み切った判断は極めて合理的だ。基底技術を持たないUIレイヤーだけのサービスは淘汰されやすい。

Canvaの傘下に入ったことで、Adobe Fireflyに対抗しうる実用的なデザインエコシステムを築けるかが次の焦点となる。課題は、高い制御性を追求するあまりUIが複雑化し、ライト層が離脱しないバランスを保てるかどうかだろう。