Stability AI、Stable Diffusion 3.5 Large 向け ControlNet を公開

画像生成AIを使っている人なら誰しも、プロンプトのガチャ引きに頭を抱えた経験があるはずです。構図は完璧なのに、少しディテールやスタイルを変えようとすると全体が破綻してしまう問題は長年の悩みでした。

その解決策となるのが構図やポーズを精密に制御するControlNetです。Stability AIは11月26日、フラッグシップモデルであるStable Diffusion 3.5 Large向けに、公式のControlNetモデル3種（Blur、Canny、Depth）を公開しました。

モデルの重みはHugging Faceからダウンロード可能で、コードはGitHubで公開されています。オープンソースコミュニティのComfyUIでもすでにサポートされています。

16Kへのアップスケールと線画・深度の精密制御

今回リリースされた3つのモデルは、クリエイターが実務で最も頻繁に必要とする制御に対応しています。

1つ目のBlurモデルは、極めて高い再現性を備えたアップスケールを実現します。8Kや16Kといった超高解像度への拡大に対応しており、低解像度の画像をタイリング処理して巨大で緻密なビジュアルに仕上げる用途に最適です。

2つ目のCannyは、エッジ検出マップを用いて生成画像の構造を維持するモデルです。あらゆるスタイルで利用できますが、特にイラストの線画を崩さずに彩色やバリエーション展開を行う場面で威力を発揮します。

3つ目のDepthは、DepthFMによって生成された深度マップを用いて構図を制御します。建築パースのレンダリングや3Dアセットのテクスチャ制作など、空間的な遠近関係をミリ単位で固定したいワークフローに向けられています。

公式の発表によると、約150名が参加した同様の制御モデルとのELO比較評価において、SD 3.5 Large ControlNetsはユーザー嗜好度で1位を獲得したとしています。

年商100万ドル未満なら商用利用も無償

ライセンス面では、従来のStability AI Community Licenseが適用されます。

研究目的を含む非商用利用は誰でも無料で利用可能です。

スタートアップや中小企業、個人クリエイターであっても、年間総収益が100万ドル（約1億5000万円）未満であれば、追加費用なしで商用ワークフローに組み込むことができます。

生成された画像やメディアの権利は完全にユーザーに帰属します。年間収益が100万ドルを超える組織のみ、エンタープライズライセンスの契約が必要です。

なお、今後はパラメータ数が2BのSD 3.5 Medium向けモデルや、別の新しい制御タイプの追加も予定されています。

なぜ重要か

どれほど高性能なベースモデルが登場しても、コントロールが効かなければ商用パイプラインには組み込めません。

多くのデザイナーや3Dアーティストが、いまだにSD 1.5やSDXL環境に留まり続けている最大の理由は、ControlNetの選択肢と信頼性にありました。今回の公式提供によって、SD 3.5 Largeが単なるデモ用途から本格的な実務ツールへと移行する下地が整いました。

特にBlurによる16Kタイリング拡大機能と、建築や3D制作に直結するDepthの組み合わせは、現場の実用的なニーズを的確に捉えています。プロプライエタリなクラウド画像生成サービスでは実現が難しい、ローカル環境ならではの自由度の高さを改めて証明する形となりました。

もちろん、LargeモデルにControlNetを重ねてComfyUIで実行するには相応のGPUリソースが求められるというハードルはあります。それでも、より高精度な構図固定と高品質な出力を求めているプロであれば、今すぐテストする価値は十分にあります。