SDXL Turbo
Stability AI · 画像
SDXL Turboは、テキストプロンプトをわずか1ステップで画像に変えるStability AIのAI画像モデルだ。高い解像度を手放し、ほぼ即時の生成を手に入れている。
SDXL Turbo について
What Is SDXL Turbo
SDXL Turboは、Stability AIが2023年11月下旬に公開したテキストto画像モデルだ。SDXL 1.0を蒸留したもので、長く待たせるのではなく、その場で画像を出すために作られている。プロンプトを渡すと1回のネットワーク計算で応答する。Stability AIの画像モデルとしてリアルタイム画像生成と呼ばれるゆえんだ。
このモデルは速度という1つの課題を解決するために存在する。一般的な拡散モデルは、画像が出るまでに数十ステップを要する。SDXL TurboはADD（対抗拡散蒸留）と呼ばれる学習手法に頼り、その工程を1〜4ステップに圧縮する。Stability AIによれば、A100 GPU上で512x512の画像を約207ミリ秒で生成する。
その代償は出力に表れる。SDXL Turboは512x512の固定解像度で動くため、手指や顔といった細部が粗く出ることがあり、キャンバスを大きくすると構図が崩れやすい。当初の公開は非商用の研究ライセンスで行われ、現在はローカルでも、これを取り込んだホスト型ツールでも動かせる。
Getting Started
- Hugging Faceのモデルページに移動し、ダウンロードの前にライセンスを確認する。
- Diffusersライブラリで重みを取得するか、セットアップを省きたければ公開スペースを開く。
- モデルを読み込み、ステップ数を1か2にすれば最速、細部を求めるなら4まで上げる。
- 英語のプロンプトを入力して生成する。画像はタイピングの速さに近いテンポで現れる。
- プロンプトを一語ずつ調整し、構図が思い描いた形に近づくまで詰める。
AIツール情報
SDXL Turboの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- プロンプトを試すのが好きな人
- そこそこのGPUを使う趣味の人
- 機能を試作する開発者
タスク
- アイデアを即席でスケッチする
- プロンプトの言い回しを試す
- インタラクティブなデモを組む
- バリエーションを素早く出す
シーン
- 構図を探るデザイナー
- 拡散モデルを学ぶ学生
- アプリに画像機能を組み込む人
主な機能
1ステップの画像生成
SDXL Turboは、1回のネットワーク計算でプロンプトを完成した画像に変える。数十ステップを要するモデルと一線を画す、1ステップのテキストto画像の手法だ。そもそも高速な画像生成器として設計されており、見返りはライブと感じられるほど低い遅延だ。工程のどこも進行状況バーを待たない。高速画像生成を狙った作りだ。
対抗拡散蒸留
このモデルはADDと呼ばれる手法で学習する。蒸留損失と対抗損失を組み合わせたものだ。平たく言えば、より大きな教師モデルを模倣しながら、2つ目のネットワークがより鮮明な結果へと押し出す。これが少ないステップで綺麗な画像に届く理由だ。
リアルタイムの操作感
1回の計算が速いので、画像は打ち込みながら更新される。語を足せば場面が動き、消せば元に戻る。画像づくりは一発の命令ではなく、生きたループになる。
軽いハードル
蒸留されたモデルはSDXL 1.0よりずっと軽い。コンシューマー向けGPUで動き、控えめなクラウドインスタンスでも使える。試すのにデータセンター向けカードは要らず、個人の作り手にもリアルタイム生成が届く。
画像to画像の対応
テキストプロンプトだけでなく、同じパイプラインで画像to画像もこなす。参照画像を渡し、素早い応答を保ったまま作風を作り替えられる。新規生成だけでなく、作風の変更や素早い修正にも向く。
メリットとデメリット
メリット
- 1ステップで画像を生成するので、応答がほぼ即時に感じられる。
- コンシューマー向けGPUで動き、ハードルの敷居が低い。
- 重みが公開されており、自分のマシンで中身を確かめて動かせる。
- 1つのパイプラインでテキストto画像と画像to画像の両方を扱う。
- ホスト型スペースなら、何もインストールせずに試せる。
デメリット
- 出力は512x512に留まるので、手指や顔といった細部が粗く見えることがある。
- 解像度を無理に上げると画像が崩れやすく、用途が限られる。
- 当初の研究ライセンスは商用利用を禁じていたため、公開前に条件を確認したい。
- 少ないステップは仕上がりを速度と引き換えにするので、フル機能の拡散モデルより粗く見える場合がある。
よくある質問
書いたテキストを素早く画像に変えるリアルタイムのテキストto画像モデルだ。アイデアのスケッチ、プロンプトの検証、打ち込みながら画像が現れる道具の支えに向く。
関連コンテンツ
SDXL Turboに関連するツール、スキル、記事を探す。
SDXL Turboの代替ツール
X Ray Interpreter
X-ray Interpreter · 画像X Ray Interpreter は、X 線、CT、MRI、超音波、PET の画像を平易な言葉のレポートに変えるウェブベースの AI 放射線ツールだ。スキャン画像をアップロードすると、X 線の予備的な読影結果がすぐに返ってくる。説明が必要な箇所があれば、その後で追加の質問もできる。位置づけはセカンドオピニオンと学習の補助であり、医療診断ではない。
Aieasypic
AIEasyPic · 画像AIEasyPicは、単純なテキストプロンプトを数秒で完成したアート作品に変えるAI画像生成ツールだ。自分の写真でカスタムモデルを訓練したり、既存の画像の顔を交換したり、テキストから短い動画クリップを作ったりもできる。すべてブラウザだけで完結する。手早くビジュアルが欲しい気軽なクリエイターにも、コードを一切触らずに個人モデルを作りたい趣味の人にも向く。
Chargen
Chargen · 画像ChargenはDungeons & Dragonsやその他のテーブルトークRPG向けに作られたAIキャラクター生成ツール兼ワールドビルディングツールキットだ。一行のアイデアを描き上げたキャラクター肖像に変え、同じセッションでNPC、モンスター、マップ、遭遇を生み出し、すべてのクリーチャーの詳細を手元に置く。テーブルトークRPGアートの部分はGoldと呼ばれるクレジット制で動き、テキスト生成ツールは誰でも無料のまま使える。