「NovelAI Diffusion V4」最速レビュー　新機能の性能チェックと活用方法

こんにちは、スタジオ真榊です。2025年3月1日に、NovelAI Diffusion V4のフルバージョンが公開されました。機能が限定された先行公開版「V4 Curated Preview」が昨年12月21日に公開されており、いよいよNSFW機能などが解放された「full」を使うことができるようになったわけです。

「Curated Preview」リリースのときも所感をこちらの記事でお伝えしましたが、今回も最速レビューということで、フルバージョンの進化ポイントやユーザーとしての感想、実用面での使いどころなどを駆け足で紹介していきたいと思います。

NovelAI V4「Curated Preview」リリース！マルチキャラプロンプトの実践応用

こんにちは、スタジオ真榊です。本日、NovelAI Diffusion V4の先行公開版である「Curated Preview」がリリースされました。正式公開版の「full」は年明けになるようですが、目玉機能である「マルチキャラクタープロンプト」などを試すことができたので、レビュー記事をお届けします。 【更新：2025/03/02】その後「Nove...

（※記事中には私がv4を試していて感じた個人的感想が随所に出てきますが、あくまでごく短期間に感じた体感的なものですので、他の方の印象と違ったり、使っていくうちに異なる印象になったりすることはありえます。その点はご留意の上でお読みいただけると助かります）

【2025･03･16追記】最速レビュー時は「フォーカスインペイント」の実力を分かっていませんでしたので、該当項目を詳しく描き替えました。

目次

fullバージョンの進化ポイント

　　・マスピ顔は今回も「なし」

　　・画風関連のタグ適用結果

　　・プロンプト忠実度の向上

　　・ベンチマーク「肌の色が違う手」

　　・クリエイター名タグについて

　　・「画風は著作権保護されない」の罠

新クォリティタグ「no text」

背景描写力はどうなった？

アップスケール

新機能①「マルチキャラクタープロンプト」

　　・キャラクタープロンプトもインポート可

　　・ちょっと脱線：見落としがちな小ネタ

　　・位置調整カスタム

新機能②「自然言語指示」

新機能③アクションタグ（ターゲット機能）

新機能④フォーカスインペイント

インペイント力の増強

　　・存在しない続きを描く（アウトペイント）

　　・ポーズ変更

　　・服装変化

　　・背景チェンジ

ケモノモデル同梱

イラスト実例

おわりに

fullバージョンの進化ポイント

▲NovelAI公式サイトよりスクリーンショット引用

NovelAI V4は、これまでのようなStable Diffusionベースのファインチューニングモデルではなく、米Anlatan社が完全にイチから学習を行ったNovelAI初のオリジナルモデルです。fullバージョンではNSFW生成など多くの機能が解放されただけでなく、curatedバージョンよりもさらに1か月分多く、最新のデータセットを学習したとされています。

V3からの進化ポイントを簡単にまとめると、こんな感じ。

・タグで再現できる要素（キャラ・画風・シチュエーション等）が増加

・キャラごとのプロンプト・位置・アクションを指定できる「マルチキャラクタープロンプト」

・danbooruタグに加え、自然言語（英語）での細かな指示が可能に

・プロンプト拘束力が上昇（指示していないものが出にくい）

・VAEがSDXL用からFlux用に変更。細部がより明確に表現されるように

・V3でも強力だったインペイント力の増強と、「フォーカスインペイント」の実装

（※V3の「バイブストランスファー」機能は近日実装予定とのこと）

文章で説明するよりも、具体的な生成例を見た方が早いですね。画風、クォリティタグ、背景力、自然言語プロンプトなど、いろいろな要素を順番に試しました。

・マスピ顔は今回も「なし」

まず、V4でミナちゃんの生成をするとこんな感じです。v3と同じように、確たる「マスピ顔」は設定されていないことがうかがえます。

画風をタグで縛らない限り、このように「指示された要素は満たしているが、毎回顔立ちやタッチの違う子」が生成されます。顔立ちやキャラデザインだけでなく、スカートの描き方なども異なっているのが分かるかと思います。

・画風関連のタグ適用結果

「アニメ調」「水彩調」など、いくつか画風関連のタグを適用した結果を見てみます。

①flat color

②anime coloring

③sketch

④comic+monochrome

⑤watercolor(medium)

・プロンプト忠実度の向上

プロンプトへの忠実度はかなり上がっているようで、背景を特に指定していない場合、自動的に白背景になることが多かったです。indoorsとかblue skyなどと指定しない場合、勝手にそうした背景が描かれにくくなっていますし、school uniformタグにschoolやclassroom要素が学習されてしまっていて、勝手に学校っぽい背景が浮かんでくるといったことも少なくなっているようです。ただ、バニーガールを生成すると酒場背景が出やすいといった現象は確認できましたので、あくまで体感に過ぎないかもしれません。

上の生成例ではプロンプトガイダンス（SDにおけるスケールに該当）が5になっているので、これより下げると多様性が上がり、指示しないものが出てくる可能性が高まります。

・ベンチマーク「肌の色が違う手」

生成力はV3からどれくらい進化したでしょうか。ベンチマークとして、「黒い肌の女性と、白い肌の女性がベッドシーツの上で手を絡めている」というかなり難しそうな生成を、V3とV4それぞれで試してみます。プロンプトは「hand focus, 2girls,interlocked fingers, yuri,love,out of frame,[[dark skinned female]],skin color difference,on bed,bed sheet」です。

まずこちらがV3。

こちらがV4です。

V4も完璧というわけではありませんが、打率はこちらの方が高いように感じました。また、V4のほうがプロンプト指示に余計な解釈を加えず、シンプルな生成結果になっていることも感じられます。V3は特に指示していないのにエモいライティングを出していますが（light laysやfaint lightなどを適用した感じ）、V4は指示されない限り、言われた通りのものを出そうとしている体感があります。

・クリエイター名/作品名タグについて

また、curatedバージョンのレビューでも書いた通り、有名クリエイター（漫画家、イラストレーター等）の名前や、作品名のタグを使うと、これまで以上に高い精度で画風が再現できることを確認しました。V3まではあまり似ていると感じられなかったクリエイターの場合も、かなりそっくりに生成できるようです。

クリエイター名タグを使うことによって、画風の一貫性は容易に保つことができますが、単体のクリエイター名タグを使うのは非常にトラブルフルであることをよく考えて、自衛するようにしてください。

今回初めてNovelAIに触れる方もいると思いますので、以下いつもの注意書きです。

・「画風は著作権保護されない」の罠

ご存じの通り、生成段階の著作権侵害は「依拠性」と「類似性」によって判断されます。（と言われてぱっと分からない方は文化庁資料をご覧ください）

クリエイター名のタグを使っている時点で依拠性を満たす可能性は高く、あとは生成者がある既存作品の存在を知っていて、その作品と客観的に類似性があるとみなされれば、手描きの場合と変わらず著作権侵害になりうるということです。

最終的に著作権侵害かどうかを判断するのはもちろん裁判所。しかし、その手前で削除と損害賠償を求めて民事訴訟を起こされたり、告訴を経て警察に家宅捜索され、書類送検や逮捕に至ったりする恐れが常にあります。

自分の中では「画風は表現ではなくアイデアだから、著作権保護されない。自分の投稿した画像はその作家のどの作品にも似ていないから、類似性がない」と思っていても、画風を真似られた作家さんがもし激烈に画像生成AIを嫌悪している人だった場合、問題提起のために敗訴覚悟の提訴や告訴に踏み切られるかもしれない、ということです。実際には類似性が薄かったとしても、何年もかかる非常に面倒な訴訟に巻き込まれますし、一審で無事「類似性がない」などの判断を勝ち取れたとしても、控訴されればラウンド2が始まります。

「訴訟費用と時間とお金と心の平穏を失ってまで、他人の画風の画像を公開したいですか？」と言われたら「いいえ」と答える人がほとんどだと思います。クリエイター名タグを使うことがまずいというより、たかが遊びの生成で誰かのビジネスを邪魔して激烈に怒らせることの方が、あとあと面倒な事態を招くということですね。

クリエイター名タグを避けて画風固定をする場合は、年代ごとのマスピ顔が整理された「year〇〇」タグを使ったり、「たれ目」「ドットの鼻」などと細かく指定することで、これくらい狭めることはできます。

▲使用タグ：[[[flat color,anime coloring,hatching,sketch]]],year2024,ai-generated,tareme,dot nose,

何がマナーであるかはおのおのが自分のために考えるべきことですので、この記事でマナー講師のように「ユーザーのあるべき姿」を説いたりするつもりはありません。「画像生成を安心して楽しむためには、他人に見られても問題がないようなプロンプトを追求しておいた方が安牌」程度のお話かなと思います。

新クォリティタグ「no text」

さて、デフォルトで用意されている品質タグ（クォリティタグ）は「加える」か「OFF」かの二択。オンにすると、V4の場合は「best quality, very aesthetic, absurdres,no text」の４つが内部で書き加えられます。

この「no text」は、画面上にフキダシやロゴ、サイン、擬音などが生じてしまうのを防ぐために、V4で新たに導入されたクォリティタグとのこと。品質タグを「加える」にしていると、no textタグの影響で文字を生成しないバイアスが強くかかります。下の例では「？」の吹き出しを出すようプロンプトで指示していますが、「no text」タグが裏で作用しているため、吹き出し指示が高確率で無視されています。

文字を出したい場合は、品質タグを「オフ」にした上で、「no text」を除いた「best quality, very aesthetic, absurdres」を自分で加えることで、V3以前と同じように生成することができます。

英文のテキストを入力したい場合は、「text:〇〇」のタグでできます。例えば、「text:novelAI v4!,speech bubble」とするとこの通り。日本語は未対応のようです。

背景力はどうなった？

curatedバージョンでは明らかに背景がはっきり描かれにくいバイアスがかかっていましたので、fullバージョンでどれくらい描かれるようになったか試してみます。

こちらは、上のプロンプトに加えて「渋谷の街・群衆・車・空」と指示して生成したもの。

「普通サイズ・横型」サイズで生成したためか、さほど一般的なSDXLモデルと大差ない生成結果となりました。

「大サイズ・横型」にするとこのような感じです。「scenery」が悪さをしている感じがしたので取り去ると、ややましになりました。背景についてはバカ強というわけではなく、画風タグなどで底上げする必要があるように思います。

また、V4の背景の特徴として、クォリティタグをいじらなかった場合はかなりボケがちであると感じています。特に、キャンバスサイズが「普通」の場合はボケやすい感じがします。

これを回避したい場合は、blurry backgroundやdepth of fieldをネガティブに入れたり、フラット系の画風指示タグを使うなどしましょう。基本的に、novelAIで一貫性のある生成をする場合は自分なりにクォリティタグを作り込む必要がありますので、それなりに試行錯誤が必要かと思います。

アップスケールの取り回し

こちらは「1girl,solo,red glasses,serafuku,long ponytail,short sleeves,

navy pleated skirt, shiny skin,white shirt,black pantyhose,blue eyes,black hair,

white ribbon,dot nose,red tie,smallbreasts,outdoor,city,sky,car,crowd,

tokyo,shibuya,photo_background」というプロンプトを使い、普通サイズ・横型で生成したものです。おおむね整合性は取れていますが、細部はぼやけていますので、画面右側の「品質向上」ボタンからアップスケールを行ってみます。

特に取り回しはV3と変わっておらず、普通サイズからは等倍と1.5倍のみが選択可能。デフォルトでは、このようにノイズ除去強度を「レベル」で選択できます。

1.5倍、レベル3でアップスケールしたものがこちら。細部がはっきりアップスケールされました。（背景はかなり描き替えられ、メインキャラも視線や制服の細部がやや変化しています）

「高度な設定を表示」ボタンを押すと、このようにノイズ除去強度と加えるノイズ値を操作することができます。レベルが上がるほど、それぞれの値が段階的に大きくなる仕組みですが、ノイズ値が大きすぎると全く違う画像になってしまう点に注意が必要です。

デフォルトのレベル3だと「ノイズ除去強度0.5、ノイズ値０」の設定。下図は最強のレベル5ですが、それでもこの程度にとどまっています。

こちらが「レベル5」でアップスケールしたものです。こうした複雑な背景にしたい場合は、普段の記事で解説しているような、背景とメインキャラを別々に生成するなどの工夫が必要になるかと思います。

新機能①「マルチキャラクタープロンプト」

V4の目玉の一つが、キャラクターの描き分けがかなり高性能にできる「マルチキャラクタープロンプト」の搭載です。curatedのレビューでも説明しましたが、このようにキャラクターごとに容姿や仕草のプロンプトを分けて適用することができます。（※1つの画像につき、最大6人まで）

シーンの概要を説明する「ベースプロンプト」を普段のプロンプト欄に記入したら、複数キャラそれぞれの容姿や仕草、カメラワークなどを説明する「キャラクタープロンプト」を専用の欄に記述すればOK。これによって、キャラクターAの特徴がキャラクターBに波及してしまう（目の色、表情など）のを簡単に抑制することができますし、キャラごとにネガティブタグを指定することもできます。

上の例は、以下のようなプロンプトで生成できました。

ベースプロンプト：2girls,eye contact,standing,indoors,upper body,side by side,height difference

キャラクター１（ミナちゃん）：girl, adjusting eyewear, embarrassed,sidelocks,red-framed eyewear,semi-rimless eyewear,blue eyes,white pupils,school uniform,serafuku,hair between eyes,navy_sailor_collar,ponytail,short sleeves,shiny skin,black hair,white bow,red neckerchief, navy pleated skirt,pantyhose, looking at another

キャラクター２（綾香さん）：girl,wife, tall female,curvy,(((thick eyebrows))),tareme,blue eyes,hand in own hair,large breasts,shiny black hair,straight medium hair,one ear,blunt bangs,crown braid,x hair ornament, blue hairpin,asymmetrical hair,shiny skin,blunt bangs, detailed grey sweater,black skirt,40 years old,sleeves past wrists, smile, looking at another

ポイントは、キャラの方は「1girl」「1boy」ではなく「girl」や「boy」を使うことですね。

「curated」では背景指示があまり効きませんでしたが、fullバージョンになってきちんと背景処理ができるようになったと感じました。下図は、さきほどのプロンプトに「back-to-back,sitting on bed,bedroom,pillow,from above」を加えて生成したものですが、指定した通りに「寝室でベッドの上に違う方向を向いて座っている」画像にできています。（※side by sideとback to backを併用しているので、このように微妙に違う向きをして並ぶ形になっている）

・キャラクタープロンプトもインポート可

ちなみに、通常のプロンプトと同様、これらの個別のキャラクタープロンプトはベースプロンプトと別にpngに保存されています。画面右側の生成画像を画面左側のメニュー上にドラッグアンドドロップすれば、下図のような画面が開きます。あとはインポートしたい情報にチェックを入れることで、少し前に生成した画像の情報を使って再生成を行うことが可能です。

Xに投稿した画像はこうしたメタデータが削除されてしまいますが、アップするプラットフォームによっては他人もインポートできる状態になります。プロンプトをシェアしたくない場合は注意しましょう。

【★ちょっと脱線：見落としがちな小ネタ】

・画面右側の生成履歴上でCtrlキーを押しながら画像をクリックすると、その画像を生成したときの全ての入力情報が画面左側の生成メニューに反映されます。プロンプトを一部書き換えたいとか、別seedで生成したい場合に便利です。

・画面左上のアヒルのようなボタンを押すと、「自動ダウンロード」というトグルがあります。これをオンにしていると、生成後に画像が自動ダウンロードされますので、不意に画面を更新したり消したりしてしまって生成画像をロストする恐れがなくなります。生成と同時に画像のDL先を指定するメニューが開きます（ブラウザ設定によっては指定場所に自動DLも可能）

位置調整カスタム

これもcuratedから公開された、マルチキャラクタープロンプトのいち機能。キャラクターごとの位置は基本的に先に書いたほうが左側に描かれますが、キャラクタープロンプト欄にある「AIにお任せ」というトグルをオフにすると、各キャラクターの位置をこのようにカスタム指定することができます。左右はそのままキャンバスの左右ですが、上は「奥」、下は「手前」を意味するようです。

この機能、初めて使うときは結構失敗します。コツは、画角や立ち位置といったカメラワークに関するプロンプトを一切使わないこと。位置調整カスタムよりもプロンプトが優先されるので、カメラワーク指示に自由度がないと、基本的に無視されてしまうようです。例えば、from aboveとか、line upといった指示を守りながら上記の指示を達成するイラストを頭の中で想像してみると、結構条件が難しいことが分かります。また、「キャラ１は左、キャラ２は右」という前提法則もなかなか覆せないようですので、基本的にその順と同じ位置に指定するようにしましょう。

うまく行く場合はこういう感じになります。これは、左上のA1にミナちゃん、右下のE5に「boy,looking away,facing away,faceless」と指定しています。

A1、つまりキャンバスの一番左側に正確にミナちゃんが来るわけではありませんが、2キャラの間でなんとなく、「左奥と右手前」の位置関係にできていることがわかります。

構図指示を完璧にしたい場合、次に説明する自然言語指示での拘束力が強いです。このカスタム機能は、構図を支配できる機能というよりは、弱いバイアスを掛けられる補助機能程度に考えておくとよいのかもしれません。

新機能②「自然言語指示」

公式声明によると、V４では自然言語を最優先機能としてサポートしたそうで、Niji journeyなどと同様、英語の通常の文章で画像生成を行えるようになっています。もちろん、これまでのdanbooru式のプロンプトと組み合わせることも可能。V4モデルはテキスト理解力が大幅に向上しており、テキストエンコーダーも新しいものに置き換わったことで、これまでよりも詳しいシーン指定ができるようになったとされています。

実際はどうなのか、さっそく次のような自然言語でプロンプトを組んでみました。

日本語：「ポニーテールで、クラシックなセーラー服（ネイビーのスカート）、黒のストッキング、赤い眼鏡を身に着けた少女。ダイナミックなポーズで空から楽しげに落ちており、片脚を高く上げ、無邪気で嬉しそうな表情を浮かべている。背景は、明るい空ときらめく海が溶け合う幻想的な光景で、巨大クジラが空を飛んでいる。彼女の周囲には、風に舞うページの教科書、カラフルなペン、スクールバッグ、スマートフォンなど、学校に関連するアイテムが浮遊している」

chatGPTによる英訳：「ponytail, wearing a classic sailor school uniform with a navy-blue skirt, black stockings, and red glasses. She is joyfully falling from the sky in a dynamic pose, her leg lifted high, with a playful and delighted expression. The background features a surreal and vibrant mix of a bright sky blending into a shimmering ocean, where a majestic giant whale is leaping out of the water. Surrounding her are floating school-related items, including textbooks with fluttering pages, colorful pens, a school bag, and a smartphone, all weightlessly suspended. 」

こちらが生成結果。おおむね指示通りの画像を生成することができました。

ただ、タグをすべて自然言語で指定すると、画風にも大きく影響してしまうようで、どのようなタッチの画像が出てくるのかかなり予測不能になります。danbooru式で記述しているときとあまりかけ離れた画風になってしまうようなら、基礎的な部分をdanbooru式で行い、間違えがちな部分だけを自然言語にするといった工夫が必要になるかなと思います。（次項参照）

・マルチキャラクタープロンプトとの併用

自然言語とdanbooruタグを併用するときには、さきほど紹介したマルチキャラクタープロンプト機能が役に立ちます。ベースタグの部分に背景情報だけを自然言語で書き、ミナちゃんに関する描写は「キャラクター１」の欄にdanbooruタグで記述すると、自然言語の影響でキャラクターの画風が大きく変化するのを多少防ぐことができるようです。

ベースプロンプト：The background features a surreal and vibrant mix of a bright sky blending into a shimmering ocean, where a majestic giant whale is leaping out of the water. Surrounding her are floating school-related items, including textbooks with fluttering pages, colorful pens, a neatly packed school bag, and a smartphone, all weightlessly suspended.

キャラクタープロンプト：girl, wavy mouth,falling,flying,adjusting eyewear, embarrassed,sidelocks,red-framed eyewear,semi-rimless eyewear,blue eyes,white pupils,school uniform,serafuku,hair between eyes,navy_sailor_collar,ponytail,short sleeves,shiny skin,black hair,white bow,red neckerchief, navy pleated skirt,pantyhose, looking at another

・位置関係指定にも使える！

danbooru式にも、{}や[]でタグ別に強弱が付けられるなどいろいろなメリットがあるのですが、danbooruタグが苦手なのは、位置関係を示すことです。例えば「オブジェクトが 3 つあり、1つは赤い立方体。青い立方体が赤い立方体の上に配置されている。1つの緑の球体は赤い立方体の左側、すぐ隣。少女は赤い立方体の右側に立っている」といった状況を生成するには、danbooruタグではなく自然言語タグでないと再現できません。

以下のように自然言語で指示すると、見事に指定通りの位置関係を出すことができます。こちらも、キャラクターに関する部分はdanbooru語で書いています。

メインプロンプト：1girl, looking at viewer, full body. There are three objects. A single red cube. A single blue cube is placed on top of the red cube. A single green sphere lies to the left of the red cube, just next to it. The girl is standing to the right, next to the red cube.

キャラクタープロンプト：girl, adjusting eyewear, smile,looking at viewer,sidelocks,red-framed eyewear,semi-rimless eyewear,blue eyes,white pupils,school uniform,serafuku,hair between eyes,navy_sailor_collar,ponytail,short sleeves,shiny skin,black hair,white bow,red neckerchief, navy pleated skirt,pantyhose,

新機能③アクションタグ（ターゲット機能）

マルチキャラクタープロンプトを使っているときに、「誰が」「誰に」その行動を取っているのか指示できる新機能が「アクションタグ」です。「source#〇〇」「target#〇〇」「mutual#〇〇」という三つのタグを使うことで、その行動の主体と対象を指定できます。〇〇にはhug、pointingなど動詞系のタグが入り、「source#」なら行動の主体、「target#」はその受け手、「mutual#」が相互に行っていることを示しています。

公式では、「source#hug」をキャラ１に、「target#hug」をキャラ２に指定することで、キャラ１がキャラ２を抱きしめる動作をさせられると説明されています。ただ、実際にやってみると、このような感じで要素が混ざりがち。

コツとしては、ベースプロンプトには「hug」を入れないこと、混じってしまいやすい服装や顔立ちがある場合は、キャラごとのネガティブプロンプトに混じってほしくない要素を入れることです（上の場合、serafukuやhairpinを入れたくないキャラにネガティブ指定する）

しかし、そうしてもこのように、ターゲット関係があまりはっきりせず、お互い抱き合っている（mutual#hug）状態になりがちです。

これを避けるには、ベースプロンプトのネガティブにmutual#hugを入れます。一方的に抱きつかれているキャラの手がどんな状態なのかをプロンプト指示してもよいでしょう。（hands on kneeなど）

かゆいところに手が届く機能ではありますが、位置情報カスタムと同様、そこまで強力な効果があるわけではなさそうです。アクションタグの使いどころは実はそんなになく、「キャラ１がキャラ２を指さして怒っている、キャラ２は笑ってごまかしている」のようなシチュエーションを出したい場合、いちいちアクションタグを使わなくてもキャラAに「pointing another」を入れるだけでけっこうできてしまいます。また、さきほど赤い立方体の例でやったように、自然言語で指示してもできるでしょう。

実践では、最初からアクションタグを使用してプロンプトを組むというよりは、「普通に生成したら主従関係が混線してしまった場合に、それを回避するときに補助的に使う」ようなイメージかと思います。V4はマルチキャラクタープロンプトと自然言語のコンビが非常に強いので、位置情報カスタム・アクションタグはその補助として、うまくいかないときに限って思い出して使ってみる感じの使い方になりそうですね。

新機能④フォーカスインペイント

画像の一部をインペイントする際、元画像よりも高画質に修正できる新機能が「フォーカス・インペイント」です。curatedバージョンにはなかった機能で、Opusプランを利用している場合、Anlas無料で使い放題になります。ローカル生成をしている方が分かるように言うと「自分で範囲指定できるADetailer」のような感じ。キャンバス上小さいサイズのインペイントはどうしても低品質になりがちだったところを、詳細化してインペイントすることができます。

例えばこのようなケースです。カメラワークが遠景だと、手や顔といった難しい部分の描画範囲が狭くなり、解像度が下がるので正確性が失われます。だからといって全体のキャンバスサイズ（というより解像度）を上げると、今度は整合性が取れなくなって破綻してしまいますね。これを解決するため、ADetailerは手や顔を自動検出してimage2imageすることで整合性を取りながら解決しているわけですが、「フォーカスインペイント」はそれと同じことができるわけです。

これはNovelAIの通常のインペイントで全身像３つの顔部分を修正したもの。やはり左のアップに比べて描画範囲が狭いので、今一つの出来ですし、右端は眼鏡の指示がオチています。これがフォーカスインペイントだとどうなるかやってみましょう。

使い方は簡単で、「参照用画像を追加(任意)」ボタンなどから修正したい画像を読み込んで、インペイント範囲を選択する画面まで進み、消しゴムボタンの隣にできた四角いボタンを押すだけです。

そのまま画像の上でドラッグすると、このような見慣れない範囲指定ができます。中央の透過した部分がアップスケールされる部分、その周りの茶色くなった範囲が「アップスケール時に参照される範囲」です。画面左上にある「最小参照範囲」で、茶色の範囲を増減することができます。

フォーカス範囲を普通にドラッグするとそのまま上下左右に動かせますが、ふちの右下の濃くなった部分をドラッグするとサイズの再選択もできます。範囲指定を間違えたときは、範囲外を単クリックするとやり直せます。

ここからがミソ。フォーカス範囲が決まったら、ペンのボタンからもう一度インペイントをマスクできる画面に戻します。フォーカス範囲の中の直したい部分をこのようにマスクしましょう。（最速レビューの初稿では、この通常インペイントと併用するやり方が分かっていませんでした）

範囲を保存して、大きいサイズで生成します。サイズを問わず、一枚生成なら0anlasになるようです。プロンプトは普段のミナちゃんプロンプト「1girl, solo,sidelocks,red-framed eyewear,semi-rimless eyewear,blue eyes,white pupils,school uniform,serafuku,hair between eyes,sailor_collar,ponytail,short sleeves,shiny skin,black hair,white bow,red neckerchief」です。スカートなど下半身のタグはフォーカス範囲に入らないので書いていません。

こちらが生成結果です。

さきほどは範囲が狭すぎてつぶれていたところが生成できるようになっていますし、フォーカス範囲であっても青く塗りつぶしたマスク部分以外は変更されていません。

その代わり、画風はNAI側に寄るので、手などの修正ならいいですが、顔などの特徴的な部分のインペイントには向かないことも分かります。

範囲内はimage2imageされるわけではなく、基本的に元画像部分が捨てられてプロンプト通りに描き直されるため、元画像を生かしながら詳細にimage2imageするADetailerのような使い方には向かないようです。例えば、下図の範囲全体を単に「2girls」でフォーカスインペイントすると…

このように全然違うキャラクターになってしまいます。アップスケールではなく「描き替え」「修正」を、これまでのインペイントよりも高精細に行って周囲となじませますよ、という機能と受け止めるとよいようです。

ちなみに、参照範囲が最小だと、このようにプロンプトに反応して意図しない物体や小人が生成されることがあります。参照範囲はデフォルトが最大の96pxになっていますので、特に理由がなければいじらなくてよいと思います。

・通常インペイントとの使い分け

では、どういうときがフォーカスインペイントの使いどころなのでしょうか。

基本的に、広範囲に描かれているものを直したい場合は通常のインペイントで問題ありません。

「フォーカス」のつかいどころは、さきほどのように狭い範囲のとき。これは、ミナちゃんの薬指に「wedding ring」を通常インペイントしたものですが…

低解像度のためあまりうまくいっていません。

そこでこのようにインペイント範囲をフォーカスすると…

このように低解像度にすることなくインペイントすることができます。

ここで注目したいのは、インペイント範囲「外」のほう。

このように並べると一目瞭然ですが、通常インペイントの場合、画面全体を生成しなおすので、キャンバス設定によっては元画像よりも低解像度にしてしまうことがあります。フォーカスインペイントはフォーカス部分だけをインペイントできるのも強みですが、フォーカス部分以外を触らないので、このように低解像度化を防ぎながらアップスケールしてくれる（その上Anlas消費しない）のが強みなわけです。

そう考えると、広範囲のインペイントだったとしても、とりあえずフォーカス範囲を取っておけば低解像度が防げてAnlas消費も０でよくなるので、やらない理由がないということになってしまいますね。あまり濫用しすぎると、遠からず「フォーカス機能のAnlas消費0期間はこれで終わりです」となってしまいそうなので、良識の範囲内で使うのがよさそうです。

インペイント力の増強

このFANBOXでもたびたび紹介してきた、V3の異様なインペイント力の高さ。もともと、V3でもこちらの記事で紹介したようなさまざまな「描き替え」「描き直し」が可能でしたが、V4になってできることが増えたかどうか、いろいろと実験してみました。

NovelAI「V3」が理解る！②「inpaintで簡単差分」「NSFWのコツ」

こんにちは、スタジオ真榊です。12月最初の今回は、「NovelAI『V3』が理解る！プラン選びと基本設定を徹底解説」に引き続き、「NAIDiffusionV3」について検証していきます。 前回はNovelAIの登録方法から基本的な画面の見方、操作方法等についての全体公開記事でしたので、今回はより具体的に、雑塗りi2iやEnhance（強調...

・存在しない続きを描く（アウトペイント）

まずはこちらの画像の「存在しない続き」を描いてもらいましょう。

画像編集ソフトでキャンバス範囲を変更し、余白を作ります。

余白付きの画像をNAIに読み込ませて、通常インペイントでこのようにマスクします

こちらが生成結果。特に破綻はありませんが、机が小さすぎですね。（小学校みたい）

下半身をもう一度インペイントするとこのような感じ。こだわりはじめるときりがありませんが、もうちょっとインペイントすればなんとでもなりそうな感じがします。

ポーズ変更

次はこちらの画像を、こちらにむかって指をさしているポーズに変更します。変更したい部位と、変更後に新しい絵が描かれる部位をそれぞれ大きめにマスクします。

「1girl, solo,angry,serafuku,pointing at viewer, perspective, foreshortening」で生成すると、このようにできました。しかし、もっとこう…手を手前に大きく描いて、漫画パースにしてほしいところですね。

そこでこのように、画像編集ソフトを使って右手部分をコピペし、いい感じの位置に雑に貼り付けます。

次に、おかしい部分をすべて広めにマスクします。

あとは普通に生成すると、このように整合性を取ることができました。プロンプトはさきほどと同じです。

もう一工程インペイントを挟んで、左手を腰にあててもらい、指の細部も調整するとこう。V3からそうですが、直感的に想像した通りの結果になりやすいので、本当に使いやすいですね！

服装変化

今度は服装の変更を試します。コツは、ギリギリに覆うのではなく、かなり広めにセーラー服部分を塗りつぶすことです。潰し残しが１ドットでもあると、「そこにその色の何かを描かないといけない」というバイアスが働いてしまいます。

ちなみに、V4ではマスク用のブラシ形状がV3の正方形から円形に近い形に変更されています。これはこれで細かいところを覆いやすいのですが、広範囲に端までまっすぐ塗りたいときもあるので、できれば正方形と２つから選べると嬉しいところ。

こちらが生成結果。指定した通りにできました。

※PP： 1girl, solo,bunny girl,playboy bunny,fake animal ears, pantyhose,small breasts,detached collar,wrist cuffs,red bowtie,rabbit ears,black leotard,strapless leotard,

背景チェンジ

同じ画像でもう一つ実験してみます。背景部分をこのように塗りつぶして、背景ができるか試します。

このように、白い縁取りができてしまったら範囲選択の失敗です。どこかに、肌の外側に白いドットが残ってしまっているので、入念に塗りつぶしましょう。

今回の犯人はここ。口の左下に三角形に白いドットが残ってしまっていました。ここをちゃんと塗りつぶして生成し直します。

今度はこのように、縁取りを消せました。とはいえ、どうも屋外の背景描写力はさほど期待できないようですね…。

school,classroomだとこのような感じ。やはり背景とは別々に生成して合成したほうがよさそうですね。

ケモノモデル同梱

ケモ属性の人向けに、以前は「ケモ専門モデル（furry model）」がリリースされていました。今回はfullバージョンにケモデータセットが同梱されているので、プロンプトの先頭に「fur dataset」というタグを付けることで、別モデルに変更することなくケモ属性の画像を生成できるようになっています。

細かく人間用の衣装などを設定していると、うまくケモ化せず、普通の人間の女の子に描かれてしまうことも多いようです。門外漢なのであまり詳しい説明はできませんが、毛皮やツメ、キバ、動物耳などのタグを盛ることで「ケモ度」を上げられるものと思います。「furry female/furry male」や「body fur」「animal nose」あたりを盛ると、このようになります。

手をケモ寄りにする場合は、わざとfewer digits（指の数が少ない）を使うなど、いろいろ専門のプロンプティングがありそうですね。

イラスト実例

最後に実際のイラスト実例も載せておきます。普段の私の投稿物と画風がブレてしまわないように、自分モデルでの加工と加筆を加えていきます。

NAIV4でのプロンプトはこちら。

PP：1girl,chun-li, kicking,sneaker,hair bun,chinese clothes,pelvic curtain,china dress,{{{speed lines,after effect}}},perspective,anime colored,black hair, blue dress, boots, bracelet, brown eyes, bun cover, china dress, chinese clothes, double bun, dress, earrings, frown, grey pantyhose, hair bun, high collar, high kick, jewelry, kicking, knee boots, kneepits, leg up, looking at viewer, medium dress, open mouth, outside border, pantyhose, pelvic curtain, puffy short sleeves, puffy sleeves, short hair, short sleeves, solo, spiked bracelet, spikes, standing, standing on one leg, v-shaped eyebrows, white boots,ai-generated

品質タグは「加える」にして、画風固定タグは「ai-generated」しか入れていません。比較的画風のブレが少なくなる気がしています。

気に入った一枚がこちらです。バトルポーズもかなりV4は強い感じがします。

自分モデルを使ってimage2image。プロンプトはそのままです。

できたものをもう一度AnytestV3に掛けて、同じプロンプトで生成したのがこちら。

タイツ感がなかったり、いろいろな細かいミス、溶けがあるので、地道に加筆していきます。特に瞳はまるまる塗りつぶして描き直し。口の大きさや眉の短さも好みで調整しています。

放射ぼかしや集中線を入れてできあがり。春麗さんは3/1が誕生日でしたので、たまたまV4と同じでしたね。

V4の強みをどのように活用するかは人それぞれだと思いますが、私の場合はインペイントの強さと、こうした難しい構図の再現に使うのが一番合っている気がします。

終わりに

というわけで、リリース2日目になってしまいましたが、NovelAI V4「full」の最速レビューでした。まさかネットワーク障害でマンション全体が24時間ネット不通になってしまうとは思わなかった…。

こちらは加筆やインペイント盛り盛りで作った二次創作絵ですが、これまではなかなかこうした難しいカットを出しにくく、前回記事でやったように自分の手を写真で撮るなどしなければならなかったので、モデル自体の実力向上でt2i生成ができるようになると本当にはかどりますね。そして恐らく、今後の課題だとした「おっさんの手から取った線画を女の子の手らしくする」も、V4の自然言語image2imageなら結構できてしまうのではないかと思います。

V4全体の個人的な所感としては、やはり今回もインペイントの使いやすさが神がかっている印象です。どうやって開発したのかは分かりませんが（オリジナルCNを作っている？）、NovelAIのインペイントモデルには月須和さんのCNと同じような「オーパーツ感」を感じますね。さらに、インペイント時に自然言語指示やキャラクター別のプロンプト適用ができるようになったことも相まって、相当成功条件の難しいインペイントもできるようになったように思います。しかも、V4は全体に生成速度がとても速い！

一方、弱点はやはり「背景描写力」でしょうか。前景と一緒に背景を生成する場合は、ぼかしたり、photo backgroundタグを使ったりしてごまかさないと、なかなかうまくいかないように感じました。「一貫性を保つにはクリエイタータグ使用が避けられないこと」も引っかかります。海外の学習者に顕著ですが、あまり日本のクリエイター名タグを入力コンソールとして使うことに躊躇がないんですよね。画風に一貫性を持たせるには、実在クリエイターの画風をいくつか混ぜるなどのやり方が手っ取り早いわけですが、日本のアニメや漫画作品を大事に思うユーザーとしてはやはり道義的に躊躇してしまうところです。（単純にトラブルも怖い）

illustriousなどのローカルモデルなら、CoppyLoRAwebUIなどを使うことで自分らしい画風を再現することもできますが、NovelAIのようなオンラインサービスだとそうもいきませんので、どうしても気を付けて運用する必要がありますね。今後V4用のバイブストランスファーなども揃ってくると、また画像生成を大いにレベルアップさせてくれるツールとしてさらに有用になっていくと思いますので、今後も定期的にNovelAI検証は続けていきたいと思っています。

それでは今日はこのへんで。スタジオ真榊でした。