スタジオ真榊

「XYZ plot」で比較実験　モデルの最適設定を探るには？

Added 2024-12-12 12:10:08 +0000 UTC

こんばんは、スタジオ真榊です。今回はStableDiffusionWebUI上で生成結果の比較実験ができる機能「XYZ plot」に関する解説記事をお届けします。（※2023年3月配信のアーカイブ記事「XYZ plotで初めてのモデルと仲良くなろう！」の内容をアップデートしたものです）

入手したばかりのモデルはどんなクォリティタグが効くのか、どんなステップやスケール、サンプラーを選んだら自分好みのイラストが生成できるかがよく分からないため、思い通りの画像生成ができず、結局普段のモデルに戻ってしまった…ということがよくあります。Civitaiなどではモデルの公開者がオススメ設定を書いてくれていることが多いですが、XYZ Plotを使って最も自分好みに動いてくれるスケールやステップ、サンプラーの「スイートスポット」を探すことで、さらに実力を引き出すことができます。

この記事では、XYZ Plotの基本的な使い方をはじめ、初めてダウンロードしたモデル（Checkpoint）や自分でマージしたオリジナルモデルの最適設定を探るため、入力値をコピペして放っておくだけで各種比較実験が完了できるオススメのルーチン設定などを紹介していきます。

XYZプロットの基本

XYZプロットは、A1111版やForgeなどのStableDiffusion Web UIに標準搭載されている機能で、最大で3つの次元（X軸、Y軸、Z軸）のパラメータを同時に組み合わせて画像生成を比較することができます。異なるモデルやステップ、サンプラー、プロンプトなどの組み合わせを自由に「総当たり」することができるため、そのモデルに最適な設定をビジュアライズできるのが特徴です。

WebUIの生成画面の一番下にあるプルダウンメニューから「X/Y/Z Plot」を選択すると、こちらの画面が現れます。（※以下、日本語化環境によって表示が異なる点にご注意下さい）

「X軸（横軸）」と「Y軸（縦軸）」に比較したいSeed値や学習モデルなどを入れた状態で生成開始すると、それぞれの組み合わせを総当たりで生成し、下図のように凡例（比較一覧画像）を生成してくれます。上のスクリーンショットでは、Stepを10と20、CFGスケールを4～7までの整数で指定していますので、それぞれの画像と一緒にこのような凡例が出力されます。

必ずしも複数軸を組み合わせる必要はなく、X軸だけ、Y軸だけにパラメータを設定しても、問題なく比較生成を行うことができます（Xなら横一列、Yなら縦一列に画像が並びます）。「凡例を描画」のチェックを外すと、一覧画像は作られず、全ての組み合わせの画像だけが保存されます。

「凡例を描画」するときは「サブ画像を含める」にもチェックしておきましょう。こうしないと、UI右側の生成結果画面に各生成画像が表示されず、凡例画像だけが表示されます（内部的には指定フォルダに生成・出力されています）

比較可能なパラメータ

XYZ軸に入力できる主な設定値は次のようなものがあります。

なし：その軸を使わない場合は「なし」を選ぶ

Seed: シード値

Steps: 生成ステップ数

Prompt S/R: プロンプト置換。プロンプトの一部を指定したものに置き換えできる

Sampler: サンプラー

Scheduler: スケジューラー

Checkpoint名: 使用するモデル

CFG Scale: CFGスケール値

Hires upscaler: 高解像度補助（Hires）アップスケーラー

Hires steps: 高解像度補助（Hires）ステップ数

Clip skip: CLIPスキップ値

ノイズ除去: ノイズ除去強度

Prompt order: プロンプトの順序変更

VAE: 使用するVAEを切り替える。主にキャンバス全体の彩度に影響する

これらに加え、webUIにインストールしたさまざまな拡張機能のパラメータも追加されていくため、環境によって入力できる設定値はさまざま。webUIによって、設定できる数値に差がある点にも注意が必要です（例えば、ForgeではControlnetのパラメータを比較生成することができません）

基本は"XYのみ"で考えよう

最初はZ軸のことは忘れて、「横軸X/縦軸Yの二次元で総当たりできる機能」と理解したほうが早いです。実際、この機能は当初は「XY plot」という名前の機能でした。Z軸にパラメータを指定すると、そのXYの組み合わせ表をさらにZ軸の個数だけ作ることになります。

例えば、横軸Xにステップ、縦軸Xにスケールを３種類設定したとすると、３×３で９枚の画像からなる比較表が生成されます。さらに、Z軸にサンプラーを３種類指定すると、さきほどの３×３のステップ/スケール比較表がサンプラーA、B、Cで３つ生成されることになり、計27枚の画像が生成されるわけです。

３軸掛け合わせるとすぐに膨大な生成枚数になってしまいますから、実際は１軸か２軸で比較することがほとんどです。

パラメータと値の入力方法

試したいパラメータを軸ごとに選んだら、すぐ右側の欄に比較したい数値を半角カンマ「,」もしくは半角ハイフン「-」で区切って入力します。例えば、スケールを選んで入力欄に「5,6,7,8」と入れると、順番にスケール５～８の４つの画像が（スケール値以外はそのままで）生成されます。

ハイフン（-）で整数をつないだ場合、その間の全ての整数が選択されます。つまり「5-8」と「5,6,7,8」は同じ意味ということです。

他にもこのような特殊入力法がありますが、滅多に使わないので覚えなくてもOK。

【例】

5-20(+5)　5から20までの間、5刻みで増やす。つまり5,10,15,20と同じ意味

5-9[3]　5から9までの間で、３つ分整数を採用する。つまり「5,7,9」となる

【注意】最後の数字のあとには「,」を入れないようにしましょう。AIが「空欄」を指示されたと勘違いして、もう一枚余計な画像が生成されます。逆に言えば、わざと「,」を入れることで、その設定値を空白にしたケースと比較することも可能です。

パラメータごとの特徴

先ほど紹介した主なパラメータについて、それぞれの特徴やどのような比較ができるかをまとめました。

・なし

使わない軸は必ず「なし」にしておこう。X軸が「なし」だと、生成画像は縦一列に並ぶ。Y軸が「なし」だと横一列。Z軸を使う場面はそこまでないので、基本は「なし」にしておくことになる。

・シード

複数のシード値で画像生成したいときに使う。実務的には「11111,22222,33333」のように分かりやすい数字を指定することが多い（1,2,3でもよい）。１つのSeed値だけで比較すると、画像生成がうまくいったり失敗したりした原因が分かりにくいため、ある１つのパラメータだけを比較したい場合も、もう一つの軸に一応Seed値を２種類以上入れておくのがオススメ。

ちなみに「-1,-1,-1」のように入力すると、下図のようにランダムな３種類のSeed値が割り振られる。

・PromptS/R

プロンプトを比較したいときに使う。メインのプロンプト欄（ポジティブ・ネガティブ両方）に入力された文字列を、指定したものに順次置き換えられる機能。例えば、「1girl,smile」というプロンプトの場合、PromptS/Rに「smile,sad,surprised,expressionless」と入力すると、女の子の表情を変更した４枚の画像が生成される仕組み。最後に「,」を余計につけると、最初のプロンプトを除去した状態で生成できる（下図の一番右）

自分好みの画風タグやクォリティタグ、ネガティブタグ、LoRAの適正強度などを見つけるのによく使うパラメータですので、詳しくは後述します。

・高解像度補助（Hires）関係

通常の画像生成に引き続いて、アップスケーラーで解像度をアップするHires。XYZ plotでは

　①高解像度でのアップスケール

　②高解像度でのステップ数

　③ノイズ除去（＝Hiresの強度）

…の３つを組み合わせて比較することが多い。

画像生成は２０～３０ステップくらいで行うことが一般的だが、Hiresは20ステップ未満でも十分飽和することが多い。ただ、デフォルトの「０ステップ」指示だと、画像生成と同じステップ数だけHiresを掛ける設定になるため、生成時間が無駄にかかってしまう。普段使っているHiresがどれくらいで飽和するのか、適切なノイズ除去強度はどれくらいか、XYZ plotで一度は確かめておきたい。

・PromptOrder

プロンプトは基本的に順序が前にあるものの方が注目度が高くなるため、タグの順番を入れ替えた影響を調べたいときに使う。入れ替えたい複数のタグを「カンマ（,）」入りで指定すると、順序を入れ替えたすべての組み合わせが総当り生成される。下図は「1girl,sky,sea」を入れた結果。

膨大な生成数になりかねないので、PromptOrderに入力するプロンプトは３つまでにしておこう。最近のSDXLモデルはそこまでプロンプト順による変化が見られなくなったので、使いどころは減っている印象。

・Checkpoint名

使用する学習モデル。入力欄の▼ボタンを押すと、現在「models/StableDiffusion」フォルダに入っているcheckpointが一覧表示されるので、比較したいものにチェックを入れる。一番右側の本のボタンを押すと、登録してあるcheckpoint全てを記入することもできる。サンプラーやアップスケーラーなども同じ操作なので、総当たりしたいときはこれを使おう。

Civitaiでとりあえず目に付いたモデルをDLする人や、自分でモデルマージをよくする人の場合、いま手元のフォルダにあるモデルがそれぞれどんなものだったかよく分からなくなることが往々にしてある。たまには同じ設定で総ざらえすると、意外に好みのモデルを見つけられたりするので、オススメ（ストレージを圧迫している不要なモデルの掃除にもなる）

・Sampler

サンプラー。最近の人気SDXLモデルは「Euler」や「Euler A」がオススメとだけ説明欄に書かれていることが多いが、総当たりでチェックすると意外にモデルの能力を引き出せるサンプラーが見つかることもある。とりあえずでEulerを使っている人は、一度は試してみよう。スケジューラ（Schedule type）と組み合わせてみると良い。

・Schedule type

画像生成過程のノイズ除去の方法を制御するパラメータ。サンプラーほどではないが、生成結果や生成時間を左右する。「Automatic」だと、モデルが自動的に最適なスケジュールを選択してくれるので、基本的にはこれで構わないが、KarrasやExponentialといったスケジューラを選ぶと、意外に良い結果が得られることもある。サンプラーと掛け合わせて試してみよう。

・[Controlnet]enabled

使用しているcontrolnetのオンオフを切り替えられる。黄色いボタンを押せばオンオフを示すtrue,falseというキーワードが自動で入力されるので分かりやすい。他にも「重み」や「preprosessor」などほとんどの数値を入れ替えられるので、そのControlnetをうまく効かせるにはどの設定がいいか探りたいときに有用。

（※A1111でControlnetをインストールすると選べるようになるが、デフォルトでControlnet Integratedが入っているForgeやreForgeでは実装されていないもよう）

PromptS/Rについて

プロンプトの組み合わせを試せる「prompt S/R」について、もう少し詳しく触れておきましょう。

prompt S/Rは、通常のプロンプト欄にあるタグのうち一つを、複数の候補に「入れ替える」形で作用します。入力を間違えるとエラーが出て生成が始まらないのでご注意ください。

例えばプロンプト「1girl,black hair,blue eyes」のうち、髪色だけをいろいろなものに変更したい場合は、「prompt S/R」欄の「X軸」に「black hair,blue hair,red hair,yellow hair」と入力すればOK。

メインプロンプト内にX軸の一つ目のタグがあるので、PromptS/Rが発動し、該当のタグが２つめ以降のタグに順次切り替わります。PromptS/Rはポジティブプロンプトだけでなく、ネガティブプロンプトにも作用させることができますので、クォリティタグやネガティブプロンプトを練るのに有用。また、置換するワードを「__hair_color__」などのwildcardにすれば、該当部分をランダム化させることもできます。

ちなみに、「prompt S/R」欄の一つ目のタグ「black hair」がプロンプト内にないと、何と何を入れ替えてよいか判断できずエラーが生じるので注意しましょう。

（▲この「None Type」エラーが出たら、いずれかの入力書式が間違っています）

＜複数のタグを入れ替えたいときは？＞

ちなみに、複数のタグを入れ替えたい場合は、2つの「"」でくくります。メインプロンプトにある「black hair,blue eyes」という部分を入れ替えたい場合、prompt S/Rの「X軸（またはY軸）の値」の欄に「"black hair,blue eyes","blue hair,aqua eyes","white hair,red eyes"」のように入力します。カンマや単語間のスペース（またはアンダーバー）まで含め、一言一句一致するように気を付けましょう。

【注意】前述したように、入力欄の最後が「,」で終わっていると、「最後は空欄に入れ替えるんだな」と誤認識されてしまいます。あえてそうしたい場合を除き、最後は必ずカンマなしで終わるようにしましょう。

＜LoRAの比較実験も可能＞

プロンプトが入れ替えられるということは、LoRAのオンオフや強度変更を比較することもできるということです。LoRA適用時に入力されるといった文字列をPrompt S/Rで置き換えるだけでOK。新しいLoRAを導入したときに、利きの良さやどれくらいの強度なら崩壊しないのかなどを確かめるのに有用です。

たとえばこちらは、適用すると目だけを小さくするLoRAの強度実験を行ったケース。縦軸Yに画風LoRAを強度別に入力しているので、強度を強めると目が小さく、マイナス方向に強めると目が大きくなる効果が一目でわかります。このようにSeed値２種類で比較すると、効果がはっきりわかりますね。

上の例ではなどと記入していますが、PromptS/Rは機械的に該当部分を入れ替えるだけですので、同じLoRAで適用強度だけを入れ替えたい場合は「:0.5,:0.5,:0.7」とだけ書いても問題なく置換されます。

初めてのモデルと仲良くなるには

XYZ plotは一瞬とっつきにくそうに見えて、触ってみるととても分かりやすい、非常によくできたUIです。これを使って初めてのモデルと仲良くなる、つまり自分好みの設定を探るためには、次の組み合わせを試してみるのがオススメです。

＜基本生成設定を決める＞

まずは、どんな画像で比較実験を行うか決めましょう。スケール、ステップ、クォリティタグ、ネガティブプロンプトはCheckpoint配布者のおすすめ設定で、Seed値は11111などに固定します。キャンバスサイズは普段よく生成するサイズで構いません。

配布者がおすすめの設定を書いていなかった場合は、そのモデルのベースになっているモデルを調べます。IllustriousやAnimagine、pony系など、有名モデルなら必ず親に当たるモデルがありますし、たいていそういう有名モデルにはおすすめ設定が書いてありますので、それをとりあえず継承してみるのがよいでしょう。

ポジティブプロンプトはできれば複雑であれば複雑なほど良いです。背景は間違いが分かりやすい人工物（カフェや教室など）とし、服装もさまざまなカラーが入り乱れるものがオススメ。できるだけ不思議な取り合わせのお題にすると、プロンプトの利きや細部描写の巧拙が分かりやすいです。

例：1girl,angry,classroom,waving hand,flower,grand piano,green jacket,purple thighhigh,yellow shirt,pink skirt,full body,red hair,cyan eyes+クォリティタグ

①サンプラーとスケジューラ比較

まずは一番分かりやすい、サンプラーとスケジューラを固めます。X軸に主立ったサンプラーを、Y軸にスケジューラ（schedule type）を入れましょう。以前別の実験でサンプラー総当たりをしていたので、有望なこの５つを選びましたが、比較実験をしたことがない場合は時間を掛けて総当たりをしても良いと思います。

このモデルでは上から二段（AutomaticとKarras）のスケジューラが有望なことがまず分かります。髪のリボンと胸のリボンの色を誤認したのはDPM++ 2M SDE。よく見ると「looking up」が盛り込めたものとそうでないものがあり、そこから判断すると「EulerA＋Karras」「Restart+Karras」あたりが有望なことが見て取れます。

②スケール、ステップ比較

モデル配布者は「スケール5～８」とか「ステップは20以上」などと指定していることが多いので、その中で好みのものを見つけるために行うのがこのテスト。サンプラー、スケジューラは先程の結果から好みのものを選び（私はRestart+Karrasにしました）、プロンプトとSeed値は同じにします。

あまり細かく刻むと違いが分かりにくいので、それぞれの数値は配布者のおすすめ設定をもとに、違いがわかりやすそうな数値を考えるとよいでしょう。

③Hiresアップスケーラー比較

いつも高解像度補助でアップスケールしている人は試しておきたいHiresテスト。かなり時間がかかるため、試すアップスケーラーは絞ったほうがいいですが、知識がない人はとりあえず一度総当たりしてみるのをおすすめします。

Ｘ軸の「ノイズ除去」は、アップスケーラーを掛ける強度のこと。アップスケーラーのタイプによって適した強度は大きく違い、強すぎると指やしわが増えたり、画面崩壊するものもあるため、弱・中・強の3段階でチェックしましょう。

例：

【X軸】ノイズ除去：0.25,0.5,0.75

【Y軸】高解像度でのアップスケーラー：（好みのアップスケーラーを選択）

→総当りが面倒なら、使う可能性があるものだけでOK。

④ネガティブプロンプト比較

配布者オススメのネガティブプロンプトをまずは試しましょう。その上で、クォリティーに関わりそうなものを足したり引いたりして、好みのネガティブプロンプトを探るのがオススメ。

候補になるのはrealistic,3d,worst quality, low quality, greyscale, monochrome, text, title, logo, signatureなど。フラットな塗りにしたいなら「realistic,3d」を入れたり、カラフルさを増したいなら「greyscale, monochrome」あたりを入れたりするとよいです。アニメタッチすぎる場合は「anime_colored,anime_screencap」を入れたりすることもあります。

例：

【X軸】シード　-1,-1（2列くらいがちょうどよい。好みで変えよう）

【Y軸】PromptS/R　（入力欄は適宜）

⑤クォリティータグ比較

プロンプト欄を1girl,masterpieceとしておいて、masterpiece部分をPromptS/Rでいろいろ入れ替えてみるのがよいです。候補になるのは、watercolor(/medum)などの画材系のほか、anime coloringなどの画風操作、masterpiece,extremely detailed CG,highres,high resolusion,illustration,4kなどのクォリティタグなど。

例：

【X軸】シード　-1,-1（2列くらいがちょうどよい。好みで変えよう）

【Y軸】PromptS/R　（好みのクォリティータグを適宜入れ替える）

【注意】実在するイラストレーター名のタグをX・Y軸に多数入れて比較し、気に入ったものをクォリティタグとして使う人もいますが、Seed値によってはうち１人の画風に偏ることもありますし、プロンプトはpngそのものに記録されます。他人の画風をトレースするくらいなら、きちんとオリジナルな画風を１枚絵で作って、画風LoRAにしてしまうことをおすすめします。

illustrious系モデルに「マスピ顔」を作る実験と考察（CoppyLoRA v2使用）

こんにちは、スタジオ真榊です。今回は、NoobAIなど生成するたびに顔立ちや画風が変わりやすいIllustrious系モデルに、CoppyLoRAv2を使って「マスピ顔」を作る実験を行いました。うまくいくまでに起きた各種失敗と、そこから分かってきた知見をまとめてレポートしたいと思います。 Illustrious系モデルはNovelAIのように...

⑥VAE比較

余裕があれば最後にVAEも比較しておきましょう。SDXL系モデルではVAEが「同梱」された状態で配布されていることが多く、VAEなし（またはauto）でもきれいに生成できるが、Civitaiで配布されているVAEを試してみると、色合いがよりよくなるものを見つけられることがある。全体にカラフルにしたい、またはもう少し褪せた色にしたい、という場合は挑戦してみると良い。

▲Civitaiで出てくるSDXL用VAEの一覧

外出中にできる！オススメの一括実験設定

こうした総当り実験はそれぞれそれなりに時間が掛かるのですが、いちいち成果が出るまで座って待っているのも面倒ですし、寝ている間や外出中に全部やってくれないかな…と思いますよね。そういうときは、こちらの記事の「⑮キューを入れるには」で解説した方法で、webUIに「宿題」を出してしまうのが手っ取り早いです。

ローカル環境を整備しよう！画像生成が捗る"12の小ワザ"＋α

こんにちは、スタジオ真榊です。この記事は、StableDiffusionのローカル生成環境をより便利にする「TIPSまとめ」です。例えば、通常は縦横2048pxまでしかないキャンバスサイズのスライダーを制限突破する方法や、無数のCheckpointやLoRAを見つけやすく整理する方法、最初にインストールしておくと捗る拡張機能、生成完了...

やり方は簡単。StableDiffusionWebUIの画面が開かれているタブを、タブブラウザ上で「複製」し、それぞれの画面で、これから生成したい別々の総当り条件をすべて設定するだけ。例えば、画面１でサンプラー総当り、画面２でスケールステップ総当り、画面３で…という具合ですね。全部設定できたら、おもむろにすべての画面で生成開始ボタンを押します。

すると、最初にボタンが押されたタブでは通常通り生成が始まりますが、それ以降の生成画面では「in queue…」と表示され、キュー（順番待ち）状態になります。

一つ前の生成が終わると、ボタンが押された順に指定された条件の生成が順次始まるので、一つ一つの生成が終わるまで待機している必要がありません。

短所もあって、それは「サンプラー実験でよいものを選んで、そのサンプラーで今度はステップとスケールを特定して…」という形式でブラッシュアップができないこと。時間効率を優先するか、つきっきりで設定を整えていくかは、状況次第で決めるのがよいと思います。

＜コピペでできる外出中実験＞

６つのタブを開いて、それぞれで以下の実験を掛けてみましょう。外出中に時間を掛けて行う想定なので、Ｚ軸も使って大量の画像を生成します。月須和・那々 (@nana_tsukisuwa)さんのFlatLoRA、BoldLoRAを使いますので、適宜ダウンロードしておきましょう。

(frame embed)

＜プロンプト例＞

・PP:1girl,angry,classroom,waving hand,flower,grand piano,green jacket,purple thighhigh,yellow shirt,pink skirt,full body,red hair,cyan eyes+クォリティタグ

（※月須和さんLoRAのファイル名を変えた場合は呼び出しタグ部分を書き換えてください）

・NP：そのモデル推奨のもの

・ステップ・スケール・サンプラー・画像サイズ等：そのモデル推奨の範囲でお好み

とりあえずこのような画像が出ます。waving handは指の数のチェックに、grand pianoは細かな構造物の直線チェックに、カラフルな服はカラーミスのチェックに向いています。

あとはXYZ plotを使って、６つのタブで以下をコピペ入力したら、各タブで生成開始ボタンを押すだけ。相当な生成時間が掛かるため、寝る前や外出前などに行いましょう。（最初に生成ボタンを押すのは、PromptS/Rの入力ミスが頻発しがちな"④"がおすすめ。エラーが出ず生成開始されたのを確認してから他のキューを入れましょう）

①サンプラーとスケジューラ比較

　【Ｘ軸】サンプラー各種（Euler、Euler aなど主なものだけでも可）

　【Ｙ軸】スケジューラ各種（automatic、Karrasなど主なものだけでも可）

②スケール、ステップ比較

　【Ｘ軸】スケール　1-10

　【Ｙ軸】ステップ　10-40(+2)

③Hiresアップスケーラー比較

　【Ｘ軸】高解像度でのアップスケーラー　各種（※）

　【Ｙ軸】ノイズ除去　0.25,0.5,0.75

　【Z軸】高解像度でのステップ　10,15,20

※３種でも計27枚、10種だと90枚になるのでできるだけ絞り込みましょう

④クォリティータグ/ネガティブプロンプト比較（※）

　【Ｘ軸】PromptS/R　bad quality,"bad quality,3d","bad quality,anime colored","bad quality,realistic","bad quality,monochrome","bad quality,anime_screencap","bad quality,nsfw","bad quality,@_@",

　【Y軸】PromptS/R　masterpiece,"masterpiece,anime colored","masterpiece,flat color","masterpiece,sketch","masterpiece,detailed_background","masterpiece,high resolution","masterpiece,4k",

　【Z軸】シード　11111,22222,33333

※プロンプトにmasterpiece、ネガティブプロンプトにbad qualityがある前提。これは一例なので、太字部分のタグを好みで変えましょう。画風LoRAや画材タグ、モデル固有の年代タグ（newest,oldest等）を組み合わせるとさまざまな実験ができます。

⑤LoRA比較（※）

　【Ｘ軸】PromptS/R　: flat:0,flat:-1,flat:-0.5,flat:0.5,flat:1

　【Ｙ軸】PromptS/R　: boldline:0,boldline:-1,boldline:-0.5,boldline:0.5,boldline:1

※描き込み量と線の太さを調整する実験。LoRAのファイル名を変えて保存している場合は呼び出しタグを書き換えて下さい。

⑥VAE比較

　【Ｘ軸】Civitaiなどから入手した各種VAE。ベースモデルが一致しているか確認しましょう（SD1.5用のVAEはSDXLには使えません）

終わりに

こちらが「外出中実験」で生成した凡例の一部です。使ったモデルはこちらのV4.0。

(frame embed)

さすがに画像サイズが大きすぎるので雰囲気だけしか伝わりませんが、見比べることで一体そのモデルがどういう特性があり、パラメータ操作にどう反応するかが何となくわかってくるかと思います。

・月須和LoRA比較

・クォリティタグ/ネガティブプロンプト比較

・高解像度補助（Hires）比較

当初、人気のローカルSDモデルと言えばいくつかのモデルに偏っていましたので、AIイラストサイトを眺めていても「これはあのモデルかな」とだいたい検討がついたものですが、最近はベースモデルの多様化やマージモデルの興亡が進み、「隣は何をする人ぞ」状態になっています。生成の好みも十人十色ですので、人気モデルの推奨設定だけではなく、XYZ plotを使って自分好みのパラメータを自分で見つけられるとよいなと思っています。

それでは今日はこのへんで。スタジオ真榊でした。