動画も音楽もゲームも 広がるAIエンターテインメントの可能性：清水亮の「世界を変えるAI」（1/5 ページ）

[清水 亮，ITmedia]

　

　AIの進歩は日進月歩だ。Stable Deffusionのオープンソース公開以後、画像生成にとどまらず、AIを使ったさまざまなユースケースが登場している。その応用範囲は単純にAIを活用した動画制作や音楽制作のみならず、ゲームや新しいタイプの遊びなどへの発展を見せている。今回はこうした画像生成AIの発展例について最新の事例をご紹介する。

拡散モデルの画像生成を容易に扱えるDiffusers（ディフューザーズ）、呪文を拡張する「Stable Diffusion WebUi」など

　8月下旬に登場したオープンソースの画像生成AIライブラリ「Diffusers（ディフューザーズ）」が、登場からわずか3カ月でバージョン0.7.2になった（2022年11月7日現在）。Diffusersとは、Stable Diffusionをはじめとする「拡散モデル」による画像生成を数行のコードで行えるようにするフレームワークだ。

オープンソースの画像生成AIライブラリ「Diffusers（ディフューザーズ）」

　開発の速さも驚異的だが、登場当初に比べて作画にかかる時間も半分程度に短縮され、必要とするGPUメモリ（VRAM）量も目に見えて減った。必要とするVRAMが減るということは、描画に必要なPCのスペックが軽くなり、同時に計算量が減ることも意味するので高速化する。バージョン0.7以降ではさらに高速な推論（描画）を実現するxformerへの対応が行われ、画像生成AIはまさしく加速度的に成長している。

　画像生成AIに用いる「呪文」こと、「プロンプト」に関しては、AUTOMATIC1111氏が開発したGUI環境である「Stable Diffusion-WebUi」などで独自に拡張されていたLPW（Long Prompt Word）スケジューラをDiffusersに取り込むことが可能になった。それによって、これまで英文で75ワードだったプロンプト文の制約が解放され、「（（apple））」のようにカッコを重ねて強調したり、「（apple:0.5）」のように、カッコ内でコロンで区切った以降に「強さ」を数値指定できる機能なども加わった。ただし、これは標準機能ではなく、あくまでも「カスタムのパイプラインを選べる」ようにした機能としての登場だ。

「（（apple）） and pen 」で描画したもの。「apple」が強調されている

「apple and pen, （（fruit））」で描画したもの。fruitが強調されている

　「パイプライン」と呼ばれているのは、画像生成プロセスで、呪文（プロンプト）から実際に欲しいと思われる画像を「生成（推論）」する過程全体を、パイプラインと呼ぶことに由来する。いわば画像を生成するための手順であり、レシピである。

　さらに、新たに「オイラーディスクリートスケジューラ（Euler Discrete Scheduler）」に対応した。これを使うと、通常は画像生成の目安とされる50ステップが、30ステップ程度で十分な結果が得られるという。つまり、これもさらなる描画の高速化に貢献するというわけだ。

　こうしたさまざまな「足回り」の改良が進んできている。Stable Diffusionは、単に「絵を描いて面白いね」という段階から、ある人々は「本格的な作画支援ツールとしての検討」を始めたり、単に作画をさせるだけでなく、他のさまざまな応用へと動き始めた。