Stable Diffusion とは？

ざっくり言うと「ノイズだらけの画像からノイズを少しずつ取り除く」ことで画像を作るんだ。テキストの情報を手がかりにして「この言葉に合うようにノイズを除去しろ」と指示することで、説明文に合った画像が生まれるよ。

最大の違いはオープンソースかどうかだよ。Stable Diffusionはモデルの重みが公開されていて、自分のPCで動かせるし、自由に改造できる。MidjourneyやDALL-Eはクラウドサービスとして使うもので、モデル自体は非公開なんだ。

Low-Rank Adaptationの略で、少ないデータと計算量でモデルを追加学習させる技術だよ。例えば特定の画風やキャラクターの画像を数十枚学習させるだけで、そのスタイルの画像を生成できるようになる。Stable Diffusionのコミュニティではとても人気の手法なんだ。

VRAM 8GB以上のNVIDIA GPUが推奨だよ。RTX 3060（12GB）あれば快適に動く。VRAM 4GBでも工夫すれば動くけど生成速度は遅くなる。AMD GPUやMacのM1/M2チップでも動くけど、NVIDIA CUDAに最適化されているから生成速度ではNVIDIAが圧倒的に有利なんだ。

これは現在進行形の法的議論だよ。Stability AI（開発元）に対してアーティストが集団訴訟を起こしている。学習データに無断で使われた著作物の権利が争点。商用利用する場合はライセンス条項を確認し、特定のアーティストの画風を意図的に模倣するような生成は法的リスクが高いことを理解しておくべきだよ。技術の進歩と法整備が追いかけっこしている状態なんだ。