本稿は Stable Diffusion (ステーブルディフュージョン) に関する記事です。

Stable Diffusion とは？

Stable Diffusion は、Stability AI を中心に開発・公開されたオープンソースの画像生成 AIです。「潜在拡散モデル (Latent Diffusion Model)」と呼ばれる方式を採用し、テキスト（プロンプト）から画像を生成します。

最大の特徴はモデルの重みが公開されていることです。Midjourney や DALL·E が SaaS でしか使えないのに対し、Stable Diffusion はローカル GPU 上で実行でき、商用 SaaS に依存しない画像生成パイプラインを構築できます。

主な特徴

• オープンソース / オープンウェイト — 重みが公開され、ローカルや自社サーバで動かせる
• 多様な派生モデル — SD 1.5、SDXL、SD 3、SDXL Turbo、SD3.5 など世代と派生が豊富
• LoRA / ControlNet による細かい制御 — 画風・構図・人物姿勢を制御
• img2img / inpaint — 既存画像をベースに変換、部分修正
• 巨大なコミュニティ — Civitai 等で派生モデル・LoRA・プロンプトが大量に共有される
• 商用利用可 — ライセンス条件下で商用利用が可能（モデル毎に要確認）

主な世代

世代	位置づけ
SD 1.4 / 1.5	初期版。軽量で派生モデルが最も豊富
SD 2.x	解像度向上、ただし普及はやや限定的
SDXL	大幅に画質向上。1024×1024 を標準解像度
SDXL Turbo / SDXL Lightning	1〜4 ステップで高速生成
SD 3 / SD 3.5	最新世代。テキスト埋め込み・構造理解の向上

動かし方の選択肢

方法	特徴
AUTOMATIC1111 WebUI	最も普及するローカル UI。プラグイン豊富
ComfyUI	ノードベースの UI。ワークフロー再現性が高い
Forge / Fooocus	軽量・高速。Fooocus は初心者向け
Hugging Face Diffusers (Python)	ライブラリとしてアプリ組込・自動化
Stability AI 公式 API / Web	SaaS で利用（DreamStudio など）
クラウド GPU	Replicate、RunPod、Lambda Labs 等で従量利用

必要なハードウェア（ローカル実行）

項目	目安
GPU	NVIDIA RTX 3060 (12GB) 以上推奨。SDXL は VRAM 8GB+ 必須クラス
VRAM	SD1.5: 6GB / SDXL: 8〜12GB / SD3: 12GB+
RAM	16GB 以上
OS	Windows / Linux / macOS（Apple Silicon でも動作可、速度は劣る）
ストレージ	モデル 1 個 2〜7GB。複数モデル想定で 100GB+ 確保

派生機能・関連技術

技術	用途
LoRA	軽量ファインチューニング。特定キャラ・画風を後付け
ControlNet	線画・ポーズ・深度マップで構図制御
IP-Adapter	参照画像の「画風」を反映
img2img	既存画像から変換
inpaint / outpaint	部分修正・拡張
VAE	潜在空間と画像の変換器。差し替えで色味が変わる
Textual Inversion / Embedding	新しい概念を埋め込みに追加
Diffusers ライブラリ	Hugging Face の Python API

類似サービス・モデルとの比較

サービス	提供形態	強み
Stable Diffusion	OSS	ローカル実行・カスタマイズ・コミュニティ
Midjourney	SaaS	アート寄り・高品質・操作シンプル
DALL·E (ChatGPT)	SaaS	OpenAI 統合・指示の忠実度
Adobe Firefly	SaaS	商用利用に配慮した学習データ
FLUX (Black Forest Labs)	OSS / API	SD 系開発者の新興モデル
Imagen / Veo (Google)	SaaS	Google サービス統合

注意点・ライセンスと倫理

• モデルごとのライセンス: SD 1.5 / SDXL / SD3 は CreativeML Open RAIL や Stability AI Community License 等。商用条件・収益規模に応じた制約を要確認
• 派生モデル (Civitai 等) は別のライセンスのことが多い。配布元の規約を必ず確認
• 著作権・肖像権: 既存キャラクター・実在人物を再現するモデル/LoRA は権利侵害になりうる
• NSFW・違法生成: 児童画像等の違法コンテンツ生成は厳禁。配布元・国の法令に従う
• 透かし / 出所表示: 生成画像の出所表示が義務化される動き（EU AI Act 等）
• セキュリティ: 外部から拾った .ckpt 形式は任意コード実行可能性あり。safetensors 形式を選ぶ
• 業務利用ではAdobe Firefly 等の商用安全モデルとのすみ分けを検討

関連

• 親カテゴリ: 画像・動画・音声生成AI
• 関連: Midjourney / AIサービス / AIライブラリ