FLUX・HunyuanImage・Seedream などを中心に、テキストから画像、画像から画像、部分修正の出力品質と操作しやすさの違いを整理します。
マルチモーダルモデルとは、テキスト・画像・音声など複数の情報形態を同時に処理できるAIモデルのことだ。画像や音声、短い文章を渡せば、それらをまとめて理解して応答できる。ただ、最初に線を引いておきたい。「マルチモーダル」は「万能」とは違う。入出力のチャネルが増えただけで、人間のような理解力が自動で備わ...
AI画像生成ツールは一見どれも同じに見える。一文入力すれば画像が出てくる。しかし実際に使ってみると、ツールを間違えて選ぶほうが、使い方を知らないより時間を無駄にすることが分かる。アバターが欲しい人がEC向け量産ツールを使い、ポスターを作りたい人がローカル環境の構築に手を出す。お金も時間も使ったのに、...
AI画像生成で指が崩れるのは、多くの場合、拡散モデル自体が手の構造を十分に学習できていないことが原因で、プロンプトで緩和はできても根本的には直せません。モデルは指を描くとき、実際に「本数を数えて」いるわけではなく、ピクセルの統計から本数と位置を推測しているため、推測を外すと指が増えたり減ったりします...
ComfyUI は今、ローカル画像生成シーンで最も注目されているオープンソースプロジェクトです。従来の UI の代わりにノードをつないで使う、Stable Diffusion 用のノードベース・ワークフロー・フロントエンドです。モデル自体は同梱せず、「段取り」だけを担当します。モデルの読み込み、プロ...
AI画像プロンプト拡張が解決するのは、とても具体的な悩みだ。頭の中には映像があるのに、書けるプロンプトは一言だけ。「窓辺で昼寝する茶トラ猫を描いて」——主題はあるが、画風も光も構図も書かれていないので、出来栄えは運任せになる。下の拡張プロンプトはまさにそのためのものだ。一言のアイデアをAIに渡すと、...
2026年9月22日、テンセントはApsara Conferenceの開幕と同じ日に、混元（Hunyuan）画像モデルの新バージョン「Hy Image 3.5 Preview（プレビュー版）」を発表した。これは通常の反復更新ではない。テンセントは「マルチターン対話式編集」を今回の更新の核となる売りに...
2026年9月21日、アリババ通義千文チームはQwenの公式Xアカウントを通じてQwen-Image-2.1を発表し、モデルの重み付けは公式Hugging Faceページでダウンロード可能になりました。これは通常の画像品質アップグレードではなく、Qwenによるアーキテクチャ的な声明であり、「テキスト...
2026年9月1日、公式Google WorkspaceブログはGoogle Picsを発表しました。この画像生成・編集ツールはNano Bananaモデルに基づいており、今後数週間でGoogle AI Pro、Ultra加入者、そしてほとんどのWorkspace商用顧客に徐々に提供される予定です。...
