はじめに

画像生成AIに関する知識がゼロである筆者が、Stable Diffusionを動かすための環境を構築し、好きなモデルやVAEを導入するところまで成功したため、手順を記載しておきます。ただし、promptの書き方については触れません

対象者

画像生成AIについて知識がない人(私も無いです)
M1 / M2 Macを使用している人

環境

MacBook Air
Apple M2
メモリ 16G
macOS Ventura 13.2.1

環境構築

Homebrewのインストール

以下のQiitaの記事を参考に、Homebrewをインストールします

必要なパッケージのインストール

Homebrewを使ってパッケージをインストールします

brew install git wget

公式の手順では、cmake、protobuf、rust、python@3.10、git、およびwgetをインストールするように指示されていますが、筆者の環境ではgitとwgetだけで十分でした(Pythonはこのあとインストールします)。もし何かしらのエラーが発生した場合は、cmake、protobuf、およびrustもインストールしてみてください

Python環境の構築

バージョン管理ツールのインストール

Pythonのバージョンによって、動くものと動かないものの差が激しいため、バージョンを自由に切り替えられるように、バージョン管理ツールをインストールします。ここでは、asdfというツールを使用しますが、他のツールでも構いません

`asdf`のインストール

brew install asdf

.zshrcに次の一行を加える

. /opt/homebrew/opt/asdf/libexec/asdf.sh

.zshrcを直接編集せずとも

echo -e "n. $(brew --prefix asdf)/libexec/asdf.sh" >> ~/.zshrc

と実行することで追加できます

Pythonプラグインのインストール

asdfでPythonを扱えるようにします

asdf plugin-add python

この時点でまだPythonはインストールされていません

Pythonのインストール

asdfを用いてPythonをインストールします。 ここで重要なのは、インストールするバージョン です。

asdf install python latest

と実行することで最新版のPythonがインストールできますが、最新版のPythonではStable Diffusionは動かせないので、 v3.10 をインストールします。

asdf install python 3.10.10

これは2023年4月1日時点での情報です。今後Stable Diffusionのアップデートにより要求されるPythonのバージョンが変更されるおそれがあります

使用するPythonのバージョンの設定

asdf global python 3.10.10

python -v # Python 3.10.10と表示されればOK

`stable-diffusion-webui`の環境構築

Stable Diffusionの実行環境を構築する方法には、複数の手段がありますが、今回は最も簡単なstable-diffusion-webuiを使用する方法を紹介します(実は、最初はスクリプトを書いて実行する方法を試みましたが、好きなモデルを指定するところで挫折したため、webuiに切り替えました)

任意のディレクトリに移動したら、以下のコマンドを実行します

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui

次に、モデルを用意します。とりあえず最初はオリジナルのモデルを追加してみます

以上のサイトからsd-v1-4.ckptというファイルをダウンロードしましょう。基本的に、AIのモデルなどを落としてくるのはこのHugging Faceというサイトになります。Hugging Faceはアカウント登録が必要なので事前に登録をしてください

AIのモデルは、ckptやsafetensorsといった拡張子になっています。また、モデルを落とす際にgit lfsでリポジトリごと落とせと言ってくることもありますが、膨大な時間がかかるのでおすすめしません。目的のファイルだけ直接ダウンロードすれば大丈夫です

Hugging Faceの使い方は、ほとんどGitHubと同じです。File and versionsという欄から目的のモデルファイルをクリックし、This file is stored with Git LFS . It is too big to display, but you can still download it.という文のdownloadをクリックすれば落とせます

落としてきたモデルはstable-diffusion-webui/models/Stable-diffusion配下に置いてください

Pythonの仮想環境を構築

stable-diffusion-webuiを実行する際にさまざまなパッケージ等がインストールされるのですが、なるべくまっさらできれいな状態で行いたいので、仮想環境を構築します。

仮想環境といっても構築はとても簡単です。venvというもので行うのですが、Pythonに標準でついてくるので特にインストールなどは必要ありません

cd stable-diffusion-webui

python -m venv .venv

これで.venvという名前の仮想環境が構築できます。名前はvenvや.venvにするのが慣習だそうです

source .venv/bin/activate

これで仮想環境に入れます。もし、仮想環境から出たくなったら

deactivate

で抜けられます

`stable-diffusion-webui`の実行

sh webui.sh

初回起動は結構時間がかかります

...

Running on local URL:  http://127.0.0.1:7860

...

という表示が出ていれば起動が完了しています。ブラウザでhttp://127.0.0.1:7860にアクセスしてください。

`stable-diffusion-webui`の使い方

ここでは、 txt2img の基本的な使い方について説明します。 txt2img とは、 テキストから画像を生成するための技術 です。

Stable Diffusion checkpoint

使用するAIモデルを選択します

Prompt

画像に表れて欲しい要素をテキストで書きます

Negative prompt

画像に現れて欲しくない要素をテキストで書きます

Sampling method

サンプリングに使用するメソッドを選択する必要がありますが、よくわからない場合は、AI モデルの説明欄にどのメソッドを選択すればよいかが書かれていることがあります。迷った場合は、とりあえずDPM++ 2M KarrasまたはDPM++ SDE Karrasを選択することをおすすめします

Sampling steps

サンプリングの回数を指定します。画像生成AIでは、まず、seedからノイズを生成し、そこからpromptに沿って画像を変化させていきます。その回数をここで指定します。基本は20くらいで、多くて70くらいな気がします。5とかにするとバケモノが生まれます

Restore faces

顔を綺麗にするためのオプションです

Tiling

画像をタイル状に並べて表示するためのオプションです

Hires. fix

解像度を上げることができるそうですが、使ったことがないので解説できません。すみません！

Width & Height

生成する画像のサイズを指定します。デフォルトは512512で、AIモデルは512512に最適化されていることが多いのであまり動かさないほうがいいです。解像度を上げたい場合は、後述する方法を使います

Batch count & Batch size

どちらも生成する画像の枚数を指定するものですが、Batch countが生成する回数を指定するもので、Batch sizeが一度に生成する枚数を指定するものとなっています。Batch sizeを上げすぎるとパソコンが死にます

CFG Scale

どれだけpromptに忠実にさせるかを指定します。基本は7くらいだそうです

Seed

シード値を指定します。-1にするとランダムになります

AIモデルの追加

せっかくなので別のAIモデルも追加してみましょう

AnythingV4

なんだかたくさん種類がありますね。どうやらprunedとはファイルサイズを抑えたバージョンらしいです。せっかくなのでprunedのものをダウンロードしてみましょう

anything-v4.0-pruned.safetensorsをダウンロードします。落としたファイルはstable-diffusion-webui/models/Stable-diffusion配下に置いてください

とりあえず何か生成してみましょうか。Stable Diffusion checkpointの欄からanythingv4.0を選択してください

生成結果

settings	values
Prompt	((masterpiece, best quality)), high-resolution, super high res, 1 girl, character focus, upper body, front view, pink hair, long hair, ((thick eyebrows)), open mouth, (loli, younger), ahoge, smile, laugh, illustration, (cute and kawaii), standing
Negative prompt	なし
Sampling method	DPM++ 2M Karras
Restore faces	on
Width	512
Height	512
CFG scale	7
Seed	3104403533

割とそれっぽいですが、細部を見ると結構崩れていますね

VAEの導入

VAEを導入すると、画像が鮮明になったり細部の崩れを抑えたりすることができます
VAEには以下の種類があります

汎用的なVAE
AIモデルが用意しているそのモデル専用のVAE

AnythingV4には専用のVAEがあるので導入してみましょう

anything-v4.0.vae.ptというファイルをダウンロードしてください。VAEは.vae.ptという拡張子になっていることが多いみたいです

落としてきたVAEはstable-diffusion-webui/models/VAE配下に置いてください

VAEはSettingsの欄のStable Diffusionという欄から設定できます。SD VAEという項目から選択してください

同条件で、VAEだけ変えた結果が以下となります

比較してみると以下のようになります

vaeなし	vaeあり

全体的に鮮やかになって、腕の消失などの崩れがなくなっていますね！　背景のバケモノも笑顔になっています

このように、きれいな画像を生成させるにはVAEを設定するのはほぼ必須級となっているので、ぜひ設定しましょう

EasyNegativeの導入

ここまではNegative promptになにも設定していなかったのですが、(worst quality), (missing finger), (extra fingers)などと書くと崩れを抑えることができます。しかし、いちいちこれらを書くのは面倒なので、EasyNegativeという簡単にNegative promptを設定できるものを導入します

上記から、EasyNegative.safetensorsをダウンロードしてください。

落としてきたファイルはstable-diffusion-webui/embeddings配下に置いてください

EasyNegativeを使うには、Negative promptにEasyNegativeと書くだけです。これだけで適用することができます

それでは、EasyNegativeを設定し、他は同条件で生成した結果をご覧ください

太眉じゃなくなっているのですがそれは……

唇もどこか不気味ですが、まあそれは置いといて、全体的なクオリティはとても上がっていますよね

ちょっと何枚か生成してみましょうか

😊

別のAIモデルも試す

AnythingV4以外にも試してみましょう。ambientmixというモデルでやってみます

vaeは推奨のorangemixを使います

結果は以下の通りになりました

アニメっぽい作風ですね。こっちのほうが好みかも

高解像度化

今のままでは512*512と解像度が良くないので、高解像度化したいですよね。そこで、Real-ESRGANというものを使用したいと思います

You can download Windows / Linux / MacOS executable files for Intel/AMD/Nvidia GPU.という文章のMacOSからzipファイルをダウンロードします

解凍したら任意のディレクトリに置き、以下のコマンドを実行します

cd realesrgan-ncnn-vulkan-20220424-macos/

chmod u+x realesrgan-ncnn-vulkan

mkdir inputs

mkdir outputs

次に、inputsディレクトリの中に高解像度化したい画像ファイルを置きます。その後に以下のコマンドから実行します

./realesrgan-ncnn-vulkan -i inputs -o outputs -n realesr-animevideov3 -s 2 -f png

実行が完了すると、outputsディレクトリに高解像度化された画像ファイルが生成されています

比較

before	after

おわりに

呪文は奥が深いですね。あと、モデルデータは容量がとても大きいのでストレージがすぐ膨れそうでこわいです

この記事はAI知識ゼロの人が書いているので、間違いがあったらコメントで教えて下さい🙇🏻