画像生成AI for WindowsをPythonでやってみた

背景：

昨今、画像生成AIがメディアに登場し、筆者もやってみた。
なお、今回はAIモデルそのものを構築するのではなく、構築されたものを使用することとする。
※筆者はAI生成モデルを構築できるほどの知識量はないため

目的：

Pythonを使用して、プログラムを駆使して、画像の生成まで挑戦する
※Promptについては、深追いしません。

環境：

• OS: Windows
• IDE：VSCODE
• Git for windowsインストール済
• 必要ソフト：CUDA12.3
• Pythonの仮想環境整備済

準備：
① CUDAのインストールはここ
②関連ライブラリをpipでインストール

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install --upgrade diffusers transformers scipy

③AIのライブラリサイト（Hugging Face）のユーザアカウント作成はここ
※このサイトはいろんなAIを訓練できるモデルがたくさん集まっている

④たくさんのモデルがあるない中で、これを選んだ。

ソースコード：

# ライブラリーのインポート
from diffusers import StableDiffusionPipeline
import os 
 
# モデルのインスタンス化
model = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4")
model.to("cuda")

prompt = "Tokyo Sky Tree by Marc Chagall"
# 画像数
num = 4

filename = 'ai_test'

for i in range(num):
  # モデルにpromptを入力し画像生成
  image = model(prompt).images[0]
  # 保存
  outputfile = f'{filename}_{i:02} .png'
  image.save(os.path.join(os.getcwd(), outputfile))

生成された画像：

感想：

筆者のPC環境では20分程度で一枚の遅さでしたので、onlineで生成したほうが早いかもしれません。