【Animagine XL 3.0】誰でも簡単にアニメ美少女の画像を生成できる神AI！使い方や料金、使ってみた感想を紹介

オープンソースAI 個人開発画像生成生成AIずかん

2024-01-19

WEELメディア事業部LLMリサーチャーの中田です。

1月10日、Cagliostro Research Labが、拡散モデルベースのText-to-Imageの画像生成モデル「Animagine XL 3.0」を公開しました。

このAIツールを使うことで、テキスト指示から高画質なアニメ画像を、簡単に生成できるんです…！

ANIMAGINE XL 3.0でAnimateDiff
v2vです(^_^;) pic.twitter.com/uOjdIychDO
— ねこねこLover (@Lover57227277) January 11, 2024

HuggingFaceでのモデルダウンロード数は、すでに5,048を超えており、多くの人に使われていることが分かります。素人でも簡単にアニメーション画像を作れるため、アニメ制作などにも活用できそうです。

例えば、次のようなアニメ画像も、簡単に作れるんです。

1girl, green hair, sweater, looking at viewer, upper body, beanie, outdoors, night, turtleneck, masterpiece, best quality

この記事ではAnimagine XL 3.0の使い方や、有効性の検証まで行います。本記事を熟読することで、Animagine XL 3.0の凄さを実感し、普通の画像生成AIには戻れなくなるでしょう。

ぜひ、最後までご覧ください。

Animagine XL 3.0が更に進化した「Animagine XL 3.1」も公開されました。
下記記事でその性能や使い方をレビューしていますので、チェックしてみてください。
→【Animagine XL 3.1】エヴァのアスカをAIで完璧に描いてみた

Animagine XL 3.0の概要

Cagliostro Research Labが、拡散モデルベースのText-to-Imageの画像生成モデル「Animagine XL 3.0」を公開しました。2ヶ月前に、同研究チームは「Animagine XL 2.0」を発表しており、それを「最高のオープンアニメ画像生成モデル」に改良するために、ファインチューニングしたのだとか。

加えて、Stable Diffusion XLをベースに開発されており、以下のようなアニメ画像を生成するのに特化しています。

なお、Animagine XL 2.0について詳しく知りたい方は、下記の記事を合わせてご確認ください。
→【Animagine XL 2.0】解像度が高すぎるアニメ画像を生成できちゃうAIを使って推しの女の子を作ってみた

Animagine XL 3.0のライセンス及び料金体系

Animagine XL 3.0はオープンソースであるため、誰でも無料で利用可能です。

ただ、「Fair AI Public License 1.0-SD」というライセンスのもとで提供されており、モデルの変更を行った場合、その変更と元のライセンスを共有する必要があります。また、変更されたバージョンがネットワーク経由でアクセス可能な場合、他者がソースコードを入手できるようにする必要があります。

利用用途	可否
商用利用	⭕
改変	⭕
配布	⭕
特許使用	⭕
私的利用	⭕

参照：https://freedevproject.org/faipl-1.0-sd/

＼画像生成AIを商用利用する際はライセンスを確認しましょう／

Animagine XL 3.0の使い方

Animagine XL 3.0は以下のGradioのデモページで、簡単に試すことができます。

参考記事：ANIMAGINE XL 3.0 Gradio Demo Page

今回はGoogle ColabのT4で実行しました。
まずは、以下のコードを実行して、必要なライブラリをインストールしましょう。

!pip install -q --upgrade diffusers invisible_watermark transformers accelerate safetensors

次に、以下のコードを実行して、モデルのロード等を行いましょう。

import torch
from torch import autocast
from diffusers import StableDiffusionXLPipeline, EulerAncestralDiscreteScheduler

model = "linaqruf/animagine-xl"

pipe = StableDiffusionXLPipeline.from_pretrained(
    model,
    torch_dtype=torch.float16,
    use_safetensors=True,
    variant="fp16",
    )
pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)
pipe.to('cuda')

そして、以下のコードを実行することで、画像を生成できます。

import matplotlib.pyplot as plt
from PIL import Image

prompt = "face focus, cute, masterpiece, best quality, 1girl, green hair, sweater, looking at viewer, upper body, beanie, outdoors, night, turtleneck"
negative_prompt = "lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry"
output = "/content/anime_girl.png"

image = pipe(
    prompt,
    negative_prompt=negative_prompt,
    width=1024,
    height=1024,
    guidance_scale=12,
    target_size=(1024,1024),
    original_size=(4096,4096),
    num_inference_steps=50
    ).images[0]

image.save(output)
image = Image.open(output)
plt.imshow(image)
plt.axis('off') # to hide the axis

生成結果は、以下の通りです。

かなり精度が高く、しっかりとアニメ調ですね！

ちなみに、30秒くらいで生成できました。

なお、公式ブログによると、以下のようなプロンプト設計がおすすめだそうです。

1boy/1girl, what character, from which series, everything else in random order*

まず最初にキャラの性別、どんなキャラなのか、何のシリーズなのか、それ以降の記述はランダムで、という流れになります。

Stable Diffusionでは画質に関するプロンプトを先に書くことが多いですが、Animagine XL 3.0ではキャラに関する要素を先に書くと良いみたいです。

Animagine XL 3.0を動かすのに必要なPCのスペック

■Pythonのバージョン

Python 3.8以上

■必要なパッケージ

diffusers
invisible_watermark
transformers
accelerate
safetensors

なお、省エネで高精度の画像を生成できるAIについて知りたい方はこちらの記事をご覧ください。
→【Stable Diffusion WebUI Forge】省エネ・高速・高解像度の画像生成モデルを使ってみた

Animagine XL 3.0を実際に使ってみた

ここでは、キズナアイさんのような「VTuber」を作ってみようと思います。

プロンプトを以下の様に変更し、再度実行してみます。

"face focus, cute, masterpiece, best quality, 1girl, pink hair, virtual youtuber, playing a game, upper body, beanie, indoors"

結果は以下の通りです。

VTuberにはならなかったですが、「pink hair」や「playing a game」の部分は上手く反映されているようです！

virtual youtuberというよりも、ゲーム配信をするYouTuberっぽくなりましたね。そもそもVTuberの概念がわからないのかもしれません。

Animagine XL 3.0の推しポイントであるアニメ画像生成は本当なのか？

Animagine XL 3.0は本当に、以前のバージョンのAnimagine XL 2.0よりも進化したのかを検証してみます。
そのために、先ほどと同様のプロンプトを、Animagine XL 2.0にも入力してみます。

結果は下記の通りです。

Animagine XL 3.0はもう一度同じプロンプトで再出力してみましたが、どちらもプロンプトの内容を、うまく捉えられていると思います。

ただ、やはり今回のAnimagine XL 3.0の方が、よりリアルなアニメ画像を生成できるようですね！
確かに、前回バージョンよりも進化しているのが分かります。

率直に、将来のアニメ制作においても、本モデルは大いに活用できると思いました。

Animagine XL 3.0でアニメ画像を簡単に量産してみましょう

Cagliostro Research Labが、拡散モデルベースのText-to-Imageの画像生成モデル「Animagine XL 3.0」を公開しました。本モデルは、アニメ画像を生成するのに特化しています。確かに、前回バージョンよりも進化しており、今回のAnimagine XL 3.0の方が、よりリアルなアニメ画像を生成できるようです。

また、モデルやLoRaを自分で選択することはできないですが、アニメ画像だけを生成するという用途に限るのであればStable Diffusionよりも遥かに使いやすいと感じました。

スペックに関しても、無料のGoogleColabのT4でストレスなく画像生成することができたので、ひとまず簡単にアニメ画像を生成したいんだけど・・・と考えている方にぜひ試してみてほしいと思います。

最後に

いかがだったでしょうか？

弊社では

・マーケティングやエンジニアリングなどの専門知識を学習させたAI社員の開発
・要件定義・業務フロー作成を80%自動化できる自律型AIエージェントの開発
・生成AIとRPAを組み合わせた業務自動化ツールの開発
・社内人事業務を99%自動化できるAIツールの開発
・ハルシネーション対策AIツールの開発
・自社専用のAIチャットボットの開発

などの開発実績がございます。

まずは、「無料相談」にてご相談を承っておりますので、ご興味がある方はぜひご連絡ください。

➡︎生成AIを使った業務効率化、生成AIツールの開発について相談をしてみる。

生成AIを社内で活用していきたい方へ