AI画像用語集
AI画像ジェネレーターが既知として前提にする語彙
以下の各用語は、実在のUIや実際のpromptに登場するものです。まず一文で定義します。二度読まないと理解できない定義は失敗だからです。
生成の仕組み
- 拡散
- 現在主流の画像モデルの手法です。実画像にノイズを加えてその逆変換を学習し、本番では純粋なノイズから逆向きに生成します。
- テキストから画像
- ソース画像なしで、テキストの説明だけから新しい画像を生成すること。出力が写真テイストの場合は text to photo とも呼ばれます。
- 画像から画像
- 既存画像とプロンプトを組み合わせて新しい画像を生成すること。denoise の強さで元画像がどれだけ残るかを制御します。
- Checkpoint
- モデル重みの保存スナップショット。同じアーキテクチャでも、checkpoint が違えば同じプロンプトから異なる絵が出ます。
操作とパラメータ
- Seed
- 生成の起点になるノイズを決める番号です。同じ seed・同じプロンプト・同じモデルなら、同じ画像が再現されます。
- denoise 強度
- image-to-image において、再生成前に元画像をどれだけ捨てるかを示す度合いです。低いと原形を保ち、高いと緩い参照になります。
- ガイダンススケール（CFG）
- 各ステップでプロンプトの方向へどれだけ強く押し込むかを決めます。低すぎると迷走し、高すぎると硬く派手で飽和した見た目になります。
- LoRA
- 大きなベースモデルを再学習せず、特定のスタイル・キャラクター・物体を学習させる小さな追加ファイルです。
- ネガティブプロンプト
- 避けたい要素を書くための別欄。対応していないエンドポイントでは、書いた内容はすべて肯定指示として扱われます。
- サンプラー
- denoise の過程を刻むアルゴリズム。同じ seed でも、サンプラーにより収束速度が異なり、結果にわずかな違いが出ます。
編集操作
- Inpainting
- 画像内のマスク領域だけを再生成し、マスク外は一切変えません。物体消去や狙い撃ちの編集の基本です。
- Outpainting
- 元のフレームの外側に新しい画像コンテンツを生成して、トリミングせずに写真のアスペクト比を横や縦に広げる手法。
ファイルと出力
- アスペクト比
- 画像の横幅と高さの比率です。1:1、4:5、16:9 など。モデルはフレームに合わせて構図を組むため、生成前に選びます。
- アップスケーリング
- 元のピクセル数を超えて画像を拡大すること。AI アップスケーリングは既存ピクセルの補間ではなく、もっともらしいディテールを再構成します。
- アルファチャンネル
- 画像における透明度レイヤー。PNG と WebP は対応し、JPEG は非対応です。透明な切り抜きを JPEG で保存すると背景が不透明になるのはそのためです。
- EXIF
- カメラ・レンズ・露出・撮影日時・GPS 座標などを記録する写真の埋め込みメタデータ。ファイルを再エンコードすると削除されます。
この用語集の方針
- 利用規約
- 実際のUIで遭遇する用語のみ
- 定義
- 常に最初に1文の定義
- 専用ページ
- 1段落で足りないときだけ個別ページ
- スキーマ
- DefinedTermSet。各用語ページにリンク
- 更新日
- モデルの挙動が変わった時点で更新
- 料金
- 無料。アカウント不要
実際のところ
AI画像で一番の難所は語彙です
Seed、denoise 強度、ガイダンススケール、inpainting は、それぞれ一つの挙動を正確に指す語です。言葉の意味が腹落ちすれば、対応するコントロールは直感的になります——その前は、任意のスライダーが並ぶ壁にしか見えません。
だから本用語集は定義を先に、説明は後に置きます。二度読まないと分からない定義は、その唯一の役目に失敗しています。
入り方は3通り
どこから始めますか
画像ができる仕組み
拡散（diffusion）、テキストから画像、画像から画像、そしてcheckpoint。なぜ同じpromptでも結果が変わるのかが分かります。
- まず diffusion と Seed を理解。
- テキストから画像と画像から画像は別モード。
- promptよりcheckpointの方が出力を大きく変えます。
パラメーターと操縦
Seed、denoise 強度、ガイダンススケール、sampler、LoRA、ネガティブプロンプト。実務的なスキルの多くはここにあります。
- 比較はまず Seed を固定。
- 画像から画像では denoise 強度が要。
- すべてのエンドポイントがネガティブプロンプト対応ではありません。
編集と出力
inpainting、outpainting、upscale、アスペクト比、アルファチャンネル、EXIF。保存に値する結果が出た後の話です。
- inpainting はマスク外を保持します。
- アスペクト比は生成前に決めておきます。
- JPEG は透明を保持できません。
詳細
用語集のよくある質問
最も質問が多い語彙のポイント。
同じpromptで結果が変わる理由
Seed を固定していないからです。生成はランダムノイズから始まり、出発点は多くのprompt修正より結果に影響します。
denoise 強度の役割
画像から画像の生成で、元画像がどの程度残るかを決めます。このモードで最重要のコントロールです。
inpainting と outpainting の違い
inpainting はフレーム内を再生成。outpainting はフレーム外側を新たに生成。同じ処理で領域が違います。
Seed はモデル間で共通か
共通ではありません。Seed はそのモデル固有のノイズ空間を指すため、同じ数値でも別モデルでは無関係な結果になります。
アスペクト比を最初に決める理由
モデルは与えられたフレーム前提で構図を作るので、後からのトリミングは意図的な配置を捨てることになります。
さらに見る
LaFoto の他の機能
ここにある各用語は、次のどれかで実際に使います。
Vocabulary
AI画像用語に関する質問
- AI画像生成におけるseedとは？
- 生成の起点となる乱数ノイズを固定する番号です。同じseed・prompt・モデルなら同じ画像が再現できます。単語を1つ変えた影響を正確に検証するには、seedを固定するしかありません。
- denoiseの強さは何を制御しますか？
- image-to-image生成で元画像がどれだけ残るかです。0.2なら写真はほぼそのまま、0.5なら構図は保ちながら内容が差し替わり、0.85では元画像はムードボード程度の参照になります。
- inpaintingとoutpaintingの違いは？
- inpaintingは既存フレーム内のマスク領域を再生成し、outpaintingは元の端の外側に新しい内容を生成します。操作自体は同じで、当てる場所が違います—一方は補修、もう一方は拡張です。
- guidance scaleとは？
- 各denoise段階でモデルをpromptにどれだけ強く沿わせるかの度合いです。低すぎると指示から逸脱し、高すぎると過補正で硬く飽和した出力になります。
- LoRAとは？
- ベースモデル全体を再学習せずに、特定のスタイル・キャラクター・対象を教え込む小さな追加学習モジュールです。オープンモデル環境で、同一キャラクターを多数の画像で一貫させる定番手法です。
- アスペクト比はなぜ生成前に決める必要があるのですか？
- モデルは与えられたフレームに合わせて構図を組みます。16:9なら横構図、4:5なら縦構図です。あとからトリミングすると、意図して作られた構図を捨てることになります。
- アルファチャンネルとは？
- 画像ファイルにおける透明度の層です。PNGとWebPは対応し、JPEGは非対応です。被写体の切り抜きをJPEGで保存すると白のベタ背景が付くのはそのためです。
- seedは別のモデルでも通用しますか？
- いいえ。seedは特定モデルのノイズ空間へのインデックスなので、同じ番号でも別モデル—あるいは同一モデルの別バージョンでも—無関係な結果になります。seedと併せてモデル名も記録してください。
今日から作り始める
最高のAI画像ジェネレーターで最初の一枚を。
一文から数秒でフォトリアルな画像を生成し、細部まで洗練。セットアップ不要、Discord不要、GPU不要。
4,200+名のクリエイターがLaFotoを利用中