Stable Diffusionのカスタムモデル活用術：LoRAとDreamBoothの違いと実践
Stable Diffusionは、テキストから高品質な画像を生成するAIツールとして多くのユーザーに活用されていますが、デフォルトのモデルだけでは満足できないこともあります。
「自分だけのスタイルを反映させたい」「特定のキャラクターやデザインを生成したい」といったニーズに応えるのが、カスタムモデルの活用です。
この記事では、初心者にも分かりやすくカスタムモデルの作り方を解説し、LoRAとDreamBoothの違いや実践方法を徹底的に解説します。記事を読み終えたら、あなただけのオリジナル画像生成が可能になるでしょう！
1. LoRAとDreamBoothの概要と違い
まずは、LoRA（Low-Rank Adaptation）とDreamBoothの基本を理解しましょう。それぞれの特徴と用途を簡単にまとめます。
1.1 LoRAとは？
LoRAは、Stable Diffusionのモデルを直接改変するのではなく、既存のモデルに「軽量な調整」を加えることで、新しいスタイルや特定の特徴を学習させる手法です。
特徴：
モデルファイルが非常に軽量（数MB程度）
学習に必要なリソースが少なく、一般的なGPUでも可能
既存のモデルに組み合わせるだけで適用可能
用途：
キャラクターや特定のアートスタイルの追加
軽量な拡張で複数のLoRAを同時に適用可能
1.2 DreamBoothとは？
DreamBoothは、モデル自体を再学習するプロセスで、特定の人物や物体、スタイルをモデルに深く組み込むことができます。
特徴：
より高い精度でカスタムデータを反映
元のモデルに新しい概念を学習させるため、既存のスタイルに依存しない
学習データが豊富であれば、非常に高品質な結果が得られる
用途：
個人の写真やオリジナルキャラクターの学習
商用プロジェクトで一貫したスタイルを生成
1.3 違いを表で比較
項目LoRADreamBoothファイルサイズ小さい（数MB程度）大きい（数GB程度）学習時間短い（数分〜数時間）長い（数時間〜数日）必要データ量少なめ（10〜30枚程度）多め（50枚以上推奨）適用方法既存モデルに追加適用再学習したモデルを直接使用カスタマイズの自由度高い（複数LoRAの組み合わせ可能）非常に高い（新しい概念を追加）
2. LoRAの活用方法
それでは、LoRAを利用してカスタムスタイルを学習させる具体的な手順を見ていきましょう。
2.1 必要な準備
学習データ
学習させたい画像（例：オリジナルキャラクターや特定のアートスタイル）を10〜30枚用意。
解像度は512x512推奨。統一感があるデータが望ましいです。
ツール
Stable Diffusion WebUI（AUTOMATIC1111）
sd-scripts（LoRA学習スクリプト）
GPU環境
NVIDIA製GPU（VRAM 8GB以上推奨）
2.2 LoRA学習手順
1. 画像データの準備
すべての画像をフォルダにまとめ、フォルダ名を「training_data」とします。
ファイル名は「001.jpg」「002.jpg」…と連番にしておくと管理が簡単です。
2. テキストデータの作成
各画像に対応するテキスト説明を記述します。例：
001.jpg: a smiling young woman with red hair, wearing a blue dress
3. 学習の実行
以下のコマンドでLoRAの学習を開始します。
python train_network.py --data_dir ./training_data --output_dir ./lora_output --network_module lora
4. LoRAモデルを適用
WebUIの「LoRA」タブで生成したLoRAファイルをロードし、プロンプトに指定します：
a portrait of a smiling young woman, <lora:your_model_name:1.0>
3. DreamBoothの活用方法
次に、DreamBoothを利用して特定の人物やスタイルを学習させる方法を解説します。
3.1 必要な準備
学習データはLoRAより多め（最低50〜100枚推奨）
モデルの容量が大きいため、VRAM 12GB以上のGPUを推奨
3.2 DreamBooth学習手順
1. 学習データの準備
対象の人物やスタイルの画像を集め、統一感のあるフォルダにまとめます。
2. 学習環境のセットアップ
DreamBooth用スクリプトをWebUIで使用します。
Hugging Faceのモデルをベースに、学習用の環境を構築します。
3. 学習コマンド
以下のコマンドで学習を実行：
python dreambooth_train.py --instance_dir ./data --output_dir ./dreambooth_model --class_text "photo of a person"
4. DreamBoothモデルの利用
学習済みモデルをWebUIでロードし、通常のプロンプトを入力して画像を生成します。
4. LoRAとDreamBoothの実践的な活用例
4.1 キャラクター作成
LoRAを使ってオリジナルキャラクターを学習：
a fantasy warrior girl, <lora:warrior_lora:1.0>, holding a sword, detailed armor
4.2 特定スタイルのアート
DreamBoothでアートスタイルを学習：
a painting of a landscape, in the style of Monet
まとめ
LoRAは軽量で簡単にカスタマイズが可能、DreamBoothは精度の高い学習が可能と、それぞれに特徴があります。目的に応じて適切な手法を選び、Stable Diffusionをさらに強力なツールへと進化させましょう！
次はあなたが生み出すオリジナル作品で、AIアートの可能性を広げる番です！
