なお、単語が長いため以降は
Stable Diffusion → SD
AUTOMATIC1111版 → A1111版
と略す

SDのインストール

今まで使っていたA1111版 SDをそのまま使えるらしいからインストールは過去の記事を参考に
(A1111版 SDのバージョンが v1.5.0以降からXL対応)

SDXLを使うためのモデルの準備

Baseモデル、Refinerモデル、VAEの3個を、それぞれのサイト(Hugging Face)からダウンロードする

Baseモデル
→ “sd_xl_base_1.0.safetensors”をダウンロード
Refinerモデル
→ “sd_xl_refiner_1.0.safetensors”をダウンロード
VAE
→ “sdxl_vae.safetensors”をダウンロード

ダウンロード後、BaseモデルとRefinerモデルをSDの置いてあるフォルダの”models\Stable-diffusion” に入れる
VAEは”models\VAE” に入れる
(つまり普段のmodel・VAEを入れるとこと同じ)

SDの設定

あとは今までのモデル切り替えと同様、ダウンロードしたBaseモデル・VAEをセットする
Refinerモデルについては、下の画像のように「Refiner」の欄からBaseモデルと同様に選択する

VAEの欄が表示されていない場合は「設定(Settings)」→「ユーザーインターフェース(User Interfase)」を開き、「クイック設定(Quicksettings list)」に”sd_vae”を追加してUIの更新を行うとcheckpointの横にVAEの欄が表示される

あとは今まで通り画像を出力するとXLが反映された画像が出力できるようになる

まとめ

• SDXLは単にXLのモデルを使用するだけで通常のSDとなんにも変わらない
• SDXLでできた機能”Refiner”でディティールが上がる!! けど現状あんまり活用されてないみたい?
• 今までのSDとSDXLでVAEやLoRAが互換無いらしく新しく用意しなくてはいけない
• LoRAの作成でXLに対応させるため解像度の項目を1024*1024にした結果LoRAができるまで1日かかった

投稿 Stable Diffusion XL導入してみた(AUTOMATIC1111版) は 弓月ゆあのしんかのきせき に最初に表示されました。

フランジャーは、音に周期的な変調を加えて「うねり」や「ジェット機のような」効果を生み出すエフェクター
原音と遅延させた音を混ぜ、その遅延時間を変化させることで独特なサウンドを作り出す感じらしい

似たエフェクターのフェイザーとの違いとして、
フランジャーは原音と微妙に遅延させた音を混ぜてその遅延時間を周期的に変化させる
フェイザーは音声信号を複数のフィルターに通し、特定の周波数帯域を強調したり減衰させたりして効果を作り出す
という違いがある

パラメーター紹介

• Gain : 音量
• Delay : フランジャーの遅延(エフェクトの強さ)
• Depth : エフェクトの深さ(エフェクトの強さ)
• Rate : エフェクトの周期調整(エフェクトの強さ)
• Spread : ステレオ幅の調整(モノラルだと無い)
• Dry : 原音の音量
• Feedfwd : フランジャーの音量
• Feedback : フィードバック量の調整(エフェクトの強さ)
• shape : モジュレーション波形の形状の調整(エフェクトの特性変化)

まとめ

説明書いてもよくわからん!!! Delay ・Depth・Rate・Spread・Feedback・shape の6点(というか音量系以外)が全部エフェクトの調整みたいな項目
Feedfwdが名前わかりづらいけど他で言う”Wet”と同じみたい

投稿 VSTプラグイン紹介「Blue Cat’s Flanger」 は 弓月ゆあのしんかのきせき に最初に表示されました。

フェイザーは、音に独特な「スウィープ」や「波動」の効果を加えるエフェクター
音を複数のフィルターに通して、特定の周波数帯域を強調・減衰することで、サウンドに動きと変化を生み出す+フィルターの周波数を周期的に変化させることで特徴的なサウンドになる感じらしい

似たエフェクターのフランジャーとの違いとして、
フランジャーは原音と微妙に遅延させた音を混ぜてその遅延時間を周期的に変化させる
フェイザーは音声信号を複数のフィルターに通し、特定の周波数帯域を強調したり減衰させたりして効果を作り出す
という違いがある

パラメーター紹介

• Gain : 音量
• Stages : フェイザーのステージ数(エフェクトの強さ)
• Depth : エフェクトの深さ(エフェクトの強さ)
• Rate : エフェクトの周期調整(エフェクトの強さ)
• Spread : ステレオ幅の調整(モノラルだと無い)
• Dry : 原音の音量
• Wet : フェイザーの音量
• Feedback : フィードバック量の調整(エフェクトの強さ)
• shape : モジュレーション波形の形状の調整(エフェクトの特性変化)

まとめ

説明書いてもよくわからん!!! Stages・Depth・Rate・Spread・Feedback・shape の6点(というか音量系以外)が全部エフェクトの調整みたいな項目

投稿 VSTプラグイン紹介「Blue Cat’s Phaser」 は 弓月ゆあのしんかのきせき に最初に表示されました。

リバーブは、音の反響を追加して空間の広がりを表現するエフェクター

似たエフェクターのエコーとの違いとしては、
リバーブ:滑らかに減衰して自然な反響を作る
エコー:音の遅延を繰り返して反響を作る
という違いがある

パラメーター紹介

MAIN

• SIZE : リバーブの強さ
• DAMP : リバーブの高音の減衰量
• DELAY : リバーブ音の出力タイミングの遅延
• DIFFUSE : リバーブの拡散量
• STEREO : リバーブをステレオにする
• S-CHAIN : サイドチェーンの入力(他トラックの音)切り替え
• DUCKING : 他のトラックの音量によってリバーブ音の音量を下げる割合

MIX

• DRY : 原音の音量
• WET : リバーブの音量

MOD

• RATE : モジュレーション速度(リバーブの揺れる速さ)
• AMOUNT : モジュレーションの深さ(リバーブの揺れる量)

TUNE

• TUNE : リバーブのピッチ調整
• AMOUNT : ピッチ調整後の音の混ざる量

EQ

• LOW CUT : 低域の周波数カット
• HIGH CUT : 高域の周波数カット
• PEAK : 特定の周波数帯域のリバーブの強さ調整

LO-FI

• BITS : ビットレート
• SR : サンプリングレート

まとめ

自分はサイドチェーン、TUNE、EQ、LO-FIは基本触らない
サイドチェーン自体分かって無くて今回記事書くにあたってなんとなく調べて把握した(気がする)

投稿 VSTプラグイン紹介「TAL-Reverb-4」 は 弓月ゆあのしんかのきせき に最初に表示されました。

エキサイターは、音に倍音を加えて明瞭さや輝きを増すエフェクター

パラメーター紹介

• CV : Highの値を原音にダッキングを追加できる? らしい
• Input : 入力音量の調整
• Low : 低音域の倍音を増幅する量を調整
• High : 高音域の倍音を増幅する量を調整
• Output : 出力音量の調整
• Noise Floor : ノイズを入れる

まとめ

Input・Outputはゲインだし、CV・Noise Floorは無効にしているからLow・Highだけを調整すれば良いと思う(もしかしたらCVが重要になるのかもしれないが自分はよく分からなかった)

投稿 VSTプラグイン紹介「La Petite Excite」 は 弓月ゆあのしんかのきせき に最初に表示されました。

こんな感じになった
前回の最後にある画像とそんなに変わらないレベルの出来栄え
このLoRAを暫く使い、手直しした立ち絵をyoutubeのサムネ等に使っていき、ある程度データが集まったら修正後のLoRAをまた作る予定

紹介はこれで終わり、ここから”LoRA Easy Training Scripts”の調整箇所の説明を行っていく(導入方法は前回の記事を見てね)
左側のタブを上から順に僕が触った項目を説明していく

「GENERAL ARGS」

・Base Model
教育時に参照するcheckpointを選択(僕はCounterfeitを使用)
・Cache Latents
VRAMの使用量を削減できるらしいからチェックした
・Max Training Time
Epochs 12に設定した(詳細は繰り返し回数と共に後述)

「NETWORK ARGS」

・Network Dimension
よく分からないけど8～128あたりで調整したら結果が変わる
・Network Alpha
Network Dimensionの半分の値にする

「OPTMIZER ARGS」

・オプティマイザ選択(AdamWの欄)
AdamWがよく使われているらしい
AdamW8bitがメモリ使用量が少ないという記事も見た気がする
・スケジューラー選択(cosine with restartsの欄)
cosine with restartsは学習に時間がかかるが過学習し辛いらしい
・Learning Rate
学習率の設定らしい

「SAVING ARGS」

・Output Folder
学習結果LoRAの保存先の選択
・Output Name
保存するLoRAのファイル名
・(Save Frequency)
指定タイミング毎に学習データを残してくれる
画像の状態だと1Epochs毎にLoRAが保存される
学習させている最中にどこから過学習になるか分からない為、全部残すと確認が楽

「BUCKET ARGS」

・ENABLEのチェックを外す
学習させる画像サイズについての設定らしいけど画像サイズが全て同じなら不要みたい

「右側のリスト」

・input image Dir
学習元のフォルダを選択
(・Number of Repeats)
学習元フォルダを選択したら(フォルダ名の先頭の値が)勝手に数値が入る
繰り返し回数と呼ばれる項目

ここで繰り返し回数・Epochsについて説明すると、どれくらい学習を行うかの数値になるらしく、計算は単純で
「画像数 * epochs * 繰り返し回数 = ステップ数」となる
調べてる中では画像数を20枚程度にしてステップ数を2000～10000前後になるよう調整するのがいいみたい?
上に画像を貼ったけど学習不足だと似てない、過学習だと絵が破綻したりする

あとは赤文字にした項目の数値を上下させて自分的に綺麗なLoRAができたら完成!!
上で書いたけどいったん今回できたLoRAを使っていき、手直しした画像を使って再度LoRAを作る予定
まあ将来的にやるかも、って感じだから今回の作り方を再度行うかもしれないし、また新しいAI画像生成の技術ができたらそっちつかうかもしれないって感じかな

投稿 LoRA作成してもきれいに出力されない件(LoRA調整編) は 弓月ゆあのしんかのきせき に最初に表示されました。

マイク

AUDIO-TECHNICA AT875R ショットガンマイクロホン

created by Rinker

¥22,000 (2026/04/16 02:05:57時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

なぜかショットガンマイク
立った状態でしゃべるときにこっちの方が音入りやすいかな?って思ってこれにしたけどほぼ一回も立ちで使ったこと無い(1回だけ使ったけど録画ミスでお蔵入りにしたから実質使ってない)

ミキサー

YAMAHA AG03-MIKU

created by Rinker

¥56,238 (2026/04/16 02:05:58時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

すでに新型がでてるけどまだまだ現役ミキサー君
ヘッドホン、スピーカーを切り替えするやつ
これにもマイクを接続できるけど次に紹介するオーディオインターフェースの方がノイズが少ないからこっちのマイク入力は使っていない

オーディオインターフェース

Roland QUAD-CAPTURE UA-55

created by Rinker

¥8,784 (2026/04/16 02:05:58時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

これまた昔のインターフェースを使ってる
マイク入力時のノイズ量が自分の持っているマイク入力機材の中で一番少ないからまだまだ現役
(ちなみに他の入力機材はミキサーのAG-03とボイスエフェクターのVT-4)

ヘッドホン

AKG K612 PRO

created by Rinker

• Amazon
• 楽天市場
• Yahooショッピング

わりといい開放型ヘッドホン
ずっと使っていると耳が痛くなってくる

スピーカー

配信ではヘッドホン使ってるからスピーカーは使ってないけど普段はこっちで音を聞いてる

現在の機材はこんな感じ
書いてて思ったけど古い機材ばっかり

投稿 自分の配信周り紹介 機材編 は 弓月ゆあのしんかのきせき に最初に表示されました。

ASUS NVIDIA GTX 1660Ti PH-GTX1660TI-O6G

created by Rinker

• Amazon
• 楽天市場
• Yahooショッピング

ELSA NVIDIA RTX A2000 6GB ENQRA2000-6GER

created by Rinker

• Amazon
• 楽天市場
• Yahooショッピング

サイズ 超天 SCCT-1000

created by Rinker

• Amazon
• 楽天市場
• Yahooショッピング

INTEL SSD RSSD660Pシリーズ SSDPEKNW020T8X1

created by Rinker

• Amazon
• 楽天市場
• Yahooショッピング

東芝 DT02ABA400 4TB 3.5インチHDD

created by Rinker

• Amazon
• 楽天市場
• Yahooショッピング

計23万くらいのPC
4年経つけどGPU、電源、HDD以外は当時のまま来ている
そこまでスペックで困ることはないからまだ暫く使う予定
GPUを2個積んで負荷を分散してごまかしてるけど、もっとGPUが良いとVRCHATの動作が重いとか動画のエンコードが遅いっていうのが解消されるけどしょうがないと諦めてる

投稿 MY自作PC紹介(2023年10月編) は 弓月ゆあのしんかのきせき に最初に表示されました。

画像の左上が”プロンプト”といって生成したい画像のイメージを命令するとこ
例えば「1girl, orange hair, forest」と指定したら森にいるオレンジ色の髪の女の子が出力される

左下が”ネガティブプロンプト”といって逆に入れたくないものを命令することができる
例えば森と指定したせいで動物が出力されるときは「animal」と書いて動物を出力しないようにできる

しかしプロンプトだけで特定のキャラを作成することは服装・アクセサリーなどワード化するのが難しすぎる

例えば上の弓月ゆあモデルを出力したいと思って頑張っても

100枚の出力から厳選してこれくらいの雰囲気
服装については指定無理ゲー

こんな感じにプロンプトのみだとキャラクターの出力は難しいけど今回はタイトルにある”LoRA”を使うことによりキャラクターを出力できるようになる

まずLoRAを使った例を出す

10枚程度出力するだけでこんな感じに服装・アクセサリーがそれっぽい画像が出力できるようになる
前振りが長くなったけど今回はこのLoRAを作成する

LoRAは簡単に説明すると事前にそのキャラクターの画像を複数用意して学習セットを作る感じ
ここから導入方法について書いていく

1.必要なものを揃える

Python(推奨ver3.10.6)・git・LoRA Easy Training Scriptsをインストールする
Pythonとgitは以前のstable diffusion紹介で導入しているはず、LoRA Easy Training Scriptsが今回LoRAを作成するためのツール(僕は2023年6月頭に導入したけど以前ツールのアップデートで色々変わったみたい)

LoRA Easy Training Scriptsインストール中にGPUについての質問(RTX30☓0～40☓0系かそれ以外か、及びGTX10☓0か)が出た際はそれに従う

2.学習用画像を準備する

上記作業でLoRA作成ツールを準備ができたが、肝心な学習用データが無いから準備する
僕の場合はvroidモデルを学習させるため適当にスクショを撮った

vroidの撮影モードで1024*1024の画像を撮った(512*512が推奨らしく、後にリサイズして試したけど違いが分からなかった)
フォルダは今回”10_yua_yuzuki”という名前にして画像を保存してある(画像ファイル名については適当)
フォルダ名には意味があって”10″がLoRA作成時の繰り返し回数となり、(繰り返し回数については今回は説明無し、次回のLoRA調整編で説明する)”yua_yuzuki”の部分はトリガープロンプトというLoRAを呼び出すときに使う文字列となる
ちなみに正則化画像とかいうのは今回用意してない

3.画像のタグ付けをする

集めた画像毎にどのようなプロンプトで出力されるか説明するファイルが必要
画像毎に必要だから手作業するのは面倒、ということで簡単にタグ付けするツールを使う

「Dataset Tag Editor」というstable diffusionの拡張機能を使う
stable diffusionの「拡張機能(日本語化していない場合はExtensions)」→「URLからインストール(Install from URL)」→「拡張機能のリポジトリのURL(URL for extensions’s git repository)」を選択して以下を入力する

https://github.com/toshiaki1729/stable-diffusion-webui-dataset-tag-editor

あとはstable diffusionのUIを再起動したら導入完了
タブにある「Dataset Tag Editor」を開くと下の画像のように表示される

この画像のよう赤線部分を触る
左欄にてフォルダの指定及びチェック欄とか合わせた後に読み込みを押し、右欄で左欄で設定した画像のうちどれを選択するか指定、最後に一番上の「すべての変更を保存(Save all changes)」を押したらタグ付け用txtファイルが画像と同じフォルダに作成されるって感じの流れ
インタロゲーターについてはプロンプトの生成方法が違うみたいだけど違いがよく分からないから適当に選択した

4.LoRA作成

ついに最後のLoRA作成にきた
LoRA Easy Training Scriptsのフォルダ内の「run.bat」を起動する

cmdが起動後、少ししたら新しくアプリが起動する
このアプリで色々数値調整をしてLoRAが作成できる
本当は調整内容まで紹介しようとしてたけど内容が長くなるのとまだ調整中で紹介できないから次回投稿予定→調整編投稿した！！

一応現段階でこんな感じに出力できているよっていう例を出して今回は終了!(手が中々上手く出力できない・・・)

投稿 AI画像生成で目当てのキャラを出力(LoRA導入編) は 弓月ゆあのしんかのきせき に最初に表示されました。

今までサーバーはJust-Size.Networks、ドメインはバリュードメインを利用していた
年間でサーバー代が3,768円、ドメイン代が1,804円だった
個人の日記帳だからもっと安いとこに変更しても全然問題ないため今回の見直しで違うとこに移行してみるって流れ
ちなみにどちらも特に不便無く動作していた 今までありがとう

変更先としてはサーバーがCORESERVER.JP、ドメインがお名前.comへ変更した
変更によりサーバー代が2,640円、ドメインはキャンペーンで3年間ドメイン代が無料が付いてきた(4年目以降はドメイン代年間1,287円)

ドメインについては安くなったと思ったが、お名前.comのホームページ上にあったwhois情報公開代行機能無料が「ドメイン新規登録」時のみ無料だったらしく自分のように他社からの移行の場合は有料だったので結局年間1,288円かかることが契約後に判明
更に今回のドメイン移行について6月に実施、8月が更新月ということで2ヶ月分の代金も支払ったんだけど月割が無いため14ヶ月間の代行機能使用料2,576円+ドメイン移管代1,209円かかった

ドメイン代無料の3年間にかかる費用を考えるとvalue domainを継続使用するより値段がかかることに・・・(サーバーとドメイン代合算すれば今までより安くはなっているからセーフってことで!)
無料期間の過ぎた4年目からドメイン代+代行機能で約2,500円となるため忘れてなかったらドメイン管理会社を再度移行する予定(結局value domainに戻るかも?)

初めて移行作業したけどドメインについては特に問題なく終わったが、サーバー移行については上手く出来なくて作業に丸一日かかった

wordpressのプラグインでバックアップ、移行先のサーバーにデータを移すだけなんだけど何故かプラグインが上手く動かなかった(自分の使い方が悪かった可能性が大いにある)
使ったプラグインは「All-in-one WP Migration」と「Duplicator」なんだけど流れとして

「All-in-one WP Migration」使ってみてエクスポートデータが600MBになった
→「All-in-one WP Migration」のインポート機能が512MB以上だと有料版使わないとダメという記事を見て諦める
→「Duplicator」使ってみたが新サーバーでファイルを認識しない(実際は保存場所が悪くて使えなかった可能性大)
→ダメ元で無料版「All-in-one WP Migration」のインポート機能を使ってみたら2GBまでインポートできることが分かって無事移行完了

という感じ
元々自分が見てた記事が古かったのかもしれないが2023年6月末だと「All-in-one WP Migration」のインポート機能は無料版でも2GBまでいけるみたい
他の記事でどこか弄るとインポート容量制限を調整できるっていう情報も見たけど自分は何も触らずにいけた

投稿 サーバー・ドメインを移行した は 弓月ゆあのしんかのきせき に最初に表示されました。