無料で使えるAI 画像生成サイトの比較
最近、無料で使える画像生成サイトが増えてきています。
その中でも代表的な8つのサイトの作画を比較してみます。
基本的に使うプロンプトは英語となります。日本語のプロンプトも使用できますが、より詳細な表現をする場合現時点ではまだ英語でのプロンプトに軍配があがります。
google翻訳やChat GPT などで日本語を英語に翻訳して使用されることをお勧めします。
今回比較するのは、以下８つのAI画像生成サイトです。有料部分もありますが、基本的に無料で使用できる範囲で比較してみます。
上記のサイトで同じプロンプトを入れて作画を比較してみます。
この場合、以下の要件を比較します。
フォトリアル性（①）
世界観構築力（②）
スタイル適応力（③）
人物・動作の正確さ（④）
日本の伝統的な表現（⑤）
比較する具体的なプロンプトは、以下の5つです。
① 写実ポートレートテスト
「高精細な女性のポートレート。自然光が差し込む窓辺に座り、肌の質感や髪のディテールがリアルに表現された写真風の肖像。」
◆ フォトリアル性能・肌表現・光の扱いを比較
Prompt:
A highly detailed portrait of a young woman sitting by a window with natural light. Ultra-realistic skin texture, fine hair details, lifelike photography style.
② 複雑なファンタジー風景テスト
「巨大な浮遊する島、滝が流れ落ち、空に二つの月が輝く幻想的な風景。鮮やかな色彩と映画的なスケール感。」
◆ 構図の複雑さ・ディテール生成・スケール感の表現力を比較
Prompt:
A massive floating island with waterfalls cascading down, two moons shining in the sky, a breathtaking fantasy landscape with vibrant colors and cinematic scale.
③ スタイライズ（絵画調）テスト
「印象派風の油絵スタイルで描かれた都会の夜景。ネオンの光がにじみ、絵筆のタッチが感じられる表現。」
◆ アートスタイル変換能力・ブラシストローク表現・色彩感覚を比較
Prompt:
An impressionist oil painting of a city at night, glowing neon lights softly blurred, visible brush strokes and artistic color blending.
④ 複数キャラクター・動作テスト
「二人の剣士が激しく戦う場面。動きのあるポーズ、背景には燃える城。迫力と正確なアクション表現。」
◆ 複数人物の関係性・ポーズの正確さ・構図の安定性を比較
Prompt:
Two swordsmen engaged in an intense duel, dynamic poses full of motion, a burning castle in the background, dramatic and powerful atmosphere.
⑤ 日本の伝統的な表現
日本の伝統的な能舞台は「檜の床・松の描かれた鏡板・橋掛かり・シンプルな舞台美術・幽玄な雰囲気」が特徴なので、それをAI生成で表現できるようなプロンプトを組み立ててみました。
日本語プロンプト
伝統的な日本の能舞台。檜の舞台と背景の大きな松の絵が描かれた鏡板。舞台上には静かに佇む能楽師が白い能面をつけ、華やかな衣装をまとっている。周囲は薄暗く、舞台だけが柔らかな照明で浮かび上がり、幽玄で神秘的な雰囲気が漂っています。
英語プロンプト
A traditional Japanese Noh stage with polished hinoki wooden floor and a painted pine tree backdrop (kagami-ita). A Noh performer wearing a white mask and ornate costume stands gracefully on the stage. The surrounding is dimly lit, while soft warm lighting highlights the stage, creating a serene, mystical and yūgen atmosphere.
比較画像
以下、それぞれのサイトの比較画像を掲示します。
① 写実ポートレートテスト
ImageFX
Grok
Gemini
Canva
Stable Diffusion
DALL·E 3
Craiyon
Microsoft.Designer
② 複雑なファンタジー風景テスト
ImageFX
Grok
Gemini
Canva
Stable Diffusion
DALL·E 3
Craiyon
Microsoft.Designer
③ スタイライズ（絵画調）テスト
ImageFX
Grok
Gemini
Canva
Stable Diffusion
DALL·E 3
Craiyon
Microsoft.Designer
④ 複数キャラクター・動作テスト
ImageFX
Grok
Gemini
Canva
Stable Diffusion
DALL·E 3
Craiyon
このプロンプトの画像は、以下のメッセージが出て作成出来ませんでした。
Something may have triggered Microsoft's Responsible AI guidelines. Please change your phrasing and try again.
Microsoft の Responsible AI ガイドライン（責任あるAIガイドライン） に抵触する可能性のあるプロンプトを入力したため、画像生成がブロックされています。
主な原因例
成人向け・性的表現
暴力的・残虐な描写
差別的・攻撃的な内容
違法・危険行為に関連する描写
著作権キャラクターや実在人物を不適切に利用
過度に不適切と判断される言葉（直接的でなくても、文脈によって検知される場合があります）
⑤ 日本の伝統的な表現
ImageFX
Grok
Gemini
Canva
Stable Diffusion
DALL·E 3
Craiyon
Microsoft.Designer
まとめ
フォトリアル性に関しては、同じ「写実」という条件下でも、CanvaやCraiyonではややイラスト的な要素が混ざって見える傾向があります。また、Microsoft.Designerでは人体のバランスに不自然さが目立ち、とくに顔と首の比率や手の大きさにアンバランスが見られました。
複雑なファンタジー風景のテストでは、ImageFX、Grok、Microsoft.Designerの描画が比較的迫力を感じさせる一方で、その他の画像生成AIは色彩表現がややイラスト寄りで、細部の緻密さに欠ける傾向が確認されました。
スタイライズ（絵画調）テストでは、実写に近い表現から抽象的な表現まで幅広く出力され、AIごとのスタイル適応力の違いを興味深く比較できました。どの表現が優れているかは好みによる部分が大きいと思います。
複数キャラクター・動作のテストでは、指定した人数を正確に表現できない場合が散見されました。本テストでは全ての画像で2人のキャラクターは登場しましたが、画面の整合性には大きな差がありました。Grokでは左側の戦士の腕が物理的にあり得ない形で描かれ、Canvaでは左側の戦士が剣を持たず、右側の戦士の剣の持ち方も不自然でした。DALL·E 3では不自然な三本目の剣が現れ、Craiyonでは左側戦士の右腕が消失していました。このことから、複数人物や動作の正確性、画面全体の整合性を評価するテストとしても有効であることが分かります。
日本の伝統的表現のテストは、私個人として最も興味深い部分です。AIは海外で開発され学習されているため、日本固有の文化事象を正確に表現することは現時点では難しいです。「着物」はある程度表現可能ですが、「狩衣」や「十二単」といった複雑な伝統衣装の再現はまだ不得手です。これは、AIがどれだけ日本独自の文化を学習したか、またオンラインで参照可能な類似データの量に大きく依存していると思われます。本テストでは、ImageFXとGeminiが比較的正確に能の舞台表現を再現しており、Chat GPT はなかなか良い絵を出してくるけど、履き物が靴の様であり、能において演者が履くのは基本的に白足袋のみです。その点が残念です。その他のAIは不自然な表現が多く、鑑賞に耐えないケースが目立ちました。
総じて、各画像生成AIにはそれぞれ特徴があり、フォトリアル性、構図、スタイル、文化表現などの側面で明確な違いが見られました。本テストを通じて、AIごとの得意・不得意を把握することが可能であり、今後の利用や応用において参考になる結果です。
