CFGスケールとは？Stable Diffusionの仕組みとおすすめ設定

AIで画像を作る中で、「CFGスケールの数値を変えるとどうなるか分からないけど大丈夫かな…」「自分にとって最適な設定値が分からないけど大丈夫かな…」と戸惑っている方もいるかもしれません。

思い通りのイラストや写真を生成するためには、CGFスケールが持つ役割をしっかり理解して、まずは実際の画面で色々と試してみるのがおすすめです。

この記事では、AI画像生成の細かい調整項目でつまずいている方に向けて、

上記について、解説しています。

設定の意味を深く知ることで、より理想に近い作品をスムーズに作り出せるようになるはず。

筆者も初めは操作に迷いましたが、少しのコツをつかむだけで誰でも思いのままに使いこなせるようになります。

これからAIを使った作品作りを本格的に楽しみたいと考えているなら、ぜひ参考にしてください。

StableDiffusionの「CFGスケール（CFGScale）」とは？

Stable Diffusionを利用する際によく目にする「CFGスケール（CFG Scale）」とは、入力したプロンプト（呪文）の指示にAIがどれくらい忠実に従うかを決める数値のことです。

なぜこの設定が重要かというと、数値を調整するだけで生成される画像全体の雰囲気や描き込みの度合いが大きく変化するからです。

思い通りのイラストを作りたいけれど、なんだかイメージと違う仕上がりになってしまうと悩んだ経験がある方もいるのではないでしょうか。

この数値を適切にコントロールすれば、あなたの理想とする作品へグッと近づけられるでしょう。

具体的には、CFGスケールの値を低く設定すると、AIの自由度が高まり、プロンプトに縛られない柔らかく独創的な画像を生み出してくれます。

反対に数値を高くした場合は、入力した指示を厳密に守ろうとするため、細部までカッチリと描き込まれたメリハリのあるイラストが完成するのです。

CFGスケールを調整するメリット

CFGスケールを調整する最大のメリットは、自分の思い描いた通りの画像を生成しやすくなることです。

なぜなら、CFGスケールを変更することで、AIがプロンプト（指示文）にどれくらい忠実に従うかを細かくコントロールできるからです。

自分のイメージがなかなか形にならないと悩んでいる方にとって、この機能は非常に心強い味方となるはずです。

例えば、CFGスケールを少し高めに設定すれば、指定した赤い髪や青いドレスといった要素がより正確に反映されたキャラクターのイラストを作成できます。

逆に数値を下げてみると、AIの自由な発想が存分に活かされ、思いがけない芸術的な作品に出会えるでしょう。

プロンプトへの忠実度をコントロールできる

CFGスケール（Classifier Free Guidance Scale）を調整する最大の利点は、入力したテキスト（プロンプト）に対してAIがどれだけ忠実に画像を生成するかを細かく操作できる点にあります。

例えば、数値を7から10の間に設定すると、プロンプトの指示を適切に反映しつつ、AI自身の創造性も活かされた自然な仕上がりを期待できるでしょう。

一方で数値を15以上に高くすれば、指定したキーワードの要素がより強く反映され、意図した構図や被写体を厳密に再現しやすくなります。

このように、自身の頭の中にあるイメージとAIの自由度のバランスを、スライダーひとつで簡単に最適化できるのが大きな魅力です。

ただし、数値を極端に上げすぎるとコントラストが強烈になり、画像が破綻するリスクもあるため、描きたい対象やシチュエーションに合わせて適宜数値を微調整することが求められます。

プロンプトへの忠実度を自在にコントロールするスキルを身につければ、Stable Diffusionでの画像生成がさらに思い通りのものへと進化するはずです。

生成画像のクオリティを最適化できる

CFGスケールを適切に調整することで、生成されるイラストや写真の全体的なクオリティを大幅に引き上げることが可能です。

Stable Diffusionにおいて、この数値を最適な範囲に設定することは、画像の破綻を防ぐために非常に重要となります。

例えば、数値を7から11前後の適正値に保つと、プロンプトの指示に従いつつも、AIが持つ本来の描画能力が存分に発揮される仕組みです。

その結果、被写体の輪郭が自然に描かれ、背景との馴染みも良くなるでしょう。

一方で、プロンプトの要素を強制しようとして数値を20以上に設定してしまうと、コントラストが異常に強くなり、色が潰れたりノイズが乗ったりする原因に繋がります。

逆に3以下の低すぎる数値を入力した場合は、画面全体がぼやけた印象になり、何を描いているのか判別しにくくなってしまう点に注意が必要です。

このように、描きたいテーマや画風に合わせて値を微調整することが、理想の一枚を完成させるための最短ルートと言えます。

CFGスケールが機能する仕組みと動作原理

CFGスケールの仕組みについて、難しそうだと感じる方もいるでしょう。

CFGスケールは、プロンプトに対するAIの「忠実度」と「自由度」のバランスを調整する役割を担っています。

なぜなら、画像生成AIはノイズから画像を形作る際に、本来は様々な可能性を模索する性質を持っているからです。

数値による制限を設けることで、入力したテキストへどれだけ強く従わせるかをコントロールできるというわけです。

具体的には、Stable Diffusionで「赤いリンゴ」と指示したケースを想像してみてください。

設定値を「7」前後にすると、自然な見た目の画像が生成されやすくなります。

一方で数値を「15」以上に引き上げると、AIは「赤い」という指示に過剰反応し、不自然なほどコントラストの強い画像を出力してしまう傾向があるのです。

CFGスケールのおすすめ設定値（推奨値）

CFGスケールの設定に迷った場合は、まずは「7」から「11」の間で数値を調整してみるのがおすすめです。

この範囲内に指定することで、プロンプトの指示を適度に守りつつ、AI本来の表現力も活かした自然な画像が生成されやすくなるからでしょう。

数値が低すぎるとAIがあなたの意図を無視しやすくなり、反対に高すぎると画像が破綻したりコントラストが極端に強くなったりしてしまうのが実際のところ。

具体的には、実写風の人物ポートレートを作成したい場面でCFGスケールを「7」に設定すると、肌の質感や髪の毛の描写が非常に自然な作品に仕上がります。

一方で、アニメテイストのイラストで複雑な衣装や背景の指定を正確に反映させたい時には、少し高めの「10」に設定して画像生成を試してみてください。

【実例比較】数値によって生成画像はどう変わる？

CFGスケールの数値を変えることで、プロンプトへの忠実度と画像の自由度がダイナミックに変化します。

数値を上げるほどAIはあなたの指示を厳格に守ろうとしますが、高すぎると画像が不自然になりやすいからです。

理想的なイメージを引き出すためには、適切なバランスを見つける作業が重要なポイント。

具体的には、数値を「7」前後に設定すると、AIの創造性と指示のバランスが取れた美しい画像が生成されやすい傾向にあります。

一方で「15」以上の極端な数値に設定した場合、コントラストが強すぎたり、構図が崩れたりする現象を実際に確認できるでしょう。

数値が低い場合（1〜5程度）の特徴

CFGスケールの数値を1〜5程度の低い値に設定した場合、AIは入力されたプロンプトの指示を厳密に守らなくなります。

指定したテキストよりも、AIモデルが持つ独自の学習データやランダムな解釈が優先される傾向が強まるのが大きな特徴です。

結果として、予想を裏切るような非常にクリエイティブで独創的な画像が生成される可能性を秘めています。

一方で、ユーザーが意図した構図やキャラクターの特徴、背景の細かなディテールなどは無視されやすい点に注意しなければなりません。

例えば「赤いジャケットを着たショートヘアの女性」と詳細に入力しても、髪型や服装が全く異なる人物が出力される確率は格段に高くなるでしょう。

このように、低い数値はプロンプトへの忠実度を犠牲にする設定と言えます。

具体的なイメージを正確に再現したい場面には不向きですが、AIならではの偶然の産物や、自由で思いがけない発想力を楽しみたいケースでは非常に有効な選択肢となります。

推奨される適正値（7〜10程度）の特徴

Stable DiffusionにおいてCFGスケールを7から10の間に設定することは、最もバランスの取れた推奨されるアプローチとなります。

この範囲の数値では、入力したプロンプトへの忠実度とAI自身のクリエイティビティが最適な割合で融合されるからです。

例えば「赤いドレスを着た女性」という指示を出した場合、AIはドレスの色や被写体の特徴を正確に捉えつつ、背景や光の当たり具合を自然な形で描き出します。

画像全体の構図やディテールに破綻が起きにくく、非常に高品質なイラストや写真が生成されやすいのが大きな特徴です。

特にデフォルト値として設定されていることの多い「7」は、数多くの学習モデルでテストされ洗練された基準値といえます。

これから画像生成を始める方は、まずこの数値をベースにして微調整を行っていくのが失敗しないコツとなるでしょう。

表現したい世界観に合わせて、8や9へと少しずつ数値を上げていくことで、理想の一枚に近づけることができます。

数値が高すぎる場合（15〜30程度）の特徴

CFGスケールを15から30などの高すぎる値に設定した場合、AIはプロンプトの指示を過剰に守ろうとします。

その結果、画像の彩度が不自然に高くなったり、コントラストが強くなりすぎたりする現象が発生しがちです。

また、画像の一部が崩れたり、ノイズが混ざったりして、全体のクオリティが著しく低下することも少なくありません。

特に、Stable Diffusionでリアルな写真や自然な風景を生成したい場合、20を超えるような極端な数値は避けるべきと言えます。

指示に対する忠実性を高めたい気持ちはわかりますが、高すぎる値はかえってAIの自由な表現力を奪い、不自然なアーティファクトを生み出す原因となります。

もし特定の要素を強調したいのであれば、CFGスケールを無理に上げるのではなく、プロンプトの重み付け（例：(red hair:1.5)など）を活用する方がはるかに効果的でしょう。

思い通りの画像が生成できない場合の対処法

思い通りの画像が生成できないときは、CFGスケールの値だけでなく、プロンプト自体を丁寧に見直すことが解決への近道となります。

なぜなら、Stable Diffusionなどの画像生成AIは入力されたテキストの指示を基に構築を行うため、元の指示が曖昧なままだと数値をいくら調整しても意図が正確に伝わらないからです。

例えば、「可愛い猫」という短い指示だけでうまくいかない場合は、「日向ぼっこをしている、茶トラの子猫、高画質、リアルな写真風」のように具体的なキーワードを複数追加してみてください。

プロンプトの解像度を上げることで、CFGスケールの効果も最大限に発揮され、理想の画像にぐっと近づくことでしょう。

プロンプトの記述順序と具体性を見直す

CFGスケールの値を変更しても理想の画像が生成されない場合、入力するテキスト（プロンプト）自体に原因があるケースが少なくありません。

Stable Diffusionなどの画像生成AIでは、文の先頭に配置された単語ほどシステムが強く認識する仕組みを持っています。

そのため、絶対に反映させたい要素（例えば「1人の日本の女子高生」や「渋谷のスクランブル交差点」など）は、カンマ区切りで一番前に配置するのが効果的です。

また、表現の具体性を高めるアプローチも非常に有効な手段と言えるでしょう。

単に「可愛い犬」と入力するのではなく、「代々木公園で赤いフリスビーを咥えて走る柴犬」のように詳細なシチュエーションを言語化してみてください。

要素の優先順位を明確にし、解像度の高い言葉を選ぶことで、CFGスケール本来の制御力が最大限に引き出されます。

結果として、プロンプトへの忠実度が飛躍的に向上し、頭の中で描いたイメージに近いイラストや写真を生成できるようになるはずです。

ネガティブプロンプトを有効活用する

思い通りのイラストや写真が生成されない場合、描画してほしくない要素を指定する「ネガティブプロンプト」の活用が効果的です。

CFGスケールの数値を7前後の適正値に設定していても、AIが予期せぬオブジェクトを追加してしまうケースは珍しくありません。

そのようなトラブルを防ぐためには、「low quality（低画質）」や「bad anatomy（人体の崩れ）」といった具体的なNGワードを専用の入力欄に設定しましょう。

特に人物を生成する際、「extra fingers（指が多い）」や「mutation（奇形）」などをあらかじめ指定しておくことで、不自然な描写を大幅に減らすことが可能です。

また、被写体を際立たせるために背景をシンプルにしたい場合は、「cluttered background（ごちゃごちゃした背景）」などのテキストを加えると全体の仕上がりが洗練されます。

指示通りにAIを制御するためには、プラスのプロンプトとマイナスのプロンプトの両輪で調整していくアプローチが欠かせません。

CFGスケールの変更だけで無理に解決しようとせず、除外したい情報を明確に伝えることで、理想的なクオリティの作品へと着実に近づけることができます。

サンプリングステップ数を調整する

Stable Diffusionで思い通りの画像が生成できない場合、CFGスケールだけでなく「サンプリングステップ数（Sampling Steps）」の調整も重要です。

ステップ数はAIがノイズから画像を生成する際の計算回数を示しており、一般的には20〜30前後の数値が標準として推奨されています。

もしCFGスケールを10以上の高い数値に設定して画像が崩れてしまうなら、ステップ数を40〜50程度まで引き上げてみましょう。

計算回数が増えることで、複雑なプロンプトの指示であっても細部まで丁寧に描き込まれるようになります。

ただし、数値を大きくしすぎると画像生成にかかる時間やPCのVRAMへの負荷が急激に増加するため注意が必要です。

反対に、CFGスケールを7などの適正値にしているのに画像がぼやける場合は、ステップ数が15以下になっている可能性があります。

まずは基準となる20ステップに設定し、1回あたりの生成時間とクオリティのバランスを見ながら5刻みで微調整していく手法が効果的でしょう。

CFGスケール設定に関するQ＆A

CFGスケールの設定で迷ったときによくある疑問を解消しておくと、よりスムーズに理想の画像生成へ近づけるはずです。

プロンプトの指示をどれだけ忠実に守るかを決めるこの数値は、実際にAIイラストを作成する中で多くの人が同じような壁にぶつかる傾向にあります。

例えば、「数値を30まで一気に上げたら画像が崩壊してしまった」といった失敗談や、「アニメ系モデルであるAnything V5での適切な値が知りたい」という具体的な悩みなどが代表的でしょう。

このようなよくある質問と回答をあらかじめ把握しておくことで、Stable Diffusionでのトラブルを未然に防ぐことが可能です。

CFGスケールの一般的なデフォルト値はいくつですか？

Stable Diffusionを利用する際、代表的なインターフェースである「AUTOMATIC1111版 WebUI」において、CFGスケールのデフォルト値は「7」に設定されています。

多くのユーザーが最初に出会うこの数値は、AIがプロンプトの指示を適度に守りつつ、画像としての自然さを維持するための最適なバランスを保つ基準点です。

設定値が「7」であれば、入力したテキストの意図をしっかりと反映しながらも、色彩の崩れやノイズによる構図の破綻を防ぐことができます。

初めて画像生成を行う方は、まずこの初期設定のまま何度か出力を試してみるのがおすすめです。

そこから「もっと指示を強力に反映させたい」と感じたら数値を「8〜10」へ徐々に引き上げ、逆に「AIの創造性に任せて自然な描写にしたい」場合は「5〜6」へ下げて微調整していくと良いでしょう。

新しいモデルやLoRAを使用する際も、まずはデフォルトの「7」を起点にテストすることで、各データ特有の癖を正確に把握できます。

数値を極端に上げすぎると画像はどうなりますか？

CFGスケールの数値を15や30といった極端に高い値に設定した場合、AIは入力されたプロンプトの指示を絶対的に守ろうとします。

その結果として、生成される画像には様々な悪影響が表れることが多いです。

具体的には、色のコントラストが異常に強くなり、鮮やかすぎる不自然な色合いに変化してしまいます。

さらに、白飛びや黒つぶれが発生しやすくなり、画像全体のディテールが大きく損なわれるでしょう。

また、指示の反映を優先するあまり、被写体の輪郭が崩壊したり、意図しないノイズや歪みが大量に生じたりするケースも珍しくありません。

例えば、「美しい風景」というプロンプトに対して数値を30にすると、現実離れしたサイケデリックな絵画のようになってしまうことがあります。

したがって、特別な芸術的表現を狙う場合を除き、数値を15以上に引き上げることはおすすめできません。

基本的には7〜10前後の適切な範囲内で微調整を行うのが、クオリティを保つための秘訣となります。

まとめ：CFGスケールとは何か・設定のコツを押さえよう

今回は、Stable Diffusionで思い通りの画像を生成したい方に向けて、

上記について、解説してきました。

CFGスケールとは、AIに対して「どれだけ指示に忠実に画像を作るか」を決める数値のこと。

数値が低すぎると指示が反映されにくくなり、高すぎると色や形が不自然になりやすいため、バランスの取れた設定が仕上がりを大きく左右します。

「設定をいじってみたものの、なかなか理想の画像にならない」と感じている方も多いでしょう。

まずは一般的な目安とされる7〜10前後の数値から試してみましょう。

そこを基準に少しずつ調整することで、自分の目的に合った設定値が見つかりやすくなります。

これまで試行錯誤しながら設定を探ってきた経験は、決して無駄ではありません。

一つひとつの試みが、画像生成への理解を着実に深めてくれています。

CFGスケールの仕組みを理解すれば、生成結果をコントロールする感覚がつかめるようになるでしょう。

思い描いたイメージを形にできる瞬間は、きっとすぐそこまで来ています。

今日からさっそく数値を変えながら試してみてください。

小さな一歩の積み重ねが、理想の画像生成への近道になるはずです。