生成パラメータ

最も重要な生成設定について説明します。

• プロンプト — 見たいものをモデルに伝える。
• ネガティブプロンプト — 避けたいものをモデルに伝える。
• サンプラー — モデルがノイズから画像に至る 方法 を決定。
• ステップ数 — そのプロセスの 長さ を決定。
• CFG — モデルがプロンプトに どれだけ強く 従うかを決定。
• デノイズ強度 — img2img で入力画像が どれだけ変化 できるかを決定。
• シード — どのランダム開始ノイズを使用するかを決定。

一度にすべてを調整する必要はありません。慣れたモデルから始めて、ほとんどの設定をデフォルト付近に保ち、一度に 1 つのパラメータのみ変更してください。

TIP

CLIP キャッシュ：Local Dream はテキストエンコーダーの出力をディスクに永続化します。これにより、以前にエンコードしたプロンプトは直前の実行に限らず、いつでも再利用されます。キャッシュはモデルごとに別々に保持されます — モデルごとにテキストエンコーダーが異なるためです。あるモデルのキャッシュをクリアしても他のモデルには影響しません。設定 → ファイルマネージャーからいつでもキャッシュをクリアできます。

キャッシュヒット時の節約時間（SDXL ワークフローの参考値）：

• CLIP の順伝播をスキップ、約 1 秒。
• 低 RAM モード では、CLIP モデルのロードとアンロードもスキップ、約 4 秒。

制限：Textual Inversion エンベディングを含むプロンプトはキャッシュへの読み書きを行いません — これらに対してはテキストエンコーダーが毎回実行されます。

推奨開始値

• プロンプト：短く具体的に
• ネガティブプロンプト：明らかに避けたい問題のみ追加
• サンプラー：DPM++ 2M（Karras トグルはデフォルトのオフのままで OK）
• ステップ数：20-30
• CFG：5-8
• デノイズ強度：img2img では 0.75-0.85
• シード：任意の値。気に入った結果が出たら固定して反復

サンプラー

• DPM++ 2M — ほとんどのユーザーに最適なデフォルト
• DPM++ 2M SDE — DPM++ 2M の確率的（SDE）バリアント。各ステップでわずかにノイズを注入するため、テクスチャが豊かになる傾向
• Euler A — 古典的な ancestral サンプラー。より自由なスタイル、活発なテクスチャを生成する可能性
• Euler — 決定論的（非 ancestral）な Euler。Euler A より安定して予測しやすい
• LCM — 極低ステップ数での高速生成。通常 4〜8 ステップで使用

サンプラーピッカーの隣に独立した Karras トグルがあります。オンにすると、現在のサンプラーのノイズスケジュールを Karras シグマ曲線に切り替えます。Karras はサンプリング終盤（低ノイズ領域）に多くのステップを割り当てる傾向があり、20〜30 ステップ程度ではディテールがやや精細になります。LCM 以外のすべてのサンプラーで Karras が使用可能です。

モデル作者の推奨設定に DPM++ 2M Karras のような表記がある場合は、DPM++ 2M を選択して Karras トグルをオンにしてください。

TIP

DPM++ 2M SDE は各ステップで新しいノイズを注入するため、同じシードでも DPM++ 2M とは結果が異なります。再現性を重視する場合は決定論的サンプラー（DPM++ 2M、Euler）を使ってください。

ステップ数

範囲：1-50

24 から始めることを推奨。画像が未完成に見える場合は 28 か 30 に増やしてみてください。LCM サンプラー使用時はより低いステップ数を使用。

CFG

範囲：1-30

• 1-4：緩いプロンプト追従
• 5-8：バランスが良く、通常最適
• 9-14：より強いプロンプト追従、アーティファクトに注意
• 15+：モデルが特に推奨しない限り通常は過剰

TIP

パフォーマンスノート：NPU パスでは、CFG を正確に 1 に設定すると非条件付き UNet パスが完全にスキップされ、ステップ時間が約半分になります。CFG 1 で動作する LCM 蒸留モデルに特に有効です。

デノイズ強度

範囲：0-1

主に img2img 用。出力が入力画像からどれだけ離れるかを制御します。

• 0.2-0.4：小さな修正
• 0.5-0.7：明確な編集、元の構造を維持
• 0.75-0.85：強い再描画、構図をおおまかに維持
• 0.9-1.0：大きな変化、構図がシフトする可能性

シード

範囲：0 ～ 4294967295

シードは生成のランダム開始点です。同じモデル、プロンプト、設定で同じシードを使用すると、結果の再現に役立ちます。

デバイス間の再現性の詳細はシード設定をご覧ください。