CFGスケール

CFGスケール（ガイダンススケール）は、拡散モデルによる画像生成で、プロンプトへの従い方の強さを決めるパラメータです。CFG は Classifier-Free Guidance（分類器なしのガイダンス）の略で、2021年ごろに提案された手法に由来します。

しくみ

生成のステップごとに、モデルは2通りの予測を行います。1つは「プロンプトを条件にした場合」、もう1つは「条件なし（空のプロンプト）の場合」です。この2つの差は「プロンプトの方向」を表します。CFGスケールは、その差を何倍に強調して画像に反映するかを決める倍率です。値が大きいほどプロンプトの方向へ強く引っ張られます。ネガティブプロンプトは、この「条件なし」側の基準を置き換える形で作用します。

値のイメージ

• 低い値：自由度が高く、柔らかく多様な絵になりますが、指示から外れやすくなります。
• 中くらいの値：プロンプトへの従いやすさと、画質のバランスが良い範囲です。適切な範囲はモデルによって異なり、数値の目安は一概に言えません。
• 高い値：指示に忠実になる一方で、色が濃すぎる、コントラストが強すぎる、細部が破綻するなどの副作用が出やすくなります。

ラジオの音量つまみより、「ピントと彩度を同時に強めるつまみ」に近い性質です。上げるほど良いわけではありません。

具体例

• 「赤い帽子の猫」で帽子が赤くならないとき、値を少し上げて様子を見る。
• 絵が不自然に派手になったとき、値を下げてなじませる。
• シード値を固定し、CFGスケールだけを変えて並べて比べると、影響が分かりやすい。

使うときの注意・よくある誤解

• モデルによって、最適な範囲が大きく違います。他の人の設定値をそのまま使っても、同じ結果になりません。モデルの配布ページで推奨値を確認しましょう。
• 高速化のために蒸留された一部のモデルでは、この値をほぼ使わない、または低く固定する設計になっています。
• 指示に従わない原因が、プロンプト自体のあいまいさにある場合は、数値を上げても改善しません。
• Midjourney や ChatGPT などのサービスでは、この値が表に出ないこともあります。主にローカル環境のツールや、API を扱う場面で出てくる用語です。

関連する考え方

再現性を保つシード値、避けたい要素を伝えるネガティブプロンプト、拡散モデル全体のしくみとあわせて理解すると、調整の見通しがよくなります。

調整のコツ

まずモデルの推奨値で生成し、指示が弱いと感じたら少しずつ上げ、派手すぎると感じたら下げる、というように小さく動かして比べてください。一度に大きく変えると、効果の原因が分からなくなります。