AI学習イラストのやり方完全ガイド！LoRAの作り方と著作権

こんにちは。AI活用.COM、運営者の「NAOYA」です。

最近、SNSで自分の好きな画風やキャラクターを完璧に再現したAIイラストを見かけることが増えてきましたね。

自分でもやってみたいけれど、AI学習イラストのやり方や著作権に関するルールが難しそうで、なかなか手が出せないという方も多いのではないでしょうか。

実は、最新の技術を使えば、高価なPCがなくてもスマホだけで自分だけのモデルを作ることが可能ですし、正しい知識を持っていれば法的なリスクも回避できます。

この記事では、2025年現在の最新情報をもとに、初心者でも安全かつハイクオリティな学習モデルを作るための手順を、私の経験を交えてわかりやすく解説します。

• 著作権法に基づいた安全な学習画像データの集め方
• LoRAなどの追加学習技術の仕組みと最新トレンド
• 自宅のPCやスマホで学習環境を構築する具体的な手順
• 失敗しないためのパラメータ設定とタグ付けのコツ

安全なAI学習イラストのやり方と著作権

AIにイラストを学習させる際、最初に立ちはだかるのが技術的な壁ではなく「法律と倫理」の壁です。まずは、安心して創作活動を楽しむために知っておくべき、日本国内におけるルールと、学習の仕組み、そして必要な環境について解説します。

AI学習の著作権と違法性の境界線

日本は「機械学習パラダイス」と呼ばれることがありますが、これは著作権法第30条の4という法律が存在するためです。この法律では、AIによる「情報解析」を目的とする場合、原則として著作権者の許諾なしに著作物を利用できるとされています。

ただし、どんな場合でも許されるわけではありません。「画風（スタイル）」自体には著作権がないというのが通説ですが、生成された画像が特定の既存作品と酷似しており、かつその作品を学習データとして利用したこと（依拠性）が証明された場合、著作権侵害になるリスクがあります。

2025年現在は「Glaze」や「Mist」といった学習阻害技術も普及しています。法的な白黒だけでなく、クリエイターへの敬意を持って技術を利用することが大切ですね。

LoRAモデルの追加学習の仕組み

「AI学習」と一口に言っても、最近の主流はモデル全体を一から作るのではなく、既存のモデルに少しだけ変更を加える「追加学習（Fine-tuning）」です。その中でも特に人気なのが「LoRA（Low-Rank Adaptation）」という技術です。

以前主流だったDreamboothという手法は、巨大なモデル全体を更新するため、非常に高性能なPCと大量のストレージが必要でした。しかし、LoRAはモデルの変更したい部分（パラメータ）だけをピンポイントで学習させるため、ファイルサイズが数MB〜数百MBと非常に軽く、家庭用のPCでも扱いやすいのが特徴です。

推奨PCスペックとグラボの選び方

ローカル環境（自分のPC）で学習を行う場合、最も重要なパーツはGPU（グラフィックボード）です。特に重要なのが、画像データを展開するためのVRAM（ビデオメモリ）の容量です。

SDXLやFluxといった高画質モデルを学習させたい場合、VRAM 12GBでは設定をかなり工夫しないとエラー（Out of Memory）で止まってしまうことが多いです。これからPCを組むなら、VRAM 16GB以上を搭載したモデルを選ぶのが安定への近道だと私は思います。

スマホアプリで手軽に学習する方法

「そんな高性能なPCは持っていない！」という方も安心してください。現在はクラウドサービスを使えば、スマホや低スペックPCからでもハイクオリティな学習が可能です。

特におすすめなのがSeaArtやCivitaiといったサービスです。これらはWebブラウザ上で動作し、画像をアップロードしてボタンを押すだけで、サーバー側の強力なGPUを使って学習を行ってくれます。

• SeaArt: テンプレートが充実しており、初心者でも失敗しにくい。スマホUIも使いやすい。
• Civitai: 世界最大のモデル投稿サイト。学習したLoRAをそのまま公開したり、コミュニティでテストしてもらえる。

これらのサービスを使えば、通勤中の電車の中で学習を開始し、帰宅してから生成結果を確認するといった使い方もできてしまいます。

学習に必要な画像の枚数と集め方

「何枚くらいの画像が必要ですか？」というのは非常によくある質問ですが、学習させる対象によって適正枚数は異なります。

ここで重要なのは枚数よりも「多様性（Diversity）」です。例えば、すべて同じ角度の「顔のアップ」ばかり学習させると、AIはその角度以外描けなくなってしまいます。全身、横顔、後ろ姿、様々な衣装や背景の画像を混ぜることが、汎用性の高いLoRAを作るコツです。

また、画質も重要です。ノイズの多いJPEG画像よりも、クリアなPNG画像を用意しましょう。「ゴミを入れればゴミが出る（Garbage In, Garbage Out）」はAI学習の鉄則です。

実践的なAI学習イラストのやり方とコツ

ここからは、実際に学習を行う際の具体的な設定や、クオリティを劇的に上げるためのテクニックについて深掘りしていきます。ツールは「Kohya_ss」などを想定していますが、考え方はクラウド学習でも共通です。

Kohya_ssの設定とパラメータ

学習ツールで最も悩むのが、無数にあるパラメータの設定ですよね。特に影響が大きいのがNetwork Rank (Dim)とNetwork Alphaです。

• Network Rank (Dimension): 学習する情報の「容量」のようなもの。キャラクターなら16〜32、画風なら64〜128が目安です。
• Network Alpha: 学習の「重み」を調整する係数。最近の定説では、Alpha = Rank または Alpha = Rank / 2 に設定するのが良いとされています。

また、学習率（Learning Rate）も重要です。高すぎると画像が崩壊し、低すぎるといつまで経っても学習されません。一般的に、U-Netの学習率は 1e-4 (0.0001) あたりから始め、テキストエンコーダーの学習率はそれより少し低め（5e-5など）に設定するのが定石です。

精度の高いタグ付けとキャプション

LoRAの出来栄えを左右する最大の要因、それが「タグ付け（キャプション）」です。画像に何が描かれているかをAIに言葉で教える作業です。

基本的には「WD14 Tagger」などのツールで自動タグ付けを行いますが、ここからが腕の見せ所です。「学習させたい特徴のタグは削除し、変更したい要素のタグは残す」という戦略（Pruning）が重要になります。

最近ではChatGPT-4Vなどを使って、自然言語で詳細な説明文を作らせて学習させる手法も、SDXLやFluxでは効果的です。

過学習や失敗を防ぐ画像の選び方

学習がうまくいかない原因の多くは「過学習（Overfitting）」です。これはAIが学習データを「丸暗記」してしまい、応用が利かなくなる状態を指します。

過学習になると、プロンプトで服を着せ替えようとしても学習元の服が混ざったり、画質がギラギラと高コントラストになったりします。これを防ぐには、以下の対策が有効です。

• Epoch数を減らす: 学習の繰り返し回数を減らし、少し「学習不足かな？」と思うくらいで止める。
• 画像のバリエーションを増やす: 同じ構図の画像ばかり入れない。
• 背景除去: キャラクター学習の場合、背景を白抜きや透過にしておくことで、余計なノイズ学習を防げます。

また、Kohya_ssなどのツールには「Bucketing」機能があり、画像をトリミングせずにそのままの比率で学習できます。無理に正方形にトリミングして頭が見切れたりしないよう、この機能は必ずONにしておきましょう。

クラウドで簡単に学習させる手順

最後に、PCスペックに不安がある方向けに、クラウドサービスを使ったフローを簡単に紹介します。

SeaArtの場合、メニューから「トレーニング」を選び、画像をアップロードします。ここで素晴らしいのが、テンプレート機能です。「キャラクター」「画風」などのプリセットを選ぶだけで、難しい数値設定を自動でやってくれます。あとはタグ付けの確認画面で不要なタグを整理し、スタートボタンを押すだけ。数十分後には自分だけのLoRAが完成しています。

上級者向けにはRunPodなどのGPUレンタルサービスもありますが、こちらは環境構築の知識が必要になります。まずはSeaArtやCivitaiのオンサイト学習から始めて、物足りなくなったらローカルやIaaSに挑戦するのが、私のおすすめするステップアップルートです。

AI学習イラストのやり方のまとめ

今回は「AI 学習 イラスト やり方」をテーマに、基礎知識から実践的なテクニックまで解説しました。

AI学習は非常に奥が深く、一度で完璧なモデルができることは稀です。しかし、失敗したモデルを分析し、タグを見直し、パラメータを微調整して理想の画像が出た時の感動は、何物にも代えがたいものがあります。

ぜひこの記事を参考に、あなただけのAI学習ライフを始めてみてください。きっと創作の幅が大きく広がるはずです！

※本記事の情報は執筆時点（2025年）のものです。法律やサービスの仕様は変更される可能性があるため、最終的な判断は公式サイトや専門家にご確認ください。