【コラム】Grok+Hugging Faceでプロンプト作成から画像生成まで行う手順
表紙イラストは、今回構築した仕組みを使って、Grokでプロンプト作成 → 画像生成 → 修正 → 再生成までを一気通貫で実行してみた結果です。
【Grokチャットに以下を入力】
Prompt Forgerを使用。
Animaのプロンプトを作成。
水彩画風の絵柄。強いデフォルメ。
日本家屋の屋内。畳の上にちゃぶ台。
女の子がちゃぶ台のわきでアイスキャンディを舐めている。
ちゃぶ台の上には閉じられたノートが整然と積まれている。
縁側の外にはヒマワリが咲いている。
家庭菜園のトマトが見える。
ヒマワリの向こう側に生け垣。
青い空。白い雲。軒先には風鈴が下がっている。
女の子の特徴はDanbooruタグで以下の通り。
1girl, loli, hair over eyes, (eyes visible through hair:0.5),
(roots \(hair\):1.2), (yellow hair:1.1), (multicolored hair:0.7),
very long hair, low ponytail, tsurime, small eyes, grey eyes,
small breasts, fang
赤いTシャツとデニムスカートを着用。裸足。
【Grokがプロンプトと生成パラメータを提示し、画像生成するか確認してくるので】
はい。
1344×768で生成してください。
【表紙1枚目が表示される。修正内容を指定】
ノートを座卓(ちゃぶ台)の上に置いてください。
【修正版のプロンプトと生成パラメータが提示され、再び画像生成するか確認されるので】
はい。
Seedは前回と同じものを使用。
LoRA 1とLoRA 2を無効化してください。
【表紙2枚目が表示される。以降、必要に応じて修正→再生成を繰り返す】
このように、生成された画像を見ながらそのままGrokに修正点を伝え、Prompt Forgerにプロンプトを組み直させて再生成できます。
同じSeedを指定すれば構図などの条件をある程度維持したまま変更点を比較しやすく、LoRAの有効/無効や強度も会話の中から変更できます。
現状、Hugging Faceへのアクセスは未認証(匿名アクセス)として実行されており、1日あたり利用できるZeroGPUのGPU時間は2分です。
今回は anima-turbo-v1.1 を使用しており、1枚の生成におおむね10秒前後かかるため、1日10~13枚程度の試作が目安になります。