LLaDA-Imageで画像を作り、直す：BaseとTurboの選び方

作例を眺める前に、記事に入れる挿絵なのか、手元の写真の背景だけを変えたいのかを決めます。LLaDA-Imageには文章から画像を作るモードと、参照画像を受け取って指示に沿って編集するモードがあります。両方に対応していても、どちらも必ず満足できるとは限りません。確認しやすい元画像と短い指示を一つ用意しましょう。新規生成では構図と被写体、編集では残すべき要素が保たれたかを見ると判断しやすくなります。

公式の例ではBaseに50ステップ、蒸留版Turboに4ステップを使います。複数の案を試すときはTurboで方向を探し、気に入った構図をBaseでも確かめるとよいでしょう。ただし、Baseを押せば必ず完成するわけではありません。同じ依頼を複数のシードで試し、文字、手、色、輪郭など用途に必要な部分を見ます。Turboで十分な場合も、Baseでも指示を書き直す必要がある場合もあります。4対50を装置の速度倍率にしてはいけません。読み込みから保存までの時間は別に測ります。

編集モードでは参照画像に加え、「背景をぼかし、カップのロゴは残す」のように変更点と守る点を一緒に書きます。結果を元画像と並べ、物の形、文字、指、表情が意図せず変わっていないか見てください。この種の作業では一回の生成時間より修正回数の方が大切です。公式パイプラインの編集例は入力画像と出力サイズを受け取り、編集時の寸法は32の倍数です。サイズや入力で失敗したら、まず例の条件と照らし合わせましょう。

公式リポジトリにはDiffusersベースの推論コードとBase・Turboのチェックポイントがあります。例ではPython 3.11とCUDA版PyTorchを使い、生成はtext、編集はeditingを指定します。別のComfyUIワークフローもありますが、スクリーンショットだけを頼りにファイルを一つ入れず、必要なノードと版を確認してください。小さな試験が通ったらチェックポイント、精度、モード、寸法、ステップ数を残します。次に失敗したときの手掛かりになります。

6Bという規模やFP8ファイルの存在だけでは、特定のGPUで快適に動くとはいえません。テキストエンコーダ、画像生成部、中間データ、解像度、読み込み方法にもメモリが必要です。BaseとTurbo、対応する軽量精度を分けて試し、品質が同じだとは決めつけないでください。購入前には普段使う出力サイズで生成と編集をそれぞれ完了し、日常のアプリを開いた状態も確認します。一回動いたなら、まず繰り返しの安定性と待ち時間を記録しましょう。

実務で見るべき時間は最初のファイルができるまでではなく、使える画像になるまでです。同じ参照写真と指示で数回試し、初回読み込み、生成、再編集を分けて記録します。構図を何度も探すならTurboの反復が役立つかもしれません。一枚を少しずつ直すなら、元画像の保持と修正の成功率が大切です。当サイトの画像生成体験は装置ごとの待ち時間を模したもので、LLaDA-Imageの実測速度や品質ではありません。最終判断は保存したワークフローで行ってください。