
【#1-1】ローカル画像生成AI環境構築:AIの回答が違う?CopilotとGeminiの解決策を比較検証する
1. はじめに
📌 本シリーズ全体のロードマップ(目次)はこちら
👉 【ロードマップ】ローカルAIで「日本語のニュアンス」から理想の画像を自動生成する仕組みを作る
自作ストーリーのキャラクターを自由に生成するため、ローカル環境で使える画像生成ツールを探すことにしました。Copilot と Gemini に相談したところ、Copilot は A1111、Gemini は Forge を推しましたが、どちらも Stable Diffusion WebUI を使うのが良いという点では一致していました。情報量の多さから最初は A1111 で検証を始めましたが、最終的には環境構築やモデル管理が劇的に楽になる「Stability Matrix」を採用することになりました。 本記事では、その過程で発生したエラーや AI の回答の食い違いについて検証した結果をお伝えします。
💻 本検証の環境(スペック)
OS: Windows 11 Home
GPU: NVIDIA GeForce RTX 5070 Laptop GPU (8 GB)
CPU: Intel(R) Core(TM) i9-14900HX (2.20 GHz)
RAM: 32.0 GB
ストレージ: 954 GB
※以降の連載記事もすべて上記環境で検証を行っています。
2. 依存関係エラー:master では動かず、dev で解決した話
■ masterブランチで発生したエラー
Stable Diffusion WebUI(AUTOMATIC1111) を クローンして、masterブランチのままで、webui-user.bat を起動すると以下のエラーが発生しました。
ModuleNotFoundError: No module named 'pkg_resources'これは「必要な Python の部品(pkg_resources)が見つからない」という依存関係のエラーです。
このエラーについて Copilot と Gemini の両方に確認したところ、
・Copilot: 「master は依存関係が古いので dev に切り替えると解決する」
・Gemini: 「dev ブランチは依存関係が新しく、pkg_resources の問題は dev で解消される」
この段階では両者の回答は完全に一致していました。
3. CUDAエラー編:cu118・cu121・cu128で回答が食い違った話
(※ CUDAとは、NVIDIA製グラフィックボード(GPU)でAIの頭脳となる計算を高速処理するための仕組みのことです。cu121 などの英数字はそのバージョンを表しています)
■ devブランチで発生したエラー
Stable Diffusion WebUI を devブランチに切り替えて、再度 webui-user.bat を起動すると以下のエラーが発生しました。
CUDA error: no kernel image is available for execution on the deviceこのエラーについて Copilot と Gemini の両方に確認したところ、
・Copilot: 「cu121がインストールされているが、WebUIはcu118が標準なので、cu118をインストールすれば直る」
・Gemini: 「cu121がインストールされているが、WebUIはcu118が標準なのは誤りで、RTX50系はcu128に対応しているので、cu128をインストールすれば直る」
ここでは回答が食い違ったため、互いの回答をぶつけ合うラリー戦を続けました。
その結果、正式な原因は "RTX50系は cu121 には非対応で cu128 に対応している" という Gemini の指摘が正しいと判明。ここはGeminiに軍配が上がりました。
4. Matrix編:Stable Diffusion Matrix vs Stability Matrix
Stable Diffusion WebUI(AUTOMATIC1111)は使えましたが、モデルの追加は毎回ダウンロードして指定フォルダに配置する必要があり、もう少し手軽に扱える方法がないかと探していました。そんなとき、YouTubeで画像生成の解説動画を見ていると Matrix を使っている画面が目に入り、これならモデルのインストールや画像生成がもっと手軽にできそうだと感じました。
そこで、Copilot とGemini にMatrixのことを確認したところ、
・Copilot: 「Stable Diffusion Matrix がおすすめ、Stability Matrix は簡易版なのでおすすめできない」
・Gemini: 「Stability Matrix が一番おすすめ」
と全く違う回答に。ここから互いの回答をぶつけ合うラリー戦をしばらく続けましたが、結局どちらも譲らず、答えは平行線のまま。この食い違いを解消するため、実際に検証へ踏み切ることにしました。
まずは Copilot が推していた Stable Diffusion Matrix のインストールから試してみましたが、実際に確認してみると、インストール用の資材が Git 上に存在せず、この時点でかなり怪しいと感じました。Copilot に再度質問すると、「Stable diffusion Matrix ではなく SD.Next Matrix が正しい」と訂正が入りましたが、案内された手順はGit からの手動クローンや細かい設定が必要でかなり面倒な手順なため、ここでストップしました。
次にGeminiが推していた Stability Matrixのインストールを試します。こちらは、公式サイトから StabilityMatrix-win-x64.zip をダウンロードし、任意のフォルダ(例:C:\AI)に解凍して StabilityMatrix.exe を実行するだけ。起動後は画面の案内に従って、利用するパッケージ(Stable Diffusion WebUI Forge)や推奨モデルを選ぶだけでセットアップが完了する、非常に手軽なタイプでした。
気になっていたモデル追加も、画面から追加したいモデルを選んでダウンロードするだけで反映される仕組みになっており、こちらもとても簡単でした。
5. 検証結果
今回は Gemini が勧めていた Stability Matrix を使うのが、ローカル環境で画像生成AIを動かすうえで最短ルートだと実感しました。また、Copilot や Gemini の回答は便利ではあるものの、そのまま進めると遠回りすることもあるため、必要に応じてネットで再度検索して正しいかどうかを確認することも大切だと感じました。
6. 次回予告(#2-1)
次回のテーマは「生成の効率化」です。日本語のアイデアからイメージ通りの画像をスムーズに生成できるような仕組みを検証していきます。
👉 次の記事はこちら
【#2-1】Gemini API:日本語入力からForge連携プロンプトを自動決定する
📌 プロジェクト全体の目次・過去記事一覧はこちら
【ロードマップ】ローカルAIで「日本語のニュアンス」から理想の画像を自動生成する仕組みを作る
7. 💡 記事の引用・参考について
本記事の内容やコードを試した結果などをご自身のブログや SNS等で紹介・参考とされる場合は、本記事へのリンク(URL) を記載していただければ事前連絡なしで自由に引用・参照いただいて構いません。
※文章や画像の無断転載(全文コピペ等)はご遠慮ください。