Stable Diffusion の使い方　API と手元で動かす手順、商用利用の条件

何ができるか

Stable Diffusion は、Stability AI が開発する画像生成AIのモデルの名前だ。オープンウェイトのモデルで、Stability AI の API から呼び出すほか、重みを取得して自社のサーバーや PC で動かせる。公式のドキュメントとモデルカードによると、主に次のことができる。

• 文章から画像を作る：プロンプトに書いた内容の画像を作る。縦横比は 21:9 から 9:21 までの9種類から選ぶ。
• 画像を描き直す：元の画像とプロンプトを渡し、元の画像にどこまで近づけるかを strength で決めて描き直す。
• 画風を指定する：style_preset で、photographic、anime、cinematic、pixel-art など17種類の画風に寄せる。
• 入れたくないものを分けて書く：negative_prompt に、画像に出したくないものを書く。
• 手元で動かして追加学習する：重みを取得すれば、自分の GPU で動かしたり、LoRA などで追加学習したりできる。

ノイズから画像を作る仕組みは、用語集の拡散モデルで説明している。TRAIL の年表では、Stability AI は2022年8月22日に最初のモデルを一般公開し、2023年7月26日に SDXL 1.0、2024年10月22日に Stable Diffusion 3.5 を公開した。

モデルの選び方

現行のモデルは Stable Diffusion 3.5 の4つと、旧来の SDXL 1.0 だ。API のドキュメントと Stability AI の発表による違いは次のとおりだ。

パラメータの数は Stability AI の発表と API のドキュメントの値で、Hugging Face のページの表示では Large が8B、Medium が2B になっている。Stability AI の発表によると、Medium は文字の処理の部分を除けば9.9GBのビデオメモリで動く。手元の PC で試すなら Medium、品質を優先するなら Large、速さと料金を優先するなら Turbo か Flash が候補になる。SDXL 1.0 の API は30ステップ以下なら0.9クレジットで、それより多いとステップの数に応じて上がる。

料金とプランの選び方

料金は Stability AI のドキュメントの「Pricing」と、ライセンスのページによる。2026年10月24日に確かめた。料金ページに載っているのはクレジットの従量課金だけで、月額のプランは載っていない。1クレジットは$0.01で、100クレジットを1米ドルで買う。

料金ページとプラットフォームのトップページは、新しいアカウントに25クレジットの無料枠があるとしている。始め方のページは、Google のアカウントで登録すると25クレジットが付くと書き、ユーザー名とパスワードで登録したときの扱いは書いていない。生成に失敗したときは料金がかからない。

API のクレジットは Stable Diffusion 以外のサービスにも使える。最上位の画像サービスの Stable Image Ultra は1枚8クレジット、プロンプトを作り込まなくても使える Stable Image Core は1枚3クレジットだ。

支払いは米ドルで、税込みか税抜きかは料金ページに書かれていない。利用規約によると、支払いは法律が求める場合を除いて返金されず、使っていないクレジットは購入か付与から1年で切れる。

日本語の扱いには注意がいる。Stable Diffusion 3.5 の API は英語のプロンプトだけを受け付け、ほかの言語では 422 のエラーを返す。公式サイトと API のドキュメントに日本語版は見つからなかった。

始め方

API（ブラウザで登録し、ターミナルから呼び出す）

ドキュメントの「Getting started」と「Stable Diffusion 3.5」の手順だ。

1. platform.stability.ai を開き、右上の「Login」を押す。
2. ユーザー名とパスワードで登録するか、「Continue with Google」で Google のアカウントを使う。
3. 「API Keys」のページ（platform.stability.ai/dashboard/api-keys）で API キーを作る。
4. 無料のクレジットを使い切ったら、「Billing」のダッシュボード（platform.stability.ai/dashboard/billing）でクレジットを買い足す。
5. API キーを Authorization ヘッダーに入れて、生成の依頼を送る。
6. 返ってきた画像をファイルに保存する。

ドキュメントの cURL の例は次のとおりだ。sk-MYAPIKEY の部分を自分の API キーに置き換える。ドキュメントは Python と JavaScript の例も載せている。

curl -f -sS "https://api.stability.ai/v2beta/stable-image/generate/sd3" \
  -H "authorization: Bearer sk-MYAPIKEY" \
  -H "accept: image/*" \
  -F prompt="Lighthouse on a cliff overlooking the ocean" \
  -F output_format="jpeg" \
  -o "./lighthouse.jpeg"

モデルや縦横比は、同じページにある model や aspect_ratio の項目で指定する。model の選択肢として示されているのは sd3.5-large（初期値）、sd3.5-large-turbo、sd3.5-medium の3つだ。sd3.5-flash は、同じ項目の説明に1回2.5クレジットと書かれている。出力の形式は png（初期値）、jpeg、webp だ。キーが漏れたと思ったら、「API Keys」のページで新しいキーを作ってから古いキーを消す。

手元で動かす（Hugging Face）

重みは Stability AI の公式の Hugging Face で配られている。モデルカードによると、ファイルを取得するには、条件に同意し、Hugging Face の情報を共有することに同意する必要がある。ここでは、一般向けの PC で動く設計の Medium の手順を示す。

1. Hugging Face にログインし、stabilityai/stable-diffusion-3.5-medium のページを開く。
2. 条件に同意し、ファイルを取得できる状態にする。
3. 次のコマンドで Diffusers を入れる。
4. モデルカードのコードで重みを読み込み、画像を作る。

pip install -U diffusers

モデルカードのコードは次のとおりだ。

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-medium", torch_dtype=torch.bfloat16)
pipe = pipe.to("cuda")

image = pipe(
    "A capybara holding a sign that reads Hello World",
    num_inference_steps=40,
    guidance_scale=4.5,
).images[0]
image.save("capybara.png")

Large のモデルカードの例は num_inference_steps=28、guidance_scale=3.5 で、Large Turbo は num_inference_steps=4、guidance_scale=0.0 だ。ビデオメモリが少ない GPU 向けに、4ビットに量子化して読み込む例もモデルカードにある。モデルカードは手元で画面を使って動かすなら ComfyUI を、プログラムから使うなら Diffusers か GitHub のコードを勧めている。

スマホアプリ

今回読んだ公式ページに、Stable Diffusion を使うスマホ向けのアプリの記載はなかった。

仕事での使い方

ここでのプロンプトは Stable Diffusion にこう頼めるという例だ。API が英語のプロンプトだけを受け付けるため、英語で書き、[ ] の中を自分の内容に英語で差し替える。TRAIL は出力を確かめていないので、できた画像は必ず自分の目で確かめる。

資料やブログの挿絵を作る

社内資料やブログの記事に入れる横長の挿絵を作る場面だ。API で aspect_ratio を 16:9、style_preset を digital-art にして、次のように頼む。

A flat illustration of [scene, e.g. a small team planning a project around a whiteboard], soft [color] palette, clean shapes, plenty of empty space on the right

ドキュメントは要素、色、主題をはっきり書いたプロンプトほど良い結果になるとしている。何を描くかに加えて、色と余白も書いておく。

SNS の縦長の投稿画像を作る

キャンペーンの告知を SNS の縦長の投稿にする場面だ。aspect_ratio を 9:16 にして、次のように頼む。

A vertical poster-style photo of [product] on a [surface], [season] mood, bright natural light, centered composition with space at the top for a headline

縦横比の指定は文章から画像を作るときだけ使える。見出しの文字は画像に入れず、あとからデザインのツールで足す前提で、空ける場所を書いておく。

商品のイメージ写真の案を出す

新商品の撮影の前に、背景や光の方向性を決める場面だ。style_preset を photographic にし、入れたくないものは negative_prompt に分けて書く。

prompt: A studio photo of [product] on a [material] table, [color] background, soft light from the left, shallow depth of field
negative_prompt: people, hands, text, logos

negative_prompt は、画像に出したくないものを書く欄だ。ドキュメントは上級者向けの機能としている。

ラフスケッチを清書する

手描きのラフや仮のレイアウトから、仕上がりのイメージを作る場面だ。mode を image-to-image にし、元の画像と strength を渡して、次のように頼む。

A polished [style, e.g. watercolor] illustration of [subject], keeping the same layout and composition as the input sketch

strength は0〜1で、小さいほど元の画像に近くなる。Flash を使うなら、ドキュメントは strength を0.94〜0.97にすると良い結果になるとしている。

seed をそろえて言い回しを比べる

採用する案を決めるために、プロンプトの言葉だけを変えて比べる場面だ。seed に同じ数字を入れたまま、次のプロンプトの [ ] だけを変える。

An office lounge with [furniture style] furniture, large windows, [time of day] light, wide shot at eye level

seed は生成のランダムさを決める数字だ。0を入れるか省くと毎回ランダムになるので、比べるときは同じ数字にそろえる。

ウェブやゲームの背景の模様を作る

ウェブページやゲームの背景に敷き詰める模様を作る場面だ。style_preset を tile-texture にして、次のように頼む。

A seamless pattern of [motif, e.g. small leaves and dots] in [color] and [color], minimal and flat

tile-texture は style_preset で選べる17種類の画風の1つだ。ほかに isometric、low-poly、line-art なども選べる。

社内の PC で機密の案件の素材を作る

公開前の企画の素材を、社外のサービスに送らずに作る場面だ。Hugging Face から Medium の重みを取得し、上の「手元で動かす」のコードの文字列を次のように差し替える。

A clean product concept render of [product category] in [color], isometric view, white background

Medium のモデルカードは長いプロンプトも扱えるが、T5（文章を読み取る部品）のトークンが256を超えると画像の端が乱れることがあるとしている。手元で動かすときもプロンプトは短めにする。

うまく頼むコツ

Stability AI の API のドキュメント、モデルカード、Stable Diffusion 3.5 の発表に書かれた原則から4つを選んだ。悪い例と良い例は、原則に合わせて TRAIL が作った。

要素、色、主題を具体的に書く

API のドキュメントは要素、色、主題をはっきり書いたプロンプトほど良い結果になるとしている。Stable Diffusion 3.5 の発表も、具体さに欠けるプロンプトは出力のぶれを大きくすることがあると書いている。

悪い例は次のとおりだ。

a nice office

良い例は次のとおりだ。

A small bright office with two wooden desks by a large window, morning sunlight, a green plant in the corner, white walls

入れたくないものは negative_prompt に分ける

API には negative_prompt の欄があり、ドキュメントは画像に出したくないものを書く欄と説明している。入れたくないものはプロンプトに混ぜずにこの欄に書く。

悪い例は次のとおりだ。

prompt: a coffee cup on a desk, no text, no logo, no people

良い例は次のとおりだ。

prompt: a white ceramic coffee cup on a wooden desk, soft morning light
negative_prompt: text, logo, people

強めたい言葉には重みを付ける

API のプロンプトでは (word:weight) の形で言葉ごとの重みを決められる。重みは0〜1の値で、ドキュメントの例では空の色を (blue:0.3) と (green:0.8) にして、青より緑を強くしている。

悪い例は次のとおりだ。

a sky that is mostly green with a little blue

良い例は次のとおりだ。

The sky was a crisp (blue:0.3) and (green:0.8)

プロンプトを長くしすぎない

Medium のモデルカードは、T5 のトークンが256を超えると画像の端が乱れることがあるとし、トークンの上限に注意してプロンプトを短くするよう勧めている。細かい条件を並べるより、描きたいものを絞って書く。

悪い例は次のとおりだ。

A very very detailed, ultra high quality, best quality, masterpiece photo of a modern kitchen with many many details, beautiful, amazing, stunning, [and many more lines of conditions]

良い例は次のとおりだ。

A modern kitchen with a white marble island, matte black fixtures, warm pendant lights, wide shot

使いこなすための設定や機能

API の cfg_scale はプロンプトにどこまで忠実に従うかを1〜10で決める。値が大きいほどプロンプトに近い画像になる。初期値は Large と Medium が4、Turbo と Flash が1だ。seed は0〜4294967294の数字で、0を入れるか省くとランダムになる。

プロンプトを作り込む手間を省きたいときは、Stable Image Core を使う方法もある。ドキュメントは Core を、プロンプトの作り込みがいらない主力のサービスと説明している。API には画像の拡大（Upscale）、消去や塗り替えや背景の削除（Edit）、スケッチや画風からの生成（Control）のサービスもある。

API の入力と出力をモデルの学習に使わせたくないときは、プラットフォームのアカウントの概要のページで、「Training: Improve the Model for Everyone」の切り替えを「No」にする。

重みを手元で動かすときは、追加学習もできる。ライセンスのページの FAQ は、モデルの追加学習を認めており、LoRA や追加学習したモデルは「基盤モデル」に当たらないとしている。年間売上が100万米ドルを超えない限り、調整する人にもライセンス料はかからないとも答えている。追加学習の仕組みは用語集で説明している。

ほかのツールとの違い

TRAIL のファクトパック（2026年10月24日時点）にある値で比べた。

会社で使うときのデータの扱いは、ファクトパックに比べられる値がないため表に入れていない。Stable Diffusion の扱いは下の「気をつけること」にまとめた。

TRAIL の年表では、Stable Diffusion の最新のモデル更新は2024年10月22日の Stable Diffusion 3.5 で、基準日の2026年10月24日から732日たっている。詳しい違いは画像生成AIの比較表と、FLUX と Stable Diffusion の比較、Midjourney と Stable Diffusion の比較、Adobe Firefly と Stable Diffusion の比較にある。

困ったときは

クレジットがなくなった

クレジットがなくなると、API は 402 のエラーを返す。「Billing」のダッシュボードで、100クレジットを1米ドルで買い足せる。大量に買うときや請求書での支払いを望むときは、FAQ は営業の窓口に連絡するよう案内している。

API キーが使えない

FAQ は、ログインしてキーが有効かを確かめ、課金のページでクレジットが残っているかを見るよう勧めている。キーは打ち直さずにコピーして貼る。O と 0 のように似た文字があるためだ。それでも使えなければ、新しいキーを作る。

依頼が止められた・画像がぼかされた

403 のエラーは、内容の審査で依頼が止められたことを示し、料金はかからない。生成は成功しても、出力が内容の方針に反すると finish_reason が CONTENT_FILTERED になり、画像がぼかされる。英語以外のプロンプトや、アップロードした画像に著名人が写っていると判定された依頼は 422 のエラーになる。

エラーで止まる・混み合う

API に送れる依頼は10秒に150件までだ。超えると 429 のエラーになり、60秒のあいだ止められる。FAQ は間を空けて送り直すよう勧めている。上限を上げたいときは Stability AI に連絡する。障害の情報は status.stability.ai で確かめられる。

やめたい・返金してほしい

料金ページには月額のプランが載っておらず、料金はクレジットを買う形で払う。利用規約によると、支払いは法律が求める場合を除いて返金されない。使っていないクレジットは購入か付与から1年で切れる。

アカウントやデータを消したい

プライバシーポリシーは個人データの削除を求める権利を認めている。この権利を使う依頼は、kb.stability.ai のオンラインのフォームから送る。断られた依頼への不服は、privacy@stability.ai へのメールで申し立てられる。利用規約は、1年以上使っていないアカウントを Stability AI が閉じることがあり、そのアカウントの入力や出力を消すことがあるとしている。

気をつけること

画像が間違っていることがある

モデルカードは、Stable Diffusion 3.5 は人や出来事を事実のとおりに描くようには学習していないとしている。SDXL 1.0 のモデルカードは読める文字を描けないことや、顔や人が正しく描かれないことがあると書いている。できた画像は使う前に人の目で確かめる。

入力したデータの扱い

Stability AI の利用規約では、入力と出力がサービスの改善と開発に使われることがあり、学習への利用はオプトアウトで止められる。プラットフォームの API では、アカウントの概要のページの「Training: Improve the Model for Everyone」を「No」にする。今回読んだプライバシーポリシーには、API や会社向けのアカウントだけに当てはまる別の条件は見当たらなかった。

重みを自社のサーバーや PC で動かすときは、プロンプトや画像を Stability AI に送らずに生成できる。機密の写真や公開前の製品を扱うなら、この方法も検討できる。

生成物の権利と商用利用

ライセンスの扱いは Stability AI のライセンスのページと Community License の本文に書かれたとおりに示す。TRAIL は法的な判断をしない。

• 権利：Community License では、Stability AI との関係では、モデルや派生物で作った出力は、法律が認める範囲で利用者のものになる。API の利用規約でも、Stability AI は出力について持つ権利があれば、それを利用者に譲るとしている。
• 商用利用：Community License のもとで、研究、非商用、商用の利用は、年間売上が100万米ドル未満の個人や組織なら無料だ。売上には関連会社の分も合わせて数え、モデルから得た売上かどうかは問わない。
• 登録：商用の目的で使ったり配布したりするときは、Stability AI に登録する必要がある。
• 売上が100万米ドルを超えたとき：Community License で与えられた許可はその時点で終わり、Stability AI にライセンスを求める必要がある。ライセンスのページは Enterprise License を買うよう案内している。
• 配布するとき：モデルや派生物、それを使う製品やサービスを第三者に提供するときは、契約書の写しを渡し、「Powered by Stability AI」を関連するウェブサイトや画面などに目立つように示す。
• 禁止：モデルや出力を使って、ほかの基盤の生成AIモデルを作ったり改良したりしてはいけない。

API で作った画像については、FAQ は、だれかの著作権を侵害しない限り商用に使えると答えている。SDXL 1.0 は別のライセンス（CreativeML Open RAIL++-M License）で配られ、モデルカードは用途を研究目的だけとしている。会社の業務で使う前に、売上の条件と登録の要否を自社で確かめる。

会社で使うときのルール

利用規約では、使えるのは18歳以上か、その地域で求められる年齢以上の人だ。利用規定（Acceptable Use Policy）は、API にも、ライセンスのもとで自分で動かすモデルにも当てはまる。児童の性的な素材、同意のない性的な画像、同意や権利のないなりすまし、知的財産やプライバシーの侵害、誤情報や偽情報、選挙を妨げる内容などを禁じている。

利用規定は、相手が AI とやりとりしていると分からない場面で、それを適切に示さないことも禁じている。反すると、製品やサービスの利用を止められることがある。モデルカードは重みを使う開発者に、自社の製品の方針に合わせた安全のための仕組みを入れるよう勧めている。

よくある質問

次に読む

• Stable Diffusion のツールページ
• 画像生成AIの比較表
• FLUX と Stable Diffusion の比較
• 年間売上100万ドル未満は商用利用も無料になった出来事
• FLUX の使い方
• Midjourney の使い方