rinna株式会社は、日本語に特化した画像生成モデル「Japanese Stable Diffusion」を公開し、画像生成サービスを提供開始しました。

rinna株式会社について

rinna株式会社は、2020年6⽉に設⽴したAIキャラクター開発企業です。「あなたらしい創造力をAIキャラクターと共に引き出し、世界をカラフルに。」をミッションに掲げ、人と人、人と情報、人と社会との繋がりやコミュニケーションの新しいあり方を提案しています。任意の人格の口調や学習トピックを反映し、自然な会話をするAIキャラクターを作成できる「Tamashiru」、社内コミュニケーションの透明性を高め、組織の繋がりを強くする「Coordiru」、自分のAIキャラクターを育成し、他のAIキャラクターと交流するSNSアプリ「キャラる」などを提供しています。

rinna株式会社は「人とAIの共創世界」をビジョンに掲げ、人と人との間にAIが介在することで、すべての人が自分らしい創造性を発揮できる社会の実現を目指しています。このような取り組みの中で、画像などの非言語コミュニケーションを重要視し、AIりんなをはじめとしたAIキャラクターが発信する画像生成や、研究成果として学習済みの言語画像モデルを公開してきました。

また、rinna株式会社が考える人とAIの共存は「AIによる人間の創造性の発展」です。「あなたらしい創造力をAIキャラクターと共に引き出し、世界をカラフルに。」をミッションとするrinna社として、このたび公開する画像生成モデル「Japanese Stable Diffusion」が多様な人々の創造性を後押ししたいという願いが込められています。

日本語に特化した画像生成モデル「Japanese Stable Diffusion」

2022年の春以降、DALL-E 2・Midjourney・Stable Diffusionといった精度の高いAI画像生成が注目されています。そこで、このたびrinna株式会社は、Stability AI社がオープンソースで公開する画像生成モデルStable Diffusionに、日本語のキャプション付き画像を用いて追加学習することで、日本語に特化した画像生成モデル「Japanese Stable Diffusion」を開発しました。本モデルにより、テキストプロンプトとして日本語を考慮し、翻訳では表現が難しい日本語圏の文化を反映した画像生成を実現します。そしてAIモデルライブラリとGitHubでこのモデルを公開することで、言語・画像の研究・開発コミュニティに還元しています。

そして、rinna株式会社が運営するサービス「キャラる」やSNSにも本モデルを実装し「Japanese Stable Diffusion」の画像生成が体験できるようになります。

AIキャラクターSNS「キャラる」では、「お絵描き上手」などのバッジをAIキャラクターに付与することで、AIキャラクターが自発的に Japanese Stable Diffusion での画像生成を行います。また、『キャラる』の公式Discordでは、「#🎨|aiお絵描き会場」のチャンネルを開設し、botの「Tsukuru（ツクる）」を呼び出すことで日本語で入力したプロンプトから画像の生成を行うことができるようになりました。

また、りんなの特定のツイートにリプライを送ると Japanese Stable Diffusion から生成された画像が返信されます。

さらに、開発者向けに公開しているAPIサイトのrinna Developersでも、本モデルを使用したAPI「Text To Image API v2」が公開されました。本APIを使用することで、「Japanese Stable Diffusion」での画像生成機能をアプリケーション等に実装できるようになります。

※ご利用にはユーザー登録とrinna Developersの利用規約 https://developers.rinna.co.jp/terms-of-use#EHZff への同意が必要です。

Japanese Stable Diffusionの開発背景と特徴

Stability AI社が提供しているStable Diffusionは、英語のキャプション付き画像から学習されているため、日本語から画像を生成するためには、英語に翻訳したテキストプロンプトを用意する必要があります。しかし、日本語固有の表現（固有名詞、和製英語、オノマトペ等）は、翻訳が難しく画像生成に反映させることはできません。また、学習データの多くは英語圏の画像であり、英語圏の文化を色濃く反映した画像が生成されます。そこで当社では、日本語に特化した画像生成モデルである「Japanese Stable Diffusion」を開発しました。このモデルには以下の特徴があります。

• 学習データとして、LAION-5Bの日本語サブセットをはじめとした約1億枚の日本語キャプション付き画像を利用 
• 日本語のテキストプロンプトに対応させるために、Stability AI社が公開したStable Diffusionの生成モデルパラメータを固定し、テキストエンコーダーのみ日本語キャプション付き画像を用いて追加学習を実施。その後、テキストエンコーダーと生成モデルのパラメータを同時に更新する追加学習を行うことにより、さらに日本語の画像生成に最適化 
• 学習された「Japanese Stable Diffusion」は、Stable DiffusionのライセンスCreativeML Open RAIL-Mを継承しHugging Faceにて公開 
• 劇的に進歩するAI分野において、英語圏の進歩に追随するために早期にモデルを公開

以下、日本語のテキストプロンプトから生成された画像のサンプルです。

今後の展望

rinna株式会社は今後もAIに関する研究を続け、高性能な製品・サービスの開発を目指し、研究成果については引き続き公開し、研究・開発コミュニティへ還元します。

また、近年ではAIモデルを用いた文章生成や画像生成により魅力的なコンテンツを生み出すためのテキストプロンプトが重要視され、AIの力を最大限に引き出すことのできるスペシャリストを求める動きが活発になっています。 AIも人も生き生きと活躍できる社会を目指す rinna社では、テキストプロンプトを専門に扱うプロンプトエンジニアのポジションを新設し採用活動を進めています。AIの社会実装を推進するにあたり、rinna社はAIに関わる雇用機会の創出も積極的に行ってまいります。

プロンプトエンジニアの採用情報はこちら

https://www.hireplanner.com/ja/frontend/companies/240/jobs/4444ピンク ライン入り イラスト コミュニケーション トレーニング 動画 プレゼンテーション

金智源

AINOWライター。

大学ではHuman-Agent-Interactionや組織運営について学んでいる。