みなさん、こんｘｘは。
本ブログでは、例年、
・夏休みスペシャル
を、お送りしております。
で、例年は、「ずんだもん」に、色んな歌を歌わせていたりなどしていたのですが、
今年はとうとう、今流行りの、
「ＡＩに挑戦」
してみることにしました・・・・
そもそものきっかけは、この動画です。
※なんと、古（いにしえ）の「Core 2 Duo」で、ローカルLLM を動かしてしまったという・・・
この動画自体は「単なるネタ」なのですが、これは分かりやすい「ローカルLLMの教材」にもなっています。お時間があれば、視聴をおススメします。
で、ここで、「ollama」がどうとか始まるハズ・・・なのですが、ソレはまた別の機会に（笑）
-----
で実は、暫く、ローカル LLM で遊んでいたのですが、面白かったのがコレ。
・ＡＩで画像解析をさせる
です。
※いわゆる「LLM」とは「Large Language Models、大規模言語モデル」のコトで、基本的に「文字情報」しか対応していません。
これ以外の、「音声」「画像」などを対象にするには、「マルチモーダル」と呼ばれるＡＩモデルが必要です。
「Gemma 3」（Googleが開発）などは、マルチモーダルに対応していますので、このような「画像解析」などが出来ます。
※勿論、LLMは「文字情報」にしか対応していないので、画像情報を「特殊な文字列フォーマット」に、変換してあげなければなりません。
実はこの辺の仕組みはまだ私はよく知らないです。まさに「BlackBox」です。
-----
で、「画像解析」が出来るなら、
・画像合成
も出来るよね？と思ったら・・・ソレは「LLM」では出来ないんです！
※最新の情報だと、一部「出来るようになった」みたいですが、コレもまだ私は良く分かって無いです。なので、ココでは「出来ない」として話を進めます。
「画像合成」にはこれまた「専用のＡＩ」がイロイロあります。
で、今回は「ローカルＡＩ」でやろうとしているので、コレはほぼ、
・Stable Diffusion
一択です。
>Stable Diffusion（ステイブル・ディフュージョン）は、2022年に公開されたディープラーニング（深層学習）のtext-to-imageモデルである。主にテキスト入力に基づく画像生成（text-to-image）に使用される
の通り、いわゆる、
・画像生成ＡＩ
の一種です。基本的には「プロンプト」と呼ばれる文字列から、画像を生成します。
※この辺りも、「毎日のように新しい情報が公開されている」ので、とりあえず、私が夏休み中にやったことを書き留めておきます。
-----
ちなみに、↑でやってた「Ollama」ですが、環境を汚したくなかったので、
・Hyper-V の VM に、「Linux Mint」を入れたモノ
でやってます。
（参考動画では「antiX」でやってますが、私の環境ではあまりうまくいかなかったので、Google AI に聞いたら、「Linux Mint」を勧められました（笑）たしかに、こっちのほうが楽です。）
で、同じように、その VM に、「Stable Diffusion」を入れようとしたのですが・・・
「Stable Diffusion」には、派生バージョンが沢山あるのですが、結局、
・ComfyUI
を、入れました。
※ココに至るまで、「数限りない試行錯誤」をしてて、コレだけで「半分くらい」夏休みが溶けました（笑）某ブログのコメントに「夏休みが溶けた」と書いていたのは、ずーっとコレやってたからです。
とりあえず一番参考になったサイト
※「Stable Diffusion」は、CUDA 前提なので、そのままでは上手く動きません。VM なので、「GPU」とか無いし、とりあえず「試しに動かしてみたい」だけだったので、CPU ダケで動かしています。あと、このサイトの説明は「Windows 版」なので、これを「Linux用」に読み替えてやっています。この辺は「Python」を使っているので、読み替えが楽です。
というか、実はこれまた「半分くらいの時間」は、「Python のインストール」で、溶けましたが・・・
ちなみに、このサイトにある、起動コマンド
>python main.py --cpu --disable-cuda
の、「--disable-cuda」は、今のバージョン？では要りません。というか「こんなオプション無い」です。（なんか、エラーが出る。）
で、とりあえず、「ComfyUI」のインストールは出来た（笑）のですが、
・さっぱり使い方が分からない（なぜか、余り初心者向けのページが無い。確かに、「初心者は、「AUTOMATIC1111」を使え！って出て来ます。）
結局参考になったページ
とりあえず、この記事の通りにやってできた作品
記念すべき、「作品第一号」です・・・
ちなみに、かかった時間は、
・6710.62s (1h 51m 50s)
約２時間弱です。
あと、「記事と同じ絵では無い」ですが、コレは、
・生成環境の違い
によるものです。「同一生成環境」ならば、
・全く同じ絵
が、生成出来ます。
-----
ココまでくるのに、約一週間が潰れてます（笑）疲れたわ。
このあとも、イロイロと試行錯誤して、現在、ローカルＡＩに関して、結構ノウハウが溜まって来たので、この記事はシリーズ化の予定。
本日は以上です。