ConoHa AI Canvas入門｜できること・料金・使い方を初心者向けに徹底解説

「Stable Diffusionを触ってみたいけど、ローカル環境の構築が難しそう…」
そんな人にとって、ブラウザだけで画像生成環境を使えるのが ConoHa AI Canvas です。とはいえ、検索しているあなたはきっと、こんな不安や疑問を抱えているはずです。

「ConoHa AI Canvasって結局、何ができるの？ 画像だけ？ 動画も？ LoRA学習も？」
「料金が“月額＋時間課金”って聞いたけど、いくらかかるのかイメージできない…」
「起動しっぱなしで課金が増える？ 損しない使い方ってある？」
「Automatic1111とComfyUI、初心者はどっちから？ 何を選べば迷わない？」
「モデル（Checkpoint）やLoRA、ControlNetって何？ 入れ方が分からない」
「商用利用や著作権って大丈夫？どこを確認すべき？」

この記事では、ConoHa AI Canvasを初めて触る人でも迷わないように、できること・料金の仕組み・始め方・基本操作・運用のコツまでを1記事にまとめました。
特に「時間課金で損しない運用」「モデル追加やLoRA学習の考え方」「つまずきやすいポイントの回避策」まで押さえるので、読み終わる頃には最短ルートで“最初の1枚”を作れる状態になります。

この記事で分かること

• ConoHa AI Canvasでできること（画像生成／拡張機能／学習）
• 料金体系（無料時間・時間課金）と、損しない考え方
• 申し込み〜初回起動までの最短手順
• txt2img / img2img の基本と、失敗しない設定の押さえどころ
• Automatic1111とComfyUIの使い分け、モデル管理・LoRA学習の入門
• よくある疑問（商用利用・著作権・解約など）とトラブル対処

ConoHa AI Canvas 公式サイト

まず結論：ConoHa AI Canvasは「何ができて、誰に向く？」

できることを3行で整理（画像生成／動画系／学習系）

• 画像生成：Stable Diffusionをブラウザで起動し、プロンプト入力だけで画像を作れる（txt2img／img2imgなど）。
• 動画系：拡張機能を入れることで、動画の変換（Mov2Mov）も扱える設計。
• 学習系：プランによっては、学習用WebUI（Kohya SSベース）でLoRA学習までカバーできる。

おすすめできる人の特徴

「画像生成を試したいけど、環境構築で挫折しそう…」という初心者ほど相性が良いです。理由は、やることが“少ない”から。

• ✅ PCスペックに自信がない／高性能GPUがない
  → 生成環境はクラウド側。手元はブラウザ操作が中心なので、始めやすいです。
• ✅ コマンド操作や導入作業を避けたい
  → 公式のコントロールパネルからWebUIを起動し、画像やモデルも管理できます。
• ✅ Automatic1111とComfyUIを試したい
  → 2種類のWebUIを選べるので、初心者はAutomatic1111、慣れたらComfyUI…と段階的に進められます。
• ✅ 生成物やモデルを“整理しながら”運用したい
  → 生成画像やCheckpoint（モデル）はクラウド上のストレージに保存され、ファイルマネージャーで扱えます。
• ✅ 日本語のサポートが欲しい／海外サービスが不安
  → 日本語導線・国内サービスとしての安心感を重視する人に向きます。

合わない人の特徴（ローカル構築が向くケース等）

一方で、次のタイプは“ローカル運用”や別手段のほうが満足しやすいです。

• ⚠️ 毎日長時間まわして、生成コストを極限まで下げたい
  → 使い方次第で費用は最適化できますが、長時間・高頻度運用は自前GPUの方が総額で有利になることがあります。
• ⚠️ 複数人で同時利用したい（チーム運用）
  → 仕様上、利用ユーザーは基本的に1人前提なので、共同作業中心だと運用設計が必要です。
• ⚠️ “自分で全部いじり倒す”のが目的（環境そのものを研究したい）
  → ローカル構築は自由度が非常に高いので、環境を作り込むこと自体が目的ならローカルが向きます。
• ⚠️ 動画生成がメイン目的
  → 動画は「拡張機能で使う」位置づけなので、最初から動画中心なら動画特化サービスも比較対象になります。

無料の画像生成サービスと何が違うのか

無料サービスは「手軽さ」が強みですが、制作物を安定して作り続ける用途だと、ConoHa AI Canvasのほうが安心できる場面が増えます。違いを“使う側の実務”でまとめるとこうです。

比較軸	ConoHa AI Canvas	無料の画像生成サービス（一般的な傾向）
作り方	Stable DiffusionのWebUIを起動して自分で調整	画面上の簡易UIで生成が中心
拡張・カスタム	拡張機能の追加やモデル追加など、発展させやすい	機能・拡張が制限されやすい
学習（LoRA）	プランにより学習用WebUIが使える	学習機能は不可/限定が多い
データ管理	画像やモデルをストレージ＋ファイルマネージャーで管理	生成物の管理・再利用が弱いことがある
商用利用の考え方	使用するモデル規約に依存（確認が前提）	サービス規約に強く依存し、条件が複雑な場合も

ポイントは、ConoHa AI Canvasは「自分の制作環境を育てる」方向に強いこと。
最初はシンプルに画像生成、慣れたらモデル追加や拡張、さらにLoRA学習…と、ステップアップしやすい設計です。

ConoHa AI Canvas 公式サイト

ConoHa AI Canvasの概要と仕組み（ローカル不要のクラウド生成環境）

Stable Diffusionを“ブラウザだけ”で扱える理由

ConoHa AI Canvasは、画像生成に必要な環境（Stable Diffusionの実行環境＋WebUI）がクラウド側に用意されていて、あなたはブラウザで操作するだけ、という形です。ざっくり言うと「高性能な計算はクラウド、操作は手元PC」です。

初心者がつまずきやすいポイント（Python/Git/依存関係/エラー対応など）を避けられるのが大きな利点です。

仕組みをイメージすると、こんな流れです：

• ① ConoHaのコントロールパネルから WebUIを起動
• ② ブラウザでWebUIを開いて、プロンプト入力→生成
• ③ 生成物や追加したモデル類は 契約ストレージに保存
• ④ 必要に応じてファイルマネージャーで整理・ダウンロード

また、料金面の仕組みとして重要なのがここです👇

• WebUIを起動している時間に対して「WebUI利用料金」が発生
• ただし各プランには無料時間があり、無料枠内はWebUI利用料金がかかりません
• 無駄な起動を防ぐために、自動終了タイマーを設定できます（最短15分〜最長180分）

💡初心者向けの運用コツ
「離席しがち」「作業が分断されがち」な人ほど、自動終了は短めにしておくと課金の事故が起きにくいです。

対応しているモデルの系統（SD1.5/2.x/XLなど）

公式に明記されている対応モデルは、次の系統です。

• Stable Diffusion 1.5
• Stable Diffusion 2.0 / 2.1
• Stable Diffusion XL（SDXL）

初心者向けに“選び方の感覚”だけ押さえるなら、こんな理解でOKです。

• SD1.5：定番。関連素材（派生モデル/LoRA等）が豊富で、情報も多い
• SD2.x：1.5と挙動が違う部分があり、作風やプロンプトの癖もやや異なる
• SDXL：高精細寄りで、仕上がりの質感が出しやすい一方、扱う素材が大きめになりやすい

迷うならまずは、
✅ 「作例を見て好みの作風」→ その系統を起点
にすると失敗が少ないです。

選べるWebUIの種類と特徴

ConoHa AI Canvasでは、用途に応じてWebUIを選べます。初心者は「まず触れて結果が出る」ことが大事なので、最初の選択がラクになるように整理します。

Automatic1111：設定の自由度と拡張の強み

向いている人： はじめてStable Diffusion系のWebUIを触る人／GUIで迷いたくない人

• ボタンや項目が揃っていて、一般的な操作感で進めやすい
• 拡張機能（Extensions）でできることを増やせる
• 日本語化も拡張機能で対応可能（必要に応じて）

ポイント：
最初は「設定をいじりすぎず」、txt2img / img2imgなど基本機能を回すだけで十分です。

ComfyUI：ワークフロー型で大量生成・再現性に強い

向いている人： 手順を“保存して再利用”したい人／大量生成や検証をしたい人

• ノード（部品）をつないで、生成手順をワークフローとして組める
• 一度作った流れを使い回せるので、再現性が高い
• 「どこで品質が変わったか」を分解して見やすい

ポイント：
最初は難しく感じやすいので、まずは
✅ 基本ワークフロー（テキスト→生成→保存）
から始めると挫折しにくいです。

（プラン限定）学習用UI：オリジナルLoRA作成に使う

LoRA（Low-Rank Adaptation）は、ざっくり言えば
「ベースモデルは大きく変えずに、作風や特徴だけを追加学習する仕組み」です。

ConoHa AI Canvasの学習用UIは、Stable Diffusionの学習用WebUIであるKohya SSをベースに提供されています（※提供側で一部機能の差異がある旨も明記されています）。

• 「自分の作風を寄せる」「特定の雰囲気を安定させる」などに使われます
• 学習には画像素材の用意や検証が必要で、生成だけより工程は増えます

初心者目線での判断基準はシンプルです。
✅ “生成が目的”なら学習は後回し
✅ “同じ作風を量産したい”なら学習も検討
この順番が安全です。

プランごとの違いが一目で分かる整理

プラン差は大きく2点です。

• ストレージ容量
• LoRA学習（Kohya SS）が使えるかどうか

見比べやすいように、仕様と料金の要点をまとめます（表示は税込）。

プラン	月額の基本料金	WebUI無料時間（毎月リセット）	無料時間超過後	ストレージ	WebUI	LoRA学習（Kohya SS）
エントリー	1,100円/月	10時間	6.6円/分	30GB	Automatic1111 / ComfyUI	×
スタンダード	4,378円/月	50時間	6.6円/分	100GB	Automatic1111 / ComfyUI	○
アドバンス	9,878円/月	100時間	6.6円/分	500GB	Automatic1111 / ComfyUI	○

補足：
WebUI利用料金は「コントロールパネルからWebUIを起動している時間」が対象です。起動していなければ発生しません。

ストレージ容量の違いと、足りなくなるタイミング

ストレージを圧迫するのは、主にこの3つです。

• 生成画像（枚数が増えると地味に効く）
• Checkpoint（モデル本体）（1つが数GB級になりやすい）
• LoRA/ControlNet等の追加素材（数十MB〜GBと幅がある）

足りなくなるタイミングの目安（考え方）はこうです。

• 画像だけを作って、こまめにローカルへ退避する
  → エントリー（30GB）でも回しやすい
• モデルやLoRAを試しながら、ストレージ内に複数保存する
  → 100GB以上が安心
• 学習（LoRA）もやり、素材・中間生成物も置きがち
  → 容量が増えるほど運用がラク（整理の手間が減る）

💡初心者が失敗しにくい運用

• 生成物は定期的に「ローカルへ退避」
• 使わないモデルは「一時保管」ではなく「削除 or 別保存」
• 目的別にフォルダを分けて、探す時間を減らす（作業効率が上がります）

学習（LoRA）をする/しないで選ぶ基準

結論から言うと、“やりたいこと”で決めるのが最短です。

• LoRA学習をしない（まず生成だけ）
  → エントリーでもOK（まずは触って慣れる）
• LoRA学習をやりたい（オリジナルの作風・特徴を固定したい）
  → スタンダード以上（Kohya SS対応）
• モデルも素材も増えそう／大量生成や検証が多い
  → ストレージが大きいプランほど管理がラク

迷う場合は、最初は
✅ エントリーで生成に慣れる → 必要になったら上位へ
の順が、失敗コストを抑えやすいです。

ConoHa AI Canvas 公式サイト

料金体系を“迷わない形”で理解する（固定＋時間課金）

料金の内訳：月額と利用時間課金の関係

ConoHa AI Canvasの料金は、考え方がシンプルです。「月額の基本料金」＋「WebUIを起動していた時間（分）」で決まります。

• 基本料金（毎月固定）：プラン代（ストレージ容量などの土台）
• WebUI利用料金（使った分だけ）：無料時間を超えた分だけ、6.6円/分で加算

ここで大事なのは、課金は“画像枚数”ではなく“WebUIの起動時間”だという点です。
生成枚数に上限がない一方で、WebUIを起動したままだと時間が積み上がります。

現時点（公式表示）では、プランは次の3つです。

プラン	基本料金（税込）	WebUI無料時間	超過分（従量）	ストレージ
エントリー	1,100円/月	10時間/月	6.6円/分	30GB
スタンダード	4,378円/月	50時間/月	6.6円/分	100GB
アドバンス	9,878円/月	100時間/月	6.6円/分	500GB

※覚えやすい換算：6.6円/分 = 396円/時間

無料利用時間（プラン別）の考え方

無料時間は「毎月もらえるWebUIの無料枠」です。使い方のコツは、“毎月の起動時間”をざっくり決めること。

• 無料時間は月ごとにリセット
• 無料枠の範囲内なら、WebUI利用料金は0円
• 無料枠を超えると、超過分が分単位で加算

たとえばエントリーで、月に合計15時間WebUIを起動する想定なら、

• 無料：10時間
• 超過：5時間（=300分）
• 超過料金：300分 × 6.6円 = 1,980円
• 合計：基本料金1,100円 + 1,980円 = 3,080円

このように、無料時間を越えるかどうかが分かると、月額が読みやすくなります。

損しないためのチェックポイント（起動中もカウントされる等）

「料金で後悔しやすいポイント」を先に潰しておくと安心です。

• WebUIは“起動しているだけ”で時間が進む
  作業していない待機中も積み上がる前提で、使い終わったら止める癖をつけるのが安全です。
• コントロールパネル操作だけでは課金されない
  逆に言えば、「WebUIを起動していない状態」で設定や確認をしても、WebUI利用料金は発生しません。
• 自動終了タイマーは“保険”として必ず設定
  ただし、ベストは「終わったら自分で停止」です。タイマーは“切り忘れ対策”と割り切ると事故が減ります。
• ストレージ超過は“プランダウン不可”に直結することがある
  容量がギリギリだと、下位プランへ戻したい月に戻せない…が起こり得ます。不要データの整理は、コスト最適化の一部です。
• 端数の扱い・請求タイミングも一応チェック
  表示は税込でも、端数処理で表示と請求に差が出る場合があります。また、チャージ型支払いは残高不足時に停止まで時間差があり、その間の料金が発生するケースもあるため、残高には余裕を持つのが無難です。

目的別おすすめプラン

SNS・ブログ用の画像を作りたい（軽め運用）

まずはエントリーが現実的です。

• 「週に数回、アイキャッチやSNS画像を作る」
• 「まずはAutomatic1111でプロンプトに慣れたい」
• 「モデル追加は最小限でOK」

この層は、無料10時間の範囲で収まることも多く、“月額の読みやすさ”がメリットになります。

高頻度で生成したい（大量生成・検証が多い）

結論は、予想起動時間が50時間・100時間を超えるかで考えるのが最短です。

• 月の起動が 〜50時間程度：スタンダードが候補
• 月の起動が 〜100時間をよく超える：アドバンスが候補

高頻度運用は、超過料金が効いてくるので、
「無料時間が大きいプランほど、月額が安定しやすい」のがポイントです。

オリジナルLoRAを作りたい（学習が必要）

LoRA学習をやるなら、スタンダード以上が前提になります（学習用WebUIが対象プランに含まれるため）。

• 生成だけでなく、学習→テスト生成→微調整の往復が発生しやすい
• 素材や中間データも増え、ストレージも伸びがち

最初から学習が目的なら、
「スタンダードで開始 → 容量や稼働時間が足りなければアドバンス」
という段階的な上げ方が失敗しにくいです。

月額の目安を決める“考え方”テンプレ

作業時間の見積もり（生成・調整・書き出し）

以下を埋めるだけで、月額のブレが小さくなります。

1. 1回の作業でWebUIを起動する時間：＿＿分
2. 月あたりの作業回数：＿＿回
3. 月の起動合計：①×②＝＿＿分（＝＿＿時間）
4. 選ぶプランの無料時間：＿＿時間
5. 超過時間：合計−無料＝＿＿時間（＝＿＿分）
6. 超過料金：超過分（分）×6.6円＝＿＿円
7. 月額合計：基本料金＋超過料金＝＿＿円

このテンプレのコツは、作業回数よりも先に
「1回の起動が何分になりやすいか」を決めることです。

• 画像を数枚作って終わる：30〜60分に収まりやすい
• 試行錯誤・比較が多い：90分〜数時間になりやすい
• 大量生成やワークフロー検証：長時間になりやすい

コストを増やす要因（拡張・高負荷ワークフロー等）

月額を押し上げやすい要因は、だいたいこの3つです。

• 「停止し忘れ」（最も多い）
• “迷い時間”が長い作業フロー（あれこれ触っているうちに時間が伸びる）
• 重いワークフローの常用（高負荷な生成・検証を長時間回す）

対策はシンプルで、効果が大きい順に並べると、

• 終了を習慣化（まずここ）
• 自動終了は短めに設定（保険）
• 目的別に「いつもの設定」を固定（迷う時間を削る）

これで、同じ成果でも“起動時間”が短くなりやすく、月額が安定します。

ConoHa AI Canvas 公式サイト

始め方：申し込み〜初回起動まで（最短ルート）

申し込み前に決めること（用途・プラン・支払い）

申し込みは数分で終わりますが、ここを先に決めておくと「後で迷って起動時間が伸びる（＝ムダ課金）」を避けやすいです。

1) 用途（ゴール）を1つ決める

• 例：ブログのアイキャッチを作りたい／SNS投稿を量産したい／LoRAを作りたい
• 最初は「画像生成だけ」に寄せると、設定沼に入りにくいです。

2) プランを決める（迷ったらこの基準）

• 生成だけ：まずはエントリーでも始めやすい
• LoRA学習もしたい：学習用WebUIが使えるプランが前提（スタンダード以上）
• モデルを色々入れそう：ストレージが大きいほど管理がラク

3) 支払い方法を決める（ここが“継続のしやすさ”を左右）

• クレジットカード（自動支払い）：毎月自動で決済され、運用がシンプル
• ConoHaチャージ（前払い）：使いすぎ防止に強い（残高管理が必要）
• ConoHaカード：プリペイドカードで始めたい人向け

4) 自分ルールを1つだけ作る（重要）

• 「使い終わったら必ずWebUIを終了する」
  これだけで、費用のブレが大きく減ります。

申し込み手順の全体像

大まかな流れは 申込 → プラン選択 → アカウント情報 → 電話/SMS認証 → 支払い設定 → 利用開始 です。

アカウント作成と認証

新規の場合は次の順で進みます（画面の案内通りでOKです）。

1. 申込ページから「お申し込み」
2. メールアドレス／パスワードを設定（ConoHaコントロールパネルのログインに使うので控える）
3. プラン選択 → カート確認
4. お客様情報の入力
5. 電話認証（SMSまたは電話）で本人確認
6. 支払い方法を選び、申込確定
7. 申込完了（構築が終わると利用できる状態になります）

すでにConoHaアカウントがある場合は、ConoHa管理画面から申し込みに進めます。

支払い方法の選び方（自動支払い／チャージ系など）

支払いで迷う初心者は、次の選び方が失敗しにくいです。

とにかく手間を減らしたい → クレジットカード（自動支払い）

• 登録したカードから毎月自動で支払い

上限を決めて使いたい／カードを登録したくない → ConoHaチャージ（前払い）

• 先にチャージして、利用額が翌日に残高から引き落とし
• 残高が不足するとサービスが停止する点には注意（停止まで時間差が出るケースもあります）

ConoHaチャージの“チャージ方法”は複数あります

• クレジットカード、銀行振込、Amazon Pay、コンビニ、銀行決済（ペイジー）、PayPal など
  （「チャージ＝前払い」なので、使いすぎ防止に向きます）

急いで開始したい場合の注意

• 支払い方法によっては、支払い確認後（1営業日以内）に利用開始となる案内があります。すぐ使いたいなら、開始までの流れが短い方法を選ぶのが無難です。

コントロールパネルで最初に確認する項目

申し込み後にやることは、基本的に「起動」「自動終了」「ストレージ」の3点です。

WebUI起動・自動終了・ストレージ

1) WebUIを起動する

• コントロールパネルにログイン
• 上部メニューで「AI」→ 左メニューで「AI Canvas（または契約サービスの詳細）」へ
• 「WebUI起動」から使いたいWebUIを選択して起動

ここで初心者がつまずきやすいのは WebUI用のID/パスワード設定です。

• WebUI起動時に、WebUI利用のためのユーザーネームとパスワードを入力します
• これは ConoHaコントロールパネルのログイン情報とは別物です
• セキュリティ上、WebUIを起動するたびに都度設定が必要とされています
• WebUIが立ち上がったら、認証画面で入力してログイン
  • Automatic1111：ユーザー名＋パスワード
  • ComfyUI：パスワードのみ（仕様として案内あり）

2) 自動終了タイマーを設定する（課金の事故防止）
WebUIは起動してから停止するまでの利用として扱われるため、切り忘れ対策が重要です。

• コントロールパネルのAI Canvas詳細で 自動終了時間を選択
• デフォルトは 60分
• 仕様上、最短15分〜最長180分の範囲で変更できます

初心者向けのおすすめはこのどれかです。

• まずは 60分のまま（迷ったらこれ）
• 「短時間で作って終える」なら 30分
• 「集中して調整する」なら 90分

3) ストレージ状況を確認する（容量不足の前に手を打つ）
最初からストレージが少し使われて見えることがありますが、これは

• Stable Diffusionのモデル
• WebUIの初期拡張機能データ
  などが初期データとして保存されているためです。

ストレージがいっぱいになったら、基本は次のどちらかです。

• ファイルマネージャーで不要データを削除（削除前にローカルへバックアップ推奨）
• 上位プランへ変更（ただし プラン切替は翌月月初になる案内があるため、急ぎなら削除が現実的）

初回起動までのチェックリスト（この順でやれば迷いにくい）

• 支払い方法を決めた（自動支払い or チャージ）
• コントロールパネルでAI Canvasを開けた
• WebUI起動時に、WebUI用ID/パスワードを設定してログインできた
• 自動終了タイマーを設定した
• ストレージ残量と、初期データの存在を理解した（異常ではない）

ConoHa AI Canvas 公式サイト

基本操作：まずは“失敗しない”画像生成を体験する

txt2img：テキストから作る（最初の成功体験）

txt2imgは「文章 → 画像」を作る最短ルートです。最初は“完成度”よりも、再現できる手順を作るのがコツです。

最短の流れ（迷わない順番）

1. モデル（Checkpoint）を選ぶ
   最初はプリセットのモデルでOK（いきなり大量に追加しないのが安全）。
2. 「txt2img」タブを開く
3. プロンプト（作りたい内容）を書く
4. ネガティブプロンプト（避けたい崩れ）を書く
5. 設定を最低限だけ決める（後述の5つ）
6. Generate（生成）→ 結果を確認 → 良いものを保存

はじめの一枚が出やすい“練習用”プロンプト例（コピペ可）

• プロンプト（例）：
  a clean and simple flat illustration, a laptop on a desk, soft lighting, minimal background, high quality
• ネガティブ（例）：
  low quality, blurry, text, watermark, extra fingers, deformed

英語が苦手でも大丈夫です。まずは短い英語で成功体験を作り、慣れてから日本語や長文に広げる方が失敗しにくいです。

img2img：元画像をベースに整える（アイキャッチ作りに強い）

img2imgは「手元の画像を土台に、雰囲気や構図を整え直す」機能です。特に、ブログやSNSで同じ構図を保ったまま、テイストだけ寄せたいときに便利です。

最短の流れ

1. 「img2img」タブを開く
2. 元画像をアップロード
3. プロンプト／ネガティブを入れる
4. Denoising strength（変化量）を調整
5. Generate → 比較して採用

Denoising strengthの目安（初心者向け）

• 0.2〜0.4：元画像を活かして“軽く整える”（まずはここ）
• 0.5〜0.7：構図は残しつつ、見た目が大きく変わる
• 0.8以上：別物になりやすい（上級者向け）

重要な注意点

• img2imgは「元画像」がある分、権利関係の影響を受けやすいです。自分が利用権を持つ画像（自作、素材規約OKの画像など）を使う前提で考えるのが安全です。

最初に触るべき設定5つ（品質と再現性の要点）

解像度／ステップ／CFG／サンプラー／シード

最初は“全部理解”しなくてOKです。次の5つだけ押さえると、品質と再現性が一気に安定します。

設定	役割（ざっくり）	初心者のおすすめ
解像度（Width/Height）	画像サイズ。大きいほど時間が伸びやすい	まずは標準〜中くらいで固定
ステップ（Steps）	描き込み回数。多いほど丁寧になりやすいが遅くなる	20〜30から開始
CFG（CFG Scale）	プロンプトにどれだけ忠実にするか	5〜8から開始
サンプラー（Sampler）	生成の方式。絵柄や安定性が変わる	迷ったらDPM++系など定番を固定
シード（Seed）	同条件で似た結果を再現する“種”	最初は-1（ランダム）→当たりが出たら固定

再現性を上げる小ワザ

• 「当たり画像」が出たら、シードを固定して“微調整”に入る
  → いきなり別ガチャにならず、改善が積み上がります。
• 生成した画像のメタデータ（設定・プロンプト）を確認できる機能もあるので、後から「同じ条件」を再現しやすくなります。

よくある失敗と回避策（破綻・崩れ・意図違い）

初心者がつまずくのは、だいたい同じポイントです。症状 → 対策でまとめます。

1) 手・指・顔が崩れる

• 対策
  • CFGを少し下げる（強すぎると破綻しやすい）
  • ステップを少し上げる（20→28など）
  • ネガティブに「extra fingers」「deformed」系を追加
  • 直したい部分だけimg2img（Inpaint）で修正

2) “思ってたのと違う”が連発する（意図違い）

• 対策
  • プロンプトを短くする（盛りすぎは迷子の原因）
  • 主語（何を描くか）を先頭に置く
  • 参考にしたい構図があるならimg2imgで“土台”を与える

3) 画質がボヤける／情報量が少ない

• 対策
  • 解像度を上げる前に、まずステップを少し増やす
  • サンプラーを固定して比較する（毎回変えると原因が追えない）

4) 生成が遅い／重い

• 対策
  • 解像度を一段下げる（まずはここが効く）
  • バッチサイズを下げる（枚数を欲張らない）
  • “高負荷な拡張機能”は慣れるまでオフにする

5) 後から整理できずに詰む（地味に多い）

• 対策
  • 生成物は「日付＋用途」でフォルダ分けして早めに整理
  • 命名ルールを無理にいじらない（特殊な文字を入れる設定は事故りやすい）
  • “削除できない”などのトラブルを避けるため、ファイル名に使う文字はシンプルに保つ

ConoHa AI Canvas 公式サイト

プロンプト設計：再現性が上がる“型”と例

プロンプトの基本構造（主題→詳細→画風→光→構図）

初心者が最短で「狙った絵」を出すコツは、文章ではなく“要素の並び”として考えることです。
おすすめは、次の順番で組み立てる方法です。

パート	何を書く？	例（キーワード）
主題	何を描くか（主役）	person / cat / laptop on a desk
詳細	見た目・属性・質感	clean / modern / minimal / pastel
画風	テイスト・表現	flat illustration / watercolor / photo-realistic
光	明るさ・雰囲気	soft lighting / dramatic light / studio light
構図	カメラ・配置	close-up / top view / centered composition

テンプレ（そのまま置き換えOK）

• 【主題】, 【詳細】, 【画風】, 【光】, 【構図】, high quality

再現性を上げる“運用ルール”

• 最初は短く（10〜25語くらい）→当たりが出てから足す
• 一度うまくいったら、順番は固定して足し引きする
• “言い換え”は増やしすぎない（同義語を盛るとブレやすい）
• 迷ったら、主題を強く、装飾を弱く（主役が変わる事故を防ぐ）

よく効く書き方（A1111系で定番）

• 強調：(keyword:1.2) のように重みづけ
• 逆に弱めたい：重みを下げる／不要なら削る
  ※重みは上げすぎると破綻の原因になるので、まずは 1.1〜1.3 くらいが安全です。

ネガティブプロンプトの作り方（崩れを抑える）

ネガティブは「嫌いなものリスト」ではなく、失敗パターンを先回りで潰す装置です。
最初から長文にせず、3段階で育てると安定します。

ステップ1：まずは“共通で効きやすい”ものだけ

• low quality, blurry, bad anatomy, deformed, text, watermark, logo

ステップ2：ジャンル別に追加（必要なときだけ）

• 人物寄り：extra fingers, bad hands, asymmetry
• イラスト寄り：messy lines, noisy background
• プロダクト風：reflection artifacts, distorted shape

ステップ3：結果を見て“原因だけ”を足す

• 「手が崩れる」→ 手系を足す
• 「文字が出る」→ text, watermark, logo を足す
• 「背景がうるさい」→ busy background 系を足す

ネガティブの注意点（初心者がやりがち）

• ネガティブを盛りすぎると、絵が“薄く”なったり、表現が狭まることがあります
• 迷ったら、まずは 短いネガティブ固定 → 問題が出たら追加、が安全です

用途別テンプレ

ブログ/メディアのアイキャッチ

狙いは「一瞬で意味が伝わる」こと。情報量を増やすより、余白・単純構図が強いです。

テンプレ

• 【主役】, minimal, clean background, simple shapes, centered composition, soft lighting, flat illustration, high quality

例：FX VPS記事のアイキャッチ風

• プロンプト：
  a laptop showing trading charts on a desk, minimal, clean background, modern, centered composition, soft lighting, flat illustration, high quality
• ネガティブ：
  text, watermark, logo, low quality, blurry, messy background

コツ

• 文字入れは後工程（Canva等）に回す前提で、生成側では text をネガティブに入れると事故が減ります。

SNS投稿（統一感のあるシリーズ画像）

シリーズ化は、毎回“全部変える”のが一番ブレます。固定するのは次の3点です。

• 画風（style）
• 色味（color palette）
• 構図（composition / camera）

テンプレ（シリーズ用）

• 【主役】, 【固定スタイル】, 【固定色】, 【固定構図】, high quality

例：統一感を出す固定要素

• 固定スタイル：flat illustration, clean lines
• 固定色：pastel color palette
• 固定構図：centered composition, simple background

運用のコツ（地味に効く）

• “固定部分”をメモ帳に保存して、毎回コピペ
• 変えるのは 主役と小物だけ（1〜2箇所）に限定すると、投稿の統一感が出やすいです

商品・バナー風（文字なし前提で安全運用）

商品・バナー風は、文字やロゴっぽい要素が混ざると使いにくくなります。
最初から「文字なし・余白あり」を指定するのがコツです。

テンプレ

• product photo style, 【商品】, clean background, studio lighting, plenty of copy space, centered, high detail, high quality

ネガティブ（重要）

• text, watermark, logo, brand name, label, low quality, blurry

コツ

• plenty of copy space（文字を置く余白）を入れると、後からデザインがしやすくなります。

日本語入力を使う場合の注意点（拡張・翻訳・精度）

日本語プロンプトでも生成はできますが、モデルや学習データの性質上、英語キーワードのほうが意図が通りやすい場面が多いです。初心者は次の方針がラクです。

おすすめ運用（迷わない）

• 日本語でイメージを固める
• 重要語だけ英語にする（主題・画風・光・構図）
• キーワードを短く・名詞＋形容詞中心にする（文章にしない）

日本語プロンプトがブレる“あるある”

• 丁寧語や長文説明 → 意図が散って結果が不安定
• 曖昧語（いい感じ、おしゃれ、エモい） → 解釈がブレる
  → 対策：曖昧語は避け、minimal / modern / cinematic のような具体語へ寄せる

翻訳で失敗しにくくするコツ

• まずは短い英語にする（主題＋スタイル＋構図）
• 反応を見て、詳細を足す
• “固有名詞っぽい単語”は、意図せぬ学習元に引っ張られることがあるので、一般語に言い換える

ConoHa AI Canvas 公式サイト

WebUI別ガイド：Automatic1111 と ComfyUI を使い分ける

ConoHa AI Canvasは、コントロールパネルから 使いたいWebUI（Automatic1111 / ComfyUI）を選んで起動し、ブラウザだけでStable Diffusion系の生成環境を使えるのが強みです。
まず迷ったら、次のイメージでOKです。

目的	向いているWebUI	理由
まず画像生成を「迷わず回したい」	Automatic1111	画面が“フォーム型”で、毎回同じ手順で作れる
生成の流れを固定して、再現性と量産を上げたい	ComfyUI	ノード（工程）を組んで、ワークフローを保存・再利用しやすい

Automatic1111：設定項目の見どころ

Automatic1111は「txt2img / img2img…」のように メニューが分かれていて、必要な場所に入力していくタイプ。初心者はここから入ると成功体験が早いです。

• モデル（Checkpoint）：まず“絵柄の土台”を決める場所
• プロンプト / ネガティブ：狙いとNGを分けて書ける
• 生成条件（Sampler / Steps / サイズ / Seed など）：品質と再現性の要
• PNG情報（メタデータ確認）：過去画像の設定を“復元”するのに便利
• 拡張機能（Extensions）：機能追加の入口（ControlNet等もここ絡み）

初回起動で詰まりやすいポイント

最初につまずきやすいのは「起動〜ログイン」「保存まわり」「拡張まわり」です。ここだけ先に押さえるとスムーズです。

• WebUIの認証情報は“毎回設定”
  コントロールパネルにログインするID/パスとは別に、起動時にWebUI用の認証情報を作ってログインします。
  ※ComfyUIはログインがパスワードのみ、という挙動もあるので混乱しやすいです（起動画面で確認すると確実）。
• 生成画像の場所が分からない問題
  「どこに保存された？」となりがちですが、ConoHa AI Canvasでは ファイルマネージャーで output を見に行くのが基本動線です。
• ファイル名の癖で“消せなくなる”ケース
  保存設定（ファイル名パターン等）に特殊文字などを入れると、ファイルマネージャーから削除できない状態になることがあります。
  対策：最初は 半角英数字 + ハイフン/アンダースコアに寄せておくと安全です。

UIの日本語化と、入れておくと便利な拡張

Automatic1111は環境によって英語UIになりがちですが、AI Canvas側で日本語化の拡張が用意されているケースがあります。
また、プロンプト入力を助ける拡張も初期から使える場合があり、「何を書けばいいか分からない」状態を抜けやすくなります。

拡張の扱いで覚えておくことは2つだけ。

1. 拡張は“追加したら反映（再起動）”が必要
   拡張を入れただけでは効かず、反映操作→UI再起動→再ログイン、という流れになります。
2. ControlNetは“拡張 + モデル”の2段階
   ControlNetは、拡張を入れるだけでは動かず、ControlNet用のモデルファイル配置も必要です。
   初心者はまず「拡張が認識されているか」→次に「モデルが候補に出るか」の順で確認すると迷子になりません。

ComfyUI：最短で動かすワークフロー入門

ComfyUIは、工程（ノード）をつないで “生成のレシピ”を作るUIです。
最初は「ノードが多くて難しそう」に見えますが、基本形はかなり単純です。

• Checkpointを読み込む
• プロンプトをエンコードする
• 生成サイズを決める
• サンプリングして潜在画像を作る
• 画像に戻して保存する
• 実行する

基本ワークフロー（テキスト→生成→保存）

初心者はまず、次の“一本道”を作れればOKです（細部は後回しで大丈夫）。

• モデル読み込み：使うCheckpointを選択
• プロンプト入力：ポジティブ/ネガティブを分けて流し込む
• サイズと枚数：幅・高さ・バッチ（枚数）を指定
• サンプラー：StepsやSeedなど、生成の核になる値を決める
• VAEで画像化：潜在→画像へ変換
• 保存ノード：保存時のプレフィックス（識別子）を付けて管理しやすくする
• 実行：キュー実行（生成開始）

生成後の確認は、ConoHa AI Canvasの ファイルマネージャー → output → comfy まで辿るのが最短です。
「保存したつもりなのに見つからない」を防ぐため、最初はここだけ固定で覚えると安心です。

拡張ワークフロー（ControlNet／LoRA併用）

ComfyUIで“狙い通り”に寄せる定番が LoRA（味付け） と ControlNet（構図・ポーズなどの拘束） です。
ただし最初から全部盛りにすると崩れやすいので、追加は段階的に。

• ステップ1：LoRAを足す（絵柄・質感の方向性を強める）
  1. LoRAファイルをアップロード
  2. ワークフロー側でLoRAを読み込み、モデル/条件付けに混ぜる
  3. 効きが強すぎると破綻しやすいので、強度は控えめから
• ステップ2：ControlNetで“形”を縛る（ポーズ・線・奥行き）
  1. ControlNet関連ノード（または拡張）を入れる
  2. 制御に使うモデルを用意する
  3. 参照画像（ポーズ/エッジ/深度など）を入力→条件に適用→KSamplerへ
     ※ControlNetは「効かせ方」が強いほど意図は出ますが、過剰だと不自然になりやすいので、まずは弱めからが安定です。

ConoHa AI Canvas 公式サイト

モデル管理：Checkpoint/LoRA/ControlNetを追加して表現を広げる

ファイルマネージャーの基本（アップ/整理/ダウンロード）

ConoHa AI Canvasのモデル追加は、基本的にファイルマネージャーで「決められたフォルダ」に置くだけです。最初にここを押さえると、以降の操作がスムーズになります。

覚えるべき基本ルール

• アップロードは「いま開いている階層」に入ります
  → 目的のフォルダを開いてからアップロードするのが鉄則
• 複数ファイルはまとめて選択してダウンロード可能（zip化もOK）
• フォルダ作成ができるので、整理は“早め”がラクです

アップロード（最短手順）

1. ファイルマネージャーを開く
2. 追加したいフォルダまで移動（ダブルクリックで入る）
3. 左メニューのアップロード、またはドラッグ＆ドロップ
4. 一覧に表示されれば完了

ダウンロード（バックアップにも使う）

• 欲しいファイル／フォルダを選択 → ダウンロード
• 複数選択するとzip形式で一括ダウンロードできるので、バックアップが簡単です

容量が大きいファイルの注意点（ここだけ重要）

• 5GB以上のファイルは、分割ファイルとして扱われ、ファイルマネージャー上ではまとめて管理する“マニフェストファイル”が表示されます
• 削除するときは、マニフェストと分割ファイルの両方を削除対象にする必要があります
  → 「容量が減らない…」の原因になりやすいポイントです

Checkpoint（モデル）を追加する手順と注意

Checkpointは“絵柄の土台”です。追加の流れはシンプルで、所定フォルダに置いて、WebUI側で更新（読み込み）するだけ。

追加手順（デフォルト構成）

1. ファイルマネージャーで次の場所へ移動
   • home/data/models/Stable-diffusion
2. Checkpointファイル（例：.safetensors）をアップロード
3. WebUI側でモデル一覧を更新して選択
   • Automatic1111：チェックポイント欄で更新→選択
   • ComfyUI：Load Checkpoint系ノードで候補から選択（必要に応じて更新）

配置場所の考え方（迷わないルール）

初心者が混乱しないためのルールを1つ決めると、運用が安定します。

• 基本は「フォルダは増やしすぎない」
  まずは Stable-diffusion に集約でOK
• どうしても増やすなら、ファイル名で分類
  例：sd15_***.safetensors / sdxl_***.safetensors のように“系統が分かる名前”にする

余計な階層分けをすると「どこに置いたか分からない」「WebUIで出てこない」が起きがちです。最初はシンプルに。

モデル選定の基準（画風・得意領域・サイズ）

“人気だから”だけで入れるとストレージがすぐ埋まります。初心者は次の順で判断すると失敗しにくいです。

• ベースの系統：SD1.5系か、SDXL系か
  → LoRAや設定の互換性に直結します（混ぜると崩れやすい）
• 得意領域：人物が強い／背景が強い／イラスト寄り／写真寄り
  → 作りたい用途（ブログ用・SNS用・商品風）に合わせる
• ファイルサイズ：大きいほど置き場を圧迫
  → 最初はCheckpointは1〜2個に絞るのが鉄板
• 利用条件：商用利用や再配布の可否など
  → 後から困らないように、入れる前に概要だけ確認（メモ推奨）

LoRAを追加して“キャラ・作風”を固定する

LoRAは“味付け”です。Checkpointほど重くない反面、増やしすぎると管理が破綻しやすいので、少数精鋭が向きます。

追加手順（デフォルト構成）

1. ファイルマネージャーで次の場所へ移動
   • home/data/models/Lora
2. LoRAファイル（例：.safetensors）をアップロード
3. WebUIで反映して使用
   • Automatic1111：LoRAを選ぶ／プロンプトに呼び出す
   • ComfyUI：LoRA Loader系ノードで読み込み、モデルに合成

効かせ方（重み・組み合わせ・競合の回避）

LoRAが効きすぎると「破綻」「顔が似ない」「画面が濁る」が起きやすいです。次の“守るだけ”で安定します。

重み（強さ）の目安

• まずは 0.6〜0.9 あたりで試す
• 強くしたいときも、一気に上げず 0.1刻みで調整

組み合わせのコツ

• 最初は LoRAは1つだけ
• 慣れても、同時使用は 2つまでがおすすめ
  （増やすほど競合しやすく、原因が追いにくい）

競合が起きたサイン

• 線がガタつく／顔が崩れる／背景が急にうるさくなる
  → 対処：重みを下げる、片方を外す、CheckpointとLoRAの系統（SD1.5/SDXL）を揃える

ControlNetで構図を制御する

ControlNetは「ポーズ」「輪郭」「奥行き」などを、プロンプトより強くコントロールする仕組みです。狙いは“自由度”よりも、狙った構図を再現すること。

追加の前提（重要）

• ControlNetのモデルを置く前に、ControlNet拡張機能の追加が必要です
  → 先に拡張を入れてから、モデルを配置します

モデルの配置（デフォルト構成）

1. ファイルマネージャーで次の場所へ移動
   • home/data/config/auto/extensions/sd-webui-controlnet/models
2. ControlNetモデルをアップロード
3. WebUI側でControlNetを開き、モデル候補に出るか確認

ポーズ・輪郭・深度の使い分け

初心者が迷わないように、よく使う用途で割り切るのがコツです。

• ポーズを合わせたい（人物の姿勢・手足）
  → ポーズ系（例：OpenPose系）
• 構図の線をなぞりたい（輪郭・線画・エッジ）
  → 輪郭系（例：Canny/Lineart系）
• 奥行き・立体感を揃えたい（距離感・背景のまとまり）
  → 深度系（例：Depth系）

最初は“1種類だけ”で十分です。ControlNetは重ねるほど強力ですが、同時に不自然さも出やすいので、慣れてから増やすのが安全です。

ストレージが足りなくなる前の整理術

モデル管理で一番ありがちな失敗は、「増やす→探せない→削れない→結局使わない」です。
なので、「残す基準」→「消す基準」→「バックアップ」の順にルール化すると破綻しません。

残すべきファイル／消してよいファイル

残す（優先度高）

• メインのCheckpoint（1〜2個）
• いつも使うLoRA（5〜10個以内が目安）
• よく使うControlNetモデル（用途が明確なものだけ）
• “当たり画像”と、その設定が分かるメモ（再現性が資産）

消してよい（優先度低）

• 使っていないCheckpoint（試しただけのもの）
• 似た用途のLoRAを大量に置いている場合の“下位互換”
• テスト生成の画像（outputが膨らむ最大要因）
• 5GB以上アップロード時の分割ファイル関連で、不要になったもの（マニフェスト含めて整理）

補足：最初からストレージが一部埋まっている件

• 初期データ（モデルや初期拡張機能データ等）が入っているため、契約直後でも容量が使用されていることがあります
  → 異常ではありません

バックアップの取り方

バックアップは難しく考えず、「フォルダ単位でzipダウンロード」が手堅いです。

おすすめ手順（初心者向け）

1. ファイルマネージャーで、バックアップしたいフォルダを選ぶ
   例：output（生成物）、data/models（モデル類）
2. 複数選択してダウンロード
   → zipでまとまるので、ローカル保存が簡単
3. “残すモデル”だけを戻す（復元するときに迷わない）

なお、ストレージ初期化の対象は home/data 配下で、生成画像が入る home/output は対象外です。初期化を検討する場合でも、outputの扱いは別で考えるのがポイントです。

ConoHa AI Canvas 公式サイト

オリジナルLoRA作成（学習）：失敗しない手順と設定の考え方

まず確認：できるプラン・必要な素材・完成イメージ

LoRA学習（Kohya SS）は、スタンダード／アドバンスで利用できます（エントリーは対象外）。また、学習は「ベースモデル（Checkpoint）に“追加の特徴”を覚えさせる」イメージです。

最初に決めるべきは、この3つだけでOKです。

• 何を固定したいか（完成イメージ）
  • 例：自分のイラストの“線の太さ・塗り・色味”を統一したい
  • 例：特定の服装・小物・背景テイストを安定させたい
• どのCheckpointを土台にするか（SD1.5かSDXLか）
  • LoRAは基本的に「土台モデルと同じ系統」で作る方が安定します
• 学習に使う素材が揃っているか
  • 学習用画像（推奨枚数の目安あり）
  • 画像に付ける説明文（キャプション／タグ）
  • できれば「テスト生成用のプロンプト（後述）」も用意

💡初心者が失敗しにくいゴール設定
最初のLoRAは「キャラ全部」より、“作風だけ”や“小物・衣装だけ”のように範囲を狭めると当たりやすいです。

学習データ準備（枚数・解像度・多様性）

学習の出来は、設定よりも データの質でほぼ決まります。ここを丁寧にすると、あとが楽です。

1) 枚数の目安

高品質を狙う場合、学習用画像は20〜50枚程度がひとつの目安です。
少なすぎると「似ない」、少なすぎるのに回数を回すと「過学習」になりやすいです。

2) 解像度の考え方（“そろえる”が基本）

• 画像サイズがバラバラだと、学習が安定しにくくなります
• まずは同じ解像度で揃える（または近い比率に統一）と失敗が減ります

迷ったらこう考えると簡単です。

• SD1.5系：まずは“標準〜中サイズ”で統一
• SDXL系：まずは“SDXL想定の標準サイズ”で統一
  （※具体的なピクセル値は、土台モデルと普段の生成サイズに合わせるのが安全です）

3) 多様性（似た画像を並べない）

「同じ構図・同じ表情・同じ背景」ばかりだと、LoRAが偏ります。

最低限、次のどれかを散らすと安定します。

• 角度：正面／斜め／引き／寄り
• 背景：無地／室内／屋外
• 明るさ：昼／夜／逆光
• 服：色・形を少し変える（“全部同じ”にしない）

著作権・肖像権のチェック観点

ここは“後から困る”代表なので、最初に線引きしておくのが安全です。

• 自分が権利を持つ画像（自作・自分の写真・利用許諾が明確な素材）を使う
• 他人の顔写真や個人が特定できる画像は、本人の同意がない限り避ける
• 既存キャラクター／ブランド要素を含む場合、配布や商用利用で特にリスクが上がる
  → 「学習すること」自体がOKか／「出力物を使うこと」がOKかは別問題になりがちです

学習設定の“最小理解”（何を触れば変わる？）

Kohya SSは項目が多いですが、初心者が最初に見るべきは「結果に直結するところ」だけです。ざっくりこの6つで十分です。

触る項目	何が変わる？	まずの考え方
ベースモデル（Checkpoint）	出力の土台（絵柄の方向性）	“普段使うモデル”を土台にする
画像フォルダ指定	学習データの参照先	フォルダ構成を守れば迷わない
出力名／出力先	LoRAの保存場所・管理	/data/models/Lora へ出すと後が楽
キャプション（タグ）	何を覚えさせるか	雑だと似ない／盛りすぎると崩れる
学習量（回数系）	覚えすぎ・覚えなさすぎ	まず小さく回して様子見
ネットワーク容量（dim等）	LoRAの“表現の器”	最初は欲張らず小さめ→必要なら上げる

キャプション付け（Utilities）の“最低ライン”

Kohya SSのUtilitiesには、画像からタグを作る機能があり、推奨値も示されています。
初心者はまず「自動タグ → 不要語を少し消す」くらいで十分です。

• 重要：固有の特徴だけ残す（例：髪色、服、背景、画風）
• ありがち：タグが長すぎて主題がぼやける → “要点だけ”に絞る

データの置き方（迷わないルール）

データセットは、繰り返し回数_名前の形式でフォルダを作って管理します。
例：10_imagename のようにすると、学習側が扱いやすくなります（推奨の回数目安もあり）。

学習→テスト→改善の回し方

“1回で完璧”を狙うと沼ります。初心者が勝ちやすいのは、小さく回して当たり方向を探すやり方です。

1) 学習（小さく1本目）

• まずは「少なめ設定」で学習を走らせる
• 学習は設定次第で30分〜数時間かかることがあります
• 迷ったら、出力名に日付や土台モデル名を入れる（後で迷子にならない）

2) テスト（同じ条件で比較する）

テストは“比較の軸”を固定すると精度が上がります。

• 同じCheckpoint（学習の土台）
• 同じプロンプト（3〜5本を固定）
• 同じSeed（再現性を担保）
• LoRAの強さ（重み）だけ変えて、効き方を見る

おすすめのテスト観点

• 「特徴が出るか」：狙った作風／衣装／小物が再現されるか
• 「副作用がないか」：顔崩れ、線の破綻、背景のノイズが増えていないか
• 「汎用性」：少し違う構図でも崩れないか

3) 改善（原因別に手を入れる）

“設定”より先に、まずはデータとキャプションを疑う方が直ります。

ありがちな失敗（過学習・似ない・破綻）と対処

• 過学習っぽい（同じ顔・同じ構図に寄る／自由がなくなる）
  • 対処：似た画像を減らす／構図の多様性を増やす／学習量を下げる
• 似ない（特徴が出ない）
  • 対処：キャプションを整理（要点を残す）／特徴が分かる画像を足す／学習量を少し増やす
• 破綻が増える（手・顔・線が崩れる）
  • 対処：LoRAの重みを下げてテスト／学習データのブレ（画風混在）を減らす／“盛りすぎタグ”を削る

配布/商用利用をする場合の注意

配布や商用利用は、特に次を分けて考える必要があります。

• 学習に使った画像の権利（許諾・利用範囲）
• 土台のCheckpointの利用条件（商用可否・クレジット要否など）
• LoRA自体の配布条件（同梱物・二次配布の扱い）

「商用利用OKかどうか」は土台モデル次第で変わり、サービス側も自己責任で規約確認するよう注意事項を明記しています。
配布するなら、最低でも「土台モデル名」「利用条件の要約」「禁止事項」をセットで整理しておくと、後で揉めにくいです。

ConoHa AI Canvas 公式サイト

動画生成・拡張機能：できる範囲と現実的な使いどころ

動画系の機能は何を指す？（拡張での実現を含む）

ConoHa AI Canvasの「動画」は、大きく分けると次の2系統です。初心者は、まず“どれをやりたいか”を決めるだけで迷いが減ります。

やりたいこと	代表的な呼び方	できることのイメージ	向いている用途
テキストから動画を作る	Text to Video	プロンプトから短い動画を生成	アイデア出し／雰囲気確認
手持ち動画を別テイストに変換	Mov2Mov（Video to Video）	実写→アニメ風など“変換”寄り	既存素材のテイスト変更

ポイントは、「動画機能＝最初から全部が標準搭載」というより、拡張機能やテンプレート（ワークフロー）で実現する領域が大きいことです。
公式の仕様でも、Mov2Movは拡張機能をインストールして使う位置づけになっています。

また、最近はConoHa AI CanvasのComfyUI側で、テンプレートを選ぶだけでテキスト→動画を作れる導線が用意されており、初心者でも“いきなり動く”体験がしやすくなっています。

画像→動きの作り方（短尺向けの考え方）

「動画」といっても、最初から長尺を狙うと失敗（時間・コスト・破綻）しやすいです。初心者は2〜4秒程度の短尺を“量産→当たりを残す”のが現実的です。

ここでは、初心者向けに「失敗しにくい順」で3つの作り方を紹介します。

1）最短：テキスト→動画（ComfyUIテンプレートで作る）

一番ラクなのは、ComfyUIのテンプレートを使う方法です。

• WebUIは ComfyUI を起動
• 「ワークフロー」→「テンプレート」からビデオ系テンプレを選ぶ
• プロンプトを入れて実行
• 生成物はWebUI上から保存、またはファイルマネージャーから回収

この方法のメリットは、必要なモデルが事前に用意されているケースがあること。
「まず動く」→「プロンプトだけ変えて試す」ができるので、初心者の導入に向きます。

プロンプトのコツ（動画は文章が強い）

• 単語を並べるより、短い文章で状況を描写する
• 1回目は欲張らず、要素を3つに絞る
  例：主役／動き／雰囲気（光・時間帯）

例（考え方だけ）

• 主役：着物の女性
• 動き：ゆっくり歩く
• 雰囲気：春の日差し、桜

2）安定：画像を“動かす”発想（短尺ループ向け）

「まずは静止画で当たりを作る」→「当たりを短く動かす」順にすると、失敗が減ります。

• 先にtxt2imgやimg2imgで“基準となる1枚”を作る
• その絵柄・構図を維持する方向で、短尺動画化（テンプレ・拡張を利用）

短尺で破綻しにくくするコツ

• カメラワークは小さく（大きく動かすほど破綻しやすい）
• 背景をシンプルに（情報量が多いほど崩れやすい）
• 「揺れる」「瞬き」「髪がなびく」など微細な動きから始める

3）素材活用：Mov2Mov（手持ち動画を“変換”する）

Mov2Movは、撮影済みの動画を別テイストに寄せたいときに便利です。
ただし、初心者がいきなりやると詰まりやすいので、最初は次の条件を満たす素材で試すと成功率が上がります。

おすすめの素材条件

• 3〜5秒の短い動画
• 明るく、被写体がはっきりしている
• ブレが少ない（手ブレ・モーションブラーが少ない）

Mov2Movがハマる使いどころ

• 実写の動きを活かして“イラスト/アニメ風”にする
• 既存のPR動画の雰囲気を変える（世界観合わせ）

コストが跳ねやすいポイントと抑え方

ConoHa AI Canvasの料金は基本的に「WebUIを起動している時間」で効いてきます。動画は画像より試行回数が増えやすいので、“生成時間”より“試行錯誤時間”がコストの本体になりがちです。

コストが増えやすいポイント

• 尺を伸ばす（秒数・フレーム数が増える）
• 解像度を上げる（計算が重くなる）
• 試行回数が増える（プロンプト調整で何度も回す）
• WebUIを止め忘れる（動画は待ち時間があるので起きやすい）
• 生成物が増えてストレージが膨らむ（整理に時間＝起動時間も増えがち）

抑え方（初心者がすぐ効く順）

1. 最初は2〜4秒で固定
   長尺は最後に。まず“成立する短尺”を作れるようにする。
2. 低解像度で当たりを探す→最後に上げる
   いきなり高解像度は、時間も失敗も増えやすいです。
3. プロンプトは短く、変更点を1つにする
   毎回全部変えると、当たりの理由が分からなくなります。
4. 自動終了タイマーを短めにして保険をかける
   “止め忘れ”を金額事故にしないための必須設定です。
5. 保存先を決めて、不要な生成物をその日のうちに整理
   「後で整理しよう」は、だいたいストレージも時間も膨らみます。

現実的な目標設定（おすすめ）

初心者が“成果を出しやすい”のは、このあたりです。

• SNS用：2〜3秒の短尺（ループ前提）
• ブログ用：記事中の挿絵として雰囲気動画（B-roll的）
• 企画用途：テキスト→動画で方向性だけ掴む（完成品ではなく“絵コンテ”として使う）

「YouTubeの長尺を丸ごと作る」より、短尺を速く回して当たりを取るほうが、ConoHa AI Canvasの特性（起動時間課金・拡張で拡張可能）に合います。

ConoHa AI Canvas 公式サイト

運用設計：時間課金で損しない“習慣化”

自動終了タイマーの最適設定（作業スタイル別）

ConoHa AI Canvasは、WebUIを起動している時間がコストに直結します。なので「自動終了タイマー＝保険」「手動停止＝本命」という役割分担にすると、無駄がほぼ消えます。

自動終了タイマーは、最短15分〜最長180分の範囲で設定できます（デフォルトは60分）。
作業スタイル別のおすすめは次の通りです。

作業スタイル	タイマー目安	ねらい	コツ
スキマ時間に少し触る（10〜20分）	15〜30分	切り忘れの損失を最小化	生成前にプロンプトをメモ帳で準備してから起動
1時間くらい集中して作る（調整が多い）	60分	標準の“ちょうどよさ”	途中で離席しそうなら一度停止して再起動
バッチ生成・検証を回す（待ち時間多め）	120〜180分	途中終了で途切れるのを防ぐ	その代わり「終了のアラーム」を自分側で必ず入れる

結論としては

• 初心者はまず 60分
• “切り忘れが怖い”なら 30分
• “長回しが多い”なら 120分以上＋自分アラーム
  が現実的です。

作業フロー例：起動→生成→保存→停止

時間課金で損しない最短フローは、「起動している間に迷わない」設計にすることです。次の型をそのまま使ってください。

0）起動前（ここは無料の時間）

• 作りたい画像の要件を1行で書く（用途／サイズ感／雰囲気）
• プロンプト案をメモ帳に用意（3本まででOK）
• “今日のフォルダ名”を決める（例：20260226_blog-eyecatch）

1）起動

• コントロールパネルでWebUIを起動
• 自動終了タイマーを確認（短め推奨）
• WebUI用のユーザー名・パスワードは、その回だけのつもりで設定

2）生成（まず当たりを作る）

• 低めの負荷（控えめな解像度・枚数）で“方向性”を出す
• 当たりが出たら、Seed固定 → 微調整に切り替える
  （毎回ガチャを回さない）

3）保存（迷わず回収）

• 生成したら、すぐ「採用」「保留」「破棄」を分ける
• 採用だけをファイルマネージャーでダウンロード（またはフォルダ移動）

4）停止（ここが最重要）

• WebUI側で終了操作を実行
• さらにコントロールパネル側で「停止状態」になっているのを確認（二重チェック）
• 不安なら「利用明細」で起動・終了時刻を見て、止まっているか確認

この流れにすると、作業のたびに「停止し忘れ」だけはほぼ起きなくなります。

生成物・モデルの管理ポリシー（命名/フォルダ/保管）

モデルや生成物は、放置すると「探す時間＝起動時間」が増えてコストが膨らみます。
初心者でも続くように、ルールは3つだけに絞るのがコツです。

ルール1：フォルダは「日付×用途」で切る

• 生成物：output/20260226_blog-eyecatch/
• 検証：output/20260226_test/

メリット

• 探す時間が減る
• 不要フォルダを“丸ごと削除”しやすい（整理が速い）

ルール2：ファイル名は「短く・安全な文字だけ」

おすすめの命名（例）

• eyecatch_fxvps_sdxl_seed123_v01.png
• sns_series01_minimal_seed888_v03.png

避けた方がいいもの

• 絵文字、全角記号、特殊文字の多用
• 長すぎる説明文（あとで扱いにくい）

ルール3：モデルは「現役だけ残す」

モデル類は増やすほど、ストレージだけでなく“選ぶ時間”も増えます。

• Checkpoint：常用1〜2個（多くても3個）
• LoRA：一軍だけ（増えたら“卒業”を決める）
• ControlNet：用途が説明できるものだけ残す

月1回の棚卸し（10分でOK）

• 直近1か月で使っていないモデル → 退役候補
• “試しただけ”の生成物 → フォルダ単位で削除
• プラン変更（ダウングレード）を考えるなら、先に整理して容量を空ける

補足：大容量ファイル（5GB以上）を扱う場合は分割アップロード扱いになるため、削除や管理の癖が出ます。最初は“大きすぎるモデルを増やしすぎない”のが安全です。

セキュリティとプライバシーの基本（共有しない運用）

クラウドで使う以上、最低限の“事故を起こさない型”を作っておくと安心です。

1）WebUIのID/パスワードは毎回別物にする

• ConoHaのログイン情報とは別
• 使い回しを避ける（漏えい時の被害を広げない）

2）画面共有・スクショ共有のルールを決める

• WebUIのURLや認証画面が映る状態で共有しない
• 作例を共有するなら「画像だけ」「設定は必要最小限」に切り分ける

3）拡張機能・外部モデルの導入は“慎重に少数”

• 正体が不明な配布物を無闇に入れない
• 入れるなら、用途と入手先をメモしておく（後で整理・削除が楽）

4）個人情報を含む素材は“置きっぱなしにしない”

• 学習用の写真や個人が特定できる画像は、作業後にバックアップ→削除の流れを徹底
• ローカルに保存するバックアップは、保管場所と共有範囲を決める

5）利用明細で“動いてないか”を監査する

• 月内の起動・終了の履歴を見て、想定外の長時間がないか確認
  これが、時間課金サービスで一番効くセルフチェックです。

ConoHa AI Canvas 公式サイト

よくある質問（検索されやすい疑問を先回り）

画像は何枚まで作れる？ 制限はある？

結論から言うと、生成できる「枚数」そのものに上限は設けられていません。
ただし、実際の運用では「別の制約」が効いてきます。

• 時間課金（WebUIの起動〜終了まで）がコストの上限になります
  • たくさん作るほど“枚数”ではなく“時間”が増えるイメージ
• プランのストレージ容量が保存上限になります
  • 生成画像、追加したCheckpoint/LoRA/ControlNet、学習素材などで消費
• 短時間に過剰なリクエストは、規約上も避けるべき運用です
  • バッチ生成はOKでも、極端な連打や自動化のやり方は注意

損しないコツ

• 下絵は低解像度→良いものだけ高解像度に上げる
• こまめに保存・整理し、不要な生成物を溜めない
• 自動終了タイマーを設定して「止め忘れ」を防ぐ

手元PCのスペックはどれくらい必要？

ConoHa AI Canvasはブラウザで使うクラウド型なので、ローカル（あなたのPC）に高価なGPUが無くても始められます。
一方で、“生成速度”そのものはクラウド側のGPUが担うため、手元PCは「操作の快適さ」に影響します。

観点	何が効く？	体感
ブラウザ操作	CPU/メモリ/タブ数	UIの重さ・反応速度
表示領域	画面サイズ/解像度	設定項目の見やすさ
通信	回線品質（安定性）	読み込み待ち・切断リスク
保存	ローカル空き容量	ダウンロード/バックアップの余裕

初心者向けの目安（迷ったらこれ）

• PC：普段Web作業に使える程度でOK（高性能GPUは不要）
• ブラウザ：最新版のChrome/Edgeなど“普通に快適な環境”が安心
• 回線：途切れにくいWi-Fi/有線が安全（作業中断のストレスを減らせます）

※サービス側は特定端末での動作保証をしていないため、古い端末・特殊な環境は相性問題が起きることがあります。

商用利用はできる？ どこを確認すべき？

商用利用は可能ですが、初心者がつまずきやすいのが「どの範囲でOKか」を確認せずに使ってしまうケースです。
ConoHa AI Canvas自体の扱いとしては商用利用が認められていますが、実際の可否は“使うモデル（Checkpoint/LoRA等）のライセンス”に左右されます。

商用前にチェックする場所（優先順）

1. 使うモデルの配布元のライセンス（Checkpoint/LoRA/ControlNet）
2. 元画像の権利（img2img、ControlNet参照画像、学習素材）
3. 制作物の用途（広告・販売物・クライアント納品・素材販売など）
4. 禁止表現・権利侵害の可能性（ロゴ、著名キャラ、特定ブランドの模倣 等）

安全運用のコツ

• まずは「汎用的な作風」から始め、実在作品に寄せすぎない
• クライアント案件は、使用モデルとライセンスを控えておく（後で説明が楽）

生成物の著作権はどう考える？

ポイントは2つです。

1. 利用規約上、生成画像の著作権等は“生成時点で利用者に帰属”する扱い
2. ただし、第三者の権利侵害がないことまで保証されるわけではない（責任は利用者側）

つまり「自分のものとして使える前提」ではある一方で、“似すぎ問題”“素材の権利”“学習データの権利”など、現実のリスクは残ります。

トラブル予防の実務チェック

• 既存作品の固有名詞（作品名/キャラ名/ブランド名）をプロンプトに入れない
• ロゴや商標が入りやすい構図（看板・服の文字等）は避ける/消す
• 生成物を納品・販売するなら、モデルのライセンスと制作ログ（プロンプト/設定）を保存

※法律判断が必要なケース（“似ているか”の評価など）は、専門家相談が安全です。

解約・停止はどこから？ 注意点は？

「停止」と「解約」は意味が違うので、ここを切り分けると迷いません。

A. 停止（＝WebUIを終了して課金を止める）

• WebUI画面の 「WebUI終了」 から停止できます
• 停止後、コントロールパネル側で「終了している状態」になっているか確認すると安心

B. 解約（＝サービス契約そのものを終える）

• コントロールパネルから 「解約予約」 を行います
• 注意：解約が反映されるタイミング（すぐ消える/当月末など）を必ず確認

解約前の重要チェック（忘れがち）

• 必要データは必ずダウンロード（削除データは復旧できません）
• 追加したモデル・LoRA・学習素材も、残したいものはバックアップ
• “WebUIの止め忘れ”が心配なら、自動終了タイマーも併用

ConoHa AI Canvas 公式サイト

トラブルシューティング：詰まりやすい所だけ早見表

まずはここだけ（30秒チェック）

• 「混雑中」表示なら、時間をおいて再度起動（順次利用可能になります）
• WebUIを閉じた（タブを消した）だけなら、コントロールパネル側のボタンが「WebUIを開く」になっていないか確認
• 自動終了時間は“起動中は変更できない”ので、変えたい場合は一度終了してから設定変更
• 直前にモデル/拡張を入れたなら、それが原因の可能性が高い（削除→改善しなければストレージ初期化）

WebUIが起動しない／遅い

よくある原因

• 利用が集中していて「混雑中」になっている
• すでにWebUIが起動中（別タブ/別PCで開いたまま）
• 直前に入れたモデル/拡張が不整合を起こしている
• 通信環境やブラウザ側の問題（拡張機能・広告ブロック等）

切り分け手順（上から順に）

1. 「混雑中」表示か確認 → 出ている場合は時間をおいて再試行
2. 起動中扱いになっていないか確認
   • 「WebUI起動」ではなく「WebUIを開く」になっていれば、そこから復帰できます
3. 並列起動しようとしていないか
   • 1契約で起動できるのは1つなので、別ウィンドウ/別端末で同時利用はできません
4. 直近で追加したモデル/拡張があるなら一旦削除
   • 改善しない場合はストレージ初期化を検討（初期化後も改善しないなら問い合わせへ）

“遅い”ときに効きやすい対処

• まずはWebUIを終了→再起動
• 画像生成中に重いときは、いったん 解像度やバッチを下げてテスト（設定を軽くして原因を切り分け）

モデルが読み込めない／反映されない

原因になりやすいポイント

• 置き場所（フォルダ）が違う
• アップロードが未完了、または容量が大きく分割扱いになっている
• WebUI側の再起動/再読み込みが必要（特に拡張導入後）

最短で直すチェックリスト

• 配置先を確認（迷ったら「デフォルトの置き場」に揃える）
  • 例：ComfyUIのCheckpointはデフォルトで home/data/models/Stable-diffusion 配下から読み込み
• ファイルマネージャーで“いま見ている階層”にアップしていないか確認
  • アップロードは「現在表示中の階層」に入るため、目的フォルダを開いてからアップするのが安全
• 5GB以上のファイルは分割扱いになり、画面上にマニフェストが見えることがあります
  • 削除や管理をする場合、分割ファイル側も含めて扱う必要があります
• SDXLが綺麗に出ない/破綻する場合は、まず1024×1024など“モデル推奨サイズ”で試す
  • それでもダメなら再アップロードや別モデルを検討

生成が止まる・エラーが出る

最初に確認したい“ありがち原因”

• 初回起動直後でCheckpointが未選択（モデルが選ばれていないと生成できません）
• 入れたモデル/拡張がWebUI側に未対応
• 設定が重すぎる（高解像度・大量バッチなど）

回避のコツ（原因別）

• モデル未選択 → まずCheckpointを選び直して再実行
• モデル/拡張を入れてから不調 → 追加したものを一旦削除 → まだダメならストレージ初期化
• SDXL系で不安定 → 解像度を推奨値（例：1024×1024）に寄せて検証
• どれでも止まる → 「軽い設定」で成功するかテスト（成功すれば“負荷由来”の線が濃い）

ストレージ不足になった

まず押さえるべき前提

• 契約直後でも、モデルや初期拡張などが初期データとして保存されており、容量を一部使っていることがあります

整理の手順（安全順）

1. バックアップを取る（消す前にローカルへ）
2. ファイルマネージャーで不要データを削除
   • 生成画像は基本的に output フォルダに入るので、まずそこを点検
3. それでも足りない → 上位プランへの変更を検討
   • ただしプラン変更の反映は翌月月初になるため、急ぎなら削除が現実的
4. “全部やり直したい”場合
   • ストレージ初期化は home/data が対象（生成画像が入る home/output は対象外）
   • home/output も消したい場合は手動削除が必要

拡張機能の導入で不具合が出た

起きやすいこと

• 拡張がWebUI側に未対応で、動作しない／生成不能になる
• 拡張を入れた結果、起動や生成が不安定になる

対処の基本形

1. 直近で追加した拡張を削除（ファイルマネージャーで該当フォルダを消す）
   • 拡張はデフォルトで home/data/config/auto/extensions に保存
2. それでも改善しない → ストレージ初期化を検討
3. Automatic1111で拡張を入れた場合は、「適用してUIを再起動」を行い、再起動後に反映を確認

ConoHa AI Canvas 公式サイト

他の選択肢との比較：結局どれが最適？

ローカルGPU（自前PC）と比べる判断軸

自前PC（ローカル運用）は、うまくハマると最強ですが、「初期費用・保守・安定稼働」まで含めて考えるのがコツです。ConoHa AI Canvasと比べると、判断軸はだいたい次の通り。

判断軸	ConoHa AI Canvas（クラウドWebUI）	ローカルGPU（自前PC）
初期費用	月額＋時間課金（無料時間あり）	GPU購入など初期費用が大きい
運用の手間	基本は起動して使うだけ	ドライバ、環境構築、更新対応が必要
性能の上限	サービス側のGPUに依存	手元GPUのVRAM/性能が上限
カスタム自由度	モデル追加・拡張導入は可能	最も自由（OS/環境/スクリプト含め）
安定性	混雑や仕様変更の影響あり	自分で管理できるが、トラブルも自己解決
コストの読みやすさ	“使った時間”で増減	使うほど「1回あたりコスト」は下がりやすい

ローカルGPUが向く人（目安）

• ほぼ毎日使う／長時間回す（“常時稼働”が多い）
• 生成よりも「検証・自動化・大量の実験」が中心
• 環境構築やトラブル対応に抵抗がない

ConoHa AI Canvasが向く人（目安）

• まずは環境構築なしでStable Diffusion系を触りたい
• 使う日と使わない日がある（“必要なときだけ”動かす）
• 日本語のサポートや、管理画面での運用（自動終了など）を重視したい
  ※自動終了は15〜180分で調整できます

ざっくり結論（ローカル vs AI Canvas）

• “毎日長時間”ならローカルが有利になりやすい
• “波がある・月に数回〜週数回”ならAI Canvasがラクで損しにくい
• 迷うなら、まずAI Canvasで「自分の作業時間」を把握→必要ならローカルへ移行が安全です

他クラウド/他Webサービスと比べる判断軸

ここが一番混乱しやすいので、選択肢を3グループに分けて整理します。

1）GPUレンタル型（IaaS寄り：例 RunPod など）

• 特徴：GPUを時間貸しで借りて、自分で環境を立てる（テンプレで楽にすることも可能）
• 強み：GPUの種類・価格の選択肢が広い／上位GPUも借りられる
• 弱み：セットアップの自由度が高いぶん、自己責任の範囲が増える

向いている人

• 「コスト最適化」を自分でやりたい（GPU選定・停止運用ができる）
• 多少の英語UIや技術作業はOK

2）ノートブック型（研究・実験寄り：例 Google Colab）

• 特徴：ブラウザでPythonを動かし、必要に応じてGPUも使う
• 強み：学習・検証・スクリプト実験に強い
• 弱み：Stable Diffusion “WebUIを常用”する運用だと、環境維持が手間になりがち

向いている人

• 生成だけでなく、前処理・学習・評価などコード中心でやりたい
• Notebook文化に慣れている

3）完成品の生成サービス型（SaaS寄り：例 Midjourney / Adobe Firefly / Ideogram / Leonardo など）

• 特徴：アカウント作成→すぐ生成（設定は簡略、独自UI）
• 強み：とにかく速い／迷いにくい／「成果物」を作りやすい
• 弱み：モデル差し替えや細かい再現性、拡張の自由度はサービス依存

向いている人

• まずは成果物（SNS、バナー案、アイデア出し）を最速で作りたい
• “モデル管理や拡張”より、制作ワークフロー（デザイン・編集）を重視したい

用途別の結論（迷った時の最終判断）

最後に、初心者が迷いにくいように「用途→最適解」を短くまとめます。

画像生成をまず体験したい（環境構築なし）

• 最有力：ConoHa AI Canvas / SaaS型
  • AI Canvasは、WebUI（Automatic1111/ComfyUI）で“学びながら自由度も確保”
  • SaaS型は、とにかく早い（ただし拡張やモデル自由度は限定的）

ブログ・SNSで「統一感」を出したい（量産＋再現性）

• 最有力：ConoHa AI Canvas（ComfyUI寄り）
  • ワークフローで再現性を作りやすく、モデル追加もできる
  • 料金は「基本料金＋WebUI利用（無料時間あり、超過は分課金）」で設計しやすい

オリジナルLoRAを作って“自分の作風”を固めたい

• 最有力：ConoHa AI Canvas（学習対応プラン） or ローカルGPU
  • 学習は長く回すことが多いので、頻度が上がるほどローカルが有利になりやすい
  • ただし最初はAI Canvasで手順を掴む方が失敗しにくいことも多い

仕事（商用・納品）で安全運用したい

• 候補：ConoHa AI Canvas / Adobe Firefly系
  • 重要なのは「どのモデル・素材を使ったか」を追える運用
  • AI Canvasは“使うCheckpoint等の規約確認が前提”という立て付けなので、管理の仕組み（ログ・メモ）を作ると強い

とにかく安く、必要な時だけGPUを借りたい（玄人向け）

• 候補：GPUレンタル型（RunPod等）
  • 価格とGPUを自分で最適化できる反面、セットアップと運用の責任が増えます

ConoHa AI Canvas 公式サイト

始める前チェックリスト（これだけ見ればOK）

プラン選びチェック

最初に迷うのは「どれを選べば損しないか」ですが、判断は3つで足ります。
無料時間（毎月）／ストレージ／学習（LoRA）をやるかです。

1）やりたいことはどれ？（1つ選ぶ）

• A：まずは画像生成だけ（ブログ・SNSの画像を作りたい）
• B：高頻度で回したい（検証・量産が多い）
• C：オリジナルLoRAを作りたい（学習したい）

2）プランの当てはめ（迷わない結論）

• A → エントリー（まず触って慣れる）
• B → スタンダード or アドバンス（起動時間が長いほど無料時間が効く）
• C → スタンダード以上（学習用WebUIが対象プラン）

3）月の起動時間をざっくり見積もる（これが一番効く）

• 1回の作業：＿＿分
• 月の回数：＿＿回
• 月の起動合計：＿＿分（＝＿＿時間）
• 無料時間内に収まりそう？ → YESならそのプランでOK

4）ストレージは“未来の自分”の時間を買う

• 生成物をこまめにダウンロードして整理できる → 小さめでも回る
• モデルやLoRAを増やしたい／学習もする → 大きめが楽

最初に入れるモデル/LoRAチェック

最初から入れすぎると、探す時間が増えて逆に成果が出ません。
初心者は 「Checkpoint 1〜2個 + LoRA 0〜1個」 が鉄板です。

Checkpoint（モデル）チェック

• □ SD1.5かSDXLか、どちらを主軸にするか決めた
• □ “用途に合う”モデルを選んだ（イラスト寄り／写真寄り／背景が得意など）
• □ 容量が大きいモデルを増やしすぎない（ストレージ圧迫＆管理負担）

LoRAチェック（入れるなら最初は1つだけ）

• □ 目的が明確（作風固定／特定の雰囲気／衣装・小物など）
• □ 重みを控えめから試す（まず0.6〜0.9付近）
• □ Checkpointと系統を揃える（SD1.5用LoRAをSDXLで無理に使わない）

ControlNetチェック（最初は“導入しない”でもOK）

• □ 構図を固定したい理由がある（ポーズ・輪郭・深度など）
• □ 拡張＋モデル配置の2段階が必要だと理解した
• □ まず1種類だけ（重ねると破綻しやすい）

損しない運用チェック（停止・自動終了・保存）

時間課金で損をする原因はほぼ「止め忘れ」と「整理不足」です。
ここだけ守れば、失敗が激減します。

停止チェック（最重要）

• □ 作業が終わったら、必ず WebUIを終了する
• □ コントロールパネルで “起動中ではない” 状態を確認する（二重チェック）
• □ 不安なら利用明細で「起動/終了」が想定通りか確認する

自動終了チェック（保険）

• □ 自動終了タイマーを設定した
  • スキマ時間中心：15〜30分
  • 1時間集中：60分
  • 長回し：120〜180分＋自分のアラーム

保存・整理チェック（時間の節約＝コスト削減）

• □ 生成物は「日付×用途」でフォルダ分け（例：20260226_blog-eyecatch）
• □ 採用/保留/破棄を分け、破棄はその日のうちに削除
• □ 月1回、モデルと生成物を棚卸し（使っていないものを退役）

“最初の1週間”のおすすめルール（これだけ）

• ルール1：Checkpointは1つだけで回す（慣れるまで増やさない）
• ルール2：当たりが出たらSeed固定→調整（ガチャを減らす）
• ルール3：終わったら停止（二重チェック）

ConoHa AI Canvas 公式サイト

まとめ

ConoHa AI Canvasは、ローカルの高性能GPUや面倒な環境構築なしで、Stable Diffusion系の生成環境（Automatic1111 / ComfyUI）をブラウザで使えるのが最大の魅力です。初心者にとっては「まず動く」「まず作れる」という成功体験を作りやすく、そこからモデル追加やLoRA学習まで段階的にステップアップできます。

一方で、つまずきやすいのは“操作”より運用です。ポイントはシンプルで、時間課金の特性上、次の3つを押さえれば無駄が激減します。

• 止め忘れ対策：自動終了タイマーを設定し、作業後は必ず停止（できれば二重チェック）
• 迷わない構成：最初はCheckpointを1つに絞り、当たりが出たらSeed固定で微調整
• 散らからない管理：生成物・モデルは「日付×用途」でフォルダ分けし、使わないものは退役

最後に、今日このまま始めるなら、これだけでOKです。

始める前チェック（最短）

1. 用途を1つ決める（ブログ用／SNS用／学習したい など）
2. プランを決める（迷ったら“学習するかどうか”で分ける）
3. 自動終了タイマーを設定してから起動する
4. まずはtxt2imgで1枚作る（設定は最小限）
5. 当たりが出たらSeed固定→微調整
6. 生成物を保存・整理してWebUIを停止する

ConoHa AI Canvasは、「作業時間をコントロールできる人ほどコスパが良くなる」タイプのサービスです。この記事の流れ通りに進めれば、初心者でも迷いなくスタートできます。まずは軽い用途で1回回し、あなたの“月の起動時間”の感覚を掴んでから、必要に応じてプランや運用を最適化していきましょう。

ConoHa AI Canvas 公式サイト