実写系ローカル画像生成モデル9種を比較|引きと接写で同じプロンプトを試した結果

同じプロンプトでも、ローカルモデルによって出てくる絵はどこまで変わるのか。制服風の服を着た架空の20歳の日本人女性が朝の住宅街を歩く場面で、全身が入る「引き」と、顔と肩の「接写」を実写系9モデルで生成しました。各モデル・各画角3枚ずつ、計54枚です。

先に結論: 接写の指定がそのまま効いたのはZ-Image TurboとCyberRealistic Z-Imageで、3枚とも胸上の顔アップになりました。SDXL系5モデルとKrea 2 Turboは、close-upと書いても多くが腰上〜膝上の構図です。背景に「日本」と書かなかったため、SDXL系は欧米風の郊外、Z-Image系とKrea 2は日本の住宅街を描きました。

比較条件

同じ人物設定・同じ場面を使い、変えたのは画角の指定だけです。seedは1001・2002・3003の3種類で、各モデル・各画角1枚ずつ生成し、選別や撮り直しはしていません。LoRA、Hires fix、参照画像は使っていない素の出力です。

環境はWindows 11のPCとGeForce RTX 5070(VRAM 12GB)。SDXL系とZ-Image系はStable Diffusion WebUI Forge NeoのAPI、Krea 2 TurboはComfyUIのAPIで生成しました。解像度はすべて896×1152です。サンプラー・ステップ数・CFGは、各モデルでよく使われる値を採用しています。モデルごとの最適値を探したものではありません。

プロンプトは全モデル共通です。Pony Realismだけは、このモデルの流儀に従って score_9 などの品質タグを先頭に付けました。SDXL系とZ-Image(非Turbo)には、露出を避ける語と画質崩れを避ける語を並べたネガティブプロンプトを入れています。CFG 1で動くTurbo系とKrea 2ではネガティブが効かないため、入れていません。

共通プロンプト(引き)
photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk
共通プロンプト(接写)
photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

生成時間は、モデル読み込みを含む1枚目を除いた5枚の中央値です。同じPCでも、ドライバーや他のアプリの状態で変わります。

モデル系統1枚の秒数接写の効き方背景
RealVisXL V5.0SDXL8.83枚中2枚が胸上欧米風の郊外
Juggernaut XL RagnarokSDXL9.6腰上〜膝上欧米風の郊外
CyberRealistic XL v10SDXL9.7腰上〜膝上欧米風の郊外
FameGrid SDXL PhotoReal v1.5SDXL9.4腰上〜膝上欧米風の郊外
Pony Realism v2.1SDXL(Pony)8.5腰上〜膝上欧州風の石畳
Z-Image Turbo (Q8 GGUF)Z-Image14.23枚とも胸上日本の住宅街
CyberRealistic Z-Image v7.0Z-Image13.03枚とも胸上日本の住宅街
Z-Image (非Turbo, Q8 GGUF)Z-Image66.8腰上〜膝上日本の住宅街
Krea 2 Turbo (NVFP4)Krea 223.1ほぼ効かず膝上日本の住宅街

「接写の効き方」は、接写プロンプトで出た3枚のうち顔と肩が画面の大半を占めたかどうかを目視で判断しました。画質の点数付けはしていません。

モデル別の結果

各モデルとも、seed 1001の引きと接写を大きく載せ、その下にseed 3種の全6枚を並べています。画像を押すと元の大きさで開きます。

1. Z-Image Turbo (Q8 GGUF)

Z-Image Turbo (Q8 GGUF)で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも日本の住宅街・電柱・横断歩道が描かれ、人物は画面の中で小さめの全身になった。
Z-Image Turbo (Q8 GGUF)で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも胸から上の顔アップになり、引きと接写の差が最もはっきり出た。
  • 20歳と指定したが、顔立ちは若く見える傾向がある。
Z-Image Turbo (Q8 GGUF)の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / z_image_turbo-Q8_0.gguf / 12ステップ / CFG 1.0 / Euler + Simple / 1枚 約14.2秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ: なし(CFG 1のため無効)

2. CyberRealistic Z-Image v7.0

CyberRealistic Z-Image v7.0で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも日本の住宅街と横断歩道。Z-Image Turboとよく似た構図になった。
CyberRealistic Z-Image v7.0で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも胸から上の顔アップ。Z-Image Turboより肌や光がやや柔らかい印象。
  • 20歳と指定したが、顔立ちは若く見える傾向がある。
CyberRealistic Z-Image v7.0の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / cyberrealisticZImage_v70.safetensors / 12ステップ / CFG 1.0 / Euler + Simple / 1枚 約13.0秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ: なし(CFG 1のため無効)

3. Z-Image (非Turbo, Q8 GGUF)

Z-Image (非Turbo, Q8 GGUF)で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも日本の住宅街。道路標示や街並みの描き込みが多く、全体に青みがかった色になった。
Z-Image (非Turbo, Q8 GGUF)で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも膝上から腰上の構図で、Turbo版と違い顔のアップにはならなかった。
  • 表情や姿勢は3枚でばらつきが大きい。
Z-Image (非Turbo, Q8 GGUF)の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / z-image-Q8_0.gguf / 30ステップ / CFG 7.0 / Euler + Simple / 1枚 約66.8秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ:

nsfw, nude, explicit, suggestive, cleavage, underwear, panties, upskirt, child, kid, loli, anime, illustration, cartoon, 3d render, cgi, painting, doll, plastic skin, deformed hands, extra fingers, bad anatomy, watermark, text, logo

4. Krea 2 Turbo (NVFP4)

Krea 2 Turbo (NVFP4)で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも日本の住宅街と横断歩道を描き、正面を向いて立つ全身像になった。
Krea 2 Turbo (NVFP4)で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも膝上の立ち姿で、close-up の指定が構図にほとんど反映されなかった。
  • リボンは3枚とも蝶結びの赤いリボンで、衣装の再現は安定していた。
Krea 2 Turbo (NVFP4)の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: ComfyUI / krea2_turbo_nvfp4.safetensors / 8ステップ / CFG 1.0 / euler + simple / 1枚 約23.1秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ: なし(CFG 1のため無効)

5. RealVisXL V5.0

RealVisXL V5.0で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも全身の歩行姿になった。
RealVisXL V5.0で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚中2枚は胸から上の構図で、今回のSDXL系5モデルでは最も接写に近い。
  • 背景は芝生と並木のある欧米風の郊外住宅地で、日本の街並みにはならなかった。
  • 残り1枚は腰から上で、ネクタイ状のリボンに変わった。
RealVisXL V5.0の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / RealVisXL_V5.0_fp16.safetensors / 30ステップ / CFG 4.5 / DPM++ 2M + Karras / 1枚 約8.8秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ:

nsfw, nude, explicit, suggestive, cleavage, underwear, panties, upskirt, child, kid, loli, anime, illustration, cartoon, 3d render, cgi, painting, doll, plastic skin, deformed hands, extra fingers, bad anatomy, watermark, text, logo

6. Juggernaut XL Ragnarok

Juggernaut XL Ragnarokで生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも全身の歩行姿。電柱はあるが、家並みは欧米風の郊外。
Juggernaut XL Ragnarokで生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも膝上から腰上の構図で、顔のアップにはならなかった。
  • 胸元に校章風のワッペンが付いた1枚がある。
Juggernaut XL Ragnarokの全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / juggernautXL_ragnarokBy.safetensors / 30ステップ / CFG 4.5 / DPM++ 2M SDE + Karras / 1枚 約9.6秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ:

nsfw, nude, explicit, suggestive, cleavage, underwear, panties, upskirt, child, kid, loli, anime, illustration, cartoon, 3d render, cgi, painting, doll, plastic skin, deformed hands, extra fingers, bad anatomy, watermark, text, logo

7. CyberRealistic XL v10

CyberRealistic XL v10で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも全身の歩行姿。背景は欧米風の郊外住宅地。
CyberRealistic XL v10で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも膝上から腰上の構図で、顔のアップにはならなかった。
  • 1枚はリボンが蝶ネクタイ風、ブレザーに白い縁取りが入るなど衣装が変化した。
CyberRealistic XL v10の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / cyberrealisticXL_v100.safetensors / 30ステップ / CFG 4.0 / DPM++ 2M SDE + Karras / 1枚 約9.7秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ:

nsfw, nude, explicit, suggestive, cleavage, underwear, panties, upskirt, child, kid, loli, anime, illustration, cartoon, 3d render, cgi, painting, doll, plastic skin, deformed hands, extra fingers, bad anatomy, watermark, text, logo

8. FameGrid SDXL PhotoReal v1.5

FameGrid SDXL PhotoReal v1.5で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。3枚とも全身の歩行姿。コントラストが強く、1枚は夕方のような暖色の光になった。
FameGrid SDXL PhotoReal v1.5で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも膝上から腰上の構図で、顔のアップにはならなかった。
  • 1枚はブレザーがグレーに変わり、指定の紺色から外れた。
FameGrid SDXL PhotoReal v1.5の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / famegridSDXL_photoRealV15.safetensors / 30ステップ / CFG 4.0 / DPM++ 3M SDE + Karras / 1枚 約9.4秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ:

nsfw, nude, explicit, suggestive, cleavage, underwear, panties, upskirt, child, kid, loli, anime, illustration, cartoon, 3d render, cgi, painting, doll, plastic skin, deformed hands, extra fingers, bad anatomy, watermark, text, logo

9. Pony Realism v2.1

Pony Realism v2.1で生成した制服風の服を着た架空の20歳の日本人女性の引きの作例
引き(seed 1001)。背景が石畳の欧州風の街並みになった。
Pony Realism v2.1で生成した制服風の服を着た架空の20歳の日本人女性の接写の作例
接写(seed 1001)。3枚とも膝上から腰上の構図で、顔のアップにはならなかった。
  • 3枚中2枚で人物が2人になり、1枚にはスーツの男性が写った。一人だけという指定は入れていないが、他モデルでは起きなかった。
  • 顔立ちは日本人の設定から離れて見えるものがある。
Pony Realism v2.1の全6枚。上段が引き、下段が接写
seed 1001, 2002, 3003 の全6枚(上段: 引き、下段: 接写)。選別はしていません。

設定: Forge Neo / ponyRealism_v21MainVAE.safetensors / 30ステップ / CFG 5.0 / DPM++ 2M + Karras / 1枚 約8.5秒(中央値)

入力したプロンプト全文(引き・接写)

引き:

score_9, score_8_up, score_7_up, source_photo, rating_safe, realistic photo, photo, wide shot, full body, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, walking on a quiet residential street during a sunny morning commute, natural light, houses, utility poles, crosswalk

接写:

score_9, score_8_up, score_7_up, source_photo, rating_safe, realistic photo, photo, close-up portrait of the face and shoulders, a fictional Japanese woman age 20, clearly an adult, wearing a school-uniform-style outfit: navy blazer, white shirt, red ribbon, knee-length navy pleated skirt, shoulder-length black hair, gentle smile, carrying a shoulder bag, fully clothed, modest, looking at the camera, on a quiet residential street during a sunny morning commute, natural light, shallow depth of field

ネガティブ:

score_6, score_5, score_4, source_anime, source_cartoon, rating_explicit, rating_questionable, nsfw, nude, explicit, suggestive, cleavage, underwear, panties, upskirt, child, kid, loli, anime, illustration, cartoon, 3d render, cgi, painting, doll, plastic skin, deformed hands, extra fingers, bad anatomy, watermark, text, logo

比較して分かったこと

引きと接写の描き分けは、モデルで大きく差が出ます。Z-Image TurboとCyberRealistic Z-Imageは、プロンプトの画角指定に素直に従いました。SDXL系は、全身の指定は守る一方、close-upと書いても人物全体を入れようとする傾向があります。顔アップが欲しいときは、プロンプトを工夫するよりも、解像度を横長にする、顔だけを切り出してアップスケールする、といった別の手段も候補になります(今回は未検証)。

背景の地域は、人物設定からは推測されないことがあります。今回は人物を「Japanese」と書いただけで、街を日本と指定していません。Z-Image系とKrea 2は電柱や横断歩道のある日本の住宅街を描き、SDXL系は欧米風の郊外になりました。SDXL系で日本の街並みが欲しいなら、Japanese residential street のように背景側にも地域を書く必要があります。

速度はSDXL系が有利です。RTX 5070では、SDXL系が1枚約9秒、Z-Image Turboが約13〜14秒、Krea 2 Turboが約23秒でした。非TurboのZ-Imageは30ステップ・CFG 7で約67秒かかり、構図の指定もTurbo版ほど効きませんでした。

年齢の見え方にも注意が要ります。全モデルで「20歳、明らかに成人」と指定しましたが、Z-Image系とKrea 2では顔立ちが若く見える傾向がありました。成人の人物として使うなら、服装や背景も含めて成人らしく見えるかを確認してから公開してください。

検証の限界

各モデル・各画角3枚の比較で、seedが変われば結果も変わります。モデルの優劣を統計的に示すものではありません。設定は各モデルでよく使われる値を1つ選んだだけで、サンプラーやCFGを変えれば接写の効き方が変わる可能性があります。

候補にはZ-Image Turboの派生モデル zimageTurboByStable_2603Fp8.gguf もありましたが、この環境のForge Neoでは行列の形が合わないエラーで生成できず、比較から外しました。モデル側の不具合かどうかは確認していません。

人物・背景はすべてAI生成の架空のもので、実在の人物や写真ではありません。モデルの配布ページやライセンスは各モデルの公開元で確認してください。アニメ調の結果はアニメ系ローカルモデル6種の比較にまとめています。

関連記事