最強の画像生成 AI 「HiDream」は、VRAM 12GB で動作する！
はじめに
こんにちは、きまま / Easygoing です。
今日はローカル最強の 画像生成AI、HiDream をご紹介します。
HiDream って何？
HiDream は 2025年4月8日に公開された新しい 画像生成 AI です。
Flux.1 超えの 170 億 パラメーター
VRAM 12GB で利用可能
オープンライセンスで商用利用も可
HiDream は ローカル最大 のパラメータのモデルでありながら、ミドルレンジ の GPU で利用することができ、しかも 完全な商用利用 が可能です！
HiDream 最高画質モデル一式ダウンロード
まず、HiDream を最高画質で利用するモデルの一式ダウンロードページをご紹介します。
HiDream は、後で示すワークフローで VRAM 12GB、システム RAM 64 GB で動作します。
システム RAM が不足する場合は、次の軽量版を利用すると RAM 使用量を節約できます。
HiDream モデル
テキストエンコーダー
ローカル 画像生成 AI 歴史
ここから、HiDream の登場までの道のりを見ていきます。
まず、主なローカルの 画像生成 AI の登場時期は次のようになっています。
※ 画像生成 AI の世代区分は、筆者が考えたもの
第3世代のモデル
現在公開されている第３世代のモデルは、いずれも Stable Diffusion 3 の技術をベースにしています。
Stable Diffusion 3
SDXL アニメモデルからの i2i、顔と目は SDXL と Flux.1 で描き直し
2024年6月に登場した Stable Diffusion 3 は、MMDiT と呼ばれるアーキテクチャを採用して、従来より品質とプロンプトの再現性を高めたモデルです。
Stable Diffusion 3 の上位モデルの Large モデルは当初は非公開でしたが、2024年10月の Stable Diffusion 3.5 の登場に合わせて完全公開されました。
AuraFlow
2024年7月に登場した AuraFlow は、テキストエンコーダーを１つにして、MMDiT の一部も単純な DiT に置き換えて軽量化したモデルです。
前述の Stable Diffusion 3 は、当初は完全公開ではなかったので、AuraFlow は 第3世代初のオープンなモデル になりました。
Flux.1（第3.1世代）
![Flux.1[dev] Anime illustration of a young cyberpunk man](/https://assets.st-note.com/img/1746389277-B0nM2QVhZ3WvYxEsd7aLp64m.png?width=1200)
2024年8月に登場、Flux.1 は Stable Diffusion の開発に関わったメンバーが、新しく新会社を設立して公開したモデルです。
Flux.1 は、それまでのモデルと比べて 非常に高い完成度 を誇っています。
一方で、Flux.1 は蒸留モデルの Flux.1 [dev] と Flux.1 [shnell] のみが公開され、技術情報も非公開 になりました。
HiDream（第3.5世代）
HiDream は 2025年4月に登場し、従来の MMDiT モデルを含む複数のモデルを組み合わせた、MoE と呼ばれるアーキテクチャを採用しています。
HiDream は、生成するイラストによって内部のモデルを切り替える 新しい仕組みになっています。
先の Flux.1 より８か月ほど遅れて登場しましたが、非蒸留の Full モデルを含めて 全てオープンライセンス で公開されました。
HiDream と Flux.1 の比較！
それでは、HiDream と Flux.1 を詳しく比較してみます。
Flux.1 は制限がある
Flux.1 を開発したのは、ドイツの Black Forest Lab 社です。
Flux.1 は、詳細な技術情報は非公開で、Flux.1[dev] と Flux.1[shnell] はいずれも 蒸留モデル のため、開発の難易度が高くなっています。
Flux.1[dev] モデルは質の高いイラストを生成することができますが、出力物を他のモデルの学習に使うことは禁止されていて、オープンコミュニティで開発された技術を、Black Forest Lab 社が回収する 仕組みになっています。
HiDream はフルオープン
HiDream は香港の AI スタートアップの VIVAGO AI 社 が開発した AI で、 全てのモデルが フルオープン で公開されています。
同社は、もともと 有料のオンラインの AI 生成サービス を展開していましたが、HiDream は同社の画像生成サービスの心臓部を無料で公開したものと推察できます。
HiDream の技術論文はまだ発表されていませんが、蒸留モデルの Dev や Fast だけではなく、非蒸留の Full モデル も公開されているため、Flux.1 よりもコミュニティでの開発が行いやすくなっています。
HiDream の 4つのモデル
HiDream には、次の４つのモデルがあります。
表の中の CFG scale は、画像生成 AI で入力したプロンプトの作用を倍増させる仕組みですが、有効にすると描画に２倍 時間がかかります。
CFG scale が有効の HiDream-I1-Full モデルは、推奨 step 数も多いので、普段使いには向いていません。
一方で、CFG scale を無効にした Dev モデルと Fast モデルは、Negative Prompt は利用できなくなりますが、処理は速くなります。
HiDream-E1-Full は、HiDream-I1-Full のカスタムバージョンで、プロンプトによる指示で画像を描き替える 専用モデルです。
テキストエンコーダーを 4つ使う！
HiDream は、テキストエンコーダーを4つ利用します。
HiDream は、あらゆるプロンプトに対して4つのテキストエンコーダーのいずれかが反応することで、プロンプトの再現性 がさらに向上しています。
HiDream のテキストエンコーダーは巨大ですが、ComfyUI-MultiGPU の QuadrupleCLIPLoaderMultiGPU ノードで、device: cpu にしてシステム RAM にロードすれば、VRAM を圧迫することはありません！
日本語プロンプトも入力できる！
HiDream のテキストエンコーダーのうち、Llama と T5-XXL は日本語理解力を持っているので、日本語のプロンプトにも 実用レベル で反応します。
Llama-3.1-8b-instruct モデルは、Llama の中でも多言語理解力が高いモデルなので、長文の日本語プロンプト もかなり忠実に再現できます！
HiDream は遠近法が安定！
HiDream は、遠近法が安定しています。
画像生成 AI の遠近法の再現には、パラメータ数が大きく影響します。
１点透視法の比較
遠近法の表現は、以前は Flux. 1 の独断場でしたが、HiDream は Flux.1 以上のパラメータ数を持っているため、立体感についても同等以上の表現力 があります。
ワークフロー
それでは、HiDream の各モデルのワークフローをご紹介します。
今回ご紹介するワークフローは、公式のものからテキストエンコーダーのロードを QuadrupleCLIPLoaderMultiGPU に変更して、ネガティブプロンプトも無効化しています。
HiDream-I1-Full
HiDteam-I1-Dev
HiDream-I1-Fast
HiDream-E1-Full
まとめ：HiDream は 画像生成 AI の集大成！
HiDream は 画像生成 AI の集大成
完全なオープンソース
商用利用も可能
HiDream は、オープンソースの 画像生成 AI の集大成 ともいえるモデルです。
今までの Flux.1 モデルは、ベースモデルの完成度が非常に高かったですが、その 完成度の高さゆえに新しい変化を受け入れず、むしろ手を入れるほど悪くなりました。
HiDream は、今の時点での完成度は Flux.1 より劣りますが、今後開発が進めば Flux.1 を超えるポテンシャルがあると感じます。
HiDream の可能性は無限大で、Stable Diffusion の制作者が思い描いたような、オープンソースの 画像生成 AI の未来 がそこにあるのかもしれません。
最後までお読みいただきありがとうございます！
参考記事
ComfyUI の VRAM 管理の最適化
HiDream を、特に VRAM 12 GB で利用するときは、VRAM 管理の最適化をおすすめします。
HiDream と SDXL を組み合わせたアニメイラスト
HiDream を SDXL と組み合わせて、高品質のアニメイラストを作る方法です。今回の記事のイラスト もこの方法を利用しています。
更新履歴
2025.8.26
ワークフローを更新しました
2025.5.17
参考記事を更新しました
2025.5.7
オリジナルの Llama-3.1-8b-instruct モデルの日本語理解力が高く、画質もオリジナルの方が良かったので、Llama の日本語ファインチューニングモデルの記述を削除しました