メインコンテンツへスキップ
見出し画像

自転車に乗るペリカンを4つのローカルLLMに描かせた|イラスト・アイコン・Webゲームまで比べる自作ツール Morphifex

    「自転車に乗るペリカンを描いて」

    この一文を、手元のPCで動く4つのモデルに同じ条件で投げました。返ってきたのがこれです。

    画像
    4モデル比較・アプリの書き出し機能で出力

    左上が gemma4:31b、右上が 26b-a4b、左下が 12b、右下が ornith:35b。同じお題、同じサイズ、やり直しなし。違うのはモデルだけです。

    12bのペリカンは、もはや鳥かどうかも怪しい。31bは自転車がきれいなのにペリカンが小さくてよそよそしい。ornith:35bだけが、チェーンもペダルも道路もある絵を返してきました。

    そのornith:35bに、同じお題で動きも付けてもらったのがこれです。

    画像
    ornith:35b・1024×1024・アニメーションあり・やり直し0回・コンテキスト65,536

    出てくるのはSVGなので、アニメーションもそのままコードで書かれています。

    そして、こういうものも作れます。

    画像
    Webゲーム「巨大な庭」ornith:35b・横スクロールアクション・共通エンジンなし・試行1回・HTML 24KB

    遊べるWebゲームです。タイトル画面も操作説明も当たり判定も入って、単一のHTMLファイル24KB。しかも1回目の生成でこれが出てきました。

    こういうことを何回でもやりたくて、道具を作りました。Morphifex(モルフィフェックス)といいます。



    画像生成AI(ComfyUIなどで動かすもの)は使っていません。使うのはテキスト生成のローカルLLMだけです。文章を書くAIに、絵を「コード」として書かせています。

    動画にもしました。



    なにを作ったか

    手元のOllamaにつないで、イラスト・アイコン・4コマ漫画・Webゲーム・ビジュアルノベルを作る道具です。

    画像
    ホーム画面。「最近つくったもの」に同じお題のペリカンが3モデル分並んでいる

    作ったものは全部PCの中に残ります。Morphifex用のクラウドはありません。ネットにつながっていなくても、Ollamaさえ動いていれば使えます。

    一番の芯は、同じ条件のままモデルだけ入れ替えて、結果を並べて見られることです。

    先に実物を見たい方へ

    説明を読むより、出てきたものを見たほうが早いと思います。作ったものを並べたギャラリーを置きました。

    イラスト・4コマ漫画・Webゲーム・ビジュアルノベルが入っています。どれがどのモデルの出力かも書いてあります。

    そして、ゲームとノベルはこのページ上でそのまま遊べます。ダウンロードもインストールも要りません。「遊べます」と付いているものをクリックしてみてください。

    ちなみにこのギャラリー自体、Morphifexの機能で書き出したものです(作り方は後述します)。


    なんで作ったのか

    きっかけは「自転車に乗るペリカン」です。

    これは Simon Willison さんが2024年に始めた、非公式のLLMベンチマークです。狙いは本人の言葉が明快でした。LLMは本来なにも描けないはずだ。でもコードは生成できる。そしてSVGはコードだ、と。

    お題が難しいのにも理由があります。自転車は写真なしだと正確に描けない。ペリカンも描くのが難しい。そして何より、ペリカンは自転車に乗れません。学習データの中の絵を思い出すのではなく、その場で組み立てさせるための組み合わせです。

    そして本人が、こうも言っています。これは公式ベンチマークではない、誰もが自分専用のベンチマークを持つべきだ、と。

    それなら作ろう、と思いました。ペリカン1枚で終わらせず、条件を揃えて何度でも、複数のモデルで、イラスト以外の題材でも試せる形にしたのがMorphifexです。

    もうひとつ。テキスト生成のモデルでどこまで絵が描けるのか、自分の目で見たかったというのもあります。

    ここで先に、紛らわしいところを片付けておきます。

    2026年1月20日に、Ollamaは画像生成モデルにも対応しました。Z-Image Turbo(6B・Apache 2.0・fp8で13GB)と、FLUX.2 Klein(4B / 9B)が公式に並んでいます。

    なので「Ollamaを使う=テキスト」も、もう自明ではありません。

    ただ、この画像生成は今のところmacOS専用です。モデルのページにも "Image generation models currently only work on macOS" と書かれていて、WindowsとLinuxは coming soon のままです(2026年7月時点)。モデルは Z-Image Turbo(https://ollama.com/x/z-image-turbo )と FLUX.2 Klein(https://ollama.com/x/flux2-klein )。

    この記事の検証を回しているのはWindows機(RTX 5070 Ti)なので、そちらでは動かせません。Windowsで画像を出したいなら、結局ComfyUIなどを別に組むことになります。

    もっとも、私が見たかったのはそちらではありませんでした。絵のために作られたモデルが絵を描けるのは当たり前です。面白いのは、文章のために作られたモデルが、どこまで絵に手を出せるのかのほうでした。


    こんな人向けの製品です

    • 同じお題のまま、モデルだけ入れ替えて結果を並べたい人

    • 文章のAIで、絵やゲームがどこまで作れるのか自分の目で見たい人

    • ComfyUIほど大げさな環境は組みたくないが、アイコンや挿絵はほしい人

    • AIでゲームを作りたいが、使うたびに課金されるのは避けたい人

    • 飛行機や船の中など、ネットが細い場所でも触っていたい人

    逆に、きれいなイラストがすぐ手に入る道具ではありません。そこは画像生成AIの領分です。


    できること

    イラスト(SVG)

    お題を書いて、モデルを選んで、押すだけです。出てくるのはSVGなので、拡大しても崩れませんし、あとからテキストエディタで直せます。

    画像
    作成画面。右下に条件がそのまま残る

    画面の下に、モデル・題材・寸法・やり直し回数・コンテキスト長・生成日時が並んでいます。この条件がそのまま比較のキーになります。

    アイコン

    1024×1024のアプリアイコン。フルカラーと2色配色が選べます。

    画像
    同じ「うさぎ」を4モデルで。左端は鳥

    イラストより枠が狭い分、小さいモデルでもわりと形になります。ペリカンであれだけ差が出た12bも、うさぎなら見られる絵を返してきます。得意な範囲がどこかは、こうやって題材を変えると見えてきます。

    4コマ漫画

    先に構成案を作らせて、それから作画させる2段階。コマ割りと台詞という「段取り」が組めるかどうかを見る題材です。

    絵はかなり変です。ただ、こういうものを勝手に書いてくることがあります。

    画像
    「不思議な雲の悩み」

    自分の雨で泣いていた雲が、その涙でみんなが喜んでいたと知る話。テーマに「ファンタジー」を選んだだけで、筋書きは指定していません。gemma4:31b-it-qat、追加やり直し2回、1000×1400です。

    これは想定していませんでした「感動した😭」

    Webゲーム

    単一のHTMLとして書き出します。そのまま遊べます。5種類のなかで、ここが一番できがよかった。

    冒頭に貼った「巨大な庭」がそれです。お題は用意したプリセットから選ぶ形にしています。同じお題で別のモデルに書かせないと、比較にならないからです。

    共通エンジンの「あり/なし」も切り替えられます。素の実力と、補助があるときの実力を分けて測りたかったので。

    画像
    Webゲームの作成画面。お題はプリセットから選ぶ


    ビジュアルノベル

    背景と立ち絵はこちらで用意して、話とシナリオ分岐をモデルに書かせます。アセットを渡したとたん、急にそれっぽくなりました。

    画像
    画像

    人物と背景はあらかじめプログラムが用意しているのを使って
    シナリオをローカルLLMに生成してもらいます。

    同じ条件を比較

    ここが本題です。

    作品の条件(モデル以外)を正規化してハッシュにしているので、まったく同じ条件の結果はサーバー側が自動で同じグループにまとめます。人が「これとこれを比べる」と指定する必要はありません。

    画像
    比較グループ。4モデル・完成6・失敗2

    そして、この比較をPNG1枚に書き出せます。冒頭に貼ったペリカンの4枚並びが、まさにその出力です。ブログやSNSにそのまま貼れます。これは自分がラクをしたくて付けた機能でした。

    イラスト以外でも同じです。同じお題のアイコンを4モデルで。

    画像
    「熊出没注意の看板」4モデル

    同じお題のイラストを4モデルで。

    画像
    「窓辺でお茶を飲む猫と読みかけの本」4モデル

    なお、Morphifexが作品に点を付けて順位を決めることはしません。並べるところまでが道具の仕事で、良し悪しを決めるのは人です。

    作品ギャラリーを作って公開できる

    選んだ作品を、1つの静的サイトとして書き出せます。ゲームとノベルはサイト上でそのまま遊べます。

    画像
    書き出したギャラリーサイト
    画像
    ゲームは「遊べます」でその場で動く

    書き出したものはただのHTMLなので、置き場所は自由です(デプロイはご自身で)。自分だけのギャラリーができます。

    実行履歴

    Ollamaへのリクエストを1件ずつ記録しています。総所要時間、初回応答、モデル読込、出力速度(tok/s)。GPUラベルごとに分けて集計もできます。

    画像
    実行履歴

    味がある、というほうが近い

    ここまで「苦手です」と書いてきましたが、作っているうちに考えが変わったところがあります。

    これは一番はじめに作った絵です。お題は「魚を咥えて走る猫」。

    画像
    gemma4:31b-it-qat・アニメーションあり

    キモ可愛い・・😂

    これを見て、このプロダクトはいけると確信しました。

    子どもが描いたような線なのに、なぜか温かい。味がある、というやつです。今の画像生成AIは上手すぎて、この線は出せません。狙って作れない絵だと思います。

    こちらはカワウソ。2色配色で描かせたものです。

    画像
    gemma-4-12B-it-qat

    あじがあるww

    この方向なら実用にもなりそうです。企業マスコットのラフ案とか、アイコンとか。清書は人がやるとして、案出しの段階なら十分使えます。

    冒頭のペリカンと同じで、この猫も動いています。

    画像
    「株式市場のデッド・キャット・バウンス」gemma4:31b-it-qat)

    株式市場のデッド・キャット・バウンスを説明する図、というお題です。落ちてくる猫が描かれています。こういう「図解」も守備範囲でした。
    ※最近キオクシア関連でデッドキャットバウンスはちょっと話題になってました


    実際に比べてみて

    検証に使ったのは gemma4 QAT の 12b / 26b-a4b / 31b と、ornith:35b の4つです。

    まず速度から。ローカル機(RTX 5070 Ti・VRAM 16GB/Ryzen 7 9700X/メモリ64GB)で、SVGを1枚生成したときの総所要時間の中央値です。

    画像
    • gemma4:12b-it-qat … 37秒

    • gemma4:26b-a4b-it-qat … 57秒

    • ornith:35b … 73秒

    • gemma4:31b-it-qat … 531秒

    31bだけ桁が違います。理由は出力速度を見ると分かります。

    画像

    12b・26b-a4b・ornith:35b が 84〜88 tok/s なのに対して、31bは 5.0 tok/s。VRAM 16GBに載りきらず、PCメモリ側にあふれた分をCPUが処理しているからです。

    同じ計測を、借りたGPU(RunPodのRTX 5090)でやるとこうなります。

    画像
    • gemma4:26b-a4b-it-qat … 26秒

    • gemma4:12b-it-qat … 28秒

    • ornith:35b … 34秒

    • gemma4:31b-it-qat … 48秒

    31bが531秒から48秒。11倍です。VRAMに載るかどうかだけで、ここまで変わります。

    ただし「遅い」であって「動かない」ではありません。PCメモリが32GBや64GBあれば、31bも一応動きます。時間はかかりますが、精度を上げたいなら、VRAMが足りなくても一度試してみる価値はあります。

    出来のほうは、ornith:35b がかなり優秀でした。イラストも描けるし、速度も上の表のとおり同じ土俵にいます。冒頭のペリカンで、チェーンとペダルまで描いたのはこのモデルだけでした。

    さっきのデッド・キャット・バウンスを、31bと並べるとこうなります。

    画像

    31bは手描き風の折れ線に猫を添えた図。ornith:35bは軸ラベルも目盛りも入れて、暗い背景に光る「BOUNCE!」まで置いてきました。同じお題、同じ条件です。


    絵は発展途上だし、ゲームは失敗します

    ローカルLLMはイラストが苦手です。

    出てくる絵はつたないです。人が描いた絵と比べる対象にはなりません。冒頭の12bのペリカンを見ていただければ、だいたい想像がつくと思います。

    でも私は、それを欠陥だと思っていません。まだ発展途上なだけです。どこまで描けて、どこで破綻するか。そこにモデルの個性が出ます。きれいな絵が手に入る道具としてではなく、モデルの実力が見える道具として使ってください。

    あと、ゲームは失敗します。それなりの割合で。トライアンドエラーは必要です(自動で直しにいく仕組みは入れていますが、それでも落ちるときは落ちます)。失敗した記録も消さずに残る作りにしました。そこも含めて観察対象なので。


    動作要件

    • Windows / macOS / Linux

    • Node.js 24以上

    • Ollama がローカルで動いていること

    • モデルは自分で ollama pull してください(おすすめは gemma4 の QAT 版)

    動作確認は Windows と macOS でやっています。Linuxは同じ作りなので動くはずですが、私の手元で試せていません。

    VRAMは、何を動かしたいかによります。12b・26b-a4b なら16GBで快適です。31bはVRAMに載らないと上のとおり時間がかかります。

    セットアップは実質2コマンド

    先にOllamaを入れておきます。公式サイトからインストーラを落として、次に使うモデルを1つ取ってきます。

    https://ollama.com/

    ollama pull gemma4:12b-it-qat

    最初の1つはこれで十分です。12bクラスなので待ち時間も短く、VRAM 16GBなら快適に動きます。物足りなくなったら 26b-a4b や 31b を足していけます。

    ここまで済んだら、あとはZIPを展開して2つ叩くだけです。

    npm ci
    npm start

    ブラウザで http://localhost:3030 を開けば画面が出ます。ビルドもサーバー起動もこの2つに入っているので、他に用意するものはありません。

    npm ci は初回だけです。2回目からは npm start だけで立ち上がります。

    つまずいたときのために、Ollamaの入れ方から順に並べた手順をヘルプサイトに置きました。初めての方はそちらをどうぞ。


    更新とサポートについて(買う前に読んでください)

    • 今回のZIPは基本的にこれっきりで、機能アップデートの予定はありません

    • ソフト側のクリティカルなバグは、パッチで対応します

    • LLM側の都合で思ったものが出ない、というのはサポート外です。特にゲームは失敗率が高いので、何度か試す前提で使ってください

    • 機能を足した版を出すときは、別プロダクトとして新しく記事を立てます

    なので、続きを追いたい方はメンバーシップのほうが手っ取り早いです。


    リンク

    ヘルプサイト(機能の詳細・導入手順・速度の目安)

    作品ギャラリー(実際に作ったもの。ゲームとノベルはその場で遊べます)

    メンバーシップ「AI活用実践ラボ」


    ここから先は有料です。ZIPの配布と、下の3つを書いています。

    1. Morphifexの作り方(思考プロセス)。テキスト生成のモデルに何をどう渡せば絵やゲームが出てくるのか、イラストから始めてノベルゲームに行き着くまでの過程を、行き詰まった順に書いています

    2. その続きを自分でやるための話。ソースは全部入っていて、個人の範囲の改造をEULAで許可しています。どこを触ると出力のどこが変わるかまで

    3. ローカルLLMの強みの整理と、ここから伸ばせそうな方向


    26/8/15 v1.3に更新しました
    Qwen3.8に合わせて思考レベルを変えてベンチマークできるように

    画像

    Morphifexと、動かすまでの手順

     
     
    ローカルLLMで小説・イラスト・動画を作りたい人に、ツールと作り方を届けます。"オタクとしての創作AI活用"が中心。小説のInkubus、イラストのPixubus、動画のVidubusは自作。OllamaとComfyUIは自宅のGPUで実機検証。メンバーシップは200人を突破。

    あなたへのおすすめ