先日、ComfyUIとLM Studio、VLMを用いてLoRA学習時の自然言語による自動キャプション付けの記事を書きました。
今回は、各VLMで出力されるキャプションを比較していきます。
使用するモデル
今回の比較で使用するモデルは以下の8つ。
・Qwen3.5-35B-A3B-GGUF
・Qwen3.5-35B-A3B-Uncensored-HauhauCS-Aggressive
・Qwen3.5-9B-GGUF
・Qwen3.5-9B-Uncensored-HauhauCS-Aggressive
・Qwen3-VL-8B-Instruct-GGUF
・Qwen3-VL-8B-NSFW-Caption-V4.5-GGUF
・Qwen3-VL-8B-Instruct-abliterated-v2.0-GGUF
・Qwen3-VL-8B-Instruct-abliterated-v2-GGUF
量子化は全てQ4_K_Mで行います。Qwen3.5-35Bは怪しいですが、他のモデルは多くのPCでVRAMから溢れることはないと思います。
使用する設定が画像など
システムプロンプトは以下で行います。
Your role is a developer of an image generation AI model. Write captions for image generation AI models in natural language.
Don't forget to include detailed expressions.
Do not write anything other than the caption
シード値は”1234″、その他の設定はデフォルトのままです。
読み込ませる画像は以下。
プロンプトは入力せず、画像だけ渡します。
それでは比較していきます。
スポンサーリンク
VLMによるキャプション付け比較
Qwen3.5-35B-A3B
以下がQwen3.5-35B-A3Bで出力された結果。
A vibrant anime-style illustration featuring a young girl standing in an open field, embracing the wind with her arms spread wide open. She has long, flowing brown hair with soft bangs that flutter in the breeze, framing a face filled with gentle joy and a subtle smile. Her large, expressive brown eyes look forward with a sense of hope. She wears a modest, long-sleeved red dress that flares out gracefully, revealing a black underskirt at the hem. The scene is set against a breathtaking sunset sky, transitioning from deep azure blue at the top to warm golden yellows near the horizon. Large, billowy white clouds are backlit by the sun, creating a dramatic and peaceful atmosphere. In the foreground, tall blades of grass are silhouetted in dark green and black, grounding the character in nature.
日本語にすると以下のような感じ。
広々とした野原に立ち、両腕を大きく広げて風を抱きしめる少女を描いた、生き生きとしたアニメ風のイラスト。長く流れるような茶色の髪には、そよ風に揺れる柔らかな前髪があり、穏やかな喜びとほのかな微笑みに満ちた顔を縁取っている。大きく表情豊かな茶色の瞳は、希望に満ちた眼差しで前を見つめている。控えめな長袖の赤いドレスは優雅に広がり、裾には黒いアンダースカートが覗いている。背景は息を呑むほど美しい夕焼け空で、上部は深い紺碧、地平線近くは温かみのある黄金色へと移り変わっていく。大きくふくらんだ白い雲が太陽に照らされ、ドラマチックで穏やかな雰囲気を醸し出している。前景には、背の高い草が濃い緑と黒でシルエットを描き、少女が自然の中に溶け込んでいることを示している。
Qwen3.5-35B-A3B-Uncensored-HauhauCS-Aggressive
以下がQwen3.5-35B-A3B-Uncensored-HauhauCS-Aggressiveで出力された結果。
A vibrant anime-style illustration of a young woman with long brown hair and bangs standing amidst tall grass at sunset. She is wearing a flowing, long-sleeved red dress with a black underskirt visible at the hem. Her arms are outstretched wide to her sides in a joyful, embracing pose, and her hair blows gently in the breeze. She has a soft, serene smile on her face. The background showcases a dramatic sky with large, fluffy white cumulus clouds against a gradient of deep blue and warm golden sunset light. Tall grass silhouettes frame the bottom of the image.
日本語にすると以下のような感じ。
夕暮れ時の背の高い草むらの中に立つ、長い茶色の髪と前髪のある若い女性を描いた、鮮やかなアニメ風のイラスト。彼女は裾から黒いアンダースカートが見える、ゆったりとした長袖の赤いドレスを着ている。喜びにあふれた抱擁のポーズで両腕を両脇に大きく広げ、髪はそよ風に優しく揺れている。彼女の顔には穏やかで優しい微笑みが浮かんでいる。背景には、深い青と温かい黄金色の夕焼け光のグラデーションを背景に、大きくふわふわとした白い積雲が浮かぶドラマチックな空が描かれている。画像の下部には、背の高い草のシルエットが縁取っている。
Qwen3.5-9B
以下がQwen3.5-9Bで出力された結果。
Standing in a field of tall grass, a cheerful young girl with long brown hair spreads her arms wide, embracing the open sky. She wears a flowing, deep red dress that ripples slightly around her legs, and her expression is one of pure joy and serenity, with soft eyes and a gentle smile. The scene is bathed in the warm light of a sunset or sunrise, with dramatic billowing clouds floating against a backdrop that transitions from deep blue to glowing gold.
日本語にすると以下のような感じ。
背の高い草が生い茂る野原に立つ、茶色の長い髪をした明るい少女が、両腕を大きく広げ、澄み渡る空を抱きしめている。彼女は、脚の周りでかすかに波打つ、深紅のゆったりとしたドレスを身にまとい、優しい瞳と穏やかな微笑みをたたえ、純粋な喜びと安らぎに満ちた表情を浮かべている。夕暮れか朝日のような温かい光に包まれたこの光景には、深い青から輝く金色へと移り変わる背景に、ドラマチックにたなびく雲が浮かんでいる。
スポンサーリンク
Qwen3.5-9B-Uncensored-HauhauCS-Aggressive
以下がQwen3.5-9B-Uncensored-HauhauCS-Aggressiveで出力された結果。
An anime-style illustration of a cheerful young woman with long, flowing brown hair and bangs, captured mid-twirl or standing with her arms outstretched wide in a gesture of freedom. She wears a deep crimson, long-sleeved dress that flares out dramatically around her legs, featuring a dark, ruffled hemline. Her expression is soft and beaming with happiness, framed by the warm glow of a setting sun. The background showcases a majestic sky filled with large, billowing white clouds against a gradient of deep blue to golden yellow, suggesting a beautiful sunset over a grassy meadow.
日本語にすると以下のような感じ。
長く流れるような茶色の髪と前髪を持つ、陽気な若い女性を描いたアニメ風のイラスト。くるりと回転しているところ、あるいは両腕を大きく広げて自由を象徴するようなポーズで立っているところが捉えられている。彼女は深紅の長袖ドレスを着ており、裾は濃い色のフリルがあしらわれ、脚のあたりでドラマチックに広がっている。夕日の温かい光に包まれ、彼女の表情は穏やかで幸せに満ちている。背景には、深い青から黄金色へとグラデーションする空に、大きくたなびく白い雲が広がり、草原に沈む美しい夕日を思わせる。
Qwen3-VL-8B
以下がQwen3-VL-8Bで出力された結果。
A cheerful anime girl with long brown hair and warm brown eyes, wearing a flowing red dress with a black hem, stands in a grassy field with her arms outstretched, smiling joyfully as the wind lifts her hair and dress against a vibrant sunset sky filled with golden clouds.
日本語にすると以下のような感じ。
長い茶色の髪と温かみのある茶色の瞳を持つ、明るいアニメ風の少女が、黒い裾のついた流れるような赤いドレスを着て、両腕を広げて草むらに立ち、金色の雲が浮かぶ鮮やかな夕焼け空を背景に、風になびく髪とドレスに喜びの笑みを浮かべている。
Qwen3-VL-8B-NSFW-Caption-V4.5
以下がQwen3-VL-8B-NSFW-Caption-V4.5で出力された結果。
A young girl with long, flowing brown hair stands joyfully on a grassy field under a vibrant sky transitioning from deep blue at the top to warm orange and yellow hues near the horizon. She wears a red dress that flares out gently as she moves, her arms spread wide open in an inviting gesture. Her eyes are bright and expressive, with a soft smile playing on her lips, conveying a sense of happiness and freedom. The sky is dotted with fluffy white clouds, some tinged with golden light from the setting sun, creating a serene and picturesque backdrop.
日本語にすると以下のような感じ。
長く流れるような茶色の髪をした少女が、鮮やかな空の下、草の生い茂る野原に楽しそうに立っている。空の色は、上部の深い青から地平線近くの温かいオレンジや黄色へと移り変わっていく。彼女は赤いドレスを着ており、動くたびに裾がふわりと広がる。両腕は大きく広げられ、人を招き入れるような仕草をしている。瞳は明るく表情豊かで、唇には柔らかな微笑みが浮かび、幸福と自由の感覚を伝えている。空にはふわふわとした白い雲が点在し、夕日の黄金色の光に染まった雲もあり、穏やかで絵のように美しい背景を作り出している。
Qwen3-VL-8B-Instruct-Abliterated-v2.0
以下がQwen3-VL-8B-Instruct-Abliterated-v2.0で出力された結果。
A young anime girl with long brown hair and warm brown eyes stands joyfully in a field of tall grass, wearing a flowing red dress with black trim. She has a bright, happy smile and her arms are spread wide open as if embracing the sky. The scene is set against a dramatic sunset sky filled with soft clouds glowing in golden hues, creating a serene and uplifting atmosphere.
日本語にすると以下のような感じ。
長い茶色の髪と温かみのある茶色の瞳を持つ、若いアニメ風の少女が、背の高い草むらに喜びいっぱいに立っている。彼女は黒い縁取りのある、流れるような赤いドレスを身にまとい、明るく幸せそうな笑顔を浮かべ、まるで空を抱きしめるかのように両腕を大きく広げている。背景には、黄金色に輝く柔らかな雲が浮かぶ、ドラマチックな夕焼け空が広がり、穏やかで高揚感のある雰囲気を醸し出している。
Qwen3-VL-8B-Instruct-Abliterated-v2
以下がQwen3-VL-8B-Instruct-Abliterated-v2で出力された結果。
A young girl with long brown hair and warm, gentle eyes smiles joyfully as she stands in a grassy field, arms outstretched toward the sky. She wears a flowing red dress with black trim that flutters around her like wings. The scene is bathed in the golden light of sunset, casting soft shadows across the tall grass at her feet while illuminating the clouds above with hues of orange and blue. Her expression radiates pure happiness and freedom as if she's embracing the beauty of nature and the moment.
日本語にすると以下のような感じ。
長い茶色の髪と温かく優しい瞳を持つ少女が、草むらに立ち、両腕を空に向かって伸ばし、満面の笑みを浮かべている。黒い縁取りのある赤いドレスは、まるで翼のように彼女の周りをひらひらと舞う。夕暮れの黄金色の光が辺りを包み込み、足元の背の高い草には柔らかな影が落ち、頭上の雲はオレンジと青の色合いに染まっている。彼女の表情からは、自然の美しさとこの瞬間を全身で感じ、純粋な幸福と自由が溢れ出ている。
最後に
キャプション付けにおいてはどれを使っても問題なさそうですね。
それでは！
スポンサーリンク
コメント