Canvaは、社内AI研究所「Canva Research」が開発・学習させた、初の最先端画像生成モデル「Canva Craft」（以下：Craft）を発表した。デザインに特化して構築されたCraftにより、Canvaは、AIデザイン分野における最大規模のクラウドソーシング型評価サイト「DesignArena」のランキングにおいて、画像生成分野で世界第2位の先進性を誇るAI研究所となった。

現在、Canva内で利用可能なほか、公開APIを通じて開発者にも提供されているCraftは、あらゆるアスペクト比で2K解像度の美しく高品質な画像を生成する。精密な制御と編集可能な出力機能を備えたCraftは、初めて創作に取り組む方からプロのデザイナーまで、あらゆるユーザーが想像力を自由に形にできる柔軟性を提供するとしている。

誰もが利用できる、卓越した画像生成機能

Craftは、Canva Researchがゼロから構築・学習させた初の基盤モデルだ。長年にわたるAI研究と投資の成果を結集し、デザインに対するより深い理解、想像した通りの結果、そして作成したすべての作品を自由に編集・改良できる柔軟性を実現したという。

DesignArenaにおいて、最も先進的な画像生成モデルとして第4位にランクインしてデビューを果たし、業界をリードする画質と正確なテキストレンダリングにより、幅広いクリエイティブ作業をサポートする。

これにより、Canva Researchは画像生成分野において世界で2番目に先進的な研究所となったという。

Craftの作品は、「人物・ポートレート」（87モデル中）と「風景・自然」（85モデル中）の両部門で世界第1位を獲得している。また、「抽象・パターン」部門では第2位、「製品」部門では第4位にランクインしており、複数のサブカテゴリーにおいて世界トップクラスのモデルの一つとなっている。

2億5000万人以上がCanvaを利用して毎秒400件以上のデザインを作成している中、大規模な環境で最先端レベルのパフォーマンスを実現するには、計算効率と推論速度の両面における画期的な進歩が不可欠だという。高度なモデル蒸留技術により、Craftに必要な推論ステップ数を元のモデルのわずか数分の1にまで削減した。

また、計画段階に最適化されたカスタム推論エンジンを開発したことで、Craftの処理速度は最初の社内バージョンに比べて1桁高速化された。これらの進歩を基盤として、主要な最先端モデルの数分の1のコストで高品質な画像生成を実現するよう設計された、2つの新バージョン「Craft-fast」と「Craft-ultrafast」がまもなくリリースされる予定だ。

画像生成のための新しいアーキテクチャ

プロンプトから直接ピクセルを生成する従来の画像生成モデルとは異なり、Craftは構図の計画と画像のレンダリングを分離した2段階のアーキテクチャを採用している。これにより、モデルは画像を生成する前にその構造について推論を行うことができ、最終出力に対する精度、一貫性、および制御性を高めることができる。

第1段階では、プロンプトを解釈し、構図の詳細な計画（どの要素を表示するか、それらの空間的な関係、相対的なスケール、視覚的な階層、および画像内に表示する必要のあるテキストなど）を作成する画像計画モデルを設計した。第2段階では、専用の画像レンダリングモデルがこの計画を、30種類以上のアスペクト比に対応し、最大2K解像度の高精細な画像へと変換する。

最終画像をレンダリングする前に構図とタイポグラフィを明示的にモデル化することで、Craftは読みやすいテキスト、正確なオブジェクト配置、一貫した視覚的関係を含む、複雑なレイアウトをより高い精度で生成できる。また、このアーキテクチャにより、個々の要素をよりきめ細かく制御できるため、他の要素を不必要に変更することなく、対象を絞った変更を行うことが可能だ。

この基盤となる構造により、Craftの出力結果はCanvaの「Magic Layers」に特に適しており、生成された画像を完全に編集可能なデザイン要素に変換することができる。また、これは今後のリリースで導入される、より高度な編集機能や参照画像機能のための技術的基盤も提供している。

デザインのために構築され、本物のデザイナーによって評価された

ほとんどの画像モデルは主に写真を用いて学習されているが、Craftの学習ではデザインに格段に重点が置かれている。その学習データには、Canvaのコンテンツライブラリから収集された、人間が作成した数百万ものテンプレートが含まれており、プロがデザインしたポスター、SNS投稿、プレゼンテーション、インフォグラフィック、メニュー、タイポグラフィを多用したレイアウトなどが網羅されている。単なる平面画像とは異なり、これらのテンプレートは、レイアウト、階層構造、タイポグラフィがどのように調和するかをモデルに正確に教える。これにより、モデルは単に完成した画像がどのように見えるかを学ぶだけでなく、効果的なデザインの背後にある原則をより深く理解できるようになるという。

事前学習の後、Canvaのプロデザイナーからのフィードバックを取り入れ、指示の順守、タイポグラフィの正確性、および全体的な視覚的品質を向上させるため、教師ありの微調整と強化学習を通じてCraftを最適化した。社内評価では、Canvaのプロデザイナーが数十名の研究者と協力し、主要なモデルとの直接比較において25,000組以上の画像ペアを評価した。自動評価と人間の判断が異なった場合、デザイナーの判断を優先した。

より高い精度と制御性で画像を生成

Craftは、現実世界の画像が持つ繊細なディテール、奥行き、滑らかなグラデーションと、デザインにおける綿密な構成（意図的な階層構造、整列、余白、シャープなエッジ、適切な位置に配置されたテキストなど）を融合させた、写真のようにリアルな画像を生成する。

Craftを使えば、次のようなことが簡単にできるという。

  • 思い通りの画像を形作れる
    Craftは、画像全体をレイヤー化された要素による意図的な構図として扱う。JSON境界ボックス機能により、「Magic Layers」を使って画像を編集可能なレイヤーに変換するのがこれまで以上に簡単になり、より正確かつ迅速な結果が得られる。
  • 細部まで完璧な仕上げ
    「紫色の空、長い影、そして一本の木」と指定すれば、その3つすべてが、希望通りの強調ポイントで表現された画像が得られる。
  • あらゆるサイズ、あらゆる用途に対応
    30種類以上のアスペクト比から選択するか、独自の比率を入力して、SNSの投稿やストーリーからポスター、バナーまで、あらゆるコンテンツを作成できる。
  • 好みの言語でプロンプトを入力
    プロンプトはどの言語でも記述可能で、Craftは55言語のテキストを生成できる。

上記の結果、Craftは、洗練されたマーケティング素材から独創的なビジュアル表現にいたるまで、幅広いクリエイティブ作業をサポートするように設計されている。

ソーシャルコンテンツやマーケティング素材：ポスター、SNS投稿、チラシ、プレゼンテーション用ビジュアル、広告など。レイアウト、階層構造、テキストがすぐに使える状態で用意されている。

  • ライフスタイルやエディトリアル写真：人物、場所、食べ物、旅行、日常のひとときなどを捉えたリアルなシーン。
  • イラストやデジタルアート：フラット、ベクター、絵画風、手描き風のスタイル。
  • 人物やキャラクター：ポートレート、グループ写真、ファッション写真に加え、一貫性を保った複雑なシーンも表現可能。
  • 自然や環境のイメージ：風景、都市景観、インテリア、建築。
  • クリエイティブでコンセプチュアルな作品：現実的な要素と様式化された要素を融合させた、想像力豊かな構図。

利用可能状況と利用方法

Canva Craftは、世界中のすべてのCanvaユーザーが利用できるようになった。Craftを始めるには、「Dream Lab」を開くか、こちらのリンクにアクセスする。

Craftは、パブリックAPIやCanva MCPサーバーからも利用可能であり、これはCanvaが中核製品を超えて同社のテクノロジーの適用範囲を拡大するAIモデルの開発に注力していることを示しているという。

  • パブリックAPI：開発者やプロダクトチームは、マーケティングプラットフォーム、ECサイト、広告作成ツール、印刷サービスなど、自社のツールにCraftを組み込むことができる。また、独自のプロンプトでCraftをテストし、他のモデルと比較するための最も手っ取り早い方法でもあるという。
  • Canva MCP（近日公開予定）：CraftはCanva MCPを通じてAIアシスタントや自動化されたワークフローとも連携するため、担当者はデザインですぐに使用できる画像を作成できる。つまり、AIアシスタントが、より大規模なタスクの一環として、ローンチ用グラフィック、商品写真、ソーシャルメディア投稿を作成することが可能になる。

Canva Shieldによるサポート

Canvaでは、AIの開発および導入のあらゆる段階に安全性が組み込まれているとしている。同社のモデルは、潜在的なリスクを特定し軽減するために、継続的なテストと厳格な安全性評価を受けている。視覚的な品質に加え、ブランドセーフティ、文化的背景、有害なコンテンツの可能性についても評価を行い、モデルがリリースされる前に同社の基準を満たしていることを確認している。

CanvaのすべてのAI製品と同様に、CraftもAIの安全性に対する包括的なアプローチである「Canva Shield」によって支えられている。これには、堅牢な入力・出力のモデレーション、プライバシーおよび安全性の管理機能、そして有害または誤解を招く可能性のあるコンテンツをユーザーが報告できるツールが含まれる。

今後の展開

この最初のバージョンのCraftはあくまで始まりに過ぎず、より高速なCraftモデルもすでに開発が進められている。今後は、品質、細部へのこだわり、操作性の水準をさらに高め、細かい文字や技術図面などの精度向上を図っていくとしている。