本文へスキップ
totonoe

AIを整える

中級

画像生成サイズ・アスペクト比を整える

= 画像生成AIの「縦×横」と「比」をちょうどよく決める

幅×高さを入れるとアスペクト比(最簡分数)・メガピクセル・向きが即わかる。逆に「16:9 で長辺 1024」のように比と目標から解像度を逆算し、SD で安全な 8/64 の倍数に丸めるところまで。Stable Diffusion・SDXL・Midjourney・DALL·E のモデル別推奨解像度つき。すべてブラウザ内で計算、送信ゼロ。

🔰 かんたんに言うと

画像生成AIの「縦×横」と「比率」をちょうどよく決めます。

i

TLDR — 30秒で分かる

画像生成AIの「サイズと比」をワンストップで。比・MP・向きの算出、比からの解像度逆算(8/64倍数丸め)、モデル別推奨プリセット、アップスケール後サイズまで。

主な機能

  • 幅×高さ → アスペクト比(GCDで最簡分数)・メガピクセル・向き
  • 比+目標(長辺 or 合計画素数)から解像度を逆算
  • 8の倍数/64の倍数に丸め(比のずれ%も表示)
  • SD1.5・SDXL・Midjourney・DALL·E のモデル別推奨解像度
  • ×1.5/×2/×4 アップスケール後の最終サイズと画素数
  • 送信ゼロ・ブラウザ内計算
モデルごとに「得意な解像度」が違います。 多くの拡散モデルは学習時の解像度(SD1.5=512px、SDXL=1024px 前後)から大きく離すと、人体の破綻・繰り返し・崩れが起きやすくなります。 幅・高さは 8 の倍数(SD)/ 64 の倍数(SDXL・推奨) に揃えると安全。極端なアスペクト比(21:9 など)も破綻しやすいので、まずは定番比から。 入力はサーバーに送信されません(すべてブラウザ内処理)。
1

アスペクト比を調べる

幅・高さを入れると 比・MP・向き

×

アスペクト比

メガピクセル

向き

比(小数)

2

比から解像度を逆算

「16:9 で長辺 1024」→ 幅×高さ

アスペクト比を選ぶ

:

目標の決め方

幅・高さを丸める

SD は 8 の倍数、SDXL は 64 の倍数が安全。丸めると比がわずかにずれます。

算出された解像度

— × —

3

アップスケール後のサイズ

②の結果を ×1.5 / ×2 / ×4 したら

②で出した解像度を起点に、ハイレゾ化(Hires.fix・アップスケーラー)後の最終サイズと画素数を確認できます。

※ アップスケールは VRAM を多く消費します。×2 で画素数は 4 倍になる点に注意。

MODEL PRESETS

モデル別 推奨解像度

クリックすると上の各計算欄に反映されます。各モデルの「得意な解像度」から選ぶと破綻しにくい。

Stable Diffusion 1.5 Stability AI 8 の倍数

学習解像度 512px 基準。512 から大きく離すと崩れやすい(人体の破綻・繰り返し)。8 の倍数推奨。

SDXL / SD 3.x(1024 系) Stability AI 64 の倍数

学習解像度 ≒1024×1024(約 1MP)。下記は SDXL の公式推奨バケット。64 の倍数が安全。

Midjourney(--ar で指定) Midjourney 8 の倍数

解像度ではなく比を --ar で指定(例 --ar 16:9)。内部で最適サイズに変換される。下は代表的な比の目安サイズ。

DALL·E 3 / GPT Image OpenAI 64 の倍数

API で選べるサイズが固定(正方形・横長・縦長の 3 つ)。任意サイズは指定不可。

FAQ

よくある質問

なぜ幅・高さを 8 や 64 の倍数にするの?
拡散モデルは内部で画像を 1/8 に縮小した「潜在空間(latent)」で計算します。そのため幅・高さが 8 の倍数でないと端が切られたり警告が出ます。SDXL は VAE とアテンションの都合で 64 の倍数がより安全です。8/64 で割り切れない値は自動で丸めてくれるツールも多いですが、意図しないトリミングを避けるため最初から倍数で指定するのが確実です。
アスペクト比は「ピクセル数」と「比」のどっちで決めればいい?
比(16:9 など)は形だけを決め、実際の解像度は別に「長辺何px」または「合計何MP」で決めます。このツールの②はまさにそれで、比を選んで目標を入れると幅×高さが出ます。Midjourney は --ar で比だけ指定し解像度はお任せ、SD/SDXL は具体的な px を指定、DALL·E は固定3サイズから選ぶ、とモデルで流儀が違います。
SDXL の推奨解像度(1152×896 など)は何を意味してるの?
SDXL は 1024×1024(約1MP)を中心に、複数のアスペクト比で追加学習された「バケット(bucket)」を持ちます。1152×896・896×1152・1216×832 などがその代表です。合計画素数を約1MPに保ちつつ縦横比を変えているのがポイントで、この近辺を選ぶと学習分布から外れず破綻しにくくなります。
解像度を大きくすれば高画質になりますか?
いいえ。学習解像度から大きく離す(SD1.5 で 1024×1024 など)と、むしろ人体が二重になる・繰り返しパターンが出るなど破綻します。高解像度が欲しいときは、学習解像度付近で生成してから Hires.fix やアップスケーラーで拡大する(③のスケール)のが定石です。
縦長(9:16)と横長(16:9)で生成しやすさは違う?
基本は同じ比なら同じ難易度ですが、被写体の向きとの相性があります。全身の人物は縦長、風景は横長が安定しやすい。極端な比(21:9 や 9:21)はどの向きでも構図が破綻しやすいので、まず3:2や4:3など穏やかな比から試すのがおすすめです。
丸めると比がずれるのが気になります。どこまで許容?
このツールは丸め後に「比のずれ(%)」を表示します。1〜2%程度のずれは見た目ほぼ気づきません。どうしても正確な比が必要なら、生成後に必要な比でトリミング(切り抜き)するか、丸めなしで生成できるモデル設定を使ってください。ただし8の倍数を外すと前述のトリミング警告が出る点は要注意です。
メガピクセル(MP)は何の役に立つ?
生成コスト・VRAM 使用量・生成時間はおおむね総画素数(=MP)に比例します。1024×1024≒1.05MP を基準に、2MP を超えると一気に重くなります。比を変えても MP を一定に保てば負荷が読めるので、SDXL のバケットも約1MPで揃えられています。

NOTES

使う前に知っておきたいこと

  • モデルごとに最適解像度・上限が違います。 SD1.5 は 512px、SDXL は 1024px 前後が学習解像度。ここから大きく離すと破綻しやすく、上限を超えると VRAM 不足で落ちます。
  • 極端なアスペクト比は破綻しやすい。 21:9 や 9:21 などは構図の崩れ・繰り返しが出やすいので、まずは 1:1 / 4:3 / 3:2 / 16:9 など穏やかな比から。
  • 8/64 の倍数に丸めると比がわずかにずれます。 このツールはずれ幅(%)を表示しますが、厳密な比が必要なら生成後にトリミングしてください。
  • モデル別プリセットの数値は代表的な目安です。 バージョンや拡張(ControlNet・LoRA 等)で最適値は変わります。実際の挙動はお使いの環境で確認を。
  • DALL·E・Midjourney は任意解像度を指定できません。 DALL·E は固定3サイズ、Midjourney は --ar で比のみ指定(内部で解像度決定)。
  • 本ツールは Stability AI・OpenAI・Midjourney 等とは無関係です。各社の商標は各社に帰属します。

RELATED

あわせて使いたい

よくある質問

Q. なぜ8や64の倍数にするのですか?

A. Stable Diffusion などは内部で画像を縮小して処理するため、幅・高さが8(モデルによっては64)の倍数だと破綻や警告が起きにくくなります。本ツールは丸めオプションでこれを自動調整します。

Q. 「ピクセル数」と「アスペクト比」はどう違いますか?

A. アスペクト比は形(16:9など縦横の比)、ピクセル数は実際の大きさ(解像度)です。同じ16:9でも1280×720と1920×1080では精細さが違います。

Q. SDXLの推奨解像度(バケット)とは何ですか?

A. SDXLは1024×1024を基準に、1152×896・896×1152・1216×832 などの決まったサイズ群(バケット)で学習されています。これに合わせると安定して高品質になりやすいです。

Q. 解像度を上げれば必ず高画質になりますか?

A. いいえ。学習解像度を大きく超えると人物の重複や破綻が起きやすくなります。まず推奨サイズで生成し、アップスケールで拡大するのが定石です。

Q. 縦長と横長で生成の難しさは違いますか?

A. 極端な縦長・横長(21:9など)は構図が破綻しやすい傾向があります。まず標準的な比(1:1・3:2・16:9)で作るのが無難です。

Q. 入力した数値はどこかに送られますか?

A. いいえ。計算はすべてブラウザ内で完結し、送信されません(送信ゼロ)。

入力値はURLの「#」以降に入るためサーバーには送信されません。リンクを開くと同じ状態を復元します。

RELATED TOOLS

続けて整える

KOINOBORI ECOSYSTEM

私たちが運営するサイト