Canva、画像生成モデル「Craft」を発表

描画前に計画を立てるモデル

Craftは、同社の内部AIラボが完全に設計・トレーニングを行った、様々なアプリケーションの基盤となる汎用モデルである「ファウンデーションモデル」の第一号として紹介されている。2024年にCanvaが買収した画像生成プラットフォームLeonardo.aiの研究者もその開発に貢献した。

同社によれば、その特長は作業方法にある。プロンプトと呼ばれる指示を受け取った後、即座に結果を生成するのではなく、このモデルは「構図の計画と画像のレンダリング」を分離する。最初のモジュールがリクエストを解釈し、「画像に現れる要素、それらの空間的関係、視覚的階層、画像内に含まれるべきテキスト」を列挙した詳細な計画書を作成する。その後、第二のモジュールがこの青写真を画像へと変換する役割を担う。

Canvaは、このアプローチにより「より高い精度で」複雑なレイアウトを生成できると主張する。具体的には「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」が可能になるという。また、ビジュアルの他の部分を損なうことなく、特定の領域を修正することも可能になるとしている。さらに、生成された画像は、3月に導入された静止画をレイヤーごとに再編集できる機能「Magic Layers」により適応するようになっている。

モデル比較テスト「DesignArena」ベンチマークでは、Canva CraftはOpenAIのモデルにのみ後れを取っていると同社は述べている。

テンプレートに基づくトレーニング

Craftは、ユーザーが作成したCanvaライブラリ由来のレイアウトテンプレートである「テンプレート」を数百万単位で学習している。この学習ソースは、同社の発表によれば、「主に写真で学習された」競合モデルとの違いを生み出している。

この事前学習フェーズの後、チームは教師ありファインチューニング（注釈付き例を用いた調整）と強化学習によってモデルを調整した。これらのステップには「Canvaのプロフェッショナルデザイナーからのフィードバック」が組み込まれており、「指示の遵守、タイポグラフィの精度、全体的な視覚的品質」の向上を図っている。

Craftは30以上の画像フォーマットをサポートし、フランス語を含む55以上の言語で書かれたプロンプトを理解する。Canvaはこれを、ソーシャルメディア向けコンテンツ、ポスターやフライヤーなどのマーケティング素材、人物や場所のフォトリアリスティックな画像、フラット、ベクター、絵画的、手描き風など様々なスタイルのイラストなど、多目的なツールとして位置付けている。

提供状況と今後のバージョン

Canva Craftは全世界で利用可能だ。CanvaのAI駆動クリエイティブスペース「Dream Lab」に統合されており、インターフェース左下からアクセスできる。開発者はAPI（ソフトウェア間の通信を可能にするプログラミングインターフェース）を介して、自社ツールへの統合も可能だ。また、同モデルは近くCanvaのMCPサーバーでも提供される予定だ。これはAIエージェントが同社のツールを利用できるようにするアクセスポイントであり、「エージェントがデザインに組み込む準備が整った画像を作成できるようにする」ためだと発表文は説明している。

同プラットフォームは「このCraftの最初のバージョンは始まりに過ぎない」と述べている。より高速な2つの派生モデル、「Craft-fast」と「Craft-ultrafast」が準備中だ。Canvaによれば、これらは「主要な最先端モデルのコストのほんの一部で高品質な画像生成を提供する」はずだという。発売日は明らかにされていない。