こんにちは、パレイド技術部の夏目です。
「生成 AI を触ってみたい。でも文章は ChatGPT、画像は Midjourney、音声や音楽は……と情報が散らばっていて、結局どこから始めればいいのか分からない」——この記事は、その迷いを一枚の地図で解くために書きました。
パレイドの技術部は、生成 AI を テキスト・画像・音声・音楽の4分野に分け、Mac（Apple Silicon）の実機で一つずつ検証してきました。しかも軸はいつも同じで、「ローカル・無料・商用利用可能」の三点です。本記事は、生成 AI を何も知らない状態から、自分の目的に合った分野の完全ガイドへ最短で降りるためのトップページ（目次）です。まず地図を見て、行き先を決めてから個別のガイドに進んでください。
本記事はローカル LLM による自動執筆パイプラインで生成されました。現段階ではクラウド AI（Claude 等）の補助や人間の編集が介在していますが、pareido.jp では最終的に AI が自律的にコンテンツを制作できる仕組みの構築を目指しています。
生成AIとは：3行で押さえる
生成 AI は、テキスト・画像・音声・音楽といったコンテンツを、指示（プロンプト）から新しく作り出す AI です。一般的な定義や技術的な仕組みは、総務省や大手ベンダーの解説が詳しいので、この記事では深追いしません。
技術部が扱うのは、その中でも 「手元の Mac でローカルに動かせる」生成 AI に限った話です。クラウドの巨大モデルへ通信を送る使い方と違い、ここで並べるのは「一度インストールすればオフラインでも動き続ける」ツール群です。入口として大事なのは最先端の数字ではなく、あなたの環境で確実に回るかどうか。まずは何ができるのかを、分野ごとに見ていきます。
生成AIで何ができるか：4分野の早見表
いまローカルで実用域に入っている生成 AI は、大きく4つの分野に分かれます。中身のモデルは分野ごとに別物ですが、「何を作りたいか」で入口が決まるのは共通です。それぞれの代表ツールと、技術部の完全ガイド（サブハブ）への降り口を一枚にまとめました。
| 分野 | 何ができるか | 代表ツール | 完全ガイド |
|---|---|---|---|
| テキスト | 文章生成・要約・対話 | Ollama / LM Studio | ローカルLLM完全ガイド |
| 画像 | イラスト・写真の生成 | ComfyUI + SDXL / Illustrious 系 checkpoint | SDXL checkpoint 選びガイド |
| 音声 | 文字起こし・字幕・議事録 | Whisper（各実装） | Mac × Whisper 完全ガイド |
| 音楽 | 作曲・BGM 生成 | ACE-Step | ACE-Step 完全ガイド |
テキストは Ollama や LM Studio で動かすローカル LLM が担当し、記事の下書きから要約まで回せます。画像は SDXL（Stable Diffusion XL）系の checkpoint を ComfyUI に読み込ませて、イラストにも写真にも振れます。音声は録音を文字に起こす Whisper、音楽は作曲までこなす ACE-Step が中心です。各分野の具体的な導入や実測値は、表のリンク先にすべて置いてあります。
何を用意すればいいか：ハード・ソフト・アカウント
まずハードウェアです。技術部の検証は Apple Silicon（M1 以降）を載せた Mac を前提にしています。CPU と GPU が同じメモリを共有する ユニファイドメモリの構造のおかげで、独立 GPU の VRAM 枠に縛られず、32GB・64GB といった容量をそのままモデルの読み込みに使えるのが Mac の強みです。
必要なメモリ量は、動かすモデルの規模で大きく変わります。1-bit 級の軽量 LLM や ACE-Step 1.5 のように 4GB 未満の GPU でも動くものがある一方、35B 級の大型 LLM は実メモリで約 30GB を要します（モデルのファイルサイズの 1.5〜3 倍が実メモリの目安です）。無理に一つの数字へ統一はしません。分野ごとの必要量は各ガイドの実測値で確認してください。
ソフトとアカウントは、用途に応じて次のように揃えます。多くはインストールだけで完結し、アカウント登録は基本的に不要です。例外は、Hugging Face からモデルを直接ダウンロードする場面や、Whisper の話者分離（pyannote）を使う場面で、そのときだけアクセストークンを発行します。
- ソフト：テキストは Ollama / LM Studio、音声は Whisper の各実装、音楽は ACE-Step（ComfyUI 経由も可）、画像は ComfyUI ＋ checkpoint
- アカウント：原則不要。Hugging Face のトークンが要るのはモデル取得・話者分離などの一部だけ
なぜローカル・無料・商用利用可能を優先するのか
クラウドの生成 AI が便利なのは承知のうえで、技術部があえてローカルを軸にするのには理由があります。プライバシーの面では、プロンプトや録音、社外秘の文書を外のサーバーへ送らず手元で完結できます。ランニングコストも従量課金がなく、何回生成しても増えるのは電気代だけです。さらに、特定クラウドの API 仕様変更・値上げ・提供終了といったベンダーロックインのリスクからも自由でいられます。
もう一つが 商用ライセンスの見通しやすさです。オープンなモデルは条件を自分で確認できます。ただし「オープン＝なんでも商用可」ではなく、版や派生でライセンスが裏返る罠があります。ACE-Step は本体（1.0 系）が Apache-2.0、現行の 1.5 / 1.5 XL が MIT でいずれも商用可ですが、画像生成では SDXL の Turbo 系が商用 NG、Illustrious 系は要確認と分かれます。技術部の各ガイドはこの商用可否を一本ずつ確かめて記録しています。
正直に添えておくと、実用の総合力では、いまもクラウドの大型 LLM が優位な場面が多くあります。ただ 1 年ほどでローカルが現在のクラウドに追いつくと技術部は読んでいて、その日に迷わず動けるよう、手元の数字を積み続けています。
目的別・30秒の逆引き表
「何をしたいか」が決まっているなら、迷う必要はありません。やりたいことから、降りる先の完全ガイドを引いてください。「最強の生成 AI」を探すより、目的に一本ずつ当てるほうが速いというのが、4分野を回してきた実感です。
| やりたいこと | 降りる先 | 無料・商用のひとこと |
|---|---|---|
| 文章を書かせる・要約させる | ローカルLLM完全ガイド | Ollama / LM Studio とも無料。商用可のモデルが多い |
| 録音を文字に起こす | Mac × Whisper 完全ガイド | Whisper 本体・主要実装は無料・商用可 |
| 曲・BGM を作る | ACE-Step 完全ガイド | 1.0 は Apache-2.0、1.5 系は MIT。いずれも商用可 |
| イラスト・写真を作る | SDXL checkpoint 選びガイド | 商用可否はモデルごと。Turbo は ×、Illustrious は要確認 |
まとめ：地図を持って、分野に降りる
生成 AI をローカルで始める道のりを、もう一度一枚にまとめておきます。「最強の一本」を探すのではなく、「目的 × ローカル・無料・商用可」で選ぶのが、遠回りしないコツです。分野を決めたら、下のカードから各分野の完全ガイドへそのまま降りてください。それぞれの先に、Mac 実機で測った導入手順とベンチマークが待っています。
クラウドが本当に追いつくその日まで、手元の Mac という「数字」を一緒に積んでいきましょう。
