インディーゲーム開発者がLeonardo.Aiでカスタムモデルを学習しゲームアセットの画風を一貫させる実践手法

インディーゲーム開発において、何百何千という多種多様なアセット間で統一されたビジュアルアイデンティティを確立・維持することは、最大の制作ボトルネックの一つです。クォータービュー（アイソメトリック）RPG、ローグライクカードゲーム、2D横スクロールアクションのいずれを開発する場合でも、キャラクター立ち絵、アイテムアイコン、環境プロップ、UIテクスチャ、スプライトシートに至るまで、同一の美術仕様を満たす必要があります。

しかし、標準的なテキストプロンプト（Text-to-Image）による生成では、「スタイルのブレ（Style Drift）」が頻繁に発生します。同一のキーワードを指定しても、生成バッチごとに線の太さ、陰影の付け方、彩度、テクスチャの密度が大きく乖離してしまいます。画像プロンプト（Image Guidance）による誘導も可能ですが、アセットごとに毎回参照画像を設定するのは極めて煩雑であり、構図の自由度を損なう原因にもなります。

Leonardo.Aiはこの課題に対し、Low-Rank Adaptation（LoRA）技術をクリエイター向けに最適化した**「Elements」**によるカスタムモデル学習機能を提供しています。厳選されたデータセットを用いて独自のElementを学習させることで、ゲーム固有のアートスタイルをAI生成パイプラインへ恒久的に組み込むことが可能です。本記事では、データセットの選定から学習パラメータの設定、量産時のプロンプト設計、API連携による自動化まで、実践的なワークフローを網羅して解説します。

1. Leonardo.Aiのアーキテクチャ理解：ベースモデルとElements

学習データをアップロードする前に、基礎となるベースモデルとElements（LoRA）の役割分担を理解しておく必要があります。

• ベースモデル（Foundation Base Models）： Flux DevやSDXLなどの大規模基盤モデルであり、言語理解、物理的な光の挙動、幾何学的な立体構造、人体解剖学的な整合性を司ります。
• Elements（LoRA追加学習層）： 数十億パラメータを持つ基盤モデル全体を再学習するのではなく、基盤モデルの上に軽量な数学的適応層を追加します。これにより、厚塗りタッチ、特定のセルルック描線、サイバーパンク調の色彩設計といった「画風のシグネチャ」を、モデル本来の構成力を損なうことなく固定できます。
• モジュール性と多重適用（Stacking）： 複数のElementsを同時に組み合わせて生成可能です。例えば、自作の「ダークファンタジー画風Element（強度0.85）」と「アイソメトリック視点Element」を併用することで、統一された画風を保ちながら正確なゲーム投影角のアセットを量産できます。

開発タイトルに適したベースモデルの選定

学習開始時のAdvanced Settings（詳細設定）において、適切なベースモデルを選択することが成功の前提となります。

• Flux Dev（デフォルト推奨）： 卓越したプロンプト追従性と高精度な形状レンダリングを誇ります。2.5Dプロップ、質感の細かいUIアイコン、精密なキャラクターポートレートなど、幾何学的な整合性とリアル寄りの質感が求められるプロジェクトに最適です。
• SDXL（Stable Diffusion XL 1.0）： スタイライズされた2Dイラスト、アメコミ調、アニメ調、絵画的なテクスチャ表現において極めて優れた柔軟性を持ちます。特にデフォルメされたファンタジー装備やキャラクター衣装のバリエーション生成に強みを発揮します。
• 学習におけるLightning XLの回避： Lightning系モデルは高速生成に優れる反面、蒸留によりパラメータが軽量化されているため、LoRA学習時の高密度なスタイル特徴を十分に保持できません。学習はFlux DevまたはSDXLで実施し、互換性のある生成環境で使用することが原則です。

2. データセットの準備：画風一貫性を決定づける基盤

カスタムモデルの成否は、投入するデータセットの質と構成比によって8割以上が決まります。初心者が陥りやすい典型的な失敗は、同じモチーフの画像を大量に学習させてしまうことです（例：同じ剣の画像を20枚投入する）。これは**過学習（Overfitting）**を引き起こし、AIは「手描きの画風」ではなく「その剣の形状」そのものを記憶してしまいます。

スタイル学習の鉄則

画風（スタイル）は完全に統一し、描かれる主題（モチーフ）は最大限に多様化させる。

剣、ポーション、宝箱、樹木、防具など、あらゆるアセットに共通する画風をAIに学習させるには、その画風が様々なモチーフや材質に適用された実例をデータセットとして提示する必要があります。

本番用データセットの推奨仕様

避けるべきデータセットの落とし穴

1. 背景の混入： アイテムアイコンや装備品を学習させる場合、複雑なゲーム背景が含まれている画像は避け、単色、無地、または透過の背景画像を使用してください。
2. モチーフの偏り： 「ファンタジーアイテム」のElementを作る際、盾の写真ばかりを入れないこと。杖、薬瓶、巻物、兜、鉱石などを均等に含めることで、「塗りの質感」と「形状」を分離して学習させます。
3. 異なる美術スタイルの混在： 3Dクレイ調のレンダリング画像と2Dフラットベクター画像を同一データセットに混ぜてはなりません。矛盾する視覚情報により、濁った出力結果になります。

3. Leonardo.Aiにおけるカスタムモデル学習ステップ

データセットが整ったら、以下の手順でLeonardo.Ai上で学習を開始します。

ステップ1：学習画面へのアクセス

1. Leonardo.Aiの管理画面にログインします。
2. 左側サイドメニューの More をクリックして展開し、Models & Training を選択します。
3. 画面左上にある Train New Model ボタンをクリックします。

ステップ2：データセットの作成とアップロード

1. 学習タイプ（Archetype）を選択します：
   • Style（スタイル）： ゲームアセットパック制作における基本選択。全体のビジュアル言語やタッチを学習させます。
   • Object（オブジェクト）： 特定のメカニクス、統一規格の武器、固定構造のコンテナなどに適しています。
   • Character（キャラクター）： 主要キャラクターの顔立ちやデザインの一貫性を維持する際に選択します。
2. Create New をクリックして新規データセットを作成します。
3. プロジェクト管理用の命名規則（例：DS_DarkFantasy_Isometric_v1）を入力します。
4. 準備した15〜25枚の画像をドラッグ＆ドロップでアップロードし、検証完了後に Next をクリックします。

ステップ3：モデル詳細と詳細設定（Advanced Settings）

1. Model Name & Description： モデル名（例：Style_DarkFantasy_GameProps_Flux）を入力し、説明欄に主要トリガーワードを記載します。
2. Advanced Settings の設定（最重要）： ポップアップ内の Advanced Settings を開きます。
   • Base Model： 使用するベースモデル（シャープなディテールと構造重視なら Flux Dev、スタイライズされたイラストなら SDXL）を確認します。
   • Train Text Encoder： 必ず Enabled（有効） に保ちます。プロンプトの記述単語と学習された視覚的特徴の結びつきが強化され、生成時の制御性が飛躍的に向上します。
3. 学習の実行： Start Training をクリックします。
   • クラウドGPUクラスタで非同期に処理が行われ、通常30分〜2時間程度で完了します。
   • ブラウザを閉じても学習は継続されます。進行状況は Job Status タブで確認可能で、完了時にはメールで通知されます。

4. 本番生成：一貫したゲームアセットパックの量産

学習が完了したElementは、生成画面の専用ライブラリから呼び出せます。商業クオリティのアセットを量産するには、適切なパラメータ調整とプロンプト設計が不可欠です。

Elementの強度（Weight）調整

1. AI Image Creation 画面を開きます。
2. モデル選択メニューで、学習時に指定したベースモデル（Flux Dev等）を選択します。
3. プロンプト入力バー左の Image Guidance アイコンをクリックし、Elements タブから Your Elements を選択して自作Elementを有効化します。
4. 強度（Weight）の適正設定：
   • 0.60〜0.80（創造性・汎用性重視）： プロンプトの影響力が強くなります。学習データにない複雑な新アイテムや大型オブジェクトを生成する際に適しています。
   • 0.85〜1.00（標準量産ゾーン）： ゲームアセット制作のゴールデンレンジ。輪郭線や塗りの質感を厳格に保ちながら、指示されたアイテム仕様を正確に具現化します。
   • 1.05〜1.30（スタイル固定）： 画風を極限まで強調します。ただし、1.2を超える過度な設定は、彩度の飽和、ディテールの破綻、プロンプト無視を引き起こすため注意が必要です。

標準プロンプトテンプレートの策定

バッチごとのブレを抑えるため、統一されたプロンプト構文を使用します：

[視点/投影仕様], [主題と素材の詳細], [スタイル識別トリガーワード], game asset style, clean edges, [ライティング仕様], [背景指定]

実践プロンプト例：

• 武器アイコン：
  isometric game icon, ancient runic greatsword, glowing azure crystal blade, leather wrapped crossguard, hand-painted dark fantasy style, clean isolated vector silhouette, studio game asset lighting, pure white background
• 回復ポーション：
  isometric game icon, ornate glass vial with bubbling emerald poison, engraved brass stopper, hand-painted dark fantasy style, sharp edges, rim light, solid neutral background
• ダンジョン床タイル：
  top-down 3/4 view, modular dungeon stone floor tile with cracked cobbles and dry moss, hand-painted dark fantasy style, tileable texture asset, diffuse ambient game lighting

ゲーム制作に必須のLeonardo補助機能

• Native Transparency（ネイティブ背景透過）： 生成設定で Transparency トグルを有効にします。背景が透過されたPNG形式で直接出力されるため、外部ツールでの切り抜き作業が不要になります。
• Fixed Seedによるグレード差分制作： 装備の強化段階（例：鉄の弓 → 銀の弓 → 黄金の弓）を作成する場合、Seed 値を固定し、プロンプトの素材やエフェクト記述のみを変更します。基本シルエットを維持したまま、階級差分を生成できます。
• ControlNet / Image Guidanceの活用： Blenderなどで作成した簡易3Dモデル（ホワイトボックス）をDepth（深度）やEdge（エッジ）参照として入力し、自作Elementで生成することで、アイソメトリック等の厳密なパースペクティブを完全に一致させることができます。
• Pro Upscaler（高精細拡大）： 採用するアセットが決まったら、Pro Upscaler（Preciseモード） を実行します。手描きのタッチやエッジの鋭さを保ったまま2K/4K解像度へ拡大し、ゲームエンジンのスプライトアトラスに直接組み込める品質へ引き上げます。

5. REST APIによるパイプライン自動化

数十から数百点におよぶアイテムカタログを構築する場合、WEB UIでの手作業は非効率です。Leonardo.AiのREST APIを利用して自作Elementをスクリプトに組み込めます：

1. ElementのakUUID取得： Models & Training -> Your Models 画面で自作Elementを選択し、固有ID（akUUID）をコピーします。
2. API呼び出し： https://cloud.leonardo.ai/api/rest/v1/generations に対し、elements 配列に akUUID と weight を含めてPOSTリクエストを送信します。

{
  "prompt": "isometric health potion, glowing crimson fluid, ornate glass bottle, dark fantasy game icon",
  "modelId": "flux-dev-model-id",
  "width": 1024,
  "height": 1024,
  "elements": [
    {
      "akUUID": "YOUR-CUSTOM-ELEMENT-UUID",
      "weight": 0.85
    }
  ],
  "transparency": "foreground_only"
}

PythonやNode.jsスクリプトでマスターデータ（CSVやJSON）を読み込み、自動バッチ生成からUnityやGodotのプロジェクトフォルダへの配置までを一元化できます。

6. よくあるトラブルシューティングと対策

まとめ

Leonardo.Aiにおけるカスタムモデル（Elements）の学習は、生成AIを単なる「アイデア出しツール」から、再現性の高い「スタジオ標準のアセット量産基盤」へと進化させます。「画風を厳格に固定し、モチーフを広げる」データセット設計を徹底し、透過PNG出力やAPI連携を組み合わせることで、少人数のインディーチームであっても数カ月分の美術アセット制作をわずか数日で完結させることが可能です。

参考文献

• How to train and use Elements (LoRAs) and Datasets on Leonardo.Ai
• Image Guidance
• Transparency
• How to Write Great Text-to-Image Prompts
• Generate Images with Elements