記事のサマリー(TL;DR)
- Canvaは、Google、OpenAI、ByteDance、Metaの同種モデルに対抗する自社初の画像生成モデル「Canva Craft」を発表しました。
- モデルは2段階の処理で動作し、最大2K解像度、30種類のアスペクト比で画像を生成します。写真ではなくCanvaのテンプレートライブラリのデザインを用いて学習されています。
- Canva Craftは全ユーザーがDream Labタブから利用でき、Canva APIでも提供されます。さらに低コスト版のCraftfastとCraft-ultrafastも開発中です。
詳細
モデルの概要と開発背景
デザインプラットフォームのCanvaは、自社の研究チームが開発した初の画像生成モデル「Canva Craft」を公開しました。同社によれば、このモデルはGoogle、OpenAI、ByteDance、Metaが手がける同カテゴリーのモデルに対抗するものだとしています。
2段階の生成プロセス
Canvaの説明によると、このモデルは2つの段階で動作します。第1段階では、ユーザーのプロンプトを解釈し、要素間の空間的な関係、相対的なスケール、視覚的な階層構造、テキスト生成に必要な情報などの詳細を含む計画を作成します。第2段階では、最大2K解像度の画像を、さまざまなプラットフォーム向けに最大30種類の異なるアスペクト比で生成します。
Canvaは、このアプローチにより、オブジェクトの正確な詳細や読みやすいテキストを含む画像を作成できるとしています。また、ユーザーは画像の他の部分を変更せずに、特定の箇所を精密に編集できるとしています。
写真ではなくデザインを用いた学習
Canvaは、このモデルの学習に写真ではなく、ポスター、ソーシャル投稿、プレゼンテーション、インフォグラフィック、メニュー、文字要素の多いレイアウトなど、Canvaのライブラリにある人間がデザインしたテンプレートを使用したと説明しています。そのため、Canva Craftで生成された画像は、同社の画像からデザインへの変換ツールである「Canva Magic」を使ってレイヤー化されたデザインに変換できるとしています。Canvaは前年に、デザインとレイヤー構造を理解する独自モデルを公開していました。
提供方法と今後の展開
Canva Craftは、同社プラットフォーム上で全ユーザーが利用可能で、「Dream Lab」タブからアクセスできます。このモデルはCanva APIを通じても提供される予定です。さらに同社は、Canvaの「MCP」を通じて、ChatGPTやGeminiなどのサードパーティ製チャットボットでの画像生成をサポートする計画だとしています。
Canvaはこれまでプラットフォーム上の画像生成に複数の画像モデルを使用してきており、新モデルの導入によってAPIコストの削減につながる可能性があるとされています。同社は、コスト面に加え、新モデルによって品質と速度の制御が向上するとも説明しています。
Canvaは2024年に、メディア生成プラットフォームのLeonardo.aiを買収しており、Leonardo出身の研究者が今回の新しい画像モデルの開発に貢献したとしています。同社はまた、より低コストなバージョンとして「Craftfast」と「Craft-ultrafast」と呼ばれる2つのモデルを開発中であり、近く公開する予定だとしています。
業績への言及
Canvaは前年、40億ドルの収益を達成する見込みだったとされています。しかし、2026年の成長予測を下方修正したことを受け、外部アナリストによると、同社の評価額は420億ドルから350億ドルに下落したと報じられています。