Textual Inversion（Embedding）｜新しい言葉の数値だけを学ぶ仕組み

編集部公開 2026-10-10 更新 2026-10-10 読了約6分

Textual Inversion で学んだ結果は、Embedding と呼ばれる KB 単位の小さなファイルになります。ただ、何を学んだファイルなのかが分からないと、どう使えばよいかがつかめません。

この記事では、Textual Inversion の仕組みと Embedding の使い方を解説します。ネガティブプロンプトでの作り比べと、LoRA（モデルに差分を加える追加学習）との違いも分かります。

Textual Inversion は、画像生成AIのモデル（学習でできた、画像を作る仕組み）を変えずに、新しい言葉に当たる数値だけを学ぶ方法です。

Textual Inversionとは

Textual Inversion（Embedding）とは、モデルを固定したまま、新しい言葉に当たる数値だけを学習する方法です。2022年に論文で発表されました。

プロンプトの言葉は、1語ずつ数値に置き換えられてから、テキストエンコーダ（言葉を画像の計算に使える形にする部品）に通されます。この、1語ずつに当たる数値が埋め込みで、英語では embedding です。

Textual Inversion は、物や画風を写した3〜5枚の画像から、それを表す新しく作った言葉の埋め込みを学びます。このとき、モデルの重み（モデルの中で計算に使う数値）は変えません。

日本語では「テキスト反転」とも訳されます。Embedding の語は、この方法の別名にも、学んだ数値を入れたファイルの名前にも使われます。

学んだ埋め込みは、KB 単位の小さなファイルになります。Diffusers（画像生成AIを動かす道具）の説明では、数KB です。

ファイルの中身は言葉の数値だけなので、Embedding はそれだけでは画像を作れません。使うときは、元のモデルと一緒に読み込みます。

読み込んだあとの呼び出しには、作った人が決めた言葉を使い、プロンプトに入れます。プロンプトの中のその言葉が、学んだ物や画風を表す数値に置き換わる仕組みです。

物や画風を呼び出すほかに、望まないものを学ばせた Embedding を、ネガティブプロンプトに入れて使うこともできます。ネガティブプロンプトは、画像に出したくないものを書く欄です。

たとえば、ぼやけた画像や、手の指が多すぎる画像を出にくくするための Embedding があります。

上の画像は、Stable Diffusion 1.5（画像生成AIのモデルの1つ）で作った4枚です。

ネガティブプロンプトを空にしたものと、ネガティブプロンプトに EasyNegative という Embedding だけを入れたものを比べました。

プロンプトは同じで、同じシード（シード値。初めのノイズを決める数）どうしで比べています。作例の EasyNegative のファイルは約24KB で、これも KB 単位です。

この試しでは、Embedding を入れると、家の形と構図が変わりました。モデルを替えなくても、小さなファイルを1つ足すだけで画像が変わったわけです。

どちらがよい画像か、崩れが減ったかまでは、この試しでは判定していません。

Embedding と同じく、あとから足して使う方法に LoRA があります。2つの違いは何を学ぶかで、Embedding は言葉の数値を、LoRA は元の重みに足す差分を学びます。

この違いが表れるのが、ファイルの大きさです。Embedding は KB 単位で、LoRA は Diffusers の説明で数百MB です。

道具での扱いにも、違いがあります。

Diffusers は、2026年10月時点で Textual Inversion を古い方法（Legacy）の分類に入れました。

そのうえで Diffusers は、特に Stable Diffusion 系のモデルではまだ使えるとし、新しい作業には LoRA などを勧めています。

新しく画風や物を加えるなら、この勧めにならって LoRA を選ぶとよいでしょう。ただし、Stable Diffusion 系のモデル用に作られた Embedding は、今も使えます。

Embedding のファイルの中身は、新しく作った言葉の数値です。この記事で解説したことは、次の4つです。

Embedding を使うときは、元のモデルと一緒に読み込み、作った人が決めた言葉をプロンプトに入れてみてください。