Stable Diffusion 3.5 Large による Text-to-Image （ソースコードと実行結果）

【概要】

Stable Diffusion 3.5 LargeおよびSDXL 1.0モデルを使用し、テキストプロンプトから画像を生成するコマンドライン版Pythonプログラムである。複数モデルから選択して画像を生成できる。

【目次】

• 第１章　Python開発環境，ライブラリ類
• 第２章　Python 3.12 のインストール
• 第３章　Python の開発環境 Visual Studio Code のインストールと Python 用の設定
• 第４章　Stable Diffusion 3.5 Large による Text-to-Image プログラム

第１章　Python開発環境，ライブラリ類

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

第２章　Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\") -and (';'+$c+';' -notlike \"*;$s;*\")){[Environment]::SetEnvironmentVariable('Path',\"$p;$s;$c\",'Machine')}"

python --version

第３章　Python の開発環境 Visual Studio Code のインストールと Python 用の設定

Python の開発環境Visual Studio Code（プログラムを編集するソフトウェア。以下、VS Code）を整える。

REM ============================================================
REM Microsoft Visual Studio Code
REM ============================================================
winget uninstall -e --id Microsoft.VisualStudioCode --silent --disable-interactivity --accept-source-agreements
rmdir /s /q C:\ProgramData\vscode-extensions 2>nul
rmdir /s /q "%APPDATA%\Code" 2>nul
rmdir /s /q "%USERPROFILE%\.vscode" 2>nul
rmdir /s /q "%LOCALAPPDATA%\Microsoft\vscode-update" 2>nul

REM VS Code をシステム領域に新規インストール
winget install --scope machine --id Microsoft.VisualStudioCode -e --silent --accept-source-agreements --accept-package-agreements

REM 全ユーザー共有の拡張機能フォルダ
mkdir C:\ProgramData\vscode-extensions 2>nul
icacls "C:\ProgramData\vscode-extensions" /grant "Everyone:(OI)(CI)M" /T

REM スタートメニューのショートカットを --extensions-dir 付きで再作成
rmdir /s /q "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code" 2>nul
del "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk" 2>nul
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); $lnk.TargetPath='C:\Program Files\Microsoft VS Code\Code.exe'; $lnk.Arguments='--extensions-dir \"C:\ProgramData\vscode-extensions\"'; $lnk.Save()"
REM ショートカットの検証
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); Write-Host 'TargetPath:' $lnk.TargetPath; Write-Host 'Arguments:' $lnk.Arguments"

REM ファイル / フォルダ右クリックの「Code で開く」を登録
reg add "HKLM\SOFTWARE\Classes\*\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\Background\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%V\"" /f

REM --extensions-dir 付きで起動する code.cmd ラッパを作成
REM （%* を echo で書くと対話的 cmd で失われるため、PowerShell で [char]37+'*' を書き出す）
powershell -NoProfile -Command "$pct=[char]37; $q=[char]34; $c='@echo off'+[char]13+[char]10+$q+'C:\Program Files\Microsoft VS Code\bin\code.cmd'+$q+' --extensions-dir '+$q+'C:\ProgramData\vscode-extensions'+$q+' '+$pct+'*'+[char]13+[char]10; [IO.File]::WriteAllText('C:\ProgramData\vscode-extensions\vscode.cmd',$c,[Text.Encoding]::ASCII)"

REM 拡張機能のインストール
set "CODE=C:\Program Files\Microsoft VS Code\bin\code.cmd"
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot-chat
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.python
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.vscode-pylance
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.debugpy
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension MS-CEINTL.vscode-language-pack-ja
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension saoudrizwan.claude-dev
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension rust-lang.rust-analyzer
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension tamasfe.even-better-toml
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension anthropic.claude-code
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension almenon.arepl
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --list-extensions --show-versions
echo === セットアップ完了 ===

必要なライブラリをシステム領域にインストール

管理者権限でコマンドプロンプトを起動する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。 以下を実行する。

REM PyTorch をインストール（GPU対応版）
set "CUDA_TAG=cu128"
set "PYTHON_PATH=C:\Program Files\Python312"
"%PYTHON_PATH%\Scripts\pip" install --no-user -U numpy torch torchvision torchaudio --index-url https://download.pytorch.org/whl/%CUDA_TAG%
pip install --no-user diffusers huggingface_hub transformers accelerate pillow

HuggingFace トークン取得

https://huggingface.co/settings/tokens にアクセスする。 HuggingFaceトークンを設定する。保存の支援ツールは別ページ （https://www.kkaneko.jp/ai/labo/hf.html）で紹介している。

第４章　Stable Diffusion 3.5 Large による Text-to-Image プログラム

概要

このプログラムは、Stable Diffusion 3.5 LargeおよびSDXL 1.0モデルを使用して、テキストプロンプトから画像を生成する。Hugging FaceのDiffusersライブラリ[4]を使用し、複数の画像生成モデルを操作できる。ユーザーはモデルを選択し、プロンプトを入力することで、画像を生成できる。

主要技術

Stable Diffusion 3.5

Stability AIが2024年に公開した画像生成モデル[1]。Rectified Flowベースの拡散モデルであり、Flow Matchingアルゴリズム[2]を採用している。本プログラムでは、通常版（28ステップ）とTurbo版（4ステップ）の両方に対応している。

SDXL 1.0

Stable Diffusion XL（SDXL）は、高解像度画像生成に対応したモデル[3]である。U-Netアーキテクチャの改良により、1024×1024ピクセルのネイティブ解像度での生成を可能にしている。

Flow Matching Scheduler

SD3.5で採用されているFlowMatchEulerDiscreteSchedulerは、常微分方程式（Ordinary Differential Equation）を離散的に解く手法である[2]。

技術的特徴

自動デバイス選択とメモリ最適化

プログラムはCUDA対応GPUの有無を自動検出し、適切なデバイスとデータ型を選択する。GPU環境ではbfloat16またはfloat16精度を使用し、CPU環境ではfloat32にフォールバックする。メモリ効率化のため、model_cpu_offload機能とVAEタイリングを有効化し、大規模モデルの実行を可能にしている。

モデル設定の辞書管理

MODEL_CONFIGSディクショナリにより、各モデルの設定を一元管理している。推論ステップ数、ガイダンススケール、スケジューラークラスなどのパラメータを事前定義することで、モデル固有の設定を自動適用する。この設計により、新規モデルの追加が容易になっている。

Hugging Face認証の統合

環境変数HF_TOKENを通じたトークン管理を実装し、ゲート付きモデルへのアクセスを自動化している。model_info APIを使用してアクセス権限を事前確認し、必要に応じてライセンス同意の案内を表示する。

実装の特色

対話形式のインターフェース

ユーザーとの対話を通じて、モデル選択、プロンプト入力、パラメータ設定を行う。各段階で説明を提供し、操作を支援する設計となっている。サンプルプロンプトの提供により、動作確認が可能である。

ネガティブプロンプトの動的制御

モデルごとのネガティブプロンプト対応状況を設定で管理し、SD3.5 Turboのような非対応モデルでは自動的に無効化する。対応モデルではデフォルト値を提供し、ユーザーによるカスタマイズも可能にしている。

参考文献

[1] Stability AI. (2024). Stable Diffusion 3.5 Large. Hugging Face Model Repository. https://huggingface.co/stabilityai/stable-diffusion-3.5-large

[2] Esser, P., et al. (2024). Scaling Rectified Flow Transformers for High-Resolution Image Synthesis. arXiv:2403.03206. https://arxiv.org/abs/2403.03206

[3] Podell, D., et al. (2023). SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis. arXiv:2307.01952. https://arxiv.org/abs/2307.01952

[4] Hugging Face. (2024). Diffusers Documentation. https://huggingface.co/docs/diffusers

ソースコード

# プログラム名: Stable Diffusion 3.5 Large による Text-to-Image プログラム
# pip install --no-user -U numpy torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
# pip install --no-user diffusers huggingface_hub transformers accelerate pillow
import os
import sys
import subprocess
import torch
from diffusers import StableDiffusion3Pipeline, FlowMatchEulerDiscreteScheduler, StableDiffusionXLPipeline
from huggingface_hub import login, model_info
from huggingface_hub.utils import RepositoryNotFoundError, GatedRepoError

def print_dependency_guide():
    print("\n依存関係インストールガイド")
    print("GPU環境:")
    print("  1. PyTorch公式サイトからCUDA対応版を選択してインストール")
    print("     https://pytorch.org/get-started/locally/")
    print("  2. 任意: pip install --no-user xformers")
    print("CPU環境:")
    print("  pip install --no-user -U numpy torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu")
    print("共通:")
    print("  pip install --no-user 'diffusers>=0.30.0' huggingface_hub transformers accelerate pillow")

# モデル固有の設定を定数化
MODEL_CONFIGS = {
    "sd3.5-large": {
        "model_id": "stabilityai/stable-diffusion-3.5-large",
        "pipeline_class": StableDiffusion3Pipeline,
        "default_dtype": torch.bfloat16,
        "cpu_dtype": torch.float32,
        "num_inference_steps": 28,  # 公式推奨値
        "guidance_scale": 3.5,      # 公式推奨値
        "width": 1024,              # 1メガピクセル対応
        "height": 1024,             # 1メガピクセル対応
        "scheduler_class": FlowMatchEulerDiscreteScheduler,  # SD3.5に適したスケジューラー
        "enable_cpu_offload": True,
        "enable_vae_tiling": True,
        "model_name": "SD3.5 Large",
        "model_url": "https://huggingface.co/stabilityai/stable-diffusion-3.5-large",
        "setup_message": "SD3.5 Largeを使用する前に以下を確認してください：\n"
                         "1. https://huggingface.co/stabilityai/stable-diffusion-3.5-large にアクセス\n"
                         "2. 「Agree and access repository」ボタンをクリックしてライセンスに同意\n"
                         "3. アクセスが承認されるまで待つ\n"
                         "4. pip install --no-user -U diffusers を実行済みであること",
        "sample_prompt": "A capybara holding a sign that reads Hello World",  # 公式例
        "model_description": "最新・高品質・英語・1メガピクセル",
        "supports_negative_prompt": True,  # ネガティブプロンプトをサポート
    },
    "sd3.5-large-turbo": {
        "model_id": "stabilityai/stable-diffusion-3.5-large-turbo",
        "pipeline_class": StableDiffusion3Pipeline,
        "default_dtype": torch.bfloat16,
        "cpu_dtype": torch.float32,
        "num_inference_steps": 4,
        "guidance_scale": 0.0,      # Turboモデルはguidance不要（公式推奨値）
        "width": 1024,              # 1メガピクセル対応
        "height": 1024,             # 1メガピクセル対応
        "scheduler_class": FlowMatchEulerDiscreteScheduler,
        "enable_cpu_offload": True,
        "enable_vae_tiling": True,
        "model_name": "SD3.5 Large Turbo",
        "model_url": "https://huggingface.co/stabilityai/stable-diffusion-3.5-large-turbo",
        "setup_message": "SD3.5 Large Turboを使用する前に以下を確認してください：\n"
                         "1. https://huggingface.co/stabilityai/stable-diffusion-3.5-large-turbo にアクセス\n"
                         "2. 「Agree and access repository」ボタンをクリックしてライセンスに同意\n"
                         "3. アクセスが承認されるまで待つ\n"
                         "4. pip install --no-user -U diffusers を実行済みであること",
        "sample_prompt": "A capybara holding a sign that reads Hello Fast World",  # 公式例
        "model_description": "超高速・英語・4ステップ生成・1メガピクセル",
        "supports_negative_prompt": False,  # Turboモデルはネガティブプロンプト不使用
    },
    # SDXL 1.0 モデル構成
    "sdxl-1.0": {
        "model_id": "stabilityai/stable-diffusion-xl-base-1.0",
        "pipeline_class": StableDiffusionXLPipeline,
        "default_dtype": torch.float16,   # SDXLはGPUでfloat16推奨
        "cpu_dtype": torch.float32,
        "num_inference_steps": 50,
        "guidance_scale": 7.5,
        "width": 1024,                    # 表示用（SDXLでは指定なしでも既定1024x1024）
        "height": 1024,
        "scheduler_class": "default",     # SDXLはデフォルトスケジューラーを使用
        "enable_cpu_offload": True,
        "enable_vae_tiling": True,
        "model_name": "SDXL 1.0",
        "model_url": "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0",
        "setup_message": "SDXL 1.0は通常、追加のライセンス同意や認証は不要です。\n"
                         "pip install --no-user -U diffusers を実行済みであることを確認してください。",
        "sample_prompt": "A capybara in watercolor style, soft pastel colors",
        "model_description": "従来SDXL・1024x1024・英語",
        "supports_negative_prompt": True,  # ネガティブプロンプトをサポート
    }
}

def setup_token():
    print("\nトークンの取得方法:")
    print("1. https://huggingface.co/settings/tokens にアクセス．ログインしていない場合はログイン")
    print("2. 「Create new token」をクリック")
    print("3. Token nameを入力（例: my-app-token）")
    print("4. Token typeで「Write」を選択")
    print("5. 「Create token」をクリック")
    print("6. 生成されたトークンをコピー(「Copy」をクリック)")

    # トークン入力を求める
    token = input("\nトークンを入力してください: ")

    # Windowsの場合、setxコマンドで永続的に設定
    try:
        subprocess.run(['setx', 'HF_TOKEN', token], check=True)
        print("\n環境変数を設定しました。新しいコマンドプロンプトを開いて再実行してください。VSCode や Windsurf などの開発環境を用いている場合には、開発環境を終了し、再度起動してください")
    except subprocess.CalledProcessError:
        print("\n環境変数の設定に失敗しました。")

    sys.exit(0)

# トークンの存在確認
hf_token = os.environ.get("HF_TOKEN")
if not hf_token:
    print("HF_TOKEN環境変数が設定されていません。")
    setup_token()

# huggingface_hubでログイン（トークンを保存）
try:
    login(token=hf_token, add_to_git_credential=False)
except Exception:
    print("トークンが無効です。")
    setup_token()

# 依存関係インストールガイドの表示（任意）
show_guide = input("\n依存関係インストールガイドを表示しますか？ [y/N]: ").strip().lower()
if show_guide == 'y':
    print_dependency_guide()

# モデル選択メニューを表示し、ユーザーの選択を返す
print("\n使用するモデルを選択してください：")
model_keys = list(MODEL_CONFIGS.keys())
for i, key in enumerate(model_keys, 1):
    config = MODEL_CONFIGS[key]
    print(f"{i}. {config['model_name']} ({config['model_description']})")
    print(f"   モデルID: {config['model_id']}")
    print(f"   URL: {config['model_url']}")

while True:
    try:
        choice = input("\n番号を入力してください (1-{}): ".format(len(model_keys)))
        choice_idx = int(choice) - 1
        if 0 <= choice_idx < len(model_keys):
            selected_model = model_keys[choice_idx]
            print(f"\n{MODEL_CONFIGS[selected_model]['model_name']}を選択しました。")
            break
        else:
            print("有効な番号を入力してください。")
    except ValueError:
        print("数字を入力してください。")

model_config = MODEL_CONFIGS[selected_model]

# モデルへのアクセス権限を確認
try:
    info = model_info(model_config["model_id"], token=hf_token)
    access_ok, error_msg = True, None
except GatedRepoError:
    access_ok, error_msg = False, "ライセンス同意が必要です"
except RepositoryNotFoundError:
    access_ok, error_msg = False, "モデルが見つかりません"
except Exception as e:
    access_ok, error_msg = False, f"アクセスエラー: {str(e)}"

if not access_ok:
    print(f"\nモデルへのアクセスに問題があります: {error_msg}")
    print(model_config["setup_message"])
    input("\n準備ができたらEnterキーを押してください...")
else:
    print(f"\n{model_config['model_name']}へのアクセスが確認できました。")

# デバイスの自動選択
device = "cuda" if torch.cuda.is_available() else "cpu"
dtype = model_config["default_dtype"] if device == "cuda" else model_config["cpu_dtype"]

if device == "cpu":
    print("GPUが利用できないため、CPUで実行します。処理に時間がかかる場合があります。")
# デバイス名とdtypeの明示出力
if device == "cuda":
    try:
        print(f"デバイス: GPU ({torch.cuda.get_device_name(0)})")
    except Exception:
        print("デバイス: GPU")
else:
    print("デバイス: CPU")
print(f"データ型: {dtype}")

try:
    # パイプラインの読み込み
    print("モデルの読み込み中...")
    from_pretrained_kwargs = {
        "torch_dtype": dtype,
        "token": hf_token,
        "use_safetensors": True
    }

    # SDXL + GPU時にvariant設定を適切に処理
    if selected_model.startswith("sdxl") and device == "cuda":
        if dtype == torch.float16:
            from_pretrained_kwargs["variant"] = "fp16"
        # bfloat16の場合は特別な処理は不要（デフォルトで対応）

    pipe = model_config["pipeline_class"].from_pretrained(
        model_config["model_id"],
        **from_pretrained_kwargs
    )
    pipe = pipe.to(device)

    # メモリ最適化
    if device == "cuda" and model_config.get("enable_cpu_offload", False):
        pipe.enable_model_cpu_offload()
    if model_config.get("enable_vae_tiling", False) and hasattr(pipe, 'vae'):
        pipe.vae.enable_tiling()
    # attention slicing と xFormers（可能な場合のみ）
    if hasattr(pipe, "enable_attention_slicing"):
        try:
            pipe.enable_attention_slicing()
        except Exception:
            pass
    if device == "cuda" and hasattr(pipe, "enable_xformers_memory_efficient_attention"):
        try:
            pipe.enable_xformers_memory_efficient_attention()
            print("XFormers memory optimization enabled")
        except Exception:
            print("XFormers not available, skipping memory optimization")

    # VAEの精度設定
    if hasattr(pipe, 'vae'):
        pipe.vae.to(dtype)

    # スケジューラーの設定
    if "scheduler_class" in model_config:
        if model_config["scheduler_class"] == "default":
            # SDXLはデフォルトのスケジューラーを使用
            print("デフォルトのスケジューラーを使用します")
        elif model_config["scheduler_class"] is not None:
            # カスタムスケジューラーを設定
            pipe.scheduler = model_config["scheduler_class"].from_config(pipe.scheduler.config)
            print(f"カスタムスケジューラー（{model_config['scheduler_class'].__name__}）を設定しました")

    print("モデルの読み込みが完了しました。")

    # プロンプト入力ガイド（メイン＋スタイル結合）
    print("\n=== プロンプト入力ガイド ===")
    print("1. メインプロンプト: 対象や構図、詳細描写を具体的に記述する")
    print("   例: 'a serene lakeside at sunset, detailed reflections, mountains in background'")
    print("2. スタイルプロンプト: 画風や質感、雰囲気を補足する（任意）")
    print("   例: 'high quality, detailed, sharp, cinematic lighting'")
    print("Enterのみでサンプルプロンプトを使用する")

    main_prompt_in = input("\nメインプロンプト（未入力でサンプル使用）: ").strip()
    style_prompt_in = input("スタイルプロンプト（任意、未入力可）: ").strip()

    if main_prompt_in:
        combined_prompt = f"{main_prompt_in}, {style_prompt_in}" if style_prompt_in else main_prompt_in
    else:
        combined_prompt = model_config["sample_prompt"]

    # ネガティブプロンプトの判定ロジックを修正
    use_neg_prompt = model_config.get("supports_negative_prompt", True)

    if use_neg_prompt:
        default_negative_prompt = (
            "low quality, worst quality, blurry, out of frame, watermark, signature, jpeg artifacts, "
            "text, logo, extra fingers, extra limbs, extra digits, deformed, disfigured, poorly drawn hands, "
            "bad anatomy, cropped, duplicate"
        )
        print("\nネガティブプロンプトについて")
        print("未入力の場合、以下のデフォルト値が使用される")
        print(f"デフォルトのネガティブプロンプト: {default_negative_prompt}")
        neg_in = input("\nネガティブプロンプト（任意、上書き可）: ").strip()
        if neg_in:
            negative_prompt_value = neg_in
            print(f"ネガティブプロンプトを使用: {negative_prompt_value}")
        else:
            negative_prompt_value = default_negative_prompt
            print("デフォルトのネガティブプロンプトを使用する")
            print(f"使用するデフォルトのネガティブプロンプト: {negative_prompt_value}")
    else:
        negative_prompt_value = None
        print("\nこのモデルはネガティブプロンプトをサポートしていません")

    # 画像生成パラメータの準備
    generation_params = {
        "prompt": combined_prompt,
        "num_inference_steps": model_config["num_inference_steps"],
        "guidance_scale": model_config["guidance_scale"],
    }

    # ネガティブプロンプトの追加
    if use_neg_prompt:
        generation_params["negative_prompt"] = negative_prompt_value

    # 解像度設定（SD3.5とSDXL両方に適用）
    if "width" in model_config and "height" in model_config:
        generation_params.update({
            "width": model_config["width"],
            "height": model_config["height"],
        })

    # 実行前の設定表示（確認用）
    print("生成設定:")
    if "width" in model_config and "height" in model_config:
        print(f"  解像度: {model_config['width']}x{model_config['height']}")
    print(f"  推論ステップ数: {model_config['num_inference_steps']}")
    print(f"  ガイダンススケール: {model_config['guidance_scale']}")
    print(f"  使用プロンプト: {combined_prompt}")
    if use_neg_prompt:
        print(f"  ネガティブプロンプト: {negative_prompt_value}")
    else:
        print("  ネガティブプロンプト: 非対応（モデル仕様）")

    # 画像生成
    print("画像生成中...")
    with torch.no_grad():
        image = pipe(**generation_params).images[0]
    print("画像生成が完了しました。")

    # 画像を保存（モデル名を含むファイル名）
    output_filename = f"{selected_model}_output.png"
    image.save(output_filename)
    print(f"画像を {output_filename} として保存しました。")
    try:
        image.show()
    except Exception:
        pass

except Exception as e:
    print(f"画像生成に失敗しました: {e}")
    if any(s in str(e).lower() for s in ["kmp_duplicate_lib_ok", "libiomp5", "openmp"]):
        print("\nOpenMP関連のエラーが疑われる。暫定対処として以下を試すことがある。")
        print("  Windows: setx KMP_DUPLICATE_LIB_OK TRUE")
        print("  Linux/macOS: export KMP_DUPLICATE_LIB_OK=TRUE")
        print("注意: 恒久対策ではなく、可能であれば重複するOpenMPランタイムの解消を推奨する")
    response = input("\nトークンを再設定しますか？ [Y/n]: ")
    if response.lower() != 'n':
        setup_token()