【2026年9月最新】StableDiffusionWebUI「ADetailer」の使い方完全ガイド｜顔・手の崩れをAIで自動修正する設定とコツ
aikanri-admin
AIで画像を生成していると、「構図もタッチも理想通りなのに、顔だけが崩れている」「指が6本になっている」——そんな経験をした方は多いはずです。Stable Diffusion系のツールで画像生成をしている個人・企業の多くが、この「顔・手の崩れ問題」に一度はぶつかります。
この崩れを自動で検出して修正してくれるのが、拡張機能「ADetailer（After Detailer）」です。StableDiffusionWebUI（AUTOMATIC1111 / Forge）に導入するだけで、生成した画像の顔・手・瞳を自動検出し、その部分だけ高精度に描き直してくれます。
この記事では、ADetailerの仕組みから、インストール・初期設定、基本的な使い方、表情差分の作り方、トラブルシューティングまでを一通り解説します。さらに後半では、弊社（株式会社GENAI）が広告バナーやLP用の画像制作でAI画像生成をどう業務に組み込んでいるかという実務目線の話も加えています。
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、次のことが分かるようになります。
01 WHAT IS ADETAILER ADetailerとは何か なぜ生成AIは顔や手を崩しやすいのか、その理由から理解する
Stable Diffusionのような画像生成AIは、画像全体を一枚のキャンバスとして少しずつノイズから絵を生成していく仕組みです。全体の構図やポーズを優先して学習・生成するため、画面の中で小さく写る顔や、複雑な形をした手は、相対的に情報量が少なく、崩れやすい部分になります。
人間の目は「顔」と「手」の違和感に非常に敏感です。全体の完成度が高くても、顔が歪んでいたり指の本数がおかしかったりすると、それだけで画像全体の印象が一気に崩れてしまいます。ここを補うために生まれたのがADetailerという拡張機能です。
📚 用語解説
Stable Diffusion：テキストの指示（プロンプト）から画像を生成するAIモデル。オープンソースで公開されており、WebUI（操作画面）を通じてパソコン上でも実行できます。イラスト・写真調・アニメ調など幅広いスタイルの画像を生成できます。
1-1. ADetailerの仕組み：YOLOによる自動検出＋部分的な描き直し
ADetailerは、以下の2段階の処理を自動で行う拡張機能です。
画像生成
（通常の生成）
YOLOモデルで
顔・手を自動検出
検出部分だけ
高解像度で描き直し
元画像に
自然に合成
📚 用語解説
YOLO（You Only Look Once）：画像の中から「どこに何が写っているか」をリアルタイムに検出する物体検出アルゴリズムの一種。ADetailerでは、この技術を使って画像内の「顔」「手」「人物」の位置を自動で特定します。もともとは自動運転や監視カメラの分野で使われてきた技術です。
この一連の処理を「インペイント（部分的な描き直し）」と呼びます。ADetailerは、検出した顔や手の領域だけを切り出して、その部分だけ高い解像度で再生成し、元の画像になじむように合成します。全体を作り直すのではなく「悪い部分だけをピンポイントで直す」のがポイントです。
📚 用語解説
インペイント（inpaint）：画像の一部分だけを指定して、その部分だけをAIに再生成させる機能。写真の一部を修正するイメージに近く、全体は変えずに気になる箇所だけを描き直せます。ADetailerはこのインペイントを自動化した仕組みです。
この自動検出の仕組みがあるおかげで、生成した画像を一枚一枚目視でチェックして「どこが崩れているか」を探す作業自体が大幅に減ります。特に、キャラクターイラストや人物写真調の画像を1日に何十枚と生成するような使い方では、手作業でのチェックはそれだけで大きな工数になっていたはずです。
1-2. 手動インペイントとの違い
インペイント自体はADetailer以前からStable Diffusionに搭載されている標準機能です。ただし手動でインペイントを行う場合、「どこを直すか」を自分でマスク（塗りつぶし）で指定する必要があり、1枚ずつ作業するのは非常に手間がかかります。
ADetailerは、このマスク指定の工程をYOLOによる自動検出に置き換えることで、大量の画像を生成する際にも、顔・手の崩れを都度手動で直す必要がなくなるのが最大のメリットです。バッチ生成（複数枚まとめて生成）と非常に相性が良い拡張機能と言えます。
キャラクターイラストを大量生成する方、広告バナーやLP用の人物画像をAIで作る方、SNS投稿用の画像を毎日生成する方など、「枚数をこなす」用途であるほどADetailerの効果を実感しやすくなります。
代表菅澤
02 INSTALLATION ADetailerのインストール方法と初期設定 拡張機能タブから数クリックで導入できる
ADetailerの導入は、StableDiffusionWebUI（AUTOMATIC1111版・Forge版いずれも対応）の拡張機能（Extensions）タブから行います。手順は次の通りです。
Extensions
タブを開く
「Install from URL」に
ADetailerのURLを入力
Installを
クリック
WebUIを
再起動
再起動後、生成画面（txt2img / img2img）の下部に「ADetailer」というアコーディオン（開閉式のパネル）が追加されていれば導入完了です。パネル内の「Enable ADetailer」にチェックを入れると機能が有効になります。
| 項目 | 内容 |
|---|---|
| 対応WebUI | AUTOMATIC1111 / Forge / reForge 系 |
| 導入方法 | Extensions タブ → Install from URL |
| 必要なモデル | face_yolov8n.pt（顔用）/ hand_yolov8n.pt（手用）等 |
| モデルの入手 | 初回有効化時に自動ダウンロードされる場合が多い |
| 対応する生成モード | txt2img（テキストから生成）/ img2img（画像から生成）両方 |
2-1. 検出モデルの選び方
ADetailerには、検出対象ごとに複数のモデルが用意されています。初めて使う場合は、以下の組み合わせから始めるのが分かりやすいです。
ADetailerを初めて有効化したタイミングでモデルの自動ダウンロードが走ります。回線環境によっては数分かかることがあるため、いきなり生成を始めず、モデルのダウンロードが完了してから作業を始めることをおすすめします。
なお、モデルのダウンロード先が社内ネットワークやプロキシ環境によってはブロックされることがあります。その場合は、モデルファイルを手動で該当フォルダに配置する方法も用意されていますが、非エンジニアの方が対応するにはやや専門的な作業になるため、社内にITに詳しい担当者がいる場合は事前に相談しておくとスムーズです。
03 BASIC USAGE ADetailerの基本的な使い方とパラメータ設定 初心者がまず押さえるべき5つの設定項目
ADetailerのパネルには数多くの設定項目がありますが、最初から全部を理解する必要はありません。まずは以下の5項目だけ押さえておけば、十分に効果を実感できます。
| 設定項目 | 役割 | 初心者向け推奨値 |
|---|---|---|
| Detection model | 何を検出するか（顔・手など）を選ぶ | face_yolov8n.pt |
| Detection confidence | 検出の厳しさ（低いほど多く検出） | 0.3〜0.5 |
| Mask blur | 修正部分の境界をどれだけぼかすか | 4前後 |
| Inpaint denoising strength | 検出部分をどれだけ描き直すか | 0.3〜0.4 |
| Inpaint only masked | 検出部分だけを高解像度化するか | オン（チェック） |
📚 用語解説
デノイジング強度（denoising strength）：AIが元の画像からどれだけ離れて描き直すかを決める数値（0〜1）。数値が低いほど元の顔立ちを保ったまま微修正され、高いほど大きく変化します。顔の修正では0.3〜0.4程度が破綻しにくい目安です。
3-1. Detection confidence（検出の厳しさ）の調整
Detection confidenceは、「これは顔（または手）である」とAIが判断する自信度のしきい値です。数値を下げるほど、AIは多少あいまいな箇所でも「顔・手らしきもの」として検出するようになります。逆に数値を上げると、はっきり写っている顔・手しか検出しなくなります。
複数人が写っている画像で、遠くにいる人物の顔が検出されない場合は、confidenceを少し下げてみるのが有効です。反対に、誤検出（顔でない部分を顔として修正してしまう）が起きる場合は、数値を上げて厳しめに設定します。
もう一つの目安として、複数人物が写る集合写真調の画像では、人によって顔の大きさや向きが異なるため、一律のconfidence設定だとうまく全員を検出できないケースがあります。その場合は、一度標準値（0.4程度）で生成してみて、検出漏れがあれば0.05刻みで下げながら再生成し、誤検出が増えすぎない範囲を探るのが実務的な進め方です。
3-2. Inpaint denoising strengthの調整と失敗パターン
Inpaint denoising strengthは最も失敗しやすい設定項目です。数値を高くしすぎると、元の顔と全く違う顔に描き直されてしまい、「本人の特徴が失われる」という結果になりがちです。
「顔が崩れているから思い切って直したい」と考えて0.6〜0.8まで上げると、確かに崩れは直りますが、元の構図で意図していた顔立ちと別人のような顔になることがあります。まずは0.3前後から試し、崩れが直りきらない場合に少しずつ上げていくのが安全です。
キャラクターの顔を固定したい場合は、denoising strengthを低め（0.25〜0.35）に設定しつつ、後述するLoRA（キャラクター再現用の追加学習モデル）と組み合わせるのが効果的です。
AI鬼管理山崎
📚 用語解説
LoRA（Low-Rank Adaptation）：Stable Diffusionに特定のキャラクターや画風を追加で学習させる軽量な追加モデル。ベースのモデルに上乗せする形で使い、「このキャラクターの顔で」といった指定の再現度を高められます。
04 EXPRESSION VARIATIONS 表情差分の作成とキャラクターの固定方法 Seed値固定＋ADetailerで同一人物のバリエーションを作る
広告バナーやLP、SNS投稿では、同じ人物（キャラクター）で複数の表情パターンが欲しい場面が多くあります。ここでADetailerと「Seed値の固定」を組み合わせるテクニックが役立ちます。
📚 用語解説
Seed値：画像生成の際にAIが使う乱数の初期値。同じプロンプト・同じSeed値で生成すると、基本的に同じ構図・同じ人物の画像が再現されます。Seed値を固定してプロンプトの一部（表情の指定）だけを変えることで、同一人物の表情違いを作れます。
具体的な手順は以下の流れになります。
気に入った画像の
Seed値を控える
同じSeed値で
表情の単語だけ変更
ADetailerで
顔だけ整合性チェック
複数表情の
差分が完成
4-1. プロンプトでの表情指定のコツ
表情の指定は、「smiling」「serious expression」「surprised」といった英単語をプロンプトに追加するのが基本です。ただし、表情の単語を変えると顔全体の構図がわずかに変化してしまうことがあるため、ADetailerで顔部分の整合性を保ちながら生成し直すのがポイントです。
4-2. LoRA・ControlNetとの組み合わせ
より高度な使い方として、ControlNetと組み合わせる方法もあります。ControlNetでポーズや構図を固定しつつ、ADetailerで顔の品質を担保することで、「ポーズ違い・表情違いのバリエーション量産」がかなり効率化できます。
📚 用語解説
ControlNet：画像生成時に、ポーズ・構図・線画などを「参照画像」として指定できる拡張機能。人物のポーズを固定したまま服装や背景だけを変える、といった細かいコントロールが可能になります。
この組み合わせは、特に「同じキャラクターで表情・ポーズ違いを何十パターンも用意したい」という量産系の用途で真価を発揮します。手作業で1枚ずつ描き分ける場合と比べて、圧倒的に短い時間で候補を並べられるため、後から人の目で「一番良いもの」を選ぶという運用に切り替えられるのが大きな利点です。
AI鬼管理山崎
05 TROUBLESHOOTING ADetailerのトラブルシューティングと対処法 よくあるエラー・不具合とその原因・対処
ADetailerを使い始めると、いくつか典型的なつまずきポイントがあります。ここではよくある症状と、その原因・対処法を整理します。
| 症状 | 主な原因 | 対処法 |
|---|---|---|
| 顔が検出されない | confidenceが高すぎる／顔が小さすぎる | confidenceを下げる、元画像の顔の解像度を上げる |
| 修正後に別人になる | denoising strengthが高すぎる | 0.3前後まで下げて再生成 |
| 手の指の本数がまだおかしい | hand_yolov8n.ptが未使用 | 手検出用モデルを別タブで追加 |
| 処理が非常に重い・時間がかかる | VRAM不足、複数モデル同時使用 | 検出モデルを絞る、解像度を下げて試す |
| 修正部分の境界に違和感がある | Mask blurが低すぎる | Mask blurを4〜8程度に調整 |
| 同じ設定なのに結果が毎回変わる | Seed値が固定されていない | Seed値を固定してから再生成 |
| エラーで生成が止まる | 拡張機能のバージョン不整合 | WebUI本体・拡張機能を最新版に更新 |
| 複数人物の一部しか直らない | 検出範囲の設定漏れ | Detection modelのタブを人数分追加 |
ADetailerは通常の生成に加えて「検出＋部分再生成」を行うため、GPUのメモリ（VRAM）消費が増えます。エラーが出る場合は、生成画像の解像度を下げる、同時に有効化する検出モデルの数を減らすなどして負荷を調整してください。
特にVRAM不足によるエラーは、検出モデルを複数同時に有効化している場合に起きやすい症状です。顔用・手用・人物用のモデルを一気に全部オンにするのではなく、まずは顔用モデル1つだけで様子を見て、必要に応じて手用モデルを追加する、という段階的な運用にすると原因の切り分けもしやすくなります。
5-1. 「直らない」ときに確認すべき3つのチェックポイント
どうしても自動修正で満足のいく結果にならない場合は、ADetailerで大まかに整えた上で、手動インペイントで最終調整をかける「ハイブリッド運用」が確実です。全自動にこだわりすぎず、最後の仕上げは人の目で確認する工程を残すのが実務では安全です。
代表菅澤
06 GENAI CASE STUDY 【独自】広告・LP制作の現場でAI画像生成をどう使っているか 弊社GENAIが広告クリエイティブでAI画像を活用する実務目線
ここからは少し視点を変えて、弊社（株式会社GENAI）が実際に広告バナーやLP（ランディングページ）の画像制作でAI画像生成をどう使っているかをお伝えします。ADetailerのような「細部を整える技術」が、実務でどう活きるかの参考にしてください。
6-1. 広告クリエイティブにAI画像生成を使う理由
広告運用では、訴求パターンごとに複数のクリエイティブを用意してA/Bテストすることが成果に直結します。写真撮影やイラスト外注では1パターンあたりのコスト・納期が重くのしかかりますが、AI画像生成であれば同じ構図で訴求文言や配色違いのパターンを短時間で量産できます。
| 制作方法 | 1パターンあたりの目安コスト | 納期 | バリエーション展開 |
|---|---|---|---|
| プロカメラマン撮影 | 数万円〜数十万円 | 数日〜数週間 | 追加撮影が必要で高コスト |
| イラスト外注 | 数千円〜数万円 | 数日〜1週間 | 修正のたびに依頼が必要 |
| AI画像生成（社内運用） | 実質ほぼ電気代のみ | 数分〜数十分 | プロンプト変更で即バリエーション |
もちろん、AI画像生成には「顔や手が崩れる」「著作権・肖像権に配慮した運用が必要」といった注意点もあります。弊社では人物が主題の写真は極力使わず、イラスト調・抽象的なビジュアルを中心に据えるという方針で運用し、崩れが目立ちやすい人物カットが必要な場面ではADetailerのような修正技術を組み合わせています。
代表菅澤
また、生成した画像をそのまま使うのではなく、実際に配信してみて反応を見てから微調整するというサイクルを回す前提で運用しています。ADetailerで顔や手を整えることは「土台の品質を担保する工程」であり、そこから先の訴求文言・配色・配置のテストの方が、成果への影響としてはむしろ大きいというのが弊社の実感です。
6-2. 画像生成の「細部調整」と業務全体の「自動化」は別レイヤーの話
ここで一つ強調しておきたいのは、ADetailerが解決するのはあくまで「画像1枚のクオリティ」という局所的な問題だという点です。実際の業務では、画像を作ること自体よりも、「どの訴求パターンを、いつ、どの媒体に出すか」「効果測定してどう改善するか」という周辺の意思決定・運用フロー全体の方が工数を占めることが多いのが実情です。
弊社では、画像生成のような個別ツールの使いこなしに加えて、広告レポートの自動集計・訴求パターンの効果比較・改善提案のドラフト作成といった一連の業務フローをClaude CodeのようなAIエージェントに任せることで、「画像を作る作業」だけでなく「画像を活かして成果を出すまでの運用」全体を効率化しています。
📚 用語解説
AIエージェント：与えられた目的に対して、人間が都度細かく指示しなくても、自分で計画を立てて複数の作業ステップを実行するAI。Claude Codeはその代表例で、レポート集計・文書作成・データ整理といった一連の業務を、指示を出すだけで自律的にこなします。
ADetailerのような個別ツールの使い方を覚えることも大事ですが、その先にある「なぜその画像が必要なのか」「その後の運用をどう回すか」まで含めて設計することで、AI活用の効果は何倍にも広がります。
07 OVERCOMING BARRIERS 【独自】非エンジニアがAIツールを使いこなす3つの壁 ADetailerに限らず、AIツール全般に共通するつまずきポイント
「ADetailerの使い方は分かったけど、そもそもStableDiffusionWebUIの導入や設定が難しそう」と感じた方も多いのではないでしょうか。ここでは、非エンジニアの経営者・担当者がAIツール全般を使いこなすまでに越える3つの壁を整理します。
7-1. 【壁1】環境構築の複雑さ → 目的を絞って最小構成から始める
StableDiffusionWebUIのような画像生成環境は、拡張機能・モデル・パラメータの組み合わせが非常に多く、最初から全部を理解しようとすると挫折しやすいツールです。まずは「顔・手を直したい」という1つの目的に絞って、ADetailerだけを導入するところから始めるのが現実的です。
7-2. 【壁2】専門用語の多さ → 都度AIに聞きながら進める
YOLO、denoising strength、LoRA、ControlNet……画像生成AIの世界は専門用語が非常に多く、初見ではハードルが高く感じられます。分からない用語が出てきたら、Claudeなどのチャット型AIに「denoising strengthって何？」と聞きながら進めるだけでも、理解のスピードは大きく変わります。
YOLOやdenoising strengthといった用語の定義を完璧に暗記する必要はありません。実際に数値を変えて生成し、結果の違いを目で確認する方が、圧倒的に理解が早く定着します。まずは推奨値のまま1回生成し、そこから1項目ずつ動かして変化を観察するのが最短ルートです。
7-3. 【壁3】用途が見えない → 「何のために画像を作るか」から逆算する
3つ目の壁は、ツールの使い方は分かっても「結局何に使えばいいのか」が見えにくいという問題です。ここで重要なのは、画像生成そのものを目的化せず、「広告バナーのA/Bテスト用に3パターン作る」「LPのFVを差し替える」といった具体的な業務目的から逆算することです。
例：広告バナー
3パターン欲しい
ADetailerだけ
導入して生成
使えるか
判断する
定常的な
制作フローへ
代表菅澤
08 CONCLUSION まとめ ── 細部の作り込みと業務全体の効率化はセットで考える ADetailerで画像の質を、AIエージェントで運用全体を
この記事では、StableDiffusionWebUIの拡張機能ADetailerについて、仕組み・インストール・基本設定・表情差分の作り方・トラブルシューティングまでを解説し、あわせて弊社GENAIの広告・LP制作における実務活用の考え方をお伝えしました。最後にポイントを振り返ります。
最後に一番伝えたいことをお話しします。ADetailerのような個別ツールを使いこなすスキルはもちろん役立ちますが、それだけで業務全体の生産性が劇的に上がるわけではありません。画像を作った後の「どう使うか」「効果をどう測るか」「次にどう改善するか」という運用フロー全体を効率化して初めて、AI活用の効果が最大化されます。
弊社では、こうした個別ツールの活用ノウハウと業務フロー全体の自動化設計の両方を、AI鬼管理というサービスを通じてご支援しています。「AI画像生成は使い始めたが、その先の運用まで手が回らない」という方は、ぜひ一度ご相談ください。
AI鬼管理山崎
AI画像生成を含めた業務効率化の設計を、AI鬼管理が一緒に考えます
画像1枚の作り込みだけでなく、その先の運用・効果検証まで含めて、
どこにAIを組み込めば一番効くのかを一緒に整理します。
代表菅澤
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
よくある質問
Q. ADetailerは無料で使えますか？
A. はい、ADetailerはStableDiffusionWebUIの拡張機能として無料で公開されており、誰でも導入できます。追加のライセンス費用は発生しません。ただし、生成環境（PCのGPU性能やクラウドGPUの利用料）は別途必要です。
Q. ADetailerを入れると生成速度はどれくらい遅くなりますか？
A. 通常の生成に加えて「検出＋部分再生成」の工程が加わるため、有効化した検出モデルの数に比例して処理時間が延びます。目安として、顔検出1つを有効化した場合で通常生成の1.2〜1.5倍程度の時間がかかることが多いです。
Q. 手の修正がうまくいかない場合はどうすればいいですか？
A. hand_yolov8n.ptなど手専用の検出モデルを別タブで追加しているか確認してください。それでも改善しない場合は、denoising strengthを0.35前後に上げつつ、Mask blurも調整して境界の自然さを確認するのが有効です。
Q. ADetailerと手動インペイントはどちらを使うべきですか？
A. 大量生成や定型的な修正にはADetailerによる自動化が効率的です。一方で、特定の1枚だけ細かく仕上げたい場合は、ADetailerで大まかに整えた後に手動インペイントで最終調整する「ハイブリッド運用」が確実です。
Q. 商用利用（広告・LPなど）にAI生成画像を使っても問題ありませんか？
A. 使用するモデルのライセンス条件によって異なるため、事前確認が必須です。加えて、実在の人物に酷似した画像や著作権物に酷似した画像は避けるなど、肖像権・著作権への配慮も必要です。弊社ではイラスト調・抽象的なビジュアルを中心に運用し、リスクを避ける方針を取っています。
Q. Forge版でもADetailerは使えますか？
A. 使えます。ADetailerはAUTOMATIC1111版だけでなく、Forge版やreForge版といった派生WebUIでも動作するよう対応が進められており、基本的な導入手順・設定項目は共通しています。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
AI鬼管理／AI社員AIKATAへのお問い合わせ
この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
