【2026年7月最新】CFG Scaleとは？数値ごとの違いとおすすめ設定を徹底解説｜画像生成AIの業務活用まで
aikanri-admin
この記事の内容
「CFG Scaleを変えたら画像の雰囲気が大きく変わった。でも何を調整しているのかよくわからない」——Stable Diffusionを使い始めた多くの人が、CFG Scaleというパラメーターに悩みます。
CFG Scaleは、画像生成AIが「プロンプト（指示文）にどれだけ忠実に画像を生成するか」を制御する最重要パラメーターです。数値が低すぎると指示を無視した独創的すぎる画像になり、高すぎると不自然・破綻した画像になります。適切な数値帯を知っているかどうかで、生成品質に天と地の差が出ます。
この記事では、CFG Scaleの仕組みから数値1〜30の具体的な変化、用途別の推奨設定、他パラメーターとの組み合わせ方まで徹底解説します。さらに後半では、画像生成AIを業務で使うときのClaude Codeとの役割分担も整理します。
代表菅澤
AI鬼管理山崎
01 WHAT IS CFG SCALE CFG Scaleとは何か——仕組みを3行で理解する プロンプトと画像の「服従度」を制御するパラメーターの本質
CFG Scaleを一言で表すなら「プロンプトへの服従度」です。Stable Diffusionは、テキストプロンプトを手がかりに画像を生成しますが、そのプロンプトをどれだけ厳密に守るかを数値でコントロールするのがCFG Scaleです。
📚 用語解説
CFG Scale（Classifier Free Guidance Scale）：Stable Diffusionなどの拡散モデルで画像生成の品質と多様性のバランスを制御するパラメーター。「プロンプトへの忠実度」と表現されることが多い。数値が低いほど創造的・多様・プロンプト無視になり、高いほどプロンプトへの服従度が高まるが過度に高くすると破綻する。一般的な設定範囲は5〜15。
1-1. CFG Scaleが制御する「2つの力」のバランス
Stable Diffusionの内部では、画像を生成するとき2つの力が働いています。
| 力 | 内容 | CFG Scaleとの関係 |
|---|---|---|
| プロンプト誘導力 | テキストの指示に引き寄せられる力 | CFG Scaleが高いほど強まる |
| 拡散ランダム力 | ノイズからランダムに多様な画像を生成する力 | CFG Scaleが低いほど強まる |
CFG Scaleはこの2つの力のバランサーです。数値を0に近づけると「プロンプトを完全無視したランダム生成」、数値を30以上にすると「プロンプトに過剰服従して色飛び・破綻」が起きます。この2つの極の間で最適なポイントを探るのがCFG Scale設定の本質です。
📚 用語解説
拡散モデル（Diffusion Model）：画像生成AIの一種。「ランダムノイズ（ざらざらしたランダム画像）から少しずつノイズを取り除いていく」プロセスで画像を生成する。Stable Diffusion・Midjourney・DALL-E 3などが採用。プロンプトはノイズ除去の方向性を誘導するガイドとして機能する。
1-2. CFG ScaleとGuidance ScaleとCFGの関係
呼称の混乱について整理しておきます。「CFG Scale」「Guidance Scale」「CFG」は基本的に同じものを指します。UIによって表記が異なりますが、意味は同じです。
ツールによって名前が変わりますが、全て同じ「プロンプト忠実度」を制御するパラメーターです。AUTOMATIC1111で設定した経験があれば、ComfyUIでも同じ感覚で使えます。
1-3. CFG Scaleが画像品質に与える影響のメカニズム
CFG Scaleが高いと、AIは「プロンプトで指定した要素を全て画像に詰め込もうとする」傾向が強まります。その結果：
CFG Scaleが低いと、AIは「プロンプトに縛られず自由に発想する」モードになります：
代表菅澤
02 VALUE GUIDE CFG Scale数値1〜30の画像変化と使い分け 数値帯ごとの特徴を整理し、失敗しない範囲を把握する
CFG Scaleの数値帯を5段階に分けて解説します。各帯での画像の特徴と、どんな目的に向いているかを整理します。
2-1. CFG Scale 1〜4（超低値）：ランダム生成ゾーン
CFG Scale 1〜4は、プロンプトをほぼ無視して画像が生成されます。「何が出るかわからない実験的な領域」です。特定のスタイルや構図を求める用途には向いていません。
| CFG Scale値 | 画像の特徴 | 向いている用途 |
|---|---|---|
| 1〜2 | プロンプト完全無視に近い。ランダムな抽象画像 | 実験・アート探索 |
| 3〜4 | 僅かにプロンプトの色調・雰囲気が反映される | テクスチャ素材・背景パターン生成 |
プロンプトに「人物の肖像写真」と書いても、人間らしい画像が生成される保証がありません。この数値帯はプロンプト制御よりランダム探索に使うものと考えてください。
2-2. CFG Scale 5〜9（低〜中値）：バランスゾーン
CFG Scale 5〜9は、多くのユーザーが「とりあえずここから試す」推奨ゾーンです。プロンプトの主要要素が反映されつつ、自然な色調と多様性が保たれます。
| CFG Scale値 | 画像の特徴 | 向いている用途 |
|---|---|---|
| 5〜6 | 自然な色調。プロンプトの雰囲気が反映。細部は曖昧なことも | 風景画・テクスチャ・抽象的表現 |
| 7〜8 | バランスが最も良い帯。プロンプト忠実度と自然さが両立 | 人物・製品・コンセプトアート全般 |
| 9 | 少し制御が強まる。構図がプロンプトに沿いやすい | キャラクター・製品イメージ |
AUTOMATIC1111のデフォルトがCFG Scale 7なのは偶然ではありません。多くのモデル・スタイルで「平均的に最も使いやすい数値」として実験的に検証された結果です。何も考えたくなければ7から始めましょう。
AI鬼管理山崎
2-3. CFG Scale 10〜15（中〜高値）：制御強化ゾーン
CFG Scale 10〜15は、プロンプトへの服従度が高まる帯です。「プロンプトで指定した色・要素を確実に出したい」ときに使います。ただしこの帯から色彩が強くなり始めるので、モデルとの相性確認が必要です。
| CFG Scale値 | 画像の特徴 | 向いている用途 |
|---|---|---|
| 10〜12 | プロンプトの色・構図が明確に出る。少し鮮明感が増す | 特定色指定・建築ビジュアル・製品写真 |
| 13〜15 | プロンプト忠実度が高い。彩度が強まる傾向 | イラスト・漫画風・アニメスタイル |
アニメスタイル・イラスト系のモデル（NovelAI系、counterfeit等）は、CFG Scale 10〜12が特に相性が良いとされています。リアル系モデルでは10を超えると不自然感が出やすいため注意が必要です。
2-4. CFG Scale 16〜20（高値）：過制御ゾーン
CFG Scale 16〜20は、ほとんどのケースで使いにくい帯です。色が飽和しすぎ、コントラストが強すぎて「漫画のコマ」のような平坦な画像になりがちです。特定のアート表現での意図的な使用を除き、推奨しません。
| CFG Scale値 | 画像の特徴 | 使用シーン |
|---|---|---|
| 16〜18 | 色飽和・強コントラスト。顔の細部が崩れやすい | ポスター風・サイバーパンク・意図的強調 |
| 19〜20 | アーティファクト（不自然なノイズ）が出始める | 特定の実験的表現のみ |
2-5. CFG Scale 21以上（超高値）：破綻ゾーン
CFG Scale 21以上は「技術的に動くが実用的でない」ゾーンです。色が完全に破綻し、ノイズが多発し、人物の顔・手・体が変形します。
CFG Scale 20を超えると、ほとんどのモデルで意図した画像が生成できなくなります。「高い方が良い画像になる」という誤解を持たないでください。CFG Scaleは高すぎても低すぎてもダメなパラメーターです。
📚 用語解説
アーティファクト：画像生成AIが不自然に高い制御を受けた場合などに出現する、ノイズ・変形・ぼかし・変色などの視覚的な歪みの総称。CFG Scaleが高すぎる・ステップ数が少なすぎる・解像度が低すぎるときに発生しやすい。
03 RECOMMENDED SETTINGS 用途別おすすめCFG Scale設定値 リアル・アニメ・コンセプトアートそれぞれの最適値
CFG Scaleの最適値は、使用するモデルと制作したい画像スタイルによって大きく変わります。以下は実践的な推奨設定の早見表です。
| スタイル・用途 | 推奨CFG Scale | モデル例 | 備考 |
|---|---|---|---|
| 写真・リアル系人物 | 5〜8 | Realistic Vision, epiCPhotogeasm | 7が最も安定 |
| 風景・自然写真 | 5〜9 | Deliberate, Dreamlike Photo | 8〜9で彩度が出る |
| アニメ・キャラクター | 9〜12 | NovelAI, Anything V5 | 11前後が標準 |
| イラスト・デジタルアート | 8〜12 | Counterfeit, DreamShaper | モデルで変動大 |
| コンセプトアート・ファンタジー | 7〜11 | Protogen, Deliberate | 細部重視なら11+ |
| ロゴ・製品イメージ | 10〜14 | OpenJourney, stable-diffusion-xl | 高めの方が安定 |
| テクスチャ・背景 | 3〜7 | 汎用 | 多様性が欲しい場合は低め |
3-1. リアル系写真スタイルの設定例
リアル系写真を目指す場合、CFG Scaleを高くしすぎると最も品質が落ちます。特に肌の質感・髪のなびき・目の自然さは、CFG Scale 8を超えると急速に不自然になりやすいです。
（ソフト・自然）
（推奨ゾーン）
（少し強め）
（注意が必要）
最初のセッションではCFG Scale 7でベースを作り、満足度に応じて±1〜2調整するのが最も効率的なアプローチです。一度に大きく変えず、小さなステップで変化を追ってください。
3-2. アニメ・イラスト系の設定例
アニメ・イラスト系モデルは、リアル系よりCFG Scaleへの耐性が高い傾向があります。CFG Scale 9〜12が安定帯で、モデルによっては14〜15でもクオリティを維持します。高いCFG Scaleが「線の鮮明さ・色の明瞭さ」を高めるため、意図的に上げるケースも多いです。
黒髪・目の輪郭・線画の鮮明さが欲しい場合、CFG Scale 10〜12に上げると効果的です。ただし背景・肌色が過剰に強調される副作用があるので、ネガティブプロンプトとのバランスも同時に調整しましょう。
代表菅澤
3-3. 商用利用・ビジネス向け設定の考え方
ビジネス用途（マーケティング素材・製品イメージ・LP用バナー）で画像生成AIを使う場合、CFG Scaleより先に考えるべきことがあります。
Stable Diffusionで生成した画像は、モデルの学習データに含まれる著作物と類似した画像が生成されるリスクがあります。商用利用する場合は、クリエイティブ・コモンズや商用ライセンス対応モデルを使用し、弁護士への確認も推奨します。
04 PARAMETER COMBO CFG Scaleと他パラメーターの組み合わせ Steps数・Sampler・解像度との関係を整理する
CFG Scaleは単独で調整するのではなく、他のパラメーターとセットで理解する必要があります。特にSteps数（サンプリングステップ）との関係は重要です。
4-1. CFG ScaleとSteps数の関係
📚 用語解説
Steps数（サンプリングステップ数）：画像生成AIがノイズから画像を生成する際の処理回数。多いほど細部が精細になるが生成時間も増える。Stable Diffusionでは一般的に20〜50ステップが標準。少なすぎると粗い画像、多すぎると変化がなくなる。
CFG ScaleとSteps数には相乗関係があります。Steps数が少ない（10以下）ときにCFG Scaleを高くすると、処理が収束しきれずに破綻しやすくなります。逆に、Steps数を多めに（40〜50）確保するとCFG Scaleの高値域での安定性が増します。
| 組み合わせ | 結果 | 推奨か |
|---|---|---|
| Steps 10 + CFG 12 | 高確率で破綻・ノイズ多発 | 非推奨 |
| Steps 20 + CFG 7 | 安定。コスパが良い標準設定 | 推奨 |
| Steps 30 + CFG 10 | 細部が精細。色が鮮明 | 良い組み合わせ |
| Steps 50 + CFG 14 | 高品質だが生成が遅い。アニメ向き | こだわり向け |
4-2. SamplerとCFG Scaleの相性
📚 用語解説
Sampler（サンプラー）：ノイズを除去して画像を生成するアルゴリズムの種類。DPM++・Euler・DDIMなどがある。Samplerによって「CFG Scaleの効き具合」が変わる。DPM++ 2M Karrasが現在最も汎用的で人気が高い。
Samplerによって、同じCFG Scaleでも結果が大きく変わります。特にEulerベース系はCFG Scaleへの感度が高く、CFG Scale 8でもDPM++系より強い制御感が出ます。DPM++系は比較的CFG Scaleへの感度が低く安定しています。
Samplerの選択に迷ったら「DPM++ 2M Karras」から始めましょう。このSamplerはCFG Scale感度が穏やかで、Steps 20〜30と組み合わせるとほとんどの用途で安定した結果が得られます。
4-3. 解像度とCFG Scaleの関係
解像度が高いほど、CFG Scaleの影響が詳細部分に出やすくなります。512×512で問題なかったCFG Scale設定も、1024×1024に上げると色飽和・顔崩れが顕著になるケースがあります。解像度を上げるときは、CFG Scaleも1〜2下げる調整を意識しましょう。
CFG Scale 7-8
CFG Scale 6-7
CFG Scale 5-7
CFG Scale 5-6
AI鬼管理山崎
05 TROUBLESHOOTING CFG Scaleがうまく機能しないときの対処法 よくある失敗パターンと、解決へのアプローチ
CFG Scaleを調整してもうまくいかないときのトラブルシューティングを整理します。
5-1. プロンプト通りの画像が出ない
「CFG Scaleを上げてもプロンプトの内容が反映されない」場合の原因は主に3つです。
5-2. 色が飽和・変色する
色が鮮やかすぎる・変な色になる場合、CFG Scaleが高すぎることがほとんどです。CFG Scale 7〜8に下げてみてください。それでも変色が続く場合は、ネガティブプロンプトに「oversaturated, bad colors, unnatural」を追加します。
5-3. 顔・手が崩れる
顔や手の崩れはStable Diffusionの共通課題ですが、CFG Scaleを下げることで改善できるケースがあります。加えて以下の対処が有効です：
5-4. 毎回バラバラな画像が出る（再現性がない）
同じプロンプト・CFG Scaleでも毎回違う画像が出る場合、Seed（シード値）を固定することで再現性を確保できます。
📚 用語解説
Seed（シード値）：画像生成AIがランダム性を制御するための初期値。同じSeed・同じプロンプト・同じパラメーターを使えば、同じ画像が再現される。-1に設定するとランダムシードが使われ毎回異なる画像が生成される。気に入った画像のSeedを保存しておくと、その画像をベースに微調整できる。
気に入ったベース画像が出たときはSeedを記録し、そのSeedでCFG Scaleやプロンプトを微調整する「バリエーション作成」の手法が効率的です。
代表菅澤
06 BUSINESS COMPARISON 【比較】画像生成AIをビジネスで使うなら——Claude Codeとの役割分担 用途によって使い分ける、AIツールの正しい選択基準
ここからはビジネス視点で、画像生成AI（Stable Diffusion）とテキストAI（Claude Code）の役割分担を整理します。この2つは競合するツールではなく、使う場面が全く異なる補完関係にあります。
6-1. 画像生成AIが向いているタスク
6-2. Claude Codeが向いているタスク
6-3. 2つを組み合わせた業務フローの例
最も効果的なのは、この2つを組み合わせることです。例えばマーケティング素材制作のフローをAI化すると：
コピーライティング
バナービジュアル素材
配置・指示書作成
・微調整
「テキストと数値を扱う作業はClaude Code」「ビジュアルを生成する作業は画像生成AI」——この役割分担が明確になれば、マーケティング・広告制作の工数を劇的に削減できます。
6-4. コスト比較：Stable Diffusion vs Claude Code
| 比較軸 | Stable Diffusion（ローカル実行） | Claude Code（Max 20xプラン） |
|---|---|---|
| 初期費用 | GPU代（8〜20万円+） | なし |
| 月額費用 | 電気代のみ（数千円） | 約30,000円 |
| 学習コスト | 高い（パラメーター知識が必要） | 低い（チャットで指示するだけ） |
| 用途の幅 | 画像生成特化 | 文書・コード・データ全般 |
| ビジネス効果 | 素材費用削減（デザイナー代替の一部） | 人件費相当の工数削減（月150h以上） |
| 非エンジニア向け | 敷居が高い | 誰でも使える |
弊社GENAIでは、Claude Code（月約30,000円）を中心に全社業務を自動化した結果、月150時間以上の工数削減（時給換算で150〜200万円相当）を実現しています。Stable Diffusionは広告バナーの素材生成に使いますが、業務全体への貢献でいえばClaude Codeの方が圧倒的に業務生産性向上に直結しています。
AI鬼管理山崎
07 SUMMARY まとめ CFG Scale設定の結論と、業務AI活用の最短ルート
この記事で解説したCFG Scaleの要点を整理します。
CFG Scaleは「魔法の数値」ではなく、プロンプトと画像の間の「服従度ダイヤル」です。モデル・Sampler・Steps数との組み合わせで最適値が変わるため、試行錯誤を繰り返しながら自分の用途に合った数値帯を見つけることが重要です。
また、ビジネス用途でAIツールを選ぶ際は、「画像生成AI」と「テキスト系AIエージェント（Claude Code）」は役割が全く異なることを理解しておきましょう。日常の業務効率化・コスト削減にはClaude Codeが圧倒的に効果的で、画像生成AIはビジュアル素材制作に特化した補助ツールです。
cc-cfg-scaleNEXT 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？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. CFG Scaleのデフォルト値はなぜ7なのですか？
A. CFG Scale 7は、Stable Diffusionの多くのモデルで「プロンプト忠実度と画像の自然さのバランスが最も良い数値」として実験的に確認されている値です。AUTOMATIC1111をはじめ多くのUIがデフォルトを7に設定しているのはこのためです。特に理由がなければ7から始めて、結果を見ながら微調整するアプローチが最も効率的です。
Q. CFG Scaleを変えても画像がほとんど変わりません。なぜですか？
A. モデルによってCFG Scaleへの感度が大きく異なります。一部のモデルは広い数値帯で安定した出力を出すため、変化が小さく感じられます。また、Steps数が少ない（10以下）場合もCFG Scaleの影響が出にくいです。Steps数を20〜30に設定してから試してみてください。
Q. アニメ画像を生成するのに最適なCFG Scaleはいくつですか？
A. アニメ・イラスト系モデルでは、CFG Scale 9〜12が安定帯です。特に「NovelAI派生モデル」や「Anything V5」では10〜12前後が最も細部が鮮明になる傾向があります。ただしモデルによって大きく変わるため、7から始めて1ずつ上げながら比較するのが確実です。
Q. CFG Scaleを高くしたら顔が崩れました。どう直せばいいですか？
A. CFG Scale 7〜8に下げることで多くのケースで改善します。それでも崩れが続く場合は、ネガティブプロンプトに「deformed face, bad anatomy, mutated」を追加し、AUTOMATIC1111の拡張機能「ADetailer」（顔の自動修正）を導入することをおすすめします。
Q. 画像生成AIとClaude Codeはどちらをビジネスに導入すべきですか？
A. 業務効率化を優先するなら Claude Code を先に導入することをおすすめします。月約30,000円で文書作成・データ分析・メール対応・コード生成など幅広い業務を自動化できます。画像生成AIは「ビジュアル素材の制作コスト削減」に特化しているため、デザイン費用が課題の企業には有効ですが、学習コストが高くビジネス全般の効率化には不向きです。
Q. Stable DiffusionのCFG ScaleはMidjourneyにも同じ概念がありますか？
A. Midjourneyには「--stylize」パラメーターが近い概念です。--stylize の値が高いほどMidjourneyが独自の審美的判断を強く適用し、低いほどプロンプトに忠実になります。ただし挙動はStable DiffusionのCFG Scaleとは異なり、直接的な互換性はありません。MidjourneyにはCFG Scaleに相当する直接的なパラメーターは存在しません。
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
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化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
