定義
Textual Inversionとは、画像生成AIに新しい概念・スタイル・人物を数枚の参照画像から学習させ、テキストトークンとして埋め込む技術のこと。
Textual Inversion (テキスト反転)とは（詳しく解説）
Textual Inversionは2022年にWeizmannらが発表した手法で、Stable Diffusionなどの拡散モデルに対し、3〜5枚程度の参照画像から特定の概念を新たなテキストトークン（例：「<my-style>」）として埋め込む。モデル本体の重みは変更せず、埋め込みベクトルのみを最適化するため、LoRAやDreamBoothと比べてファイルサイズが極めて小さい（数KB）のが特徴。 2026年の実運用では、概念の再現精度がLoRAより劣るケースが多く、現場では「スタイル参照はTextual Inversion、顔・キャラクター再現はLoRA」という使い分けが定着している。学習コストはGPU1枚で30〜60分程度と低く、Stability AIのAPIやローカル環境のComfyUIで手軽に試せる点は今も有効。ただし、生成モデルのアーキテクチャが変わるたびに再学習が必要で、SDXL→SD3系への移行で既存の埋め込みが流用できない問題が相場感として認知されている。AI PICKSの観点では、ブランドロゴや特定イラストタッチの再現を低コストで試したい場合の入門手法として位置づけ、精度を求めるならLoRAへの移行を推奨する。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Textual Inversion (テキスト反転)とは」 https://aipicks.jp/glossary/textual-inversion
Textual Inversion (テキスト反転)の使用例
- 参照画像5枚から「<watercolor-style>」トークンを学習し、「a cat in <watercolor-style>」で特定水彩タッチの猫画像を生成するケース。
- 自社キャラクターのイラストタッチを<brand-mascot>として埋め込み、SNS投稿用バリエーション画像を量産する実運用例。
