Canva、自社初の画像生成モデルCraftを公開　構図を計画してから描く2段階方式でDream LabとAPIに展開

従来の画像生成モデルがプロンプトから直接ピクセルを作るのに対し、Craftは最初に画像計画モデルが指示を読み取り、どの要素をどこに置くか、空間的な関係、相対的な大きさ、視覚的な順序、画像内に入れる文字を計画として書き出す。描画はその次で、専用のモデルが計画に沿った高精細な画像を、最大2K解像度・30種類超のアスペクト比で作ります。構図と文字を描画前に明示的に扱うため、複雑なレイアウトでも文字が読める状態を保ちやすく、要素ごとの部分的な修正も容易です。この出力は、生成画像を編集可能なデザイン要素に変えるCanvaのMagic Layersと組み合わせやすい構造です。

提供形態は3つあります。1つ目はCanva本体のDream Labで、全ユーザーが利用できます。2つ目は公開APIで、`POST /v1/image-generations`にモデルID「craft_v1_2k」を指定してジョブを作り、完了を待って画像を受け取る非同期の流れです。開発者コミュニティの公式告知によれば、構図を計画してから描くため処理には目安として50〜60秒かかり、既存のモデルより時間がかかります。起票時にユーザーのAIクレジットを消費し、APIはプレビュー段階で破壊的な変更があり得ると明記されています。3つ目のCanva MCP Server経由の利用は「Coming Soon」で、公開時点では使えません。

訓練データと評価には、デザイン向けの工夫が示されています。Craftは写真中心の汎用モデルと違い、Canvaのコンテンツライブラリーにある数百万件の人間制作テンプレート（ポスター、ソーシャル投稿、プレゼン、インフォグラフィック、文字の多いレイアウト）を学習に含めました。事前学習後は教師ありファインチューニングと強化学習で調整し、社内の評価では専門デザイナーが研究者とともに2万5,000組超の画像を主要モデルと対比して評価したと説明しています。DesignArenaの画像生成部門では、公開時点で総合4位に登場し、People & Portraits（87モデル中）とLandscapes & Nature（85モデル中）で1位、Abstract & Patternsで2位、Productsで4位でした。順位はクラウドソーシング型の審査で、公開時点の値として変動します。ニュースルーム記事が「世界で2番目に高度な画像生成のAIラボ」とする表現は、このランキングに基づく同社の主張です。

背景として、Canva Researchは160人超のAI研究者とエンジニアを擁する社内組織で、AI部門全体は400人です。2021年のKaleido買収、2024年のLeonardo買収を経て研究体制を整え、今回が同組織がゼロから基盤モデルを作って公開した初の事例になります。デザインプラットフォームが自社の基盤モデルを持つ意味は、推論の費用と速度、品質の調整を製品側で行える点にあります。会社は蒸留で推論ステップを減らし、計画段階向けの専用推論エンジンで初版より1桁速くしたと説明しますが、費用や利益率の実数値は公表していません。高速版のCraft-fastとCraft-ultrafastは今後の提供で、リリース時期は未定です。