リリース発行企業:Metanomaly株式会社
AI二次元創作プラットフォーム「PixAI」を運営するMetanomaly株式会社(本社:東京都渋谷区、代表取締役:レイブン・ガオ)は、2026年9月16日にイラスト・マンガ制作・動画生成まで、全てができるアニメ調オールインワンAI創作モデル「Tsubaki.3」をリリースしました。
あわせて、モデルの開発プロセスをまとめた技術レポートを公開し、アニメ画像向けのタグ付けモデル「Tagger」をHugging Face上でオープンソースとして公開しています。
「Tsubaki.3」は「描く→物語にする→動かす」をひとつのモデルでつくり上げることをコンセプトにしています。イラストを生成するだけではなく、キャラクター設定や線画、マンガページ、動画までを同じキャラクター・画風の理解のもとで展開し、創作の「結果」だけでなく「過程」にも入り込めることを目指しています。
また、PixAIは2026年10月に4周年を迎えます。これを記念し、2026年9月17日(木)から10月20日(火)まで4周年キャンペーンを実施しています。
・「Tsubaki.3」無料使用カード:ログインするだけで受け取れます
・「無限モード」:プレミアム会員は、期間中「Tsubaki.3」をクレジット消費なしでご利用いただけます(テキストから生成する場合が対象)
・「年間プラン」50%OFF
そのほか、限定ガチャや、ユーザーの作品成長比較などもイベントページより展開しております。
▼ 4周年イベントページ
https://pixai.art/ja/event/4th-anniversary
https://www.youtube.com/watch?v=Xaffnl56C5U
Tsubaki.3を使ってみる
■ Tsubaki.3の主な特徴
1枚の参考画像から、同じキャラクターを広げていける
参考画像をもとに、表情差分、多角度、衣装違い、年齢差分などへ展開。追加学習を前提とせず、顔立ちや体型などのキャラクター性を保ちながら複数のビジュアルを作りやすくします。同じキャラクターを繰り返し描くオリジナルキャラクター・IP制作や、設定資料づくりに適した機能です。

線画から完成まで、制作工程そのものを生成・編集
線画→グレースケール→色置き→完成といった工程を段階的に扱えるほか、三面図、ポーズ参考、透視ラフなどの制作素材も生成可能。さらに自然言語による編集に対応し、髪色、手のポーズ、持ち物、画面内文字など、変更したい箇所を言葉で指定しながら調整できます。
コマ割り・吹き出し・台詞まで、マンガページを生成
イラストだけでなく、そこからコマ割り、吹き出し、台詞文字を含むマンガページを生成することも可能です。トーンや、アクションのカメラワークなど、日本のマンガ表現を意識したページ制作に対応します。日本語・中国語・英語・韓国語の文字を画面内に配置できることも特徴です。


イラストからマンガ、さらに動画へ。ひとつのモデルでつなぐ
テキストからの動画生成に加え、既存のイラストやマンガのコマをもとにした動画生成にも対応。静止画のキャラクターに表情や髪の動き、アクション、カメラワークをつけることが可能です。イラスト・マンガ・動画で別々のモデルを使い分けることなく、キャラクターと画風のイメージを共有しながら制作を続けられることを目指しています。




■ クリエイターの制作を支援するオールインワンモデルとして
「Tsubaki.3」は、AIに制作を置き換えさせるのではなく、クリエイターが持つアイデアや美意識をより具体的な作品へ育てるための制作支援を重視しています。細かな指示、制作途中の素材、キャラクターの継続性を扱えるようにすることで、AIを創作工程の中で選択的に活用できる環境を広げていきます。

Tsubaki.3を試す
■ 開発プロセスをまとめたTsubaki.3技術レポートを公開。タグ付けモデルはオープンソースに
「Tsubaki.3」は、既存の公開モデルをファインチューニングしたものではなく、当社が一から開発した自社モデルです。開発にあたっての設計判断を広く共有するため、技術レポートを公開しました。 レポートでは、主に以下の内容を扱っています。
・データキュレーション
大規模オープンソースデータセットから収集した約5億件の画像・テキストペアを起点に、メタデータ/ヒューリスティック/自社分類器による三段階の品質フィルタリング、SSCD記述子とFAISSを用いた重複除去、タグと自然言語の二種類による再キャプション、ロングテール概念の偏りを補正する概念バランシングを経て、約5,000万件まで絞り込むまでの方針を記載しています。
・学習パイプライン
Text-to-image 事前学習と Omni 事前学習を共通の土台とし、そこから「テキストから生成する系統」と「参照画像から生成する系統」の2つに分岐させる構成をとっています。解像度は768・1024・1536ピクセルと段階的に引き上げ、前半で構図と人体構造を、後半で細い線画や画面内の文字といった細部を学習させています。
・ポストトレーニング
人手でキュレーションした約7,000枚のデータによる教師ありファインチューニングののち、強化学習を二段階に分けて実施しました。第一段階では人体構造・複数被写体・インタラクション・文字描画の4分野を対象に「正確さ」を、第二段階では「絵としての美しさ」を最適化しています。二段階に分けたのは、正確さのみを追求すると画面が平板になり、アニメイラストに求められる魅力が損なわれるためです。
・評価
ロングテール概念の再現性、複数概念の構成、キャラクターと画風の一貫性、画面内の文字描画、参照生成・編集といった能力ごとに、それぞれ異なる指標で測定した結果を掲載しています。
あわせて、アニメ画像向けのタグ付けモデル「Tagger」をHugging Face上でオープンソース公開しました。研究・開発用途で自由にご利用いただけます。
モデルの中身を検証可能な形で示すことが、AI創作ツールに対する信頼につながると考えています。

▼ Tsubaki.3 技術レポート
https://pixai.art/ja/tsubaki-3/report
▼ Tagger(Hugging Face)
https://huggingface.co/pixai-labs/pixai-tagger-v1.0













