ComfyUI Embeddingsの使い方｜導入から建築パース活用まで解説

ComfyUI（ノードをつないで画像生成AIを動かすツール）で画像生成をしていると「もう少し特定のスタイルを安定して出したい」と感じる場面があります。プロンプトを長く書いても思いどおりの結果にならず、試行錯誤が増えてしまうケースは珍しくありません。

そんなときに使いたいのがEmbeddings（Textual Inversion。特定の概念を1単語に圧縮する学習手法）です。特定の概念やスタイルを1つのトークンに圧縮し、プロンプトに追加するだけで画像の方向性を調整できます。ファイルサイズは数十KB〜数百KBと軽量。手軽に導入できる点も魅力です。

この記事では、ComfyUIでのEmbeddingsの仕組みから導入手順、ネガティブプロンプトへの応用、建築・インテリア分野での活用例までを順を追って解説します。

Embeddings（Textual Inversion）とは何か

Embeddingsは、長い指示書を短い「合言葉」に置き換える仕組みです。建築現場で「A工法・仕様書12ページ準拠」と細かく書く代わりに、「A工法」と一言で済むようなもの。登録しておけば、プロンプトに1ワード加えるだけで複雑なスタイル指示が走ります。

Embeddingsの仕組み：特定の概念をトークンに圧縮する技術

Embeddingsは、Stable Diffusionの学習済みモデルが持つ「テキストと画像の対応関係」を活用した技術です。正式にはTextual Inversionと呼ばれ、2022年にTel Aviv大学の研究チームが発表しました（Textual Inversion公式ページ）。

仕組みをかんたんに説明します。複数の画像に共通する特徴を分析し、その情報を1つの「トークン（単語）」として埋め込む技術です。たとえば「北欧風インテリア」の画像を数枚学習させると、そのスタイルの特徴が1つのトークンに凝縮されます。プロンプトにトークン名を書くだけで、学習した特徴を画像生成に反映できます。

ポイントは、モデル本体の重みを変更しない点です。Embeddingsはあくまでプロンプト空間で機能するため、元のモデルには一切手を加えません。ファイルサイズが数十KB〜数百KBと小さい理由もここにあります。

LoRAとの違い：プロンプト操作 vs モデル適用

Embeddingsと混同されやすいのがLoRAです。どちらも追加学習で特定の概念を扱う技術ですが、動作する層が違います。設計図でいえば「図面内の凡例で省略した記号」がEmbeddings、「図面そのものに手を加えるレイヤー」がLoRAのイメージに近くなります。

Embeddingsはプロンプト（テキストエンコーダ）の中で動作します。プロンプトに「embedding:名前」と記述するだけで効果を発揮し、モデル本体には影響を与えません。一方、LoRAはモデルのU-Net構造に低ランク行列を注入して重みを調整します。ComfyUIではLoad LoRAノードを使って明示的にモデルへ適用する必要があります。

では、どう使い分けるのが効果的でしょうか。2026年4月現在、SDXL以降の環境ではLoRAが主流となり、ポジティブ用途（画風・被写体）のEmbeddingsは利用が減少傾向にあります（参考: Civitai Articles）。一方、ネガティブプロンプト用途ではEmbeddingsが依然として第一選択で、軽量かつ手軽に品質補正できる点で強みを保っています。

実務では、LoRAで大きなスタイル変更を行い、ネガティブEmbeddingsで品質の底上げを図る組み合わせが効率的です。

項目	Embeddings	LoRA
動作レイヤー	テキストエンコーダ	U-Net（モデル本体）
ファイルサイズ	数十KB〜数百KB	数十MB〜数百MB
適用方法	プロンプトに記述	専用ノードで読み込み
得意な用途	品質補正・ネガティブ用途	キャラクター・大幅なスタイル変更

LoRAの詳しい使い方はComfyUI LoRAの使い方｜導入から建築向けおすすめの選び方で解説しています。

ComfyUIでEmbeddingsを導入する手順

導入手順は、CADソフトで線種スタイルの登録ファイルを追加する作業に似ています。所定のフォルダに配置して、プロンプト側から名前で呼び出すだけ。最初に1回設定すれば、あとはプロンプトに単語を足すだけで何度でも使い回せます。

ファイルの入手先（Civitai・Hugging Face）

Embeddingsファイルは主にCivitaiとHugging Faceの2つのプラットフォームで配布されています（2026年4月現在）。

Civitaiでは、フィルタを「Embedding」に絞ることで目的のファイルを探せます。各モデルのページにはサンプル画像や対応するベースモデル（SD1.5 / SDXL）の情報が掲載されています。ダウンロード前に互換性を確認しておくと安心です。

Hugging Faceでは、リポジトリ内の.ptや.safetensors形式のファイルを直接ダウンロードできます。モデル入手先の全体像はモデル入手先ガイド｜CivitAI・HuggingFace・Comfy Registryで整理しています。

embeddings/フォルダへの配置と読み込み

ダウンロードしたファイルは、ComfyUIのインストールフォルダ内にあるmodels/embeddings/ディレクトリに配置します。

公式Wikiでも推奨されているのが、ベースモデル種別ごとにサブフォルダで分離する運用です（出典: ComfyUI Wiki Install Embeddings）。

ComfyUI/
└── models/
    └── embeddings/
        ├── SD1.5/
        │   ├── EasyNegative.safetensors
        │   └── bad-hands-5.pt
        ├── SDXL/
        │   └── unaestheticXLv31.safetensors
        └── FLUX/
            └── (FLUX向けは対応限定)

ファイルを配置したら、ComfyUIを再起動するか、メニューの「Refresh」ボタンをクリックします。SD1.5用とSDXL用は学習次元が違って互換性がないため、フォルダを分けておくと誤用を防げる運用になります。

実務では、プロジェクトごとにEmbeddingsフォルダをバージョン別に分類する運用が扱いやすい選択肢です。ファイル数が増えても目的のモデルをすぐに見つけられます。

CLIPTextEncodeノードでの呼び出し方法

ComfyUIでEmbeddingsを使うには、CLIPTextEncode（プロンプト入力）ノードのテキスト欄に公式仕様の構文で記述します（出典: ComfyUI公式 Textual Inversion Examples）。

基本形は以下のとおりです。

embedding:EasyNegative

ファイルの拡張子（.ptや.safetensors）は省略できます。サブフォルダに配置している場合はembedding:SD1.5/EasyNegativeのようにパスを含めて指定します。

強度を調整したい場合はどうすればよいでしょうか。通常のプロンプトウェイトと同じ書式が使えます。

(embedding:EasyNegative:1.2)

数値を1.0より大きくすれば効果が強まり、小さくすれば弱まります。複数のEmbeddingsを同時に使うこともでき、カンマで区切って並べるだけの簡単な記法です。

embedding:EasyNegative, embedding:bad-hands-5

ファイル名入力を効率化したい場合は、ComfyUI-Custom-Scripts拡張を導入するとオートコンプリートが使えます（出典: ComfyUI-Custom-Scripts GitHub）。入力ミスを減らせる補助機能です。

プロンプトの書き方全般はプロンプトエンジニアリング実践｜CLIPスケジュール・条件分岐で体系的にまとめています。

ネガティブプロンプト用Embeddingsの活用

ネガティブEmbeddingsは、禁止項目をまとめた「除外リスト」のような存在です。

EasyNegative・bad-hands系の代表モデル

Embeddingsの中でもとくに広く使われているのが、ネガティブプロンプト用のモデルです。長い除外ワードを手動で書く手間を省き、1トークンで品質補正を適用できます。

2026年4月現在、代表的なモデルは以下のとおりです（出典: ComfyUI Wiki Recommended Embeddings）。

• EasyNegative: 品質低下の原因となる50以上の概念を1トークンに圧縮した定番モデル。embedding:EasyNegativeと書くだけで、低品質・ぼやけ・不自然な構図を一括抑制
• FastNegativeV2: EasyNegative後継として海外で広く使われている新世代モデル。軽量かつ画質改善効果が高いと評価
• bad-hands-5: AIが苦手とする手の描写に特化した補正モデル。指の本数異常や関節の不自然さを軽減
• Deep Negative V1: EasyNegativeと同様の汎用品質補正モデル。より強めの補正がかかる傾向
• verybadimagenegative: 汎用ネガティブの選択肢。EasyNegativeと併用される場面も

実務では、FastNegativeV2またはEasyNegativeを基本としつつ、手の描写が大切な場面でbad-hands系を追加する組み合わせが効率的です。

SD1.5とSDXLでの使い分け

ネガティブプロンプト用Embeddingsを使うときに注意すべき点があります。ベースモデルとの互換性です。

SD1.5向けに学習されたEmbeddingsはSDXLモデルでは動作しません。逆も同じです。技術的な理由は、CLIPテキストエンコーダの次元がベースモデルで違う点にあります。SD1.5はCLIP次元768のシングルエンコーダ構成、SDXLは次元1280のdual-encoder構成のため、学習済みベクトルが流用不可（出典: The Incompatibility of SD 1.5 Embeds with SDXL/PDXL – Civitai）。

SD1.5モデルでは、EasyNegativeやbad-hands-5のようなネガティブEmbeddingsが大きな効果を発揮します。SD1.5は生成品質のばらつきが大きいため、ネガティブ側での補正がとくに大切です。

一方、SDXLはどうでしょうか。モデル自体の品質が向上しており、過剰なネガティブプロンプトがかえって画質を低下させる場合があります。さらにSDXL対応のネガティブEmbeddings自体が依然として少なく、海外実務ではプロンプト直書きやLoRAでネガティブ要素を補う運用に流れている傾向があります。SDXLではネガティブEmbeddingsを控えめに適用するか、SDXL専用に学習されたものを選ぶのが得策です。

Civitaiなどでダウンロードするときは、モデルページに記載されている対応バージョンを必ず確認してください。

建築・インテリア分野でのEmbeddings活用例

Embeddingsは、建築・インテリア分野でこそ真価を発揮する機能の一つです。ここではインテリアスタイル統一の具体例と、ネガティブEmbeddingsによる品質底上げのテクニックを紹介します。

インテリアスタイルの統一にEmbeddingsを使う

建築パースやインテリアCGの生成で課題になりやすいのが、スタイルの一貫性です。プロンプトだけでは生成ごとに雰囲気が変わってしまい、複数カットで統一感を保つのが難しくなります。

この課題にEmbeddingsが有効です。たとえば「ミッドセンチュリーモダン」のインテリア画像を学習させたEmbeddingsがあれば、トークンを追加するだけで木目の質感、家具のフォルム、配色の傾向をある程度そろえられます。

建築ビジュアルのプロトタイプ制作では、EmbeddingsとLoRAを組み合わせる運用が扱いやすくなります。LoRAで全体の画風を決め、ネガティブEmbeddingsで品質の底上げを図るアプローチが効果を発揮しやすい構成です。

具体的な活用シーンは以下のとおりです。

• 北欧風・和モダン・インダストリアルなどのスタイルを安定出力
• 素材感（コンクリート打ちっぱなし、無垢材など）の統一
• 照明の雰囲気（自然光、間接照明）の方向性固定

建築パース品質を底上げするネガティブEmbeddings

建築パースの生成では、「歪んだ窓枠」「非対称な柱」「不自然なパース感」といった建築固有のアーティファクトが問題になります。手の描写よりも構造的な正確さが求められる領域です。

汎用のEasyNegativeやFastNegativeV2でも基本的な品質向上は見込めます。さらに建築特化の補正を加えるには、プロンプト側での工夫も有効です。ネガティブプロンプトにEmbeddingsと合わせてdistorted architecture, warped linesなどの除外ワードを追記すると、より安定した建築表現が得られます（出典: Digital Creative AI Negative Embedding Guide）。

2026年4月現在、建築分野に特化したEmbeddingsの公開数はまだ限られています。しかしTextual Inversionの学習は比較的軽量です。自社の建築スタイルに合わせた独自Embeddingsを作成するハードルは高くありません。数枚の画像から学習を始められます。

txt2imgワークフローの基本構成はComfyUI txt2imgワークフローの始め方｜7ノードで画像生成で解説しています。

Embeddings活用時の注意点とトラブルシューティング

トラブル対応は、建築現場の不具合調査と同じアプローチで進められます。発生しやすいパターンは限られているので、チェック項目を順に潰していけば原因にたどり着けます。

対応モデルの確認（SD1.5用 vs SDXL用）

最もよくあるトラブルが、ベースモデルとEmbeddingsのバージョン不一致です。前述のとおりSD1.5のCLIP次元768とSDXLの次元1280は互換性がないため、SD1.5用のEmbeddingsをSDXLモデルで使うとエラーになるか、意図しない結果が出力されます。

対処法はシンプルです。ダウンロードするときにモデルの対応バージョンを確認し、フォルダを分けて管理してください。embeddings/SD1.5/とembeddings/SDXL/のようにディレクトリを分けておけば、誤用を防げます。

ComfyUIのコンソールにエラーが表示された場合は、まずEmbeddingsファイルの互換性を疑ってください。

強度調整と複数Embeddingsの併用

Embeddingsは複数を同時に使えますが、組み合わせによっては効果が相殺されたり、画質が低下する場合があります。

推奨されるアプローチは以下のとおりです。

1. まず1つのEmbeddingsだけで効果を確認する
2. 強度はデフォルト（1.0）から始め、0.8〜1.3の範囲で調整する
3. 追加するEmbeddingsは1つずつ加え、変化を確認する
4. ネガティブ用とポジティブ用は別々に管理する

とくにネガティブプロンプト側にEmbeddingsを積みすぎると、SDXLモデルでは生成結果がぼやけたり、色彩が失われるケースがあります。必要最小限で運用する意識が大切です。

まとめ

Embeddings（Textual Inversion）は、プロンプトに1語追加するだけで画像の方向性やスタイルを調整できる軽量な技術です。LoRAのようにモデル本体に手を加える必要がなく、数十KBの小さなファイルで大きな効果を得られます。

導入手順としては、CivitaiやHugging Faceからファイルをダウンロードし、models/embeddings/フォルダ配下へベースモデル別にサブフォルダ分けして配置するだけです。CLIPTextEncodeノードにembedding:ファイル名と書けば、すぐに使い始められます。

ネガティブプロンプト用のEasyNegativeやFastNegativeV2、bad-hands系は、画像品質の底上げに効果的です。建築・インテリア分野では、スタイルの統一やアーティファクトの抑制にも活用できます。

モデルの種類や活用の全体像を押さえたい方はComfyUI モデル完全ガイドもあわせてご覧ください。

あわせて読みたい

• ComfyUI モデル完全ガイド — Embeddings・LoRA・チェックポイントの全体像を押さえたい方へ
• ComfyUI LoRAの使い方｜導入から建築向けおすすめの選び方 — Embeddingsとの違いや併用テクニックを押さえたい方へ
• プロンプトエンジニアリング実践｜CLIPスケジュール・条件分岐 — Embeddingsを含むプロンプト記述を深掘りしたい方へ
• モデル入手先ガイド｜CivitAI・HuggingFace・Comfy Registry — Embeddings入手先の選び方を幅広く把握したい方へ
• チェックポイントモデルの違い｜SD1.5・SDXL・SD3の選び方 — Embeddingsと組み合わせるベースモデルの世代を押さえたい方へ