Canva の Craft は、描く前にポスターを設計する

Canva は今週、自社製としては初の画像モデルを出荷した。その売り文句は、ほとんどの画像モデルが言えない一文だ。何かを描く前に、計画を書き出す。

モデル名は Craft。Canva Research が開発し、同社が保有する人間制作テンプレートのライブラリで学習した。すべての Canva ユーザーが使え、公開 API からも利用できる。最大2K、30以上のアスペクト比で生成し、55言語のテキストを描画する。

実質は2段階の設計にある。計画モデルがプロンプトを読み、詳細な構図計画を書く。どの要素が現れるか、互いにどう位置するか、相対的な大きさ、視覚的な階層、そして画像に必要なテキスト。別の描画モデルがその計画をピクセルに変える。計画が構造化されているため、Canva によればユーザーは他の部分を動かさずに1つの要素だけを変更できる。

汎用の画像モデルでポスターを生成したことがある人なら、なぜこれが重要なのか分かる。見出し、3つのアイコン、右下に商品写真を頼む。返ってくるのは、その3つらしきものがほぼ正しく並び、見出しの綴りが間違っていて、アイコンの高さが少しずつずれている絵だ。構図はモデルが下した判断ではなかった。サンプリングの副作用だった。

学習データが変えるもの

ほとんどの画像モデルは主に写真で学習している。Craft の学習セットには、ポスター、SNS 投稿、プレゼン、インフォグラフィック、メニュー、そしてテキストが装飾ではなく主役であるレイアウトのテンプレートが数百万枚分含まれる。

これは事前分布の実際の違いだ。写真で学習したモデルは、看板やパッケージ、画面に文字が写る画像を何十億も見てきた。文字はたいてい小さく、しばしばぼやけ、めったに主役ではない。テンプレートで学習したモデルは、組版の階層がその画像の存在理由そのものである画像を数百万見てきた。メニューや講座のお知らせを作る仕事なら、この2つは同じ出発点ではない。

ランキングは注意して読む

Canva によれば Craft は DesignArena で初登場4位。同社はこれを AI デザイン最大のクラウドソース評価と説明する。さらに People and Portraits で1位（87モデル中）、Landscapes and Nature で1位（85モデル中）、Abstract and Patterns で2位、Products で4位としている。そしてこれにより Canva Research が画像生成における世界第2のラボになったと述べている。

最後の一文はデータが支える以上のことをしている。総合4位にカテゴリ2冠は初モデルとして強いデビューだ。ラボを世界2位と呼ぶのはモデルではなくラボについての主張であり、DesignArena は多くの人が引用するテキストto画像のリーダーボードと同じアリーナではない。意味があるのはカテゴリ2冠のほうだ。ポートレートと風景は、テンプレートで学習したモデルが遅れを取ると予想される領域そのものなので、そこで勝ったことが驚きになる。

Canva の手法には引用する価値のある細部もある。珍しいからだ。デザイナーが研究者と協力し、他モデルとの一対比較で25,000組以上の画像を評価し、自動評価が人間の判断と食い違った場合はデザイナー側を採用したという。結果の数字を信じるかどうかは別として、タイブレークの規則を明示しているのは、多くのローンチ記事が提供しないものだ。

なぜ設計段階が速度の工夫にもなるのか

品質だけでなく、このアーキテクチャは Canva に、素直な拡散モデルでは得にくいものを与える。高コストな推論はテキストで一度だけ行われ、描画段階は徹底的に蒸留できる。

Canva によれば、モデル蒸留で推論ステップを元の数分の1に削り、計画段階用の独自推論エンジンを構築して、Craft を最初の社内版より桁違いに速くした。さらに Craft-fast と Craft-ultrafast の2つの派生版を用意し、最先端モデルに比べてわずかなコストで提供するとしている。

規模の文脈が切迫感を説明する。Canva によれば2億5千万人以上がプラットフォームを使い、毎秒400以上のデザインが作られている。この量では、20%良いが1枚あたり2倍高いモデルは機能ではなく事業上の問題になる。

どこで止まるか

Craft がまだできないことのリストは、機能リストより情報量が多い。Canva は今後のバージョンで細かい文字や技術図面をより良く扱い、より高度な編集と参照画像の機能を追加するとしている。

つまり現時点で参照画像はない。「この商品をこの場面に置く」もない。既存のブランド素材に合わせることもできない。マーケティングと EC 向けに売るモデルにとって、参照画像への非対応は最大の制約だ。商用案件の多くは、すでに存在するものから始まるからだ。商品写真、ロゴ、人物。

代わりに Canva が用意する橋が Magic Layers で、生成画像を Canva 内で編集可能なデザイン要素に変える。実際の問題への賢い答えだ。モデルが商品写真を入力にできないなら、せめて出力を分解して、その周りで組み直せるようにする。回避策であり、多くのデザイナーが既に他の3つのツールで手作業でやっている回避策だ。

誰のためのものか

すでに Canva で制作しているなら、Craft はほぼ無料のアップグレードだ。言語とアスペクト比の対応により、多くの SNS や印刷フォーマットにサイズ変更なしで収まる。MCP サーバーは別の理由で重要だ。エージェントがより大きなタスクの一段階として画像を生成できるようになり、マーケティングの仕事は今まさにそう組まれている。

計画段階には二次的な効果があり、Canva は宣伝していないが、どのリーダーボード順位よりも重要だ。計画は潜在表現と違って編集できる。構図が構造化された記述として存在すれば、ブランドのルールをピクセルではなくその記述に適用できる。ロゴは右下、最小のキャップハイト、ブランドカラー2色と黒。これらは計画モデルに伝えられる制約だ。拡散モデルには丁寧に頼むことしかできない。 これは Adobe がテンプレート駆動の生成について述べてきたのと同じ論で、デザイン企業がモデルを出すことが、ラボがモデルを出すのと別の出来事である理由でもある。Canva の堀はチェックポイントではない。数百万のテンプレートと、全ユーザーがすでに埋め終えているブランドキットだ。 フォトリアルな商品レンダリングが必要なら、あるいは特定の物体を特定の場面に置く必要があるなら、これはまだそのツールではない。Canva は参照画像が来るとしている。出荷されるまでは、Craft が最も強いのは学習データが最も強い場所だ。言葉がデザインそのものであり、レイアウトが一発で正しくならなければならないレイアウト。

これは Canva の事業そのものがレイアウトであることを考えれば偶然ではない。デザイン企業がモデルを植える場所として、最も守りやすい場所だ。