前回 Qwen Image Editを使って Local で線画からの直色を試した。 今回は Nano Banana APIでの処理方法を書く。

着色だけでなく、かなり修正も入っている（入れていただいた、というべきかもしれないが）。 自転車のフレーム部分など。（一本が二本になっているし） 一方で、これはグリッターという電動アシスト自転車がモデルなのだが、 座席の後ろ部分のバッテリーも、それがバッテリーであることを認識して（かどうかは実際はしらない）それらしく書き直されている。 総じて「落書きレベルの絵」を「本当はこう描きたかったんでしょ、というところを考慮して修正しつつ元の絵の雰囲気は壊さない範囲で修正しました」感がある。

nano banana で線画に着色してもらう実験をしていて わりといい感じに変換できたので、オープンウェイトモデルで 同じことできないか調査した。 Qwen Image Edit https://huggingface.co/Qwen/Qwen-Image-Edit-2511 でそれができるとの情報を得たので試した。

以前のポスト Stable Diffusion + ControlNet を試したのはもう３年程も前の話。 今回は SDXL (Stable Diffusion XL) で ControlNet を試した。その制作過程の備忘録です。

前回 紹介した indd, idml スキルを使えばいわゆる indd2md コマンドに相当するものが実現できる。 もちろん、制約はあると思う。 カタログのような InDesign ドキュメントから期待する Markdown 形式を得るのは難しいかもしれない。 読み物系のドキュメントようにストーリーが存在して・・・テキストの出現順が自明なドキュメントの方が対処しやすいかも。

とくに vim で不満があるわけではない。ただなんとなく Neovim へ移行しようと考え始めた。 以前にも Neovim へ移行しようとしたとき・・・それは Neovim なら VSCode のように AI にコード支援してもらえる（vim だとそれができないのか？などは不明）らしいので・・・ しかし、そのときは nvim をターミナルで起動して色の問題でつまずき放置していた。

Claude Code にこの indd スキルをインストールして使います。 詳しくはこちら https://github.com/mindboard/indesign-extendscript-plugins をご覧ください。

今回はこの indd スキルを使ってこのような InDesign ドキュメントを生成しました:

このPDF を Docling https://www.docling.ai/ を使って markdown に変換してみます。

kaggle に浮世絵のデータセット The Metropolitan Museum of Art Ukiyoe Dataset にある浮世絵画像を使って Stable Diffusion で LoRA を試しました。

久しぶりに「ハッカーと画家」を読み直した。百年後のプログラミング、というセクションに 「百年後も人間はプログラム的なものを使ってコンピュータに指示を与えているだろう」といったことが書かれていた。

仕事で OCR を AI に頼むのはユーケースによってはいろいろ問題ある。 それでも人間より精度が高いならもういいのかと思ったり。 いっぽうで精度は高いが人間なら絶対間違わないようなところで間違いがおきるとやっぱり AI に任せるのは無理かと思ったり。 いずれにしてもここまで精度が高くなると、AI が返してきた結果はほぼ間違いがないので、 こたえあわせは「干し草の山から針を探す」感じになる。とても苦痛。 もちろんゼロから自分で文字起こしするのも苦痛。

Ubuntu Server に 12GB VRAM の GPU があるので、これで LM Studio を常時ヘッドレス起動しておくことにした。 12GB VRAM で Claude Code とセットで使うのに（Claude Opus 3.7 曰く）Qwen3.5 9B Q4_K_M がいいらしいのでそれを使う。

LM Studio のセットアップは済んでいることとする。 → LM Studio を試した

セットアップは https://lmstudio.ai/ の通り。