サンプラー・スケジューラー (Sampler & Scheduler)
画像生成AIが砂嵐のようなノイズから少しずつノイズを取り除き、絵を完成させていく計算手順がサンプラーです。スケジューラーはその各工程で、一度にどれくらいノイズを削るかのペース配分を管理します。Stable DiffusionやComfyUIなどで細かく設定でき、一般的なクラウド型サービスでは最適な組み合わせが自動で選ばれます。
別名・別表記: sampler, sampler_name, scheduler, Euler, DPM++ 2M Karras, サンプリング方法, スケジューラ
検証:Before / After




モデル: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5). 設定: seed 1411、30ステップ、CFG 7.5、サンプラーのみ変更. 日付: 14.11.2026.
プロンプト: a lighthouse on a rocky coast at dusk, waves crashing, dramatic sky, wide shot, photo
実際に検証したところ、Euler、DPM++ 2M Karras、DDIMは構図がほぼ一致し、水面の細かな波立ちや岩肌の質感にわずかな違いが出る程度でした。一方でEuler a (ancestral) だけは、同じシード値にもかかわらず小さな島の上に灯台が描かれ、全く異なる情景に仕上がりました。名前に「a」や「ancestral」と付く手法は工程ごとに新しいノイズを足し直すため、同じ設定でも大きく結果が変わりやすいのが特徴です。
各生成AIでの名称
| ツール | パラメータ | 指定可能な値 | デフォルト値 |
|---|---|---|---|
| Seedream | 未確認 | - | - |
| ComfyUI | sampler_name / scheduler (KSampler)ソースコードからのリスト(docs.comfy.orgには記載なし) | sampler_name: euler, euler_cfg_pp, euler_ancestral, euler_ancestral_cfg_pp, heun, heunpp2, exp_heun_2_x0, exp_heun_2_x0_sde, dpm_2, dpm_2_ancestral, lms, dpm_fast, dpm_adaptive, dpmpp_2s_ancestral, dpmpp_2s_ancestral_cfg_pp, dpmpp_sde, dpmpp_sde_gpu, dpmpp_2m, dpmpp_2m_cfg_pp, dpmpp_2m_sde, dpmpp_2m_sde_gpu, dpmpp_2m_sde_heun, dpmpp_2m_sde_heun_gpu, dpmpp_3m_sde, dpmpp_3m_sde_gpu, ddpm, lcm, ipndm, ipndm_v, deis, cfgpp_ud10_ab, res_multistep, res_multistep_cfg_pp, res_multistep_ancestral, res_multistep_ancestral_cfg_pp, gradient_estimation, gradient_estimation_cfg_pp, er_sde, seeds_2, seeds_3, sa_solver, sa_solver_pece, ddim, uni_pc, uni_pc_bh2. scheduler: simple, sgm_uniform, karras, exponential, ddim_uniform, beta, normal, linear_quadratic, kl_optimal | ドキュメントに記載なし |
| Midjourney | 該当パラメータなし | - | - |
| FLUX | APIになし | - | - |
| Ideogram | 該当パラメータなし | - | - |
| GPT Image | 該当パラメータなし | - | - |
| Imagen(提供終了) | 取得したドキュメントになし | - | - |
| Qwen-Image | 取得したドキュメントになし | - | - |
| Stability AI (SD 3.5) | APIになし | - | - |
- 参照元(確認日: 14.11.2026):
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- ComfyUI: raw.githubusercontent.com/comfyanonymous/ComfyUI/master/com...
- Midjourney: docs.midjourney.com/hc/en-us/articles/32859204029709-Parame...
- FLUX: docs.bfl.ml/api-reference/utility/generate-an-image-with-fl...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Imagen(提供終了): docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ge...
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
使いどころ
- 基本は標準設定(EulerやDPM++ 2Mなど)のままで問題なく、仕上がりに不満がなければ無理に変える必要はありません
- 同じシード値のまま構図やディテールのバリエーションを試したいときは、ancestral系(Euler aなど)に切り替えます
- 構図を固定したままプロンプトやモデルの効果を厳密に比較したいときは、非ancestral系(EulerやDPM++ 2M)を選びます
よくあるミス
シード値(seed)を固定せずにサンプラー同士を比較してしまうのが、よくある失敗です。シードが変わると乱数そのものが変わるため、サンプラーの違いではなく単なる別の生成結果を見ているだけになってしまいます。また、あらゆる画像に完璧な「最強のサンプラー」を探し続けるのも無駄になりがちです。有名どころのサンプラー同士の差は、プロンプトの工夫やCFGスケールの調整による変化と比べればごくわずかです。
コピーして使えるプロンプト例
ComfyUI: KSampler -> sampler_name = dpmpp_2m, scheduler = karras AUTOMATIC1111 / Forge: Sampling method: DPM++ 2M, Schedule type: Karras Midjourney, GPT Image, Ideogram, FLUX 3: 設定項目なし(自動制御)
よくある質問
一番おすすめのサンプラーはどれですか?
万人向けの万能な選択肢はありません。安定して破綻の少ない描写を求めるなら、EulerやDPM++ 2MとKarrasスケジューラーの組み合わせが定番です。偶然の面白さや意外性を楽しみたいなら、Euler aなどのancestral系が適しています。
サンプラー名の末尾にある「a」や「ancestral」とは何ですか?
ancestral(祖先サンプリング)の略で、ノイズを除去するステップごとに微量のランダムノイズを再注入する方式です。ステップ数を増やしても特定の結果に収束せず、描くたびに変化に富んだ絵が生まれやすくなります。
Karras(カラス)スケジューラーは何が違うのですか?
画像の全体的な大枠を作る初期段階に多くの計算ステップを割り当て、後半の微細なノイズ除去をテンポよく進めるノイズ調整手法です。少ないステップ数でも線が破綻しにくく、自然な質感を得やすい特徴があります。
