切り抜きモデル · 高速（U²-Net small）
軽量な汎用切り抜き。透過 PNG をすばやく書き出せます。
サイズ: 4.6 MB · ライセンス: Apache-2.0使用ツール: AI切り抜き · 証明写真 · スポット
モデルの準備
ローカルモデルマネージャー
ローカルAIツールを使う前に、セグメンテーション、顔ランドマーク、物体検出、OCR、実行環境のリソースをこのブラウザに準備します。
ONNX モデルパック（切り抜き / 拡大 / 消去）
これらのパックはAI切り抜き、AI拡大、スマート消去で使われます。ここでまとめて準備することも、各ツールの初回利用時に自動で準備させることもできます。モデルは一度ダウンロードするとこのブラウザにキャッシュされ、画像が端末の外に出ることはありません。
サイト運営者の方へ：リポジトリで npm run models:fetch を実行するとモデルをサイトに同梱でき、訪問者が外部からダウンロードする必要がなくなります。
利用可能
切り抜きモデル · 標準（Silueta）
バランス型の汎用切り抜き。人物・商品・ペットの輪郭が明確に向上します。
サイズ: 42.6 MB · ライセンス: Apache-2.0使用ツール: AI切り抜き · 証明写真
切り抜きモデル · 最高（ISNet）
髪の毛や細かい輪郭まで再現する最高品質の切り抜き。ダウンロードは大きめです。
サイズ: 170.0 MB · ライセンス: Apache-2.0使用ツール: AI切り抜き
アップスケールモデル（Real-ESRGAN x4v3）
写真やグラフィックを 2x / 4x に拡大し、ディテールを再構築します。
サイズ: 4.8 MB · ライセンス: BSD-3-Clause使用ツール: AI拡大
消去モデル（MI-GAN）
生成的な補完で、透かし・通行人・不要物を自然に取り除きます。
サイズ: 27.0 MB · ライセンス: MIT使用ツール: 不要物除去
ブラウザの対応状況
ブラウザの機能を確認しています…
ローカル AI リソース
事前読み込みでは、モデルのランタイムと重みをこのブラウザのキャッシュに保存します。処理時は、キャッシュ済みのモデルリソースが優先して使われます。
MediaPipe ビジョンランタイム
ブラウザ内で動くセグメンテーションモデルと顔ランドマークモデルを実行します。
リソースサイズ: 21.7 MBランタイムのパス: CPU / WebAssembly対応ツール: 背景ぼかし, 被写体スポットライト, AI 背景除去, 証明写真の背景, ポートレート系ツール事前読み込み
人物セグメンテーションモデル
背景ぼかし、被写体スポットライト、透過 PNG、証明写真の背景のために、人物と背景を切り分けます。
リソースサイズ: 0.24 MBランタイムのパス: CPU / WebAssembly対応ツール: 背景ぼかし, 被写体スポットライト, AI 背景除去, 証明写真の背景事前読み込み
顔ランドマークモデル
顔の形状を読み取り、メイクの位置合わせ、ポートレートの色味、顔のぼかし、歯・目・ヘアカラーのプレビューに使います。
リソースサイズ: 3.59 MBランタイムのパス: CPU / WebAssembly対応ツール: メイクプレビュー, ヘアカラープレビュー, ポートレートの光調整, 顔のぼかし, 歯のホワイトニング事前読み込み
髪セグメンテーションモデル
髪の領域を直接検出し、ヘアカラープレビューと顔の保護精度を高めます。
リソースサイズ: 0.75 MBランタイムのパス: CPU / WebAssembly対応ツール: ヘアカラープレビュー事前読み込み
詳細な人物パーツセグメンテーションモデル
髪、顔の肌、体の肌、衣服、小物を切り分け、より繊細なヘアカラーやポートレート効果を実現します。初回利用時に必要に応じてダウンロードされ、以降はキャッシュされます。
リソースサイズ: 15.6 MBランタイムのパス: CPU / WebAssembly対応ツール: ヘアカラープレビュー, ポートレート効果事前読み込み
物体検出モデル
ブラウザ内で物体検出を実行し、カウント、点検、ラベル、棚、駐車枠などの確認系ツールに使います。
リソースサイズ: 4.50 MBランタイムのパス: CPU / WebAssembly対応ツール: 棚の確認, 倉庫ラベル, 駐車枠の検出, 用紙カウント事前読み込み
汎用 YOLO nano モデル
ブラウザ内で YOLO 物体検出を実行し、カップ、ボウル、ボトル、食器、荷物、人、車など、数えやすい身近な物体を検出します。
リソースサイズ: 7.50 MBランタイムのパス: CPU / WebAssembly対応ツール: 汎用オブジェクトカウント, ローカル画像カウント事前読み込み
オプションの食器 ONNX モデルパック
箸、竹串、ピック、プレート、ソーサー、ボウル、カップなど、数えられるテーブル上の物体を固定の語彙で検出します。
リソースサイズ: 28.0 MBランタイムのパス: CPU / WebAssembly対応ツール: 汎用オブジェクトカウント, 串カウント, 食器カウント事前読み込み
オプションの串 ONNX モデルパック
竹串、ピック、サンプルスティック、細いマーカー棒の見えている断面を優先的に検出します。
リソースサイズ: 7.50 MBランタイムのパス: CPU / WebAssembly対応ツール: 串トレイのカウント事前読み込み
RapidOCR PP-OCRv4 モデル
PaddleOCR ベースの文字検出・認識。特に中国語で精度が高くなります。
リソースサイズ: 15.0 MBランタイムのパス: CPU / WebAssembly対応ツール: 画像の文字認識（OCR）, ドキュメントのワークフロー事前読み込み
ブラウザ OCR ランタイム
同一オリジンの Tesseract.js ランタイム、LSTM コア、英語と簡体字中国語の高速言語データを読み込みます。
リソースサイズ: 24.4 MBランタイムのパス: CPU / WebAssembly対応ツール: 画像の文字を抽出（OCR）, ドキュメント系ワークフロー事前読み込み