HTML資料を参考画像の見た目に寄せて自動で組む

モデル

HTML資料を参考画像の見た目に寄せて自動で組む

スポンサーリンク

AesCode-32B、HTML/CSSのデザイン性能が85.89点でトップ。

この記事のポイント

  • 情報豊富なビジュアル生成モデル
  • 画像を美的リファレンスに使用
  • 32B、Qwen3-VL基盤、オープン公開

数字で見る

この記事に出てくる数字

Visualスコア差 22.4点
Overallスコア差 24.8
Overallスコア 85.89

どこで使えるか

HTML/CSSで情報を可視化したい人向け。美的リファレンス付きで視覚品質が上がる Hugging Faceで公開済み ライセンスはapache-2.0

スポンサーリンク

解説

かみくだいて説明します

microsoftが2026-09-29に公開したAesCode-32Bは、スライドやポスター、ダッシュボードをHTMLとCSSのコードで生成するモデルです。Hugging Faceで公開されています。
コードでデザインを作るんですか?
はい。従来のコード生成モデルは画面の見た目が見えないため配置や色味が崩れやすく、画像生成モデルは文字や数字がずれる欠点がありました。AesCode-32Bは同じプロンプトから作った画像をデザインの見本として読み込み、内容と見た目を別々のレーンで走らせるような仕組みでこの両方を解決しています。
見本を参考にして別々に処理するんですね。
300点の図表で評価した結果、AesCode-32Bの全体スコアは85.89で、GPT-5.5の85.90とほぼ同じ水準となり、Claude Opus 4.8の88.04には届きませんでした。一方でTableとChartの項目では90.37を記録し、この項目では他モデルを上回っています。
90.37ですか。では、配置がはみ出すトラブルはどうなっていますか。
境界の失敗が起きた割合は、AesCode-32Bで4.3%です。同じテストでGPT-5.5が34.7%だったのに対し、大幅に減っています。ただしデザインが完成度が高くそのまま納品できるStyleの項目はどのモデルも60に届いていません。
60に誰も届かないんですか。では、現場で組み込む技術者から見ると、動かすのに何が要るんですか。
基盤にはQwen3-VL-32B-Instructを使っています。7つの報酬チャンネルで訓練を積んでいるため、コードとして出力されるHTMLとCSSを直接ブラウザで開けば、スライドやダッシュボードとして確認できます。
ブラウザで開けば中身も修正できるわけですね。では、研究する人から見ると、どこが新しいんですか。
内容の指示と視覚的な見本を、グラフ構造の監督と分離した報酬で別々に学習している点です。画像を単なる参考画像として使うのではなく、モデルが中身とレイアウトを独立して処理できるよう設計しています。
中身と見た目を独立して扱えるんですね。最後に、今後の見通しはどうなっていますか。
300点のテストではRuleの項目で94.33を出していますが、Styleの項目がどのモデルも60に届かない現状では、実務でそのまま使える完成度にはまだ課題が残ります。完成度についてそこはまだ分かっていません。

出典

この記事のもとになった情報

※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。

スポンサーリンク

-モデル