そのチェックポイント、商用利用アウトです。——AIベースモデルの「源流」無確認という法的リスク。商用レベルに達するために。

——

▼ クラウドGPUで安全にAI画像生成

商用利用可能なモデルでLoRA学習するなら、環境構築不要のFloyoが最適。H100搭載・使った分だけ課金。

🟣 上位無料30日間コード: SHITSUKAN33

→ Floyo: https://floyo.com

——

▼ さらに深く学びたい方へ：メンバーシップ「質感LoRAラボ」

312回の学習データとともにパラメータの「なぜ」を解説。用途別テンプレート、失敗パターンDB、Floyo無料コード、月1相談会。

→ 裏彩色メンバーシップ: https://note.com/texture_lora_lab/membership

——

最終更新: 2026年6月21日・生成したイラストを、BOOTHで販売している。

・FANBOXで公開している。

・クライアントに納品している。

・CivitAIのLoRAに「Commercial Use OK」と書いてあった。

だから、大丈夫だと思っている。

本当に大丈夫ですか？

そのラベルを付けた人が、商用許可を出せる立場にあるかどうか、確認したことはありますか？

そのモデルの学習データが、どこから来たものか、辿ったことはありますか？

あなたがいま使っているチェックポイント。大丈夫ですか？

「商用OK」ラベルの落とし穴

CivitAIには無数のチェックポイントがあります。

多くは「Commercial Use OK」のラベル付き。 一見、安心して商用利用できそうに見えます。

しかし、ここに大きな問題があります。

そのラベルを付けた人に、商用許可を出す権限があるのか？

こんなケースを考えてみてください。

① チェックポイントAが公開される。学習データの出典は不明

② 別の作者がAをマージして、チェックポイントBを作る

③ さらに別の作者がBでLoRA Cを学習する

④ Cの作者が「商用利用OK」とライセンスを設定する

Cの作者は善意かもしれません。

しかし法的には、源流Aの学習データに知的財産上の問題があれば、その瑕疵はB→Cへと貫通します。

途中の作者が「OK」と言っても、源流の問題を解消する権限を持っていません。

そのライセンス表記に法的根拠はないのです。

美術品の来歴（プロヴナンス）と同じ構造

実はこれ、美術業界では古くから知られている問題です。

美術品の売買では「プロヴナンス（来歴）」が極めて重要です。

作品がどこで作られ、誰の手を経て、どうやって現在の所有者に至ったか。

途中の所有者が「正当に購入した」と主張しても、元の出所に盗難や略奪の履歴があれば、取引全体が無効になりえます。

第二次世界大戦中にナチスに略奪された美術品が、数十年後に「善意の購入者」から返還を求められるケースは現在も続いています。

AIモデルにも、まったく同じ構造が当てはまります。

美術品でいう「作品の出自」は、AIでは「学習データのソース」。

「所有権の移転記録」は「マージ・派生の履歴」。

「善意の購入者」は「商用OKラベルを信じたユーザー」。

「略奪品の返還請求」は「学習データの権利者による差止請求」。

来歴不明の作品に高値を付けないのが美術市場の常識です。

源流が不透明なモデルで商用コンテンツを作ることも、同じリスクを負っています。

派生モデル・派生LoRAも同じ

「自分はマージモデルを使っているだけ」 「LoRAを作っただけ」

そう思うかもしれません。

しかし、派生物であっても源流の問題は消えません。

マージモデル——AとBをマージしてCを作れば、A・B両方の問題がCに引き継がれます。

LoRA——ベースモデルの上に追加学習する以上、ベースモデルの問題はLoRAにも影響します。

ファインチューニング——同様です。

つまり、派生物の作者が「商用OK」と宣言しても、源流の権利を処理できない以上、法的には空手形です。

動画生成にも同じリスクが及ぶ

「画像はわかった。動画はどうなの？」

結論から言えば、動画はさらにリスクが高い可能性があります。

動画は画像の連続体です。

1秒間に24〜30フレーム。 各フレームに、ベースモデルの学習データ由来の権利問題が内在します。

さらに動画生成モデル——Sora、Kling、Wan2.1、Runway Gen-3など——の多くは、学習データのソースが画像生成モデル以上に不透明です。

どの動画データセットを使ったのか。 その権利処理はどうなっているのか。

明確に開示しているモデルはほとんどありません。

動画生成は、画像生成と同じ構造的リスクを抱えつつ、透明性はさらに低い。 そういう状況です。

具体的に、何がアウトなのか

抽象論では実感が湧かないと思います。 具体的に見ましょう。

SD 1.5系の派生モデル全般

SD 1.5の学習データは「LAION-5B」です。

インターネット上の画像を大規模にスクレイピングして作られたデータセットで、以下の問題が明らかになっています。

Getty Images訴訟 Getty ImagesがStability AIを著作権侵害で提訴。LAION-5Bに同社の透かし入り画像が大量に含まれていました。

CSAM混入 LAION-5Bに児童性的虐待画像（CSAM）が含まれていたことが発覚。データセット自体が一時公開停止に追い込まれました。

CivitAIで人気の高いモデルの多くは、このSD 1.5を源流に持っています。

NovelAIリーク派生モデル

2022年にNovelAIのモデルがリーク（流出）しました。

端的に言えば盗品です。

このリーク品を元にして作られた派生モデル——Anything v3をはじめとするアニメ系チェックポイント——がCivitAIに大量に存在します。

盗品を源流に持つ派生物に「商用利用OK」のラベルが付いている。

プロヴナンスの観点から言えば、略奪品の上に鑑定書を付けているようなものです。

「○○Mix」系モデル

CivitAIでよく見る「○○Mix」系のマージモデル。

その多くは、上記2つ——SD 1.5系とNovelAIリーク派生——を混ぜ合わせて作られています。

源流が二重にアウトです。

つまり、CivitAIで人気のアニメ系チェックポイントは、その大半が法的リスクを抱えている可能性があります。

これらで商用コンテンツを販売している人は、気づいていないだけでリスクの上に立っています。

この問題を、市場の大半が無視している

率直に言います。

AIイラストやAI動画で「稼いでいる」人の大半は、源流の権利処理をまったく気にしていません。

マージモデルの出所も調べない。 CivitAIの「商用OK」ラベルだけを根拠に販売する。

「AIで稼ぐ方法」を教える側も、この構造的リスクに触れないまま手法を教えている。コンプライアンスの視点が欠落しています。

しかし、この状況が続くとは考えにくい。

Getty ImagesのStability AI訴訟のように、権利者側が動き始めています。

判例が固まれば一気に波及します。 販売プラットフォームが規約を厳格化して、源流証明を求め始める可能性もあります。

そのとき、源流を管理していなかったクリエイターは、作品を販売する場所そのものを失います。

これは美術市場で繰り返されてきた歴史と同じです。

来歴不明の作品が大量に流通している間は、市場は活況に見えます。

しかし一度でも大きな事件——贋作の発覚、略奪品の返還訴訟——が起きると、来歴管理をしていなかったディーラーやコレクターが市場から退場していきました。

AIの商用市場でも、同じことが起きるのは時間の問題です。

では、どうすればいいのか

1. 源流を辿る習慣をつける

使おうとしているチェックポイントについて、最低限これを確認しましょう。

モデルカードに学習データのソースが記載されているか。 マージモデルなら、マージ元は何か。 そのさらに源流は辿れるか。 公式に商用利用を許可しているモデルがベースか。

2. アウトなモデルと安全なモデルを区別する

現状を整理します。

アウト（商用利用に法的リスクあり）

・SD 1.5系の派生モデル全般（LAION-5B問題） ・NovelAIリーク派生モデル（盗品が源流） ・上記をマージした「○○Mix」系モデル

安全（開発元が商用利用を明示許可）

・SDXL系（Stability AI Community License） ・Flux系（Apache 2.0 / Black Forest Labs）

安全側のモデルも訴訟リスクがゼロとは言えません。

しかし「開発元が商用利用を明示的に許可している」という点で、出所不明のマージモデルとは法的な立ち位置がまったく違います。

3. AI生成品の販売は「ベースモデルの選定」から始めるべき

LoRA学習もそうですが、もっと広い話です。

AI生成品を販売するなら、一番最初にあるべきはベースモデルの選定です。

プロンプトを考える前に。 ワークフローを組む前に。 まず「このモデルの源流は大丈夫か」を確認する。

それがスタートラインです。

当研究所（TextureLoRALab）では、この点を重視して質感LoRAの研究を行っています。

ベースモデルの源流が明確であること。 商用利用が許可されていること。

この2点をクリアした上で、キャンバスの質感や厚塗りのマチエルをLoRAに刻む研究をしています。

質感LoRAが保証する「堀」

質感LoRAは、源流が明確で商用利用可能なベースモデルを起点に作っています。

さらに、学習対象が「質感」——物理的な絵肌の特徴——であって、特定の作家の著作物を再現するものではありません。

ベースモデルの源流もクリーン。 学習対象もクリーン。 学習場所もクリーン。

源流管理は、品質管理でありコンプライアンスであると同時に、生き残りの条件です。

まとめ——あなたのモデル、大丈夫ですか？

「商用OK」ラベルは、法的な保証ではありません。

源流に権利問題があれば、どれだけ派生を重ねても瑕疵は貫通します。

動画生成も同じリスク構造。 むしろ透明性が低い分、リスクは高い。

この問題が顕在化したとき——判例が固まったとき、プラットフォームが規約を変えたとき——源流を管理していなかったクリエイターは市場から退場することになります。

美術市場が来歴管理のないディーラーを淘汰してきたように。

「このモデル、誰が何のデータで作ったの？」

その問いを持てるかどうかが、これからの分かれ目です。

質感LoRAラボのメンバーシップについて

当研究所では、源流がクリーンなベースモデルの上で、キャンバスの質感をAIに刻む技術を研究しています。

メンバーシップでは、その制作過程——ベースモデルの選定理由から、学習パラメータの設計、教師データの作り方まで——をコースとして共有しています。

「何を使えば安全なのか」だけでなく、「なぜそれが安全なのか」を理解した上で、自分の手で質感LoRAを作れるようになること。

それが、このメンバーシップの目的です。

源流を理解し、技術を身につけ、法的にもクリーンな作品を作る。 そういうクリエイターを増やしたいと思っています。

※本記事は法的助言ではありません。筆者は美術品の来歴管理（プロヴナンス）の知見をもとに、AIモデルの源流に関するリスク構造を解説したものです。具体的な法的判断については、弁護士等の専門家にご相談ください。

→ SHIFUKU Gold Leaf — 金箔の物質感LoRA（無料DL）
→ SHIFUKU Kintsugi — 金継ぎの質感LoRA（無料DL）

——
TextureLoRALab｜Floyoコラボクリエイター
日本伝統素材の質感をAIに移植する「質感LoRA」を研究中。美大卒（日本画→芸術学→英国博物館学修士）のエンジニア。メンバーシップ「質感LoRAラボ」登録で、Floyo 30日間無料コード配布中。
▶ 公式サイト・全記事一覧 → https://texture-lora-lab.com/links

スキ、フォロー、コメントどしどしお待ちしています。

質感LoRAラボの入口はこちら → https://note.com/texture_lora_lab/n/nc6b9fe2692a4