RLR-0065 ・ 公開 2026/10/31 ・ 更新 2026/11/01
ローカルAIに画像を見せられない?Ollama・LM Studioで画像対応モデルを選ぶ方法
OllamaやLM Studioで写真・スクリーンショットを読み込めないときは、まず画像対応VLMか確認。モデルの選び方、画像1枚のテスト、失敗時の切り分けと注意点を初心者向けに解説します。
「ローカルAIにエラー画面のスクリーンショットを見せたいのに、画像を添付できない」「画像を渡したはずなのに、内容を説明してくれない」。そんなとき、質問文を何度書き直しても解決しないことがあります。
最初に確かめたいのは、選んだモデルが画像入力に対応しているかです。ローカルAIのモデルには文章だけを扱うものと、画像も読み取れるものがあります。画像を読めるタイプは VLM(Vision-Language Model、画像と言葉を扱うモデル) と呼ばれます。
この記事では、WindowsでOllamaやLM Studioを使う初心者に向けて、画像対応モデルの見分け方と、安全なテスト画像1枚で原因を切り分ける手順を整理します。2026年11月1日時点の公式資料に基づく説明であり、今回の実機推論結果ではありません。
まず確認:画像を「作るAI」と「読むAI」は違う
画像生成AIは、文章から新しい画像を作ります。一方、ここで扱うVLMは、既にある写真・図・スクリーンショットを入力し、その内容について文章で答えるためのものです。
| 困っていること | 最初に見るポイント |
|---|---|
| 画像を添付する場所が見当たらない | 画像対応モデルを選択しているか、利用中の画面・バージョンが画像入力に対応しているか |
| 画像を渡したのに見当違いの答えになる | モデルが画像対応か、画像が実際に入力へ渡っているか |
| 画像入力時に読み込みエラーが出る | モデル形式、ランタイム、空きメモリ、画像形式・サイズ |
| 小さな日本語の文字だけ読み間違える | 画像入力自体は動いていても、文字認識精度や画像の縮小が原因の可能性 |
画像対応モデルを選んだだけで、すべての画像や細かい文字を正確に読めるわけではありません。 まずは大きな物体や短い文字が写った、分かりやすい画像で試すのがおすすめです。
Ollamaで試す:Vision対応モデルを選ぶ
Ollama公式のVisionガイドでは、画像と文章を一緒に渡して質問する方法を案内しています。公式例は次のとおりです。
ollama run gemma4 ./image.png what is in this image?
この例は、現在の作業フォルダにある image.png をモデルに渡し、「この画像には何が写っている?」と尋ねるものです。Windowsでは、実際のファイル位置に合わせてパスを指定してください。上のコマンドは公式掲載例であり、この記事のためにWindows実機で実行した結果ではありません。
モデル選びに迷ったら、Ollama公式のGemma 4一覧で、各モデルの対応欄に Text, Image と書かれているか確認できます。例えば gemma4:e2b は画像入力対応として掲載されています。
同ページに表示される gemma4:e2b の約4.6〜7.5GBは、モデルファイルのダウンロード容量の目安です。必要なRAMやVRAMそのものではありません。PCの空き容量と実行環境を確認してからダウンロードしましょう。また、名前に -cloud が付くモデルと、PC上で動かすローカルモデルを混同しないでください。
LM Studioで試す:画像対応VLMを読み込む
LM StudioもWindowsでローカルモデルを動かせるアプリです。公式のImage Inputドキュメントは、画像を入力するにはVLMが必要と説明し、例として qwen2-vl-2b-instruct を挙げています。公式SDKの画像入力はJPEG・PNG・WebPに対応しています。
LM Studioのチャット画面で試す場合は、次の順番で確認します。
- モデル検索・選択画面で、画像入力に対応するVLMを探します。モデル名だけで判断せず、対応機能の表示も確認します。
- そのVLMを読み込み、チャット画面で画像添付が利用できるか確かめます。画面の表示や操作位置はアプリのバージョンで異なる場合があります。
- 個人情報のない写真またはスクリーンショットを1枚添付し、「この画像に何が写っていますか?」 と質問します。
- 画像の内容を具体的に説明できるか確認します。できなければ、モデルの対応形式やランタイムを再確認します。
上記は公式のVLM対応仕様に基づく確認手順で、現在のLM Studio GUIのボタン位置を実機で保証するものではありません。添付欄がない場合は、いきなり再インストールせず、まずモデルと利用画面の組み合わせを確認してください。
なお、LM Studioは0.3.31の公式リリースノートで画像入力サイズ設定を案内しています。画像を縮小すると細かい文字が読みにくくなる場合があるため、画像入力が動くのに文字だけ苦手なら、対応バージョンで Settings → Chat → Image Inputs の設定も確認候補になります。
うまくいかないときの5つのチェック
- テキスト専用モデルではないか。 モデル説明のVision・Image対応を確認する。
- 画像が実際に送られているか。 ファイル名を入力しただけで画像が添付されたと思い込まない。
- 画像形式とサイズが合っているか。 まずは小さめのJPEG・PNG画像1枚で試す。
- RAM・VRAM・ストレージが足りるか。 モデルのダウンロードサイズと推論に必要なメモリは別物。大きいモデルほど実行負荷にも注意する。
- ローカル実行かクラウド実行か。 モデルや接続先を確認し、意図せず画像を外部サービスへ送らない。
一度に設定を全部変えると、何が原因だったのか分からなくなります。モデルを画像対応にする → テスト画像1枚を渡す → 回答を確かめるという順番なら、切り分けがしやすくなります。
スクリーンショットの個人情報に注意
エラー画面やデスクトップの写真には、メールアドレス、ユーザー名、ファイルパス、APIキー、通知内容などが映り込むことがあります。画像を添付する前に、機密情報を隠したテスト画像を用意してください。
ローカルモデルは自分のPCで処理できるのが魅力ですが、アプリの接続先やCloudモデルの選択次第では外部通信を伴う場合があります。「LM StudioやOllamaを使っているから、どのモデルでも完全にオフライン」とは決めつけないようにしましょう。
結論:まずは画像対応モデルで1枚だけ試そう
ローカルAIが画像を読めないとき、最初に疑うべきはプロンプトよりモデルの画像入力対応です。Ollamaなら公式Visionガイドとモデル一覧、LM StudioならVLM対応モデルとチャット画面の入力方法を確認しましょう。
最初の一歩は、個人情報のない画像1枚を用意して、内容を説明してもらうこと。成功したら、少しずつ図やエラー画面など実際の用途に広げていけば十分です。
参照した一次情報
SOURCES