ComfyUI15b の履歴(No.5)

履歴一覧
差分を表示
現在との差分を表示
ソースを表示
ComfyUI15b へ行く。
- 1 (2026-06-23 (火) 15:02:01)
- 2 (2026-06-23 (火) 15:05:47)
- 3 (2026-06-24 (水) 05:49:41)
- 4 (2026-06-24 (水) 11:00:37)
- 5 (2026-06-24 (水) 13:37:04)
- 6 (2026-06-25 (木) 14:22:19)
- 7 (2026-06-25 (木) 17:15:14)
- 8 (2026-06-25 (木) 19:41:49)
- 9 (2026-06-26 (金) 10:12:29)

私的AI研究会 > ComfyUI15b

画像生成AI「ComfyUI」１５（実践編Ⅵ３）　== 編集中 ==†

　「ComfyUI」を使ってローカル環境でのAI画像生成を検証する

▲　目　次

画像生成AI「ComfyUI」１５（実践編Ⅵ３）　== 編集中 ==
参考資料

※ 最終更新:2026/06/24　

↑

『Ideogram 4.0』を検証する３　『JSON プロンプトツール「PromptCanvas」』†

　JSONプロンプトを作成する手段として LLM が有効であることが分かったが、LLM をローカルで利用する方法を検証する

　以前のプロジェクトで構築した『ローカル PC で LLM を利用する』の環境で「Ideogram 4.0」に入力できる JSON プロンプトを作成する方法
　参考URL → 生成AIグラビアをグラビアカメラマンが作るとどうなる？第68回：Ideogram 4.0用JSON Promptビルダーを作ってみた

↑

環境構築†

　このプロジェクトは「anaconda_win/workspace_3/」フォルダの下でで実行する

proj_PromptCanvas.zip をダウンロード
・解凍してできるフォルダ
```
📂anaconda_win
  └─📂workspace_3
        └─📂PromptCanvas　　　　　　　　　　← このプロジェクトの対象フォルダ
```
・解凍してできるフォルダを同じ場所へ上書きコピーする

「nvidia-smi」で NVIDIAグラフィックドライバーのバージョンを調べる

nvidia-smi

(base) PS > nvidia-smi
Wed Jun 24 03:46:20 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 610.47                 KMD Version: 610.47        CUDA UMD Version: 13.3     |
+-----------------------------------------+------------------------+----------------------+
| GPU  Name                  Driver-Model | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 4060 ...  WDDM  |   00000000:01:00.0 Off |                  N/A |
| N/A   37C    P3            590W /   45W |       0MiB /   8188MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI              PID   Type   Process name                        GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|  No running processes found                                                             |
+-----------------------------------------------------------------------------------------+

「nvcci」でインストールされてる NVIDIAツールキットのバージョンを調べる

nvcc -V

(base) PS D:\anaconda_win> nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Wed_Jan_15_19:38:46_Pacific_Standard_Time_2025
Cuda compilation tools, release 12.8, V12.8.61
Build cuda_12.8.r12.8/compiler.35404655_0

「Python」バージョンを指定して仮想環境『PromptCanvas』を構築する・Python 3.11 で作成する

conda create -n PromptCanvas python=3.11

(base) PS D:\anaconda_win> conda create -n PromptCanvas python=3.11
Channels:
done
#
# To activate this environment, use
#
#     $ conda activate PromptCanvas
#
# To deactivate an active environment, use
#
#     $ conda deactivate

すぐに環境を起動できる「PromptCanvas.ps1」を作成する（後で修正）
・anaconda_win/PromptCanvas.ps1

$name = @"

*** PromptCanvas environment ***
"@
Write-Host $name
conda activate PromptCanvas
cd "D:\anaconda_win\workspace_3\PromptCanvas"

プロジェクト環境への起動確認
・「Anaconda PowerShell Prompt」から PromptCanvas.ps1 を実行する
　PromptCanvas/ 仮想環境下でフォルダがカレントディレクトリになれば OK
```
(base) PS D:\anaconda_win> .\PromptCanvas.ps1
(PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas>
```

↑

ローカルで動く LLM サーバーを準備する†

　以前のプロジェクト「大規模言語モデル（LLM）のローカルマシンでの検証」の実行環境でインストール済み「ollama」「Open WebUI」サーバーを使う

【復習】Ollama Pythonライブラリでローカル LLM を操作する

LLM サーバー API アクセスポイント情報

サーバー URL アドレス API アクセスキー

Ollama http://localhost:11434 なし

Open WebUI http://localhost:8080 設定した API_KEY

　※ Open WebUI で API キーを発行する手順
　　1. Open WebUI の画面左下にあるアカウントアイコンをクリックし、「設定 (Settings)」を開く
　　2. 左メニューの「アカウント」を開いて「APIキー」にアクセスする
　　　・「APIキー」がない場合は「管理者パネル」で「APIキー」を有効にする
　　3. 「Add API Key」をクリックしキーの名前（Label）を入力して新しいAPIキーを生成・コピーする
　　4. コピーしたAPIキーと Open WebUIの URLでリクエストを送信する
　　　・HTTP リクエスト送信 → （PowerShell の場合は curl.exe）curlコマンドなど

サーバー	URL アドレス	API アクセスキー
Ollama	http://localhost:11434	なし
Open WebUI	http://localhost:8080	設定した API_KEY

↑

JSON プロンプト作成ツール「PromptCanvas」の設定†

「PromptCanvas」のインストール
・上記の「proj_PromptCanvas.zip」ダウンロード：解凍・配置で設置は完了している
PromptCanvas 仮想環境の起動
・「Anaconda PowerShell Prompt」を起動し下記のコマンドを実行する

PromptCanvas.ps1
```
(base) PS D:\anaconda_win> .\PromptCanvas.ps1
(PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas>
```

仮想環境（venv）の作成

python -m venv venv

(PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas> python -m venv venv
(PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas>

仮想環境（venv）をアクティブにする

./venv/Scripts/activate

(PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas> ./venv/Scripts/activate
(venv) (PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas>

必要なパッケージをインストールする

pip install -r requirements.txt

(venv) (PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas> pip install -r requirements.txt
Collecting fastapi<1.0.0,>=0.115.0 (from -r requirements.txt (line 1))
  Downloading fastapi-0.138.0-py3-none-any.whl.metadata (27 kB)
    :
Successfully installed PyYAML-6.0.2 aiohappyeyeballs-2.6.2 aiohttp-3.14.1 aiosignal-1.4.0 aistudio-sdk-0.3.8 astor-0.8.1 attrs-26.1.0 bce-python-sdk-0.9.72 certifi-2026.6.17 chardet-7.4.3 charset_normalizer-3.4.7 colorlog-6.10.1 crc32c-2.8 decorator-5.3.1 filelock-3.29.4 frozenlist-1.8.0 fsspec-2026.6.0 future-1.0.0 hf-xet-1.5.1 httpcore-1.0.9 httpx-0.28.1 huggingface-hub-1.20.1 imagesize-2.0.0 markdown-it-py-4.2.0 mdurl-0.1.2 modelscope-1.37.1 multidict-6.7.1 numpy-2.3.5 opencv-contrib-python-4.10.0.84 opt-einsum-3.3.0 packaging-26.2 paddleocr-3.7.0 paddlepaddle-gpu-2.6.2 paddlex-3.7.1 pandas-3.0.3 prettytable-3.17.0 propcache-0.5.2 protobuf-3.20.2 psutil-7.2.2 py-cpuinfo-9.0.0 pyclipper-1.4.0 pycryptodome-3.23.0 pygments-2.20.0 pypdfium2-5.10.1 python-bidi-0.6.10 python-dateutil-2.9.0.post0 requests-2.34.2 rich-15.0.0 ruamel.yaml-0.19.1 shapely-2.1.2 shellingham-1.5.4 six-1.17.0 tqdm-4.68.3 typer-0.25.1 tzdata-2026.2 ujson-5.13.0 urllib3-2.7.0 wcwidth-0.8.1 yarl-1.24.2
(venv) (PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas>

残りのパッケージをインストールする
　【注意】CUDA ToolKit のバージョン（冒頭 nvcc -V コマンドによる）に適合するコマンドを paddlepaddle インストールガイドから取得する

python -m pip install paddlepaddle-gpu==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

(venv) (PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas> python -m pip install paddlepaddle-gpu==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/
Looking in indexes: https://www.paddlepaddle.org.cn/packages/stable/cu126/
Collecting paddlepaddle-gpu==3.3.0
  Downloading paddlepaddle_gpu-3.3.0-cp311-cp311-win_amd64.whl (533.3 MB)
    :
Successfully installed nvidia-cublas-cu12-12.6.4.1 nvidia-cuda-runtime-cu12-12.6.77 nvidia-cudnn-cu12-9.5.1.17 nvidia-cufft-cu12-11.3.0.4 nvidia-curand-cu12-10.3.7.77 nvidia-cusolver-cu12-11.7.1.2 nvidia-cusparse-cu12-12.5.4.2 nvidia-nvjitlink-cu12-12.9.86 paddlepaddle-gpu-3.3.0
(venv) (PromptCanvas) PS D:\anaconda_win\workspace_3\PromptCanvas>

「venv」設定ファイル（「proj_PromptCanvas.zip」プロジェクトファイルに同梱）

# --- サーバー ---
HOST=127.0.0.1
PORT=7860

# --- PaddleOCR ---
IMAGE_TO_PROMPT_OCR_LANG=japan,en

# --- Vision LLM (OpenAI互換エンドポイント) ---
VISION_API_BASE=http://localhost:11434/v1
VISION_API_KEY='ollama'
# bbox精度の高いvision対応モデルを推奨（Gemma系で良好な結果）
#VISION_MODEL=gemma3:latest
VISION_MODEL=qwen3-vl:8b
#VISION_MODEL="tinyrick/gemma-4-31B-it-uncensored-heretic-vision-llmfan46:Q4_K_M"

# 画像リサイズ上限 (短辺px)
VISION_FULL_MAX_PX=1024
VISION_CROP_MAX_PX=512

# --- WOMAN タグ ---
# woman/girl/female/lady を "{WOMAN} woman" に統一（例: Japanese, Korean, Chinese）
WOMAN=Japanese

# --- 開発用 ---
# IMAGE_TO_PROMPT_MOCK=1

起動ファイル「PromptCanvas.ps1」を修正する（最後に AP起動コマンドを追加）
・anaconda_win/PromptCanvas.ps1
```
$name = @"

*** PromptCanvas environment ***
"@
Write-Host $name
conda activate PromptCanvas
cd "D:\anaconda_win\workspace_3\PromptCanvas"

./venv/Scripts/activate
python app.py
```
・以後、新規「Anaconda PowerShell Prompt」から PromptCanvas.ps1 コマンドでサーバー起動　終了は 'Ctrl' + 'c'

↑

「PromptCanvas」の使い方†

サーバーを起動する
・「Anaconda PowerShell Prompt」を開いて次のコマンドを実行する

PromptCanvas.ps1

(base) PS D:\anaconda_win> .\PromptCanvas.ps1

*** PromptCanvas environment ***
Image to Prompt v3 running at http://127.0.0.1:7860
Vision LLM : http://localhost:11434/v1 / qwen3-vl:8b
OCR        : PaddleOCR (lang=japan,en)
INFO:     Started server process [10236]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:7860 (Press CTRL+C to quit)

'Ctrl' キーを押しながら http://127.0.0.1:7860 を押して Web アプリケーションを起動する
終了は 'Ctrl' + 'c' キーを押す

↑

忘備録†

↑

HTTP メッセージ†

　参照サイト → HTTPメッセージについて簡単なまとめ

HTTPメッセージの構造'

HTTP メソッド
HTTPには、クライアントが行いたい処理をサーバに伝えるために９つのメソッドが定義されている

名称	意味
GET	指定したURIの情報を取得する。最も利用頻度の高いメソッドで、Webページの取得や、画像、映像の取得などで使用される。
POST	3つの役割があるメソッド 1. 子リソースの作成 2. ソースへのデータの追加&br:3. 他のメソッドでは対応できない処理(何らかの理由で他のメソッドで対応できない処理をPOSTで行うことがある)
PUT	リソースの更新(対象リソースの現在の表現全体を変更) リソースの作成
DELETE	リソースの削除に使用する
HEAD	リソースのヘッダだけを取得するメソッド GETと似ているが、HEADのレスポンスにはボディが含まれない。
OPTIONS	対象リソースがサポートしているメソッドの一覧を返す
TRACE	対象リソースへのパスに沿ってメッセージのループバックテストを実行する
CONNECT	対象リソースで識別されるサーバーとの間にトンネルを確立させる
PATCH	リソースを部分的に変更するために使用する

ステータスコード
ステータスコードは、レスポンスの１行目に記述されている3桁の数値。リクエストに対する結果を示す。

コード	分類	意味
1xx	処理中	処理が継続している
2xx	成功	リクエストが成功した
3xx	リダイレクト	他のリソースへのリダイレクト
4xx	クライアントエラー	クライアントのエラー　原因はクライアントのリクエストにある
5xx	サーバエラー	サーバエラー　原因はサーバ側にある

↑

「venv」設定ファイル†

　Pythonの venv 環境そのものには専用の設定ファイルはないが、環境変数（APIキーやDB接続情報など）を管理するために .env ファイルを作成するのが一般的

　設定ファイルの作成と読み込み手順

パッケージのインストール仮想環境（.venv）をアクティベートした状態で、環境変数読み込み用の python-dotenv をインストール
```
pip install python-dotenv
```
.env ファイルの作成
プロジェクトのルートディレクトリ（venv フォルダと同じ階層）に .env というファイルを作成し、設定を記述する
```
API_KEY=your_secret_key_here
DEBUG_MODE=True
```

Pythonコードからの読み込み作成した .env ファイルの値は、os.getenv() を使ってコード内で読み込むことができる

import os
from dotenv import load_dotenv

# .env ファイルの環境変数を読み込む
load_dotenv()

# 設定値を取得
api_key = os.getenv("API_KEY")
print(api_key)

↑

更新履歴†

2026/06/23 初版

↑

参考資料†

JSON Prompt
- 生成AIグラビアをグラビアカメラマンが作るとどうなる？第68回：Ideogram 4.0用JSON Promptビルダーを作ってみた
- GitHub: PromptCanvas

HTTPメッセージについて簡単なまとめ