ComfyUI19 の履歴(No.2) - PukiWiki

[ トップ ] [ 一覧 | 検索 | 履歴 | ログイン ]

履歴一覧
差分を表示
現在との差分を表示
ソースを表示
ComfyUI19 へ行く。
- 1 (2026-09-22 (火) 13:11:37)
- 2 (2026-09-22 (火) 16:08:40)
- 3 (2026-09-22 (火) 16:13:47)
- 4 (2026-09-22 (火) 20:25:19)
- 5 (2026-09-23 (水) 07:40:40)
- 6 (2026-09-24 (木) 11:22:37)

私的AI研究会 > ComfyUI19

画像生成AI「ComfyUI」１９（実践編Ⅷ）　== 編集中 ==†

Qwen_image_2.1_00001_m.jpg

#ref(): File not found: "8304_2026-08-09_00001_m.jpg" at page "ComfyUI19"

　「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」１９（実践編Ⅷ）　== 編集中 ==
- 『Qwen-Image-2.1』を検証する
- 更新履歴
参考資料

※ 最終更新:2026/09/22　

『Qwen-Image-2.1』を検証する†

　中国 Alibaba の Qwenチームが開発した、高精度なテキスト描画とセマンティック編集が得意な画像生成・編集AIモデル『Qwen-Image-2.1』を検証してみる

概要†

「Qwen-Image-2.1」とは
- 中国のAlibaba のAI研究部門が2026年9月に公開のテキストからの画像生成と指示ベースの画像編集を1つのモデルでこなす最新のオープンウェイト画像モデル

主な特徴
- 生成と編集の統合: テキストからの画像作成（T2I）と、既存画像の局部修正や加工（I2I）を同じモデルでシームレスに行える
- 軽量・高速で高性能: 視覚生成部分は約7B（70億）パラメータのコンパクトな構成ながら、多くのクローズドソースモデルを上回る高い描写力を持つ
- ネイティブな透過画像（RGBA）対応: アルファチャンネルを最初からサポートしており、透明背景のイラストやUIパーツ、ステッカー素材などの生成・編集が可能
- 最大10枚のマルチ画像参照: 複数枚（最大10枚）の参照画像を同時に読み込めるため、人物の顔立ち（本人らしさ）や商品の質感を保ったまま、別背景への合成やコーディネート画像の作成が得意
- ネイティブ2K解像度・優れた文字描画: 最大2048×2048ピクセルの出力に対応し、ポスターやインフォグラフィックなどに含まれる細かいタイポグラフィ（文字）の再現性も高いのが特徴
- 高速化技術: 「プレフィックスKVキャッシュ再利用」の仕組みを採用し、参照画像が多い処理でもメモリ消費を抑えて効率よく動作する

利用における注意点
- ライセンスは独自の「Qwen Research License Agreement」が適用されており、基本的には研究・評価目的での利用に制限されている
- 商用利用を行う場合は別途申請やライセンス契約が必要となる
- 生成物に関してはライセンス記述なし

オフィシャルサイト

プロジェクトで作成するワークフロー†

　このプロジェクトで作成するワークフローと関連データは下記にアップロードしている（更新されている場合は再度ダウンロードのこと）

ComfyUI_ex2_proj.zip をダウンロード（随時更新中）※2026/09/22更新
・解凍してできるフォルダ

📂ComfyUI
  └─📂user
        └─📂default
              └─📂workflows　　　　　　　　← ワークフローの保存場所
                    :
                    ├─📂QwenImage2.1　　　 ← この章で作成するワークフロー
                    :

・解凍してできる「ComfyUI/」フォルダを「StabilityMatrix/Data/Packages/ComfyUI」へ上書きコピーする

画像生成のための環境構築†

必要モデルのダウンロードと配置

モデル名	ファイル名（.safetensors）	配置先（/StabilityMatrix/Data/）		ダウンロード URL	サイズ
diffusion_models	qwen_image_2.1_int8_convrot	Models/	DiffusionModels/	qwen_image_2.1_int8_convrot.safetensors	7.26GB
text_encoders	qwen3vl_8b_int8_convrot		TextEncoders/	qwen3vl_8b_int8_convrot.safetensors	9.35GB
vae	qwen_image_2.1_vae_bf16		VAE/	qwen_image_2.1_vae_bf16.safetensors	0.68GB

Step 1：標準テンプレートを検証する†

　ComfyUI オフィシャルサイトで公開されているテンプレートのシード値を固定して再現性を確保し動かしながら整理する

ワークフローを選ぶ

	① 左端のメニューから「Template」を選択 ②「Qwen-Image-2.1」を入力する・表示された一覧からワークフローを選ぶ ③「Qwen Image 2.1: Text to Image ④「Qwen Image 2.1: Input Edit」・ワークフローでエラーが発生する場合はモデルの配置を確認する
	Text to Image 生成画像

Text to Image ワークフロー　動作確認を行ってから保存する

▼　プロンプト

プロンプト
Greyscale fashion editorial portrait of an avant-garde woman tilted upwards in profile, captured with striking high-contrast chiaroscuro lighting. She wears oversized, thick-rimmed circular black sunglasses with matte dark lenses, concealing her upward gaze. Her attire merges high couture with tactical abstraction: a high-necked structural dress tailored from heavyweight fabric featuring a disrupted optical camouflage pattern—interlocking oversized polka dots, pixelated stippling, and organic contour blotches in stark monochrome that mimic military disruptive patterns in a refined runway style. Around her shoulders, asymmetric pleated webbing and tailored cargo straps are integrated seamlessly into the garment’s architecture. In her gloved hand, she clutches a structured matte-leather geometric handbag accented with subtle tactical buckles, utility stitching, and dark brushed-metal hardware. Her skin texture is rendered with hyper-detailed clarity, sculpted by intense, razor-sharp studio key light and deep graphite shadows. The striking background is a vivid mixed-media graphic collage, composed of flat vibrant lime green planes, stark black and white overlapping circles, segmented semi-circles with bold zebra striping, dense micro-halftone dot matrices, and vector topographic contour lines. The clash between monochromatic disruptive camo elements on her clothing and the saturated, retro-futuristic pop-art backdrop creates an intense visual dissonance, emphasizing sharp silhouettes, paper cut-out edges, dynamic compositional balance, and clean graphic novel textures. Absolutely no text, no typography, no letters, no words, no numbers, no logos, no watermark, no captions, pure imagery only.
アヴァンギャルドな女性を横顔から見上げるアングルで捉えた、モノクロのファッション・ポートレート。明暗の対比（キアロスクーロ）を強調した劇的なライティングが施されています。彼女は、視線を隠すようなマットなダークレンズと太い黒の縁取りを持つ、特大の円形サングラスを着用しています。衣装は、ハイ・クチュールとタクティカル（戦術的）な抽象性を融合させたもので、重厚な生地で仕立てられた構築的なハイネック・ドレスを纏っています。その柄は、軍用迷彩の「ダズル迷彩（欺瞞迷彩）」を洗練されたランウェイ・スタイルに昇華させたもので、特大の水玉、ピクセル化された点描、有機的な輪郭の斑点模様がモノクロームで複雑に組み合わされています。肩周りには、非対称なプリーツ状のウェビング（帯状ベルト）やカーゴパンツ風のストラップが、衣服の構造とシームレスに一体化しています。手袋をはめた手には、マットレザー製の構築的な幾何学フォルムのハンドバッグを抱えています。このバッグには、控えめなタクティカル・バックル、ユーティリティ・ステッチ、ダークな艶消し金属金具があしらわれています。肌の質感は極めて精細に表現され、鋭く強烈なスタジオ・キーライトと深いグラファイト色の影によって、その造形美が際立っています。背景は鮮烈なミクストメディア・グラフィック・コラージュで構成されています。そこには、鮮やかなライムグリーンの平面、重なり合う黒と白の円、大胆なゼブラ柄が施された分割半円、高密度の微細ハーフトーン・ドット・マトリックス、そして地形図のようなベクター等高線が組み合わされています。衣装のモノクロームな迷彩要素と、彩度が高くレトロフューチャーなポップアート風背景との衝突が強烈な視覚的不協和音を生み出し、鋭いシルエット、切り絵のようなエッジ、ダイナミックな構図バランス、そしてグラフィックノベルを思わせるクリーンな質感を際立たせています。テキスト、タイポグラフィ、文字、単語、数字、ロゴ、透かし（ウォーターマーク）、キャプションなどは一切含まれず、純粋なイメージのみで構成されています。

Qwen Image 2.1 Text toImage ワークフロー	Qwen Image 2.1 Text to Image　SubGraph

「QwenImage2.1/」image_qwen_image_2_1_t2i.json

・ワークフローに含まれる注意書き

サイズ
Qwen Image 2.1は、2K（2048x2048）解像度の直接出力にネイティブ対応しています。出力サイズはResolutionSelector（幅/高さ）で指定します。デフォルトは1メガピクセル（1024x1024）です。ネイティブ2Kで出力する場合は、アスペクト比を1:1、解像度を4メガピクセル（2048x2048）に設定してください。値は32の倍数にすることをお勧めします。
透明な画像
透明な画像を生成するには、プロンプトを以下のように記述し、中央部分を生成したい被写体の説明に置き換えてください：　 This is an RGBA format image with transparency. `[your description]`. The image has an alpha channel and a transparent background. アルファチャンネルを保持するため、PNG形式で保存してください。
パラメータ
prompt	生成する内容。RGBA（透明）画像については「透明な画像」の項を参照してください
negative_prompt	cfgが1の場合、使用されません
cfg	Qwen Image 2.1の公式パイプラインを使用する場合は1に設定してください。ネガティブプロンプトを使用する場合にのみ、値を上げてください
steps	Qwen Image 2.1の公式パイプラインでは、Eulerサンプラーを使用する場合、通常40〜50ステップ程度です。このテンプレートでは25から開始します。より高度なサンプラーを使用する場合は、必要なステップ数が少なくて済みます

Image Edit ワークフロー　動作確認を行ってから保存する

▲　プロンプト

プロンプト
Keep the character and pose in <image1> unchanged, put this light blue denim shirt from <image2> on the character, preserve the original facial features, hair, body shape and pose, the denim shirt fits naturally on body, realistic denim fabric texture, natural clothing folds, keep the original background and original lighting, high fashion editorial photography, sharp details
<image1>のキャラクターとポーズをそのまま維持し、<image2>のライトブルーのデニムシャツをそのキャラクターに着せてください。元の顔立ち、髪型、体型、ポーズは変えず、デニムシャツを体に自然にフィットさせ、リアルなデニム生地の質感や自然な服のシワを表現してください。背景と照明は元のまま維持し、ハイファッションの雑誌のような写真の仕上がりと、細部まで鮮明な描写を求めています。

参照画像 ①	参照画像 ②	生成画像
portrait_model_denim.png	clothing_light_blue_denim_shirt.png

Qwen Image 2.1 Image Edit ワークフロー	Qwen Image 2.1 Image Edit　SubGraph

「QwenImage2.1/」image_qwen_image_2_1_image_edit.json

・ワークフローに含まれる注意書き

サイズ
Qwen Image 2.1は、2K（2048x2048）での直接出力をネイティブでサポートしています。・解像度は総画素数（ピクセル数）の制限を指します（幅や高さの数値そのものではありません）。アスペクト比は維持されます・公式のデフォルト値は1024です。モデルは最大2048まで対応しています・このテンプレートの初期値は0です（32の倍数以外のリサイズは行われません）・出力サイズは `image_1` に準拠します。追加の参照画像（refs）は、サイズやアスペクト比が異なっていても構いません・`custom_size` がオフの場合：キャンバスサイズはエンコードされた潜在表現（`image_1`）に基づきます・`custom_size` がオンの場合：ResolutionSelectorで指定した幅/高さを使用します。リサイズ後の `image_1` のサイズに近い値を維持してください。そうしないと、編集内容がずれる可能性があります
参照画像
・最大10枚の参照画像（`image_1` ～ `image_10`）を使用可能です・プロンプト内では `<image1>`、`<image2>` のように記述してください・`image_1` が編集対象となります。それ以外は参照画像として扱われます
カスタム設定
カスタム設定が必要な場合は、サブグラフに入力するか、サブグラフを展開して編集してください
パラメータ
`prompt`	編集の指示。`<image1>` ～ `<image10>` を使用します
`negative_prompt`	cfg` が1の場合、使用されません
cfg	Qwen Image 2.1の公式な運用では1に設定してください。ネガティブプロンプトを使用する場合にのみ値を上げてください
`steps`	Qwen Image 2.1の公式パイプラインでは、Eulerサンプラーを使用して約40～50ステップが設定されています。このテンプレートの初期値は 25です。より高度なサンプラーを使用する場合、必要なステップ数は少なくて済みます

Text to Image ワークフローを整理する

プロンプト
Close-up portrait of a young japanease woman in her 20s, natural makeup, soft expression. 85mm lens, f/1.4, shallow depth of field, bokeh background. Soft window light from the left, golden hour glow, warm skin tones. Cinematic, realistic, high detail, professional photography. NOT: oversaturated, anime style, low resolution, distorted face.
20代の日本人女性のクローズアップ・ポートレート。ナチュラルメイク、柔らかな表情。 85mmレンズ、f/1.4、浅い被写界深度、背景のボケ。左側からの柔らかな窓の光、ゴールデンアワーの輝き、温かみのある肌のトーン。映画のような質感、写実的、高精細、プロフェッショナルな写真。避けるべき要素：彩度過多、アニメ調、低解像度、顔の歪み。
生成画像	8401 Qwen Image 2.1 Text to Image ワークフロー

Image to Edit ワークフローを整理する

プロンプト入力画像 ① 入力画像 ②

Change the outfit to a mini dress.

衣装をミニドレスに変えてください。

生成画像 8402 Qwen Image 2.1 Image to Edit ワークフロー

&ref(): File not found: "comfyui_A49a_m.jpg" at page "ComfyUI19";

更新履歴†

2026/09/22 初版

参考資料†

Qwen-Image-2.1