ローカル画像生成AI:RTX3050)Stability Matrix+ComfyUI+Qwen-Image-Edit-2511を使う。

2026-01-11 · 写真・カメラ アート・美術 <AI>

ローカル画像生成AIで、

を使ってきた。

ローカル画像生成AI:RTX3050)Stability Matrix+Stable Diffusion WebUI Forgeで「FLUX FP8版」を使う。WindowsPCローカルで画像生成AIを試している。モデルとして、 「FLUX.1 [dev] の GGUF版」 「FLUX.1 [sch…晴歩雨描 ·

ローカル画像生成AI:RTX3050)Stability Matrix+Stable Diffusion WebUI Forgeで「FLUX.1 [dev] GGUF版」を使う。WindowsPCローカルで画像生成AIを使う「 Fooocus(Stable Diffusion) 」を試したみたが、期待通りの画質を得ら…晴歩雨描 ·

ローカル画像生成AI:RTX3050)Stability Matrix+Stable Diffusion WebUI Forgeで「FLUX.1 [schnell] GGUF版」を使う。WindowsPCローカルで、画像生成AIのモデル「 FLUX.1 [dev] の GGUF版 」を使ったが、800x600ピクセルの画像生…晴歩雨描 ·

今回、「Forge(Stable Diffusion WebUI Forge)」でなく、「ComfyUI」を使ってみる。

■ 使うPCのスペック

画像生成AIをローカルで行うPCとしては最低限レベル。

CPU インテル Core i5-14500T (14コア(6P+8E)/1.7GHz)
GPU NVIDIA GeForce RTX 3050 LP 6GB
メモリー 32GB
ストレージ 1TB M.2 SSD PCI Express x4対応(Gen4対応)
OS Windows 11 Pro 64bit

■ モデル構成:Qwen-Image-Edit-2511

2025年末にリリースされた「Qwen-Image-Edit-2511」。

※ 結果的には、「Qwen-Image-Edit-2511」では、以下のローカル画像生成AIに比べて、高画質は得られなかった。

PC構成(VRAM 6GB)を考慮し、以下の軽量化版を組み合わせる。

コンポーネント おすすめのバージョン 役割
Diffusion Model qwen-image-edit-2511-Q4_K_M.gguf 生成のメインエンジン。GGUF版でVRAMを節約。
CLIP / Vision qwen_2.5_vl_7b_fp8_scaled 画像理解とプロンプト解釈。
VAE qwen_image_vae 画像のデコード・エンコード。
LoRA Qwen-Image-Edit-Lightning 必須。 これにより4〜8ステップでの超高速・高画質生成が可能に。

---【実際にやった手順】---

■ パッケージ追加

Stability Matrixの「パッケージ」から ComfyUI をインストール。

■ 「ComfyUI-Manager」を入れる

■ 必要なカスタムノードのインストール

■ モデルファイルの配置

■ 組み合わせる「必須パーツ」

モデル単体では動かないため、以下の3点も用意。

■ ComfyUI 内部での設定(GGUFを認識させる)

まず、GGUF形式のモデルを読み込めるようにする。

ComfyUIを起動(Launch) 。

画面上部の 「🧩 Manager」 をクリックし、「Custom Nodes Manager」 を開く。

検索窓に GGUF と入力し、「ComfyUI-GGUF」 がインストールされているか確認。

■ 実写生成ワークフローの組み立て

真っ黒な画面をダブルクリックして検索窓を出し、以下の順にノードを呼び出して配置してください。

● モデルの読み込み (Unet / CLIP / VAE)

「Unet-Loader (GGUF)」: unet_name で qwen-image-edit-2511-Q4_K_M.gguf を選択。

「DualCLIPLoader」: clip_name1 に qwen_2.5_vl_7b_fp8_scaled.safetensors を選択。

※ DualCLIPLoaderはGGUF形式 のCLIP専用の読み込みノードであるためFP8に合わないため、使わない。以下で通常のCLIPLoaderに変更。

「VAELoader」: qwen_image_vae.safetensors を選択。

● Lightning LoRAの適用 (高速化の肝)

「LoraLoader」: lora_name で Qwen-Image-Edit-2511-Lightning... を選択。

■ 配置すべき「必須ノード」

今の画面には「画像を作るエンジン(サンプラー)」がまだない状態。画面の空いている場所をダブルクリックして、以下を追加。

KSampler (または KSampler (Advanced))

設定値を以下に変える。

■ 「CLIP Text Encode」ノード

画面の空いている場所をダブルクリック。入力欄に clip text と入力。

候補に出てくる CLIP Text Encode (Prompt) を選択。

これを2つ(ポジティブ用とネガティブ用)作成。

■ 「VAE Decode」ノード

画面の何もないところをダブルクリック。

入力欄に vae decode と入力。

候補リスト VAE Decode を選択。

■ 「Empty Latent Image」ノード

画面の何もないところをダブルクリック。

入力欄に empty と入力。

候補リスト Empty Latent Image を選択。

■ 「Save Image」ノード

画面の何もないところをダブルクリック。

入力欄に saveと入力。

候補リスト Save Imag を選択。

■ 「CLIPLoader」の出し方

※ 「DualCLIPLoader」を使わず、一般的な「CLIPLoader」を使う。

画面の空いている場所を ダブルクリック。

出てきた検索窓に CLIPLoader と入力。

※「Dual」や「GGUF」が付いていない「CLIPを読み込む」を選択。

■ ノードの「線」を繋ぐ(パズルの完成)

各ノードの右側にある丸(●)から、左側の丸へドラッグして線を繋ぐ。

  1. メインモデルの接続: Unet Loader (GGUF) の「モデル」から LoRAを読み込む の「モデル」へ繋ぐ。
  2. CLIPの接続: CLIPを読み込む の「CLIP」から LoRAを読み込む の「クリップ」へ繋ぐ。
  3. プロンプトの接続: LoRAを読み込む の「CLIP」から、2つの CLIPテキストエンコード の「クリップ」へそれぞれ繋ぐ。
  4. サンプラーへの接続:
    • LoRAを読み込む の「モデル」から Kサンプラー の「モデル」へ繋ぐ。
    • 各 CLIPテキストエンコード から Kサンプラー の「ポジティブ」「ネガティブ」へ繋ぐ。
    • 空の潜在画像 から Kサンプラー の「潜在画像」へ繋ぐ。
  5. 画像の出力: Kサンプラー の「潜在」から VAEデコード を経由し、最終的に 画像を保存 へ繋ぐ。
  6. VAEの接続: VAEを読み込む から VAEデコード の「vae」へ直接繋ぐ。

■ 現在の状態を保存

画面左上の 「保存」 で現在の状態を保存。

保存先:Data/Packages/ComfyUI/user/default/workflows

■ 結果サンプル(800x800)

《プロンプト》

realistic photo,
a cute Japanese girl in her 30 s,
fashionable clothes,
full body,
smiling,
walking on a old city street,
bright daytime

晴歩雨描:記事一覧ok2nd.github.io

ローカル画像生成AI:RTX3050)Stability Matrix+Stable Diffusion WebUI Forgeで「FLUX.1 [schnell] GGUF版」を使う。WindowsPCローカルで、画像生成AIのモデル「 FLUX.1 [dev] の GGUF版 」を使ったが、800x600ピクセルの画像生…晴歩雨描 ·

ローカル画像生成AI:RTX3050)Stability Matrix+Stable Diffusion WebUI Forgeで「FLUX FP8版」を使う。WindowsPCローカルで画像生成AIを試している。モデルとして、 「FLUX.1 [dev] の GGUF版」 「FLUX.1 [sch…晴歩雨描 ·

ローカル画像生成AI:RTX3050)Stability Matrix+Stable Diffusion WebUI Forgeで「FLUX.1 [dev] GGUF版」を使う。WindowsPCローカルで画像生成AIを使う「 Fooocus(Stable Diffusion) 」を試したみたが、期待通りの画質を得ら…晴歩雨描 ·