Kakudai V1 EX with ollama

前回投稿した記事でも言及しておりますが、普段の私は前回投稿したアップスケーラーとは別に、日本発のAI開発グループ「マーベリック」が開発した、Kakudai V1をかなり愛用しております。

但しオリジナルのKakudai V1が登場してから4か月、その間に生成AIの世界は日進月歩の速度で進化し続けておりますから、それらの最新技術を反映させて改善できる部分もある訳です。

特に、オリジナル版は忠実な画像拡大を補完する為のプロンプト生成部分に関して、OpenAIのAPIキーを利用してGPT-4にアクセスする形になっていた為、使用する度にAPI使用料金が発生する仕組みでした。

当然その部分は、A1111でもおなじみWD14Taggerでも代用は出来る訳ですが、当たり前ですが画像解析能力とテキスト生成能力はGPT-4には遠く及びません。

しかし、ollamaアプリケーションを使用してローカル環境に構築したLLMに対して、ComfyUIからアクセスが出来る各種拡張機能が開発されたことにより、この部分を一気にローカルで自己完結化できる環境が整いました。

今回は、オリジナルのKakudai V1ではGPT-4にアクセスして元画像を分析し、プロンプトを生成していた部分をollamaに置き換えた改良版を作成したので配布します。

今回も前回と同様、元になってるワークフロー自体が無料で配布されているもので、かつ自分はそれにマイナーチェンジを施しただけですから、無料で配布します。

本音を言えば、早く自分でも料金を取ってもいいと思えるノードを開発したいとは思いますが。

ただ、プロンプト生成部分だけでなく、使用モデルやサンプラーの部分についても、4か月の間に進化した諸々を反映しているので、オリジナル版とは違う設定になっています。