【Flux.1】Flan-T5xxl_TE-only の FP32、FP16、GGUF 形式 を公開！
はじめに
こんにちは、きまま / Easygoing です。
今回は、Flan-T5xxl_TE-only の FP32, FP16, GGUF 形式 を公開したのでご紹介します。
Flan-T5xxl ってなに？
T5 は、Google が 2020年 に公開したテキストからテキストを生成する AI モデルです。
T5xxl モデルは、T5 のうち最大パラメータのモデルで、Flux.1 / SD 3.5 のプロンプトを解析するテキストエンコーダーとして使われています。
Flan-T5xxl は、T5xxl を微調整してさらに精度を向上させたモデルです。画像生成 AI で Flan-T5xxl モデルを利用すると、プロンプトの理解力の改善 と 画質の向上 が期待できます。
モデルの一覧
Hugging Face の Flan-T5xxl の公開サイトでは、次のモデルを公開しています。
Flan-T5xxl_TE-only は、画像生成 AI で使うテキストエンコーダー部分のみを抽出して軽量化したモデルです。
GGUF 形式 は Flan-T5xxl_TE-only_FP32 をもとに 量子化圧縮 を行ってさらに軽量化したモデルです。
GGUF 形式の Q8 の数字はビット数を表していて、数字が小さいものほど容量が軽くなりますが、精度も低下 します。
Flan-T5xxl を画像生成で利用する場合は、Q6_K 以上 をお勧めします。
Flan-T5xxl の使い方！
ダウンロードしたファイルを次のいずれかのフォルダに配置します。
インストールフォルダ/models/text_encoder
インストールフォルダ/models/clip
インストールフォルダ/Models/CLIP
ComfyUI
ComfyUI で Flux.1を使うとき、DualCLIPLoader ノードを使ってテキストエンコーダーをロードします。
2025.4.13、デフォルトの DualClipLoader ノードに device の選択項目が追加され、モデルのロード先を選択できるようになりました。
cuda → VRAM
cpu → システム RAM
Flux.1 のテキストエンコーダーは容量が大きいので、ほとんどの場合 device を cpu に設定してモデルを システムRAM に保持 した方が高速化します。
モデルを システム RAM に保持する方が GGUF への軽量化より効果が大きいので、現状では ComfyUI でGGUF 形式を使うメリットはほぼありません。
ComfyUI で Flux.1 を実行するときは、FP16 以上の形式のテキストエンコーダーを使いましょう。
ComfyUI では、起動時に --fp32-text-enc の設定をすることで、FP32 形式 のテキストエンコーダーも利用することができます。
Stable Diffusion WebUI Forge
Stable Diffusion WebUI Forge では、通常使う T5xxl_v1_1 の代わりに Flan-T5xxl モデルを選択します。
Stable Diffusion webUI Forge で FP32 形式 のテキストエンコーダーを使用するときは、--clip-in-fp32 オプションで起動して下さい。
改良型 CLIP-L も使おう！
Flux.1 / SD 3.5 / HiDream では、テキストエンコーダーは T5xxl とは別に CLIP-L も精度の良いものにアップグレードすることができます。
LongCLIP-SAE-ViT-L-14 モデル（ComfyUI のみ）
Flan-T5xxl と CLIP-L はそれぞれ別の働きをしているので、両方をアップグレードすると画質がさらに向上します。
CLIP-L は T5xxl よりも軽量なので、こちらのアップグレードも試してみることをオススメします。
Claude と Grok のコーディングはすごい！
私は自分でコードを書くことはできないので、今回の変換に使ったコードは全て AI に書いてもらいました。
今回利用した AI は、次の２つです。
Claude 3.7（2025/2/25 公開）：コードが正確
Grok3（2025/2/15 公開）：最新の情報を web で検索、ファイルもたくさんアップロードできる
今回と同じ変換を、２か月前に ChatGPT を使って試したことがあるのですが、その時はコードが動作せずに失敗しています。
今回は Claude 3.7 にコードの原型を書いてもらい、エラーメッセージを Grok 3 にアップロードして修正を繰り返すことで作業効率が大きく向上して、モデルを完成させることができました。
AI を使ってコードを書かれている方は、是非この方法を試してみて下さい！
まとめ：Flan-T5xxl を使ってみよう
Flan-T5xxl は新型のテキストエンコーダー
TE-only は必要な部分のみを抽出
GGUF 形式はさらに軽量化したモデル
ローカルの画像生成は、世界中の無料で公開されているモデルを自由に利用できるのが大きな魅力です。
画像生成 AI の Flux.1 と SD 3.5 と HiDream は、高品質のイラストを生成することができますが、テキストエンコーダーをアップグレードするとさらに 画質を上げる ことができます。
TE-only モデルの公開で、Flan-T5xxl モデルを使うときの 容量面でのデメリット がなくなったので、みなさんもぜひアップグレードを試してみてはいかがでしょうか？
最後までお読みいただきありがとうございます！
更新履歴
2025.8.25
内容を一部修正しました
2025.7.24
Flan-T5xxl_TE-only の GGUF 形式の再アップロードに伴い、表とグラフを修正しました。以前のものより容量が小さくなっています
2025.4.20
Stable Diffusion webUI Forge の FP32 形式の利用方法を追記しました
2025.4.15
ComfyUI のアップデートに伴い、記事の内容を整理しました
2025.4.2
ComfyUI-MultiGPU の解説記事のリンクを追加しました
2025.3.20
Flan-T5xxl のモデル一覧と表を更新しました
2025.3.15
Civitai のリンクを追加しました
2025.3.10
Flux.1_MultiGPU のサンプルワークフローを追加しました