【Nano Banana級をローカルPCで】話題の画像編集モデルQwen Image Editをなんとか使いたい

はじめに：そんなに怖いか新世代が…

ローカルPCで動かすStable Diffusionの解説をしておりますが、実は既に現在の主流であるIllustriousXLモデルや実写もアニメも強いPonyDiffusionV6より新しい新世代のモデルが登場しています。

その中でQwen Image Edit（クウェン イメージ エディット）というモデルが注目を集めています。

Qwen Image Editは、中国のAlibaba Cloudが開発したマルチモーダルモデルQwenシリーズの画像編集特化版です。参照画像を見てそれを理解した上で新しい画像を生成する能力が格段に向上しています。

IllustriousXLモデル以前の世代のモデルではキャラクタータグやLoRAを使えばキャラクターの顔は似るんですが、同じシーンの画像を連続して描こうとしても小物とか服のデザインが微妙に変わってしまうんですよね。

ところがQwen Image EditはGoogleのNano Bananaに匹敵する修正指示能力や元の画像との一貫性維持に優れていると言われています。

規制も少なく、比較的自由な表現がです。（もちろん、公序良俗の範囲内での利用が前提ですが）。

ただし、いいことばかりじゃありません。このモデル、めちゃくちゃVRAMを食います。RTX 5000シリーズでVRAM 16GB以上は欲しいところです。RTX 3000や4000シリーズでもギリギリ動きますが、かなり設定を工夫する必要があります。生成時間も1枚1分とか3分となかなか待ち時間としては厳しいレベルです。

STEP1：Qwen Image Editをなんとか動かす

Qwen Image EditをローカルPCで動作させるには、ComfyUIを使用するのが一般的です。ComfyUIは、Stable Diffusion WebUIのReForge系列（このツール群の関係とかわかりにくいですよね、そのうち解説します。今はReForgeっぽいのとComfyUIの2大勢力があるということで）と並ぶ、もう一つの大きな勢力です。

でも私、ComfyUIのビジュアルノードって奴キライなんですよね…（使わないとはいっていない）

なんかごちゃごちゃしてて使いにくい。まだReForgeとかの方がどこで何をするか固定されていて使いやすい。

ComfyUIをなんとかする方法はおいておいて、Qwen Image Editだけささっと使いたい！

今回はそんなサービスで一番簡単そうなサービスをご紹介します。

Runpod と言って、簡単にいうとネットワーク経由でグラフィックボード付きＰＣを時間貸しでレンタルするサービスです。

これを使えば、高いグラフィックボード買わなくてもQwen Image Editなどの新世代モデルやローカルPCで動かせると言われていても実は巨大すぎて動かせないローカルAIも動かせたりします。

まず、このリンクからアカウントを作ってください。

最低5ドル分くらいは無料クレジットをもらえるのでよかったら使ってみてください

Runpodの詳細な解説や設定方法や詳細は以下の記事を見てもらうとして

今回はQwen Image Editを簡単に動かす方法を解説します。

そもそもそんな感じでComfyUI使いたくない、でもローカルでQwen Image Edit使いたい、なんとかならんか…Runpodはやっぱりコンピューター知識慣れてないと使うの大変だぞ…なんとかならんか…

とRunpodのメニューを見ていたら Public EndPointsというメニューがあるのに気が付きました。

なんじゃこれって見てみたら

なんと！Qwen Image Editなどの主要なAIサービスを使えるページがあるじゃないですか

とりあえずImageタブをクリックしてください。

しかもQwen Image Editと並んで高性能だけど世間にあまり知られていないSeedream4.0の画像生成サービスもあるじゃないですか！

ここではqwen / Qwen Image Edit というエンドポイントを選びます。

STEP2：Runpod Public EndpointsでQwen Image Editをなんとか動かす

Qwen Image Edit – Image Editing API on GPU | Runpod

1. 真ん中あたりにあるImageブロックのサンプル画像を×をクリックして消します

2. そうするとUpload or drag and drop と表示されますので好きな画像をドラッグドロップするか、フォルダを開いて指定します。

3. あとは上のプロンプト欄に日本語で指示しても英語でも中国語でもプロンプトは受け付けてくれます。

4. ChatGPTや翻訳ツールで英訳した方が、指示に従ってくれると思います。IllustriousXLモデルと違ってタグプロンプトでなく自然文で問題ないです。簡単な指示（服の色を変える）とかの方が成功しやすいですが、実はかなり長い指示（中国語、英語、日本語など、すべての漢字、アルファベット、記号が1文字としてカウントして800文字程度とのこと）を理解できる能力があります。

5. あとは下にRunボタン押すと1枚30秒ぐらいで生成してくれます。

6. 1枚につきだいたい$0.02かかりチャージした金額から引かれます。1ドルで50枚ぐらい生成できるので、お安いですが面白くてついつい結構生成してしまいますね。やはりローカルでできるに越したことないですね。近いうち解説します。

Additional Settingってところをクリックすると Enable Safty Checkerという恐らくセンシティブな画像生成の安全チェック用のチェックボックスがありますが、なんかクリックしてもオフになりませんねえ…（あ、察し）

まあオンのままでもNano Bananaよりは生成拒否されたりしないと思います。

Stable DiffusionのIllustriousXLモデルなどでLoRAなど使って好きなキャラクターを生成して、細かい違い（IllustriousXLモデル以前のモデルはこの弱点をなかなか解決できないので）をQwen Image Editで直すという使い方が今はベストなんじゃないでしょうか。

まとめ：とりあえず試すならRunpod Public Endpoint やることは3つだけ

1. Runpodでアカウント作成（無料クレジットもらうか最低$10チャージ）

2. Public Endpoint → Image → Qwen Image Edit選択

3. 画像アップロード＋プロンプト入力＋Run
   

実はQwen Image Editを無料で使えるサービスも色々あります。でもモデル内だけでなくサイトごとに規制があったりして色々使いにくいのでRunpod Public EndPointsを今回ご紹介させて頂きました。

……あ、Enable Safty Checkerオフで使う方法思いついちゃった！

でも実はQwen Image Editのベースモデルはいわゆるエッ画像を学習していないのでSafty Checkerを外してもそこまでエッな画像が生成できるわけではありません。でも主要なネットの画像生成サービスよりは使いやすいのではないかと思います。Grokの画像生成が動画生成並みによくなると一般の人も使いやすい規制の少ない画像生成サービスになると思うんですが、やはりメジャーなサービスではイーロン・マスクですら世間からの規制との闘いに負けて、いずれ規制が強くなるかもしれません。

……うーむ、コマンドライン（Windowsに出る例の黒い窓の奴）で実行すれば Safty Checkerオフにできるのは確認したけど、あまり画像の規制レベル変わらんかった。Runpodさんのご厚意のおかげで有料記事にしようと思ったけど今回はいらなさそうですね。