見出し画像

ComfyUIでQwen-Image-Edit-2511を試す手順（FP8/GGUF、Lightng）

まゆひらa

Last update 12-30-2025
※ 関連記事は、ComfyUIの記事一覧にまとめてあります。



■ 0. 概要

▼ 0-0. はじめに

　本記事では、ComfyUIで「Qwen-Image-Edit-2511」を「Lightning」で高速化して利用する手順を説明します。モデルはFP8とGGUFの形式に対応しています。

　旧バージョンのQwen-Image-Edit-2509に関する筆者の記事もあります。様々な実行例があるので参考になれば幸いです。

　既にComfyUI上でQwen-Image-Edit-2509を利用中の場合は、下記の操作のみで比較的容易に2511へ移行できます。

  • ComfyUI本体のアップデート

  • Modelの設置

  • ノードの追加（3-6.のサブグラフを参照）

　ComfyUIのインストール方法については、下記の記事を参照してください。

▼ 0-1. Qwen-Image-Edit-2511について

　Qwen-Image-Edit（8-19-2025に発表）、Qwen-Image-Edit-2509（9-23-2025に発表）に続く新しいバージョンで、12-24-2025に発表されました。

▼ 0-2. ChatGPTによる説明

　ChatGPTにいくつかのソースを与え、ChatGPT自身も検索を行った上でのまとめです。

◆ Qwen-Image-Edit-2511の特徴

  • 実写向けの画像編集に強い
    人物写真・製品写真・現実世界の画像を、雰囲気を壊さず自然に編集できる

  • 人物編集と合成が得意
    顔や服装の変更、人物同士の合成、集合写真の編集などを一貫した見た目で行える

  • 工業・製品デザイン用途に対応
    家電・機械・プロダクトの形状変更、パーツ追加、デザイン案の作成ができる

  • 設計・構造を意識した編集が可能
    直線・対称・構造を保ったまま、線の追加や形状修正などの編集ができる

  • 追加学習なしですぐ使える
    LoRAなどを個別に用意しなくても、多様な表現スタイルや編集が可能

◆ Qwen-Image-Edit-2509からの改善点

  • 複数人物の見た目が崩れにくくなった
    集合写真や複数人の合成で、顔立ち・体格・雰囲気が人物ごとに安定する

  • 人物やキャラクターの一貫性が向上
    編集を重ねても「別人になる」「顔が変わる」といったズレが起きにくい

  • 画像ドリフトが大幅に減少
    指示していない背景・服・人物まで勝手に変わる問題が少なくなった

  • 幾何学的な理解力が向上
    建築線・補助線・構造を意識した編集が、以前より正確にできる

  • 工業・製品デザインの精度向上
    形状の破綻が減り、実物として成立しそうなデザインを出しやすくなった

  • 人気LoRA相当の表現力を標準搭載
    2509では追加設定が必要だった表現が、最初から安定して使えるようになった

▼ 0-2. 関連リンク1

　HF Spacesにて、無料で生成のおためしができます。また、生成AIプレイグラウンドのfalも$0.03/MP（執筆時点）で利用可能です。

▼ 0-3. 関連リンク2

　公式のモデルです。

　本記事で利用するモデルです。詳細は記事中で説明します。

　ComfyUI Blogの記事にQwen-Image-Edit-2511の情報があります。


■ 1. 留意事項と使用リソース

▼ 1-1. 留意事項

　ComfyUIを更新していないと、必要なノードが存在しない場合があります。バグフィックスを含むこともあるので、なるべく最新版にしてください。
　次回の生成を高速化するため、VRAMに読み込んだモデルが自動的にメインRAMへ待避（オフロード）されることがあります。そのため、メインRAMが32GB以上であることが望ましいです。

　筆者の記事では、ComfyUI Managerがインストールされていることを前提としています。下記の記事で「ComfyUI Managerのインストール」を検索すると手順の説明があります（通常版、ポータブル版に対応）。

▼ 1-2. 使用リソース等

　FP8版は22GB程度のGPUメモリを消費します。筆者の環境（GeForce RTX 5060Ti）での生成時間は、画像が1枚の場合は28秒程度、3枚の場合は52秒程度です。

　GGUF版はVRAM 16GBに収まることを確認しています（Q4_K_MのModelを使用）。生成時間は、画像が1枚の場合は30秒程度、3枚の場合は55秒程度です。Q3であれば12GBでもいけそうです。

　なお、FP8版にてGPUの動作が低速になる現象がランダムに発生し、生成に通常の数倍の時間がかかるのを確認しています。生成の途中から低速になる場合もあります。GPUの温度が低くなってしまった場合は、停止してやり直してみてください。


■ 2. 始める前に

▼ 2-1. 手順について

　Modelの形式ごとに手順の説明を行っているので、それぞれの箇所へ進んでください。それらの後に補足とおまけを掲載しています。

  • FP8版 → 3.へ

  • GGUF版 → 4.へ

  • おまけ → 5.へ

▼ 2-2. サンプル画像

　テスト等で編集元となる画像が必要な場合は、Qwen-Image-Edit-2509の記事の2-3.に掲載されているファイルを自由にご利用ください。本記事でもこちらを利用します。


■ 3. FP8版

▼ 3-1. はじめに

　FP8版はComfyUI本体が対応しています。比較的多くのGPUメモリを使用するためパフォーマンスの低下が考えられます。気になる方はGGUF版を検討してください。

▼ 3-2. モデルの設置

　筆者は種類ごとにディレクトリを分けているのでそのように記述しますが、お好みで決めていただいて構いません。

　以降に記載されたURLのファイルをダウンロードして、適切なフォルダへ移動します。設置済みの場合はスキップしてください。

▼ 3-3. Diffusion model、LoRA

　下記のModel 1、またはModel 2のいずれかを選択できます。それぞれに合わせたワークフローを用意しています。

【Model 1】
　Comfy Org提供のModelに、別途Lightning LoRAを適用します。LoRAの有無により4 Stepsまたは20 Stepsで実行できます。

【Model 2】
　Lightning LoRAを含むModelです。ファイル名にlightning_comfyuiが付いている方を選んでください。4 Stepsで実行できます。

▼ 3-4. Text Encoder、VAE

　Qwen-Image-Edit（-2509）と共通ですので、設置済みの場合はスキップできます。

  • Comfy-Org/Qwen-Image_ComfyUI
    https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI 　

    • split_files/text_encoders/
      qwen_2.5_vl_7b_fp8_scaled.safetensors (8.73GB)
      → models\text_encoders\qwen-image\

    • split_files/vae/
      qwen_image_vae.safetensors (242MB)
      → models\vae\qwen-image\

▼ 3-5. ワークフロー

　生成用のワークフローを提供しますので、改造、再公開を含め自由にご利用ください。本記事ではLightningを使用した高速な4 Steps版と、低速な20 Steps版を用意しています。

（Last update: 12-30-1225）

◆ 4 Steps - Model 1

　Load Diffusion Modelの先のLoRA Loaderが有効になっています。

◆ 4 Steps - Model 2

　Load Diffusion Modelの先のLoRA Loaderがバイパスになっています。

◆ 20 Steps - Model 1

　Negative側をCLIP Text EncodeからTextEncodeQwenImageEditPlusに差し替え、KSamplerの設定値を変更しています。

▼ 3-6. ワークフローの説明

　ワークフローの全体は下記のようになっています（タイプにより若干異なります）。

　出力の解像度は、ImageScaleToTotalPixのノードで1MP（MegaPixel）に制限しています。必要に応じて値やワークフローを変更してください。

ワークフローの全体（4 Steps - Model 1）

　追加でPicture 2や3に入力したい場合はノードを選択して、Ctrlを押しながらBを押すか、上に表示されたアイコンをクリックしてUnbypassの状態に変更してください。

Picture 2を入力するノードを有効にした

　いずれのワークフローも未使用のLoraLoaderModelOnlyを用意したので、必要に応じて追加のLoRAが利用できます。

　未使用の「EmptySD3LatentImage (for testing)」を「KSampler」につなぐと、任意の解像度で出力できます。想定とは異なる処理方法なので、あくまでテスト用としています。

　最後に、サブグラフKsampler for QIE2511の内容です。Comfy Orgのワークフローと等価ですので、中身を意識する必要はありません。conditioningに接続されたノードは、Comfy Org以外が提供するModelで必要になる場合があるとのことです。

サブグラフの内容

▼ 3-7. 生成例

　ここでは2人の人物の入れ替えを試してみました。単純な人物の除去や挿入とは異なり、2511でも成功確率はあまり高くありませんでした。汎用性のある良いプロンプトがあれば知りたいです。

実行後の画面

　生成された画像です。2509と比較して、挿入された人物の描写がビビッドになる傾向が感じられます。

二人を入れ替えた生成画像

　下記は使用したプロンプトです。4 Steps - Model 1のワークフローを使用して、seedは35240963859189です。

1: Keep the entire background unchanged
2: Remove the two girls
3: Replace the left person with picture 2, keeping the pose
4: Replace the right person with picture 3, keeping the pose


■ 4. GGUF版

▼ 4-1. はじめに

　GGUF版は拡張機能が必要ですので、詳細は4-5.を参照してください。

　VRAM使用量はモデルの量子化タイプによります。ファイルサイズが約14GBのQ4_K_MではVRAM 16GBに何とか収まりますので、10GB程度のQ3であれば12GBでの動作も視野に入るでしょう。

▼ 4-2. モデルの設置

　筆者は種類ごとにディレクトリを分けているのでそのように記述しますが、お好みで決めていただいて構いません。

　以降に記載されたURLのファイルをダウンロードして、適切なフォルダへ移動します。設置済みの場合はスキップしてください。

▼ 4-3. Diffusion model、LoRA

　GGUF版では別途Lightning LoRAを適用します。LoRAの有無により4 Stepsまたは20 Stepsで実行できます。

▼ 4-4. Text Encoder、VAE

　Qwen-Image-Edit（-2509）と共通ですので、設置済みの場合はスキップできます。

　GGUF版のText Encoderはmmprojも必要です。どちらも同じフォルダに設置してください。

　VAEもGGUF版を利用します。

▼ 4-5. 必要な拡張機能について

　本記事に掲載したワークフローを読み込んだとき、拡張機能が不足していると「Some Nodes Are Missing」の表示が出ます。その場合は、ComfyUI Managerの機能を利用してインストールすることができます。

　拡張機能をインストールする方法は、下記の記事の「自動インストールの手順 」または「手動インストールの手順」を参照してください。

　本記事のワークフローでは下記の拡張機能を利用します。

▼ 4-6. ワークフロー

　生成用のワークフローを提供しますので、改造、再公開を含め自由にご利用ください。本記事ではLightningを使用した高速な4 Steps版と、低速な20 Steps版を用意しています。

（Last update: 12-30-1225）

◆ 4 Steps

　Load Diffusion Modelの先のLoRA Loaderが有効になっています。

◆ 20 Steps

　Negative側をCLIP Text EncodeからTextEncodeQwenImageEditPlusに差し替え、KSamplerの設定値を変更しています。

▼ 4-7. ワークフローの説明

　ワークフローの全体は下記のようになっています（タイプにより若干異なります）。

　出力の解像度は、ImageScaleToTotalPixのノードで1MP（MegaPixel）に制限しています。必要に応じて値やワークフローを変更してください。

ワークフローの全体（4 Steps）

　追加でPicture 2や3に入力したい場合はノードを選択して、Ctrlを押しながらBを押すか、上に表示されたアイコンをクリックしてUnbypassの状態に変更してください。

Picture 2を入力するノードを有効にした

　いずれのワークフローも未使用のLoraLoaderModelOnlyを用意したので、必要に応じて追加のLoRAが利用できます。

　未使用の「EmptySD3LatentImage (for testing)」を「Ksampler」につなぐと、任意の解像度で出力できます。想定とは異なる処理方法なので、あくまでテスト用としています。

　最後に、サブグラフKsampler for QIE2511の内容です。Comfy Orgのワークフローと等価ですので、中身を意識する必要はありません。conditioningに接続されたノードは、Comfy Org以外が提供するModelで必要になる場合があるとのことです。

サブグラフの内容

▼ 4-8. 生成例

　内容は3-7.と同じで、ここでは2人の人物の入れ替えます。同一の設定で、同様の出力が得られました。

実行後の画面実行後の画面

　生成された画像です。

二人を入れ替えた生成画像

　下記は使用したプロンプトです。4 Stepsのワークフローを使用して、seedは35240963859189です。

1: Keep the entire background unchanged
2: Remove the two girls
3: Replace the left person with picture 2, keeping the pose
4: Replace the right person with picture 3, keeping the pose


■ 6. 補足、おまけ

▼ 6-1. 編集能力

　Qwen-Image-Editの編集で何ができるかは、公式の情報を参考にすると良いでしょう。初期バージョンから最新の2511までのリンクを掲載します。

▼ 6-2. おまけ

　今回は凝った出力をあまり用意できなかったので、参考程度にしてください。ワークフローはGGUF版を使用しています。

　過去の記事でも行ったことがある単純な線画化です。プロンプトやseedによって仕上がりが微妙に変わるので、試行錯誤が必要です。

change style to line art like monochrome manga
(seed=606160889643675)

　さらに人物、カップ、バッグを除去します。

remove all people, remove two girl, remove bags, remove cups, change style to line art like monochrome manga
(seed=685911847386174)

　今度は手前の部分だけを残してみました。この程度の編集は比較的容易なので、追加で指示を入れられると思います。

keep only foreground subject, background is white, remove lighting, change style to line art like monochrome manga
(seed=614468630276492)

　視点の変更は旧バージョンでもできるので容易です。

Change to a top-down view
(seed=499781553928608)

　2511の実例として挙がっているプロンプトを英語に置き換えたプロンプトを使用します。入力画像が正方形なので、テスト用のノードにつなぎ替えて横長の1360x768で出力しています。

Generate one four-panel image. Requirements are as follows. Character: based on the reference image, the character is shown in four panels with different actions and expressions. Top left: both hands raised over the head making double V signs, eyes wide open, mouth open, showing a surprised and lively expression. Top right: both hands supporting the cheeks or eyes gently closed, mouth slightly open, expressing a cute and shy feeling. Bottom left: head slightly tilted, one eye winking, tongue sticking out, one hand making a V sign, presenting a playful and mischievous look. Bottom right: arms crossed in front of the chest, eyebrows slightly furrowed, lips gently pressed together, showing a mildly tsundere expression. Outfit: based on the hairstyle, background, and overall style of the reference image. Setting and lighting: a colorful background with city scenery or cute cartoon elements, overall in a 2D anime style. The colors should be bright, the style sweet and healing, with each panel decorated with delicate small props to create a strong sense of childlike fun.
(seed=673852702327344)
プロンプト、seedは上と同じ


■ 7. その他

　私が書いた他の記事は、メニューよりたどってください。

　ComfyUIに限定した記事の一覧もあります。

　記事に関することで何かありましたら、Xの@riddi0908までお願いします。

いいなと思ったら応援しよう！