AI ワークフロー ComfyUIのIMG2IMGワークフロー/チュートリアルある?

[JonoFret]

ComfyUIで信頼できるimg2imgのワークフローかチュートリアルでおすすめってある？自分のやり方を改善しようとしてて、今みんながどういうのでうまくいってるか知りたい。リンクとか、よければ設定を共有してくれると嬉しい。

 

[bytepete9]

Klein 9B Distilled（editか元のt2i、勉強のためにも両方入れておくのがおすすめ）。ワークフローはComfyUIのテンプレート/コミュニティのところで「Klein」と検索するだけ。モデルはGGUF版を使うとVRAMがかなり軽くなる。今のところBigLoveのKleinバリアントしかない。ファイルはHugging FaceでユーザーGranddyserを検索すれば見つかる。
あと、量子化したGemma 4 E4BモデルをカスタムのLLMノード経由で使うと、めちゃくちゃ軽くてレスポンスも早い。特にabliterated系。生成フローにもスムーズに組み込めて、前処理でプロンプトをその場で整えたり生成したりもできるから、そういう流れが好きならアリ。
ただLoRAは基本Civitaiに行くことになる。Hugging Faceにもこれらのモデル用のアーカイブはあるけど、サイトの検索がクソ。Civitaiは自己顕示欲まみれの投稿が多くてちょっと無法地帯だし、Klein LoRAの品質や互換性もまちまち。とはいえBigLove版ならLoRAなしでも十分自由度は高い。使うとしても1〜2個あれば足りるはず。
参考までに、自分はRTX 3090を使ってる。

 

[CalSump6]

みんなこんにちは、ここで聞いていいのかわからないけど
comfyuiめちゃくちゃ初心者で、ほぼ何も知らないからバカな質問でごめん
問題なんだけど、comfyuiをダウンロードしたばかりで、model/checkpointsフォルダに入れてるのにチェックポイントが認識されない。ファイルはもちろん.safetensorsで終わってる
comfyuiをリロードしたり全部再起動してみたけど、どうしても認識してくれない。例えばcyberrealisticponyとponyrealismを動かそうとしてる。
誰か助けてくれると嬉しい、よろしく！

 

[bytepete9]

ComfyUI公式サイトのDesktopアプリを使ってるなら、インストーラーでソフトの場所を指定するよう聞かれたはずで、結局ここになる：
YOUR_INSTALL_PATH/
└── ComfyUI/
───└── models/
──────├── checkpoints/ <-- .safetensorsのチェックポイントはここに入れる
──────├── loras/ <-- LoRAはここに入れる
──────├── vae/ <-- VAEはここに入れる
自分でvenvとターミナルを使って手動インストールしたなら、だいたい同じで、repoをgit cloneしたフォルダが基本上の構成になってる
ComfyUIを再起動しなくても、Rキーを押すだけでリストが更新される

 

[CalSump6]

本当にありがとう！実はCドライブのじゃなくて、ドキュメントの中のcomfyuiフォルダだった。
で、使いやすいSDXLベースのimage2imageワークフローって何かある？grokやgeminiの画像生成みたいに動くやつ。普通のi2iだと、モデルは元の画像をそのままにして細かいところだけ変えるんだけど、俺は参考画像の「アイデンティティ」、つまり顔の細部とか体型とか服を引き継いで、プロンプトで参考画像とはまったく違うアクションにしたい。例えば、参考画像が白背景でただ立ってるアニメキャラだとするじゃん？それを、海のビーチを背景にした夜の月明かりのクローズアップポートレートにしたい。全体的なロジックは、grokやgeminiに自然なプロンプトで手持ちの画像から別のものを作ってって頼むのとだいたい同じ感じ。
参考までに、これを全部Illustrious XL ggufでやろうとしてて、グラボは5060 8gb。
長文ごめん、こういうの全然初心者で。

 

[bytepete9]

5060 8gbならKlein 4b editは多分問題なく動くし、モデルのggufバージョンを使えば9bもいけると思う。
4bの公式ワークフローはここ、https://docs.comfy.org/tutorials/flux/flux-2-klein#flux-2-klein-4b-workflows
Kleinのプロンプトは他と違って、キーワードのタグ付けじゃなく自然な流れる文章を使う。リファレンスを追加するとして、最初は「女性の服を白いプリーツスカートと赤いレザージャケットに変えて」みたいに簡単に書けばOK。もっと高度なケースだとリファレンス画像を増やして、具体的なプロンプトでモデルを誘導して欲しい結果を出させる。
しかも顔や服だけじゃなく、照明環境ごと変えたり、窓から差し込む光や方向を指定したり、昼を夜に変えたりもできる。
賢いプロンプトとKleinがあればLoRAすら要らない、特殊なケースだけ。

 

[CalSump6]

正直、NSFWが使えて、しかも2Dのリファレンス画像から3Dレンダー風のフォトシュート出力ができるモデルとワークフローが必要なんだよね。fluxモデルってNSFW向きじゃないよな?

 

[bytepete9]

違うよ。それはFlux2 Pro/Devの話で、Flux2 Klein 9B/4Bは普通に対応できるし、使い方を理解すればSDXLよりはるかに上。
まずhttps://huggingface.co/Granddyser経由のfinetuneから始めるといい
5060持ってるならNV4が使える https://huggingface.co/Granddyser/biglove-klein2/blob/main/bigLove_klein2_nf4.safetensors
(これは蒸留版だから、CFGは1.0のみ、期待通りの結果にはステップ4〜8、latentサイズは解像度1.0MP分に設定

 

[EnzoJam12]

このワークフローをApple Siliconで動かすための調整って何か知ってる?
bigLoveならBF16かFP16、もしくはフルモデルの代わりにLoRA形式だと助かる。

 

[PiaReads4]

めちゃくちゃ参考になる。この方法はezcreateとかオンラインのやつよりずっといいわ。ありがとうボス epoLove:。ここ以外で、画像から動画や動画から動画の生成を学べる最新のガイドがあるフォーラムってある?ここのガイドはあまり新しくない気がする。WAN 2.2かLTX 2.3? auseChampRev:

 

[bytepete9]

音あり>音なし、あとWanもイマイチ(どうしても必要な時だけ使え)。だからLTX 2.3が動かせるならそっちを使え。オリジナルのLightricksモデルにLoRAを大量に重ねるか、SulphurとEerosの10erosのfinetuneを使うかのどっちか。
https://huggingface.co/TenStrip/LTX2.3-10Eros
https://huggingface.co/TenStrip/LTX2.3-10Eros_Workflows
https://huggingface.co/SulphurAI/Sulphur-2-base
簡単なガイドは無い、動画になるともっと複雑になる。ボタン一つで全部できるようなもんじゃないけど、よくあるオンラインサービスみたいな課金豚向けの検閲サイトじゃない…Grokを良いと思ってる奴は鼻で笑うわ、ほとんどがクソなソフトコアで、プロンプトも拒否されまくってトークンを無駄にするだけ。

 

[CalSump6]

うまくいってるみたいだね、俺のは完全にネオンのドロドロ画像しか出なかった。ワークフロー共有してもらえない?ちょうどezcreateの代わりを探してるんだ

 

[bytepete9]

Flux 2 Klein 9Bの場合
Klein 9B DistilledはCFG 1.0(普通は名前にbaseが付いてないやつで、通常の推論は4ステップ)
Klein 9B BaseはCFG 4.0くらい(こっちは非蒸留版で、通常の推論に20ステップほど必要)
君が言ってる画像は上のどっちかの取り違えが原因。
Klein DistilledにCFG 4を使うとまさにそうなる。だから何をどう使ってるかもう一度確認して。スタート用のワークフローが必要ならComfyUI公式ドキュメントのサイトにあるよ。

 

[CalSump6]

4B fp8使ってるんだけど、これでNSFWを有効にする方法って何かある?詳細なマンコやアナルを出したいんだけど、基本的にそこがぼやけて潰れる。4B用のLoRAが見つからない

 

[PiaReads4]

https://filester.me/d/35qIS2l
返信遅くなってごめん、あまり頻繁にチェックしてなくて。まだ必要ならアップしといた、diffusionモデルはgguf版に差し替えてある

 

[pagerbuzz70]

LTX vs WANの議論に自分も一言。
WAN - プロンプト追従、物理、動きが良くて、特にNSFWに強い。モデル/LoRA/ワークフローが山ほどある巨大なエコシステム。音は内蔵されてないから、追加するには別のワークフローが必要。
LTX - プロンプト追従がストレス（LLMでの補強がほぼ必須）、物理と動きはイマイチ。音は最高で、主に「トーキングヘッド」モデルとして学習されてる。品質のわりにシステム性能はかなり良い。新しいモデルでエコシステムは小さめ。
総合的には、特にエコシステムが育っていくなら、LTXが狙い目だと思う。クソなプロンプト追従には回避策があるし、そのうち新バージョンが出るはず。

 

[bytepete9]

WAN 2.2は1年分の成熟があって、WAN 2.1も入れればもっと。しかも先月末にはWAN 2.2を少しハイブリッド化したBernini Rも出た。全部同じ元アーキテクチャ。
LTXは設計上、特に2.3だと、テキストエンコーダーと学習のされ方のせいで盛り盛りのプロンプトが好みで、ほとんどの人はLLMにプロンプトを書かせてる。自分もそう。vramの負担を減らすためにclaude codeにこれ専用のノードを作らせたけど、ollamaのクソみたいなビジョン対応は使わずにllama cppをローカルで使ってる（参照画像を使えるのは機能面だけでもありがたいし）。とはいえ今はcomfy経由でLLMを使う方法なんて100通りはあるだろうし、ノードでもローカルAPIでも、金が有り余ってるなら、勘弁してほしいけど外部SaaSでもいい。
要するに、どっちも使えるんだから両方覚えるのが一番ってこと。どっちも24GBのvram枠内、もしくはそれ以下（非推奨）で動くしね

 

[stapler5]

ltxがなんでこんなに騒がれてるのか分からん、i2iならqwen rapid aioの方が圧倒的に上

 

[bytepete9]

ltxは画像じゃなくて動画+音声用だぞ
あと、まだKleinで迷ってるならOne Nodeを試してみて。知識があまりなくても一番入りやすい。https://github.com/yanokusnir-ai/one-node-flux-2-klein

 

[TheoJig5]

試したけど全然ダメだった。画質は低いし、遅すぎるし、"input"の顔が完全に変わっちゃう。個人的には使う価値なし。