雑談 2025年9月

from 💬雑談

2025/9/29

https://x.com/deepseek_ai/status/1972604768309871061DeepSeek-V3.2-Expが出た

2025/9/28

https://github.com/bytedance/lynxとここ的にはあまり関連はないのだけどhttps://github.com/lynx-family/lynx

ByteDance社が出したリファレンス動画モデル(前者)とマルチプラットフォーム開発フレームワーク(後者)

どっちもByteDanceの出したlynxなのは、さすがに名前が被り過ぎでは？morisoba65536.icon

https://x.com/bdsqlsz/status/1972131705730617357HunyuanImage 3.0どうやら160GB(恐らく80B？)あるようですね…

無限にLLMでコーディングしていて、画像生成をする暇がない基素.icon

RamTorch、やってること凄い割に(一応動く段階まで来てるのに)話題にならないなーと思ったら多くのLLM/画像生成モデルのコードが公式のサンプルすらTransformers/diffusersにバリバリ依存しててそれらに組み込まれた状態が前提なので、Transformers/Diffusersから該当モデルの読み込みコード探して部分的にtorch.nn.LinearをLinearに置き換えて…は確かに殆どの一般ユーザに手を出せる領域を超えちゃってるわね…morisoba65536.icon

2025/9/26

https://github.com/xxmjskxx/ComfyUI_SaveImageWithMetaDataUniversal長らく保守されていなかったComfyUI-SaveImageWithMetaDataの最新環境対応版が出た。

Copilotの補助でメンテナンスしたらしい、おそらくプログラミング経験がほとんどない人でもやる気になればある程度のモジュールをフォークや保守・改良できるようになったのはAIコーティングの強みだな…(さすがに推論や学習コードまで書きたくなると割と無力化しちゃうけど…)morisoba65536.icon

https://x.com/ComfyUI/status/1971428278771777584ComfyUIでChroma1-Radianceサポート

https://blog.comfy.org/p/humo-and-chroma1-radiance-supportWorkflow、HuMoも同時期にサポート(こちらに両方のWorkflowがある)

radianceは試したいなnomadoor.icon

image2imageとかどういう挙動になるんだの

2025/9/25

https://codezine.jp/news/detail/22280llama.cpp、黎明期の技術はどうせすぐに使われなくなるから〜的な事を開発の人が言っていたのでここまでデファクトのプロジェクトになってくるなんて夢にも思ってなかったんだろうな…morisoba65536.icon

名前の由来のほうが先にいなくなっていくスタイルnomadoor.icon

🦊Chromaの作者の人のXアカウントが消えた…？morisoba65536.icon

Gitリポジトリは無事なようだ

https://x.com/LodestoneRockアカウント名が変わっていた(多分変えた？)というオチだった

Xの情報チェックはウォッチ対象の人のプロフタイムライン見る形でしてるからユーザー名変えるとURL変わるXのUIと相性悪いだけだった…morisoba65536.icon

フォローとかだと自動でユーザー名が変わっても追跡してくれる、割とニッチな罠にかかった状態だった

2025/9/23

https://www.reddit.com/r/StableDiffusion/comments/1nnnblm/multiimage_reference_coming_with_qwen_image_edit/近々Qwen-Image-EditのPlus modelが出る可能性が高そうmorisoba65536.icon

ようやくマルチリファレンス対応か、ありがたいnomadoor.icon

https://x.com/PhotogenicWeekE/status/1970292830586445859動かすだけなら既存ワークフローでできる…が、目玉のマルチイメージに対応できないのでComfyUIのアプデ待ちかな。morisoba65536.icon

もう来た、早いnomadoor.icon

https://github.com/comfyanonymous/ComfyUI/pull/9986リサイズ処理入ってるなぁ…

そして意外とQwen-Image-EDITがControlNETに初めから対応してることは知られてないようだ…morisoba65536.icon

最近のControlNet、ControlNetなのかそれっぽいだけなのかよくわからない(；･`ω･´)nomadoor.icon

https://gyazo.com/d5c186d61e1d78a5b026978649e4814f

すごいシンプルにImage入力2つ増えた…morisoba65536.icon

とりあえず従来のスタイル変換タスクとかを投げ込んでもうまく動かない(動作はするが意図通りに(PVC等に)変換されない)…2509が参照画像特化なのか、それとも使い方が悪いのか(もしくは実装したてでバグってるか)は公式のワークフローまちな感じかな…morisoba65536.icon

https://huggingface.co/QuantStack/Qwen-Image-Edit-2509-GGUFText_Encoder (mmproj)とか言うなんか知らないやつが増えてますね…

これは無印時代からQwen2.5 VLもGGUFを使うときは必要だったnomadoor.icon

text_encodersにQwen2.5 VLといっしょに入れとかないといけない

https://x.com/PhotogenicWeekE/status/1970283581525373184GGUFバージョンに問題があるのかもしれない？

fp8版でPVC化タスクができてないので参照画像特化型になったと考えたほうがいいかもしれないmorisoba65536.icon

ついに公式のテンプレートにもset/getノードが登場しだしたなァ…(無線アンチ)nomadoor.icon

2025/9/22

Wan-Animate、論文にWan2.1ベースって書いてあるけど誤植かな？nomadoor.icon

Wan2.2が通常のT2V/I2VがLow Highに別れてるのとS2VやAnimateは単独モデルなのでそれぞれ2.1から派生させた可能性はありそう(ブランディングとして2.2で統一したという可能性はある)morisoba65536.icon

HighNoiseは完全に新規学習っぽいのと、I2Vはモデル構造も変わってるので案外HighNoise以外はWan2.1-T2V→2.2T2V(Low),I2V(Low),S2V,Animateみたいな感じかもしれないmorisoba65536.icon

Wan2.2がほとんど2.1のファインチューニングだし、みんな2.1の派生モデル的な位置づけかnomadoor.icon

2025/9/21

page-linkをボタンに置き換える記法

目次置くために作ってみたnomadoor.icon

2025/9/20

https://civitai.com/models/1971596/wan22-16gb-trainingWan2.2向けのトレーニングのそんなにしんどくないサンプルmorisoba65536.icon

グレンラガンとかジブリとかの凄く気合の入ったトレーニングもレポート詳細だったけどアレは真似するのがしんどいレベルでしたからね…

2025/9/19

https://github.com/huchenlei/ComfyUI_omostプロンプトエンハンサーの話見てOmostのこと思い出して記事に追加するかーと思ったがそもそもここに書いてなかった(多分どっか別のWikiに書いてた)morisoba65536.icon

ずいぶん懐かしい技術だなーと思ってたがまだ1.5年程度しかたってなかったか…morisoba65536.icon

当時のSDXLでは自然言語理解が弱かったのでこの手のエンハンスの効果に懐疑的だったものの、今のLLM組み込んでるようなモデルに使えば効果ありそうな気もする…がそれならLLama 3よりも新しいQwen2.5とかのモデルをエンハンサーに使いたいジレンマmorisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1nk73ta/comment/neykp4z/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonWan2.2の次のモデルが2.5になる可能性が高い理由として中国語で23や24が縁起が悪い数字(23はややスラング的なもの、24は日本の病院で4階が無いのと似たような理由)の可能性があるらしい…morisoba65536.icon

https://x.com/LodestoneE621/status/1968687032605065528🦊Chromaの作者の人がなにやらDRAMをVRAM替わりに使える？技術を作ってるらしい？(今はまだばぐってるので使わないでとのこと)morisoba65536.icon

2025/9/18

https://www.reddit.com/r/StableDiffusion/comments/1niomn0/vae_collection_finetuned_sdxl_wan_22_5b_new/sdxl、Wan2.2 5B、それぞれ向けのカスタムVAE

SDXL向けは前々からVAEの品質が良くない旨は度々指摘されていたので試してみる価値はあるかもしれないmorisoba65536.icon

https://x.com/ComfyUI/status/1968072459867001236ComfyUIが(一応)Wan2.2-VACE-Fun-A14Bを正式にサポート

と言っても機能的には元々対応している上にリポジトリに置かれるモデルもalibaba-paiのものと変わらないbf16なのでデフォルトテンプレートあたりが追加されるであろうこと以外は特に変わらない(もう既存のもので対応済み)のだが…morisoba65536.icon

取り敢えず🦊Qwen-Image-Edit、pvc等の変換からモーション変更、絵柄を2.5D化(顔をイラスト調維持しながら体フォトリアルより等)と思いつくタスクを放り込んでだいたい強いね…(ただし、乱数ガチャが割とあるのと勝手に変えるところは「◯◯は維持する」ように明示する必要がある点は少し手間だが)morisoba65536.icon

2025/9/17

https://www.genspark.ai/agents?id=bcfa04d7-4fc7-4244-b561-85b4c9bc2d97AIがまとめたDreamBoothとファインチューンとLoRAの違いを出来ればまとめたいmorisoba65536.icon

追加学習ってなんぞや

黎明期のごちゃごちゃ感がいいよね…nomadoor.icon

まとめはありがたいです🤗

🦊雑に学ぶComfyUI、だんだんMECEじゃなくなってきたので(最初から整っては無かったけど…)一旦整理するnomadoor.icon

2025/9/16

https://cloud.comfy.org/cloud/login

公式がやるの草nomadoor.icon

いくつかサービスが消える音がした…

どの程度の自由度(実際おけるデータや生成できるデータ等)かは気になるところmorisoba65536.icon

2025/9/14

https://www.reddit.com/r/StableDiffusion/comments/1nfozet/style_transfer_capabilities_of_different/Style転送の比較投稿morisoba65536.icon

とりあえず雑感レベルで、Wan2.2-VACE-Fun-A14BのLow noiseのみ生成は案外ありな感じ(FLF2Vで確認、ただしかなり乱数ガチャ)morisoba65536.icon

high noise込みのほうが安定はする感じmorisoba65536.icon

ひとまずもうしばらくはほかタスクも含めて色々検証してみるかー(High Lowと、Lowのみで、タスクによってどちらのほうが安定するかなど)morisoba65536.icon

2025/9/13

Wan2.2向けVACEがでたかーくらいに公式のリポジトリ見に行ったらCameraControlに5B版にReward LoRAにと大量に増えてて一気に更新する記事が生えてきた(今回は間に出てるのを見落としてただけで同日ではないので勝手に忙しくなっただけ)morisoba65536.icon

公式VACEが出たらやりたいけど、Funはまぁ…いいかなぁ…nomadoor.icon

みんなどれがどれだか追いきれてるのかな…(；´Д｀)

https://huggingface.co/Clybius/Chroma-fp8-scaled/blob/main/convert_fp8_scaled_stochastic.py🦊Chroma向けのFP8 Scaled変換スクリプト(多分少改造でWanとかにも適用できるハズ…？一応メモ)morisoba65536.icon

https://gist.github.com/spacepxl/30fe4595e89ce912a76ef462c566b2d1🦊Wan2.1_VACE向けのがあったmorisoba65536.icon

2025/9/12

https://gyazo.com/7e69d456888c877e6e70777cc13ef6cf

ComfyUIのノード、入力は基本的にオプションのもの以外は必須なんだけど、出力の方は上の画像みたいに雑に捨てて良いことにようやく気づいた(コード何度か見てると出力は戻り値として扱われてるのでもしかしたら捨てていいんじゃないかと思ったら普通に問題なかった…)morisoba65536.icon

気にしたこと無かったnomadoor.icon

プログラミングできる人ならではの混乱なのかな？

単純に入力の必須ノードと出力ノードの色形が似てるので出力も原則どっかに繋がないとエラーになると思い込んでただけの話(よく考えたら🦊SamplerCustomノードの出力とか普通に片方捨ててたね…となる)morisoba65536.icon

2025/9/11

vaceをアドホックにモデル適用する際にComfyUI-WanVideoWrapperを使うけど公開されてるワークフローが巨大化しすぎてわかりにくかったりノードの互換性で新バージョンで不具合出たり…としてるのでシンプル目の各タスクを余裕を見て追加していく予定(予定は未定)morisoba65536.icon

https://x.com/eliebakouch/status/196578874309860987920B-A3Bでなんか異様に強いllmモデルが出てきた…morisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1ndlinl/comment/ndjlm5r/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonどうやらComfyUI-WanVideoWrapperで81フレームの制限を超えれる機能が追加されたらしいmorisoba65536.icon

https://x.com/Zuntan03/status/1952151243591385298(nsfw(セクシー系)な投稿が多いアカウント注意)Qwen2.5-VLでのプロンプト拡張のComfyUI版があるっぽい？morisoba65536.icon

まぁ、Ollamaとか使ってもいいんですけどね…nomadoor.icon

ComfyUIのフロントエンドがそのうちVueになりそうなので、そろそろちゃんとプログラミングというものを勉強せねばnomadoor.icon

Lumina-DiMOO

最近のモデルでかすぎるので期待nomadoor.icon

2025/9/10

https://github.com/comfyanonymous/ComfyUI/pull/9792ComfyUIがHunyuanImage 2.1に早速対応

https://note.com/mayu_hiraizumi/n/n57c7522e1c3a?sub_rt=share_pw少なくともかなカナに関してはQwen-Imageよりはるかに得意なようだ(Lora等無しで素でわりと出せるっぽい)morisoba65536.icon

Qwen-Imageくらい以上に文字が出せていじれるようになるとロゴとか看板のフォント作りとかが出来るようになるので、画像生成モデルが文字を出せる意味が出てくる感じ(FLUX.1では英文字のみの縛りがあってやや不安定、Wan2.1ではかろうじて文字っぽいものが書けるかも…位の感覚だったので)morisoba65536.icon

2025/9/9

https://x.com/UnslothAI/status/1965047729991860396逸版の誤家庭でならギリギリGrok-2を動かせる(要メモリ120GB)morisoba65536.icon

https://global.fujitsu/ja-jp/pr/news/2025/09/08-01QEPなる手法で量子化してc4ai-command-a-03-2025を32.4GBまで容量を減らした例がリンクされているmorisoba65536.icon

2025/9/7

https://x.com/Yeq6X/status/1964478055730335887wan2.2で物体回転させるときに、回転ガイド書いてやると意図した方向に回しやすいみたいmorisoba65536.icon

Nano Bananaでfew-shot promptingっぽいことができんもんかとやってみたけど無理そうnomadoor.icon

https://gyazo.com/45b4fbbe12767e2603b5366e313e9307

(これはたまたまうまく行っただけで、他の画像だと全然いうこと聞かない)

タスクが難しかった可能性はある

2025/9/6

ComfyUI、へんてこなワークフローでも組もうとしたら組めるのでトリッキーな実験できるけど共有や再現性も考えると不安定化しやすいので実験結果の配布が難しい…時々組んでる自分自身で(若干意図と違うものの)興味深い感じになったりして「どのノードとどのプロンプトでこうなったのか？」が本気でわからないものが出来上がるmorisoba65536.icon

ヘンテコWorkflowでまた一つ思いついたが、Qwen-Imageが構図固定されがちでWan2.2のt2v High noiseがかなり構図の自由度高くてnoise大量に残すからHigh noiseで構図だけ残してqwenに投げるのありかもしれんな…試すかmorisoba65536.icon

まあ普通にできた。前半Qwen-Image、後半Wan2.2でサンプリングするに貼り付けた(やってること真逆だが)morisoba65536.icon

AIでやりたいことがちょっと見えてきたので、ちょっと性能上がったかな？くらいの技術のキャッチアップはスルーしていこうかなぁと思っておりますnomadoor.icon

多少上手なダンス動画が生成できたところで、それがやりたいわけじゃないしね…

ComfyUIも公式のチュートリアルが整ってきたし、work4aiが役に立ってるのはもっと基礎的な部分だろうしね

2025/9/5

https://x.com/ComfyUI/status/1963605134233231513USOにComfyUIが対応

Wan2.2をvace対応させようとWan2.1にごにょごにょしてHigh noiseの挙動を再現しようとした結果、High noiseの位置に2.1をおいて総ステップ7/処理数4(simple)+高速化lora(後で確認)、low noiseモデル(記憶では、後で確認)に2.1向け高速化複数の初期の高速化ノード+MPS+HPSに総ステップ8/処理ステップ後半4ステップ(Beta)とすると何故かpvcな見た目が出来上がった…(雑談に画像貼って良いか悩むのでリンクなり後で準備する)(Workflowも帰宅後貼る)morisoba65536.icon

何故こうなったのか全くわからないので技術に詳しい人に質問したい所…morisoba65536.icon

↑Workflowじゃなくてプロンプトの影響かもしれない…(切り分け作業中)morisoba65536.icon

プロンプト半分Workflow半分…位の2.5DWorkflowって感じになったかな…(興味ある人はWorkflow落として遊んでね、私もどうしてこうなるのか私もわからんので説明は何もできないよ！)Semi-realisticWorkflow.jsonmorisoba65536.icon

2025/9/3

https://x.com/thisispiyushK/status/1962458182858760464この仕組みだけ読むとにわかな理解だと案外pusaをvaceに突っ込んでやるとネイティブノードで使用できるんじゃないかな…とも取れるが…特にWan2.2でvaceが効きづらいので補正できるなら助かる(余裕ができたら試してみる)morisoba65536.icon

↑(雑にvaceに適用しても)駄目だった。雑にVaceと組み合わせても特に改善見られず、ちゃんとpusa用のノード(≒kijaiのWrapper)が必要そう

2025/9/2

いつの間にかComfyUI-NAGにKSamplerAdvancedノード相当のものに加えて🦊SamplerCustomノード相当のものまで増えてきた。(NAG対応モデルなら無理して🦊SamplerCustomAdvancedノードの魔境に首を突っ込まなくても良くなってた)morisoba65536.icon

そして未だに🦊Save Imageノードと違って日付やノード名のパースに対応していない🦊SaveVideoノード…(今日も敗北)morisoba65536.icon

動画保存は素直にComfyUI-VideoHelperSuiteのVHS_VideoCombineノードを使うのが硬い…

ネイティブにこだわるならBetaではあるが🦊SaveWebMなら日付などのパースができたmorisoba65536.icon

先日の「エンドフレームだけ画像渡して(スタートフレーム無し)生成」今のところうまくいったのはVACEとWan2.2-i2v-A14Bのみ。Wan2.1-FLF2VやWan2.1-Fun-Inpなどでは普通に映像が壊れるmorisoba65536.icon

(これはページに反映する)Wan2.2-i2v-A14Bモデルでも、T2Vの時のようにhigh noise抜きで生成しようとするとバグった映像になる(他のモデルのような色がおかしくなる、ではなく映像のシーンが突然変なカットに進むような感じになる)ので特にi2vにおいてhigh noiseは動画の整合性の保持に重要な役割を果たしているようだ。

2025/9/1

https://x.com/riddi0908/status/1962195461869334601Qwen-Image-Editで普通に？t2iタスクもできる模様morisoba65536.icon

https://mixi.social/@morisoba1024/posts/9a13fa6b-b332-436c-abf7-216637f73a10(リンクは取り上げず試した結果を上げた先、暫定置き場)何となくWan2.2とかで動画生成として同じようなことしたらどうなんの？と試してみたら「真っ黒の画面から徐々にフェードインしてきて指定した動作をする動画ができる」みたいな挙動になった(2.2を使ったのは2.1だとVisionCLIPの存在がちょっとややこしそうだったのでくらいの理由)(もうちょい突っ込む気ができたらページなりサンプルなり作るかもしれない)morisoba65536.icon

極小数フレームなら最終画像取り出せばi2vモデルでt2vできるかもしれない。実用性は特に意識してない(単なる実験)morisoba65536.icon

https://mixi.social/@morisoba1024/posts/a0dc005d-1de3-44f6-98e4-a673f6370ff0wan2.2 A14bのエンドフレームだけ画像渡して(スタートフレーム無し)生成、意外にもちゃんと作れるmorisoba65536.icon

これは使う人も居そうだからページに切り出すか…(2.1で出来るかなども併せて調べる(覚えてれば))morisoba65536.icon

VACEだとComfyUI-WanVideoWrapperのWanVideo VACE Start To End Frameノードあたりでラップしてやらないとちょっとやってられない(ネイティブのみでやるなら先に動画編集ソフトなりでFrameだけ作ったほうが楽そう…というかネイティブOnlyのVACE 開始～終了フレームのワークフローがスパゲッティモンスター過ぎる… )morisoba65536.icon

後VACEでは場面が変わるレベルの動きの指示は(開始or終了のフレーム無しでは)無理っぽい、そこまでするならWan2.1-FLF2Vあたりを使うべきか…？morisoba65536.icon

https://mixi.social/@morisoba1024/posts/23096b98-df0d-4fa2-b294-1914603c1c95おまけ、wan2.2 i2v a14bにスタートもエンドも渡さないt2vをする、想像以上にまともな動画ができたので2.2のi2vモデル、思ってる以上にt2v能力の破壊的忘却をしてない…？morisoba65536.icon

思ってる以上にwan2.2のi2vモデルはt2v能力を失ってなさそう？(案外t2vとi2vモデルでマージできるかも？)morisoba65536.icon