💬雑談 - work4ai

💬雑談

📌掲示板

code:style.css

:root{--bulletin-board: "Sleep can wait, but progress cannot.";}

$ Sleep can wait, but progress cannot.

ここの文章がホーム上部に掲載されます。楽しく使ってね☆

答え合わせ

半年後にAIはいったいどうなっているのか 2023年上半期

半年後にAIはいったいどうなっているのか 2023年下半期

半年後にAIはいったいどうなっているのか 2024年上半期

半年後にAIはいったいどうなっているのか 2024年下半期

取り敢えず作った(予想するのが間に合うか不明)morisoba65536.icon

半年後にAIはいったいどうなっているのか 2025年上半期

半年後にAIはいったいどうなっているのか 2025年下半期

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

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

2025/8/30

https://github.com/corkborg/wd14-tagger-standalonehttps://github.com/zanllp/sd-webui-infinite-image-browsing/releases/tag/v1.3.1今日の話でも別にないのだが、A1111 web UI系列が更新停止増えてきたこともあり、別にa1111に付いてる必要が特にないプロダクトはstandalone版が割と出てますね…morisoba65536.icon

Google AI Studioでnano-bananaをいじっているのですが、画像とともにカットを指定しても「生成します」とだけ返して生成されないことがあまりにも多い。こんなことある？基素.icon

割とあるある、サンプルプロンプトにある「Generate an image of 」を先頭につけたり「という画像を生成して」を最後に付けたりして生成させることが多いが原因切り分けはしてないのでどれが効いてるのかは不明morisoba65536.icon

https://aistudio.google.com/prompts/new_chat?model=gemini-2.5-flash-image-preview

ちゃんと生成するときは"生成します"なんてわざわざ言わずに画像作ってくれるしなぁ…nomadoor.icon

なるほど〜基素.icon

思えばVACEの利点は最初に動きの骨組み作るところなので、リファレンス画像タスクでない限り普通に🦊Wan2.1_VACEでコントロールしたものをWan2.2のHigh Noise側において後半ステップをT2VのLow Noiseでいいのでは…？morisoba65536.icon

2025/8/29

https://www.reddit.com/r/StableDiffusion/comments/1n2gary/three_reasons_why_your_wan_s2v_generations_might/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonComfyUIでのWan2.2-S2V-14Bの動作チュートリアル(現在の所ComfyUI-WanVideoWrapperのS2Vブランチが必須)morisoba65536.icon

ネイティブも対応を進めているが上記記載時点ではバグがあるのか安定しない模様(未確認)

落ち着いてからでいいや(怠慢)nomadoor.icon

2025/08/30https://blog.comfy.org/p/wan22-s2v-in-comfyui-audio-driven?utm_campaign=post&utm_medium=web早速正式対応しましたね…morisoba65536.icon

2025/8/28

そうか、nano-bananaは画像生成モデルじゃなくてMLLMの新しいUI/UXなのかnomadoor.icon

https://github.com/Tencent-Hunyuan/HunyuanVideo-FoleyHunyuanの方の音声ビデオモデルがでた。Wan2.2-S2V-14Bとどっちが先にComfyUIに対応するだろうか…morisoba65536.icon

2025/8/27

https://x.com/googleaistudio/status/1960344388560904213 nano-banana使えるようになったみたい基素.icon

https://note.com/gentle_murre488/n/nbd37e020bc42?sub_rt=share_bネイティブにキャッシュ系ノードmorisoba65536.icon

nano banana、今までのモデルの中では意図は汲み取ってくれるんだけど根本的な物理構造を理解てないので「物理的な変形ギミックのあるヒーロー玩具の武器」みたいなのはまだ無理っぽいhttps://mixi.social/@morisoba1024/posts/237dc9b3-8b79-4a14-a261-0c8d96e1f02f私の指示した失敗例morisoba65536.icon

2025/8/26

知識面のざっくりしたキャッチアップが終わった基素.icon

U-Net→DiT→MMDiT(SD 3, Flux.1)

どっちが主流なのかはわからなかった。市井で使われてるモデルはSDXL(U-Net)ベースのもまだ使われてるようだしかなり混在している？

状況としてはアニメ系モデルでは相変わらずSDXLが主流、フォトリアル系は大型DiTがしのぎを削っている、アニメよりでは🦊ChromaやNeta Lumina等の新興勢力もで始めていて、フォトリアルでは動画モデルのWan2.1/Wan2.2での画像生成も注目され始めた(redditではプラスチックスキン度合いが低いことや動きのあるカットに強い点が評価されている)ような感じですかね？morisoba65536.icon

redditでは割とsd1.5をまだ愛用してる人も多い感じ(独自のアートスタイルをトレーニングしやすいためらしい)morisoba65536.icon

なるほど！ここは触って理解していこうと思います。ありがとうございます基素.icon

ちょっとだけ補足すると上記の私の書いたDiTはMMDiTも含めた総称的な使い方なのでそこはご容赦ください…(Fluxやらを筆頭に、的な)morisoba65536.icon

サービスベース(ChatGPT等)も入れるとさらに広がるので一旦オープンモデルのみで書きました(私が基本的にオープンモデル主義なため)morisoba65536.icon

nvidiaさん、4090と5090以外でなんかいい感じに画像生成AI向けのグラボ(安く)作ってください！！nomadoor.icon

まだ確定はしてないけどRTX5070Tiが価格据え置きでVRAM24GBになるらしいので初動のご祝儀価格が終わればそれなりに狙い目になると思うmorisoba65536.icon

試したいサービスがいくつか見つかった

ローカルでやりたいことは結構あるけど大変そう

ひとまずグラボの更新は50xxSUPERの発表〜相場が落ち着くのを待つほうが賢いかも知れない(VRAM24GBラインがかなり増えそうなので)morisoba65536.icon

FP4が解放されたことで結構実作業が楽になるものなんでしょうか？基素.icon

想定してた書き込みのニュアンスとしては「ハードウェアアップデートを考えてるなら(40XXはディスコンで高止まりもあり)50xxのSUPERが近いからそれは加味して考えときやー」位の感覚でした…(勝手な前提で話してる)morisoba65536.icon

なるほど。私もFP4は純粋な疑問を書いたのでした基素.icon

その点で言うとllmであればfp4対応は割と大きいのでyes，画像や動画だとfp4対応と言う点では重要度はないのだけど、30xxはfp8にもネイティブ対応してないので(入手性の悪くなり値段も落ちない40xxの代わりとして)50xxはアップグレードするなら乗り換え候補かな？という温度感。morisoba65536.icon

なるほど〜基素.icon

自分がやりたいような漫画作画支援はほとんど前進していないことがわかった。残念。

Geminiのレポートではいまだに2022年と同じワークフローだった

次は手を動かすフェーズ

Qwen-image、文字書くために合成画像をデータセットに入れてるけど、文字にかかわらずAI画像を結構データセットに使ってるような気がするnomadoor.icon

シードガチャできないの然り、gpt-4o-imageっぽいの然り…

なんとなく、あんまりこれをいじろうっていうモチベーションが湧かないナァ😑

ただフォントづくり性能はなかなか高いので独自のロゴを作りたいなどには中々使えそうな感じ。morisoba65536.icon

https://civitai.com/models/1870126/vtuber-logoorvtuberorvtuberロゴを作るloraとqwen-image-ja-text-testを組み合わせて日本語ロゴを作れるか…？(未検証)morisoba65536.icon

https://x.com/Alibaba_Wan/status/1960012297059057935音声ベースで(それに合わせた)動画を作れるらしい？morisoba65536.icon

https://x.com/sama/status/1954603417252532479言い方によるが、推論モデルの利用者は8/11日時点で無料ユーザーの7%、課金ユーザーの24%ほど。

多分多くのユーザーは推論モデルの存在も知らない…morisoba65536.icon

2025/8/25

2022年末からここまでのキャッチアップと素振りを始めた基素.icon

膨大過ぎる…nomadoor.iconwogikaze.icon

2025/8/24

なんだかComfyUIの話題が巷で盛んになっているようなそうでもないようなnomadoor.icon

盛り上がるのはいいことだ

2025/08/22

https://x.com/KBlueleaf/status/1956991599621373991340Mパラメータの極小の画像生成モデルが公開された(ComfyUIでもカスタムノードで動くみたい)morisoba65536.icon

2025/8/21

https://blog.google/products/photos/ai-photo-editing-google-photos/Edit images in Google Photos by simply asking

99%nano-banananomadoor.icon

Qwen-ImageはGGUFでも問題なかったけど、Editのほうはfp8とGGUFでえらい違うなぁ…nomadoor.icon

2025/8/20

ComfyUI対応の何がありがたいかと言うと「モデルを落としてきてサンプルWorkflowを読み込ませればとりあえず動く」所だなぁとしみじみ感じる(ComfyUI非対応なモデルを専用のリポジトリをcloneしたり思わぬ依存関係でぐぬぬってなったりVRAM根本的に足りない(めっちゃでかい)罠がかなり少なくなる…)morisoba65536.icon

ワカル(分かる)nomadoor.icon

ノードなのが目立つけど真価はバックエンドというかプラットフォームになってる所だと思う

後々表記揺れでややこしくなりそうなのでComfyUIのノードの表記決めときましょうか…nomadoor.icon

日本語のほうが読まれるだろうなとは思いつつ、今更全部直すのも大変なのと、ComfyUIの方で翻訳が揺れたりしそうなので"英語タイトル + ノード"で行きたいなぁとは思っております

検索は日本語化しててもComfyUI上で英語名で出来るので問題は少ないかな？morisoba65536.icon

ノードにはIDと表示名があって検索では両方引っかかるるんですが、翻訳は表示名だけなので、英語で検索したときはIDで引っかかってる感じですねnomadoor.icon

取り合えす気づいて余裕のある時に置き換えや日本語ページからのリンク貼るような感じで移行していく予定morisoba65536.icon

2025/8/19

https://x.com/karminski3/status/1957647414640406665もしかしたらQwen-Image-Edit、🦊Wan2.1_VACE同様に複数のコンテキストを渡すときに一枚の画像に先に結合する必要がある…？morisoba65536.icon

時間軸もってるので小技使わずともできるはずですけどね…nomadoor.icon

いやしかし、Qwen-Imageベースだから期待してなかったけど出てくる画像の品質が悪い…

プロンプトはよく効くけど

nano-banana、やる気無くなるくらい性能良いnomadoor.icon

クローズドなので興味はないけど、いやぁ、Imagen4強いなぁ…

ComfyUIのループノード(名前はloopbackとかかも)にある程度知られてる(デファクト？)ものはあるのだろうか…？morisoba65536.icon

バッチ生成とかの複数同時生成した画像をループで一枚ずつ送れれば🦊Save Animated WEBPノードあたりでカスタムノード固有のパス命名規則やらに悩まされずにImageフォルダ以下の任意のパスにwebp画像保存できるのだが…(デフォルトの画像を保存ノードに日付やモデル毎に自動で階層構造分けて保存するようにパス切ってるのでおんなじようにwebpなり高圧縮で保存したい)morisoba65536.icon

ComfyUIの内部処理的にLoopもできるように(は)なったよ、ってタイミングで出たExecution Inversion Demoが有名は有名ですかね…nomadoor.icon

単純なIFとLoopくらいはデフォルトのノードで欲しいけど、loopは特に難しいんだろうなぁ

👀帰ったら試してみようmorisoba65536.icon

もっとシンプルに🦊ComfyUI-Impact-PackのImage Batch to Image Listノード経由すればあっさりできた…morisoba65536.icon

全然タスク分かってなかったけど出来て良かった(*´∀｀*)nomadoor.icon

batchとlistの変換はとても良く使うから🦊連続処理に追加しておくか…

morisoba65536.iconやりたかったこと

1.画像生成ガチャ800連(Batch size8*Batch count100)とかすると保存するだけで800MBとかなって何日かやってると流石に容量食いすぎ

2.せや、WebP(非可逆80)なら一つ100kb位になるから800連ガチャしても8MB程度や！(TBクラスの自分用NASに放り込めば事実上無制限)

3.ComfyUIでBatch sizeを直接個別にWebP保存するノードが無い！(🦊Save Animated WEBPノードは何も考えずにBatch sizeを送りつけるとアニメーションWebPにしてしまう為)

4.画像保存系カスタムノードを試すもどれもサブフォルダの指定の仕方が標準ノードと勝手が違いすぎてモデル名や日付で自動仕分けできるようにパス組んでる自分の環境で非常に使いづらい…

というお悩みが割と長年？あったんですね…(整理整頓苦手なのでストレージをデカくして全部放り込む主義)morisoba65536.icon

https://x.com/LodestoneE621/status/1957742046296568213vae無しで直接Pixel描画(計算量もそんなに変わらないらしい)

DeepFloyd IF君を思い出すなぁ…nomadoor.icon

https://x.com/ostrisai/status/1957748358451503166Qwen-Imageも半分程度にプルーニング可能なようだ

2025/8/18

https://x.com/KBlueleaf/status/1956991430075002979個人開発の340Mパラメータの画像生成モデルができたようだmorisoba65536.icon

どうやらLyCORISやkohakuXL(あのIllustriousのベースになっているモデル)の作者のようだ…

https://x.com/natanielruizg/status/1956368990470631732機械翻訳で読んでるので間違ってるかもだけど、Hypernetworkで学習性能を上げられる、という論文なのかな…？morisoba65536.icon

@sameQCUによるDiffusion Transformers (DiT) のアーキテクチャに対する強い批判

2025/8/16

コミケのために漫画を描いたけど、本当に画像生成の出番はなかった...基素.icon

漫画支援ツールが出るのが遅すぎる

漫画・アニメは学ぶほどの本当に難しいnomadoor.icon

例えば絵柄にしても、スタイル転送というタスクとして出来た気になってるけど、我々が思ってる"絵柄"という言葉にはキャラデザやら線の太さやら空間の使い方やらが含まれてて、今AIでやってるのは雰囲気の転送でしかないよなあ…とか

キャラ・環境の一貫性、デフォルメ、吹き出し etc. AIがホントに漫画を描くためには世界モデルが必要なんじゃあないかと思ったりする

吹き出しとコマ割りはこっちでやるし、何枚か書いてもいいから例えばモブを描いたりガイドに沿ってそれっぽい背景を描いてほしい...基素.icon

Qwen-ImageでのVRAN24GB学習、AI Toolkitは量子化+精度アダプターで低データ化に対してMusubi TunerではBlockswapを使ってDRAMへそのままオフロードする方向性にしたようだ。(精度的には元waitを維持してる分Musubiのほうが良くなりそうかな？)morisoba65536.icon

2025/8/13

本当に独り言レベルの話だけど、最近の画像生成モデルを色々触ってもまだ指が安定しないとか起きるのに、(1人描画限定、形的な意味でなら)ある程度安定して出せるように出せるようになってるSDXLベースのIllustrious、及びその派生のファインチューニングとマージで性能限界まできっちり出してる感凄いなとなる(本数とかは見ないものとする)morisoba65536.icon

2025/8/12

https://www.reddit.com/r/StableDiffusion/comments/1mnbqxv/introducing_a_comfyui_ksampler_mod_for_wan_22_moe/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonWan2.2で自動で高ノイズreと低ノイズを切り替えてくれるサンプラーらしい

https://comfyui-wiki.com/ さんの立ち位置って今どうなってるんだろうかnomadoor.icon

もともと非公式だったのがComfy.Orgに入った？

単に私の勘違いで記述してた(Google直ジャンプでしか飛んでなくてトップを見たこと無く公式だと思ってた…)morisoba65536.icon

中の人はもう公式の人なので、全然公式wiki扱いでもいいと思いますnomadoor.icon

今は基本https://docs.comfy.org/Comfy.Orgのドキュメントに書いて、comfyui-wikiは残してるだけなのかな？

2025/8/11

ComfyUI-NAGのKSamplerWithNAG (Advanced)ノードのサンプルを作った（整理は苦手なのでスパゲッティのままなのでここに投げ込む）morisoba65536.icon

KSamplerWithNAG (Advanced)ノード_wan2.2.json

Qwen-Imageはプロンプトが同じだとseedが変わってもほぼ同じ構図の絵が出る傾向がある。良くも悪くもガチャ向けではなさそうmorisoba65536.icon

ガチャりたいときはいっそ前半Qwen-Image、後半Wan2.2でサンプリングするの逆でHigh noiseを最初に数ステップ噛ませてやるとかも有効かもしれない？

2025/8/10

https://www.reddit.com/r/StableDiffusion/comments/1mlhmd8/another_wan_22_14b_i2v_showcase_using_only_low/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_button割とWan2.2I2Vで低ノイズのみ生成でも良い結果が出せるようだ

https://www.reddit.com/r/StableDiffusion/comments/1mlt803/comment/n7vspop/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonどうやらQwen-Imageは特に蒸留Loraなど使わなくても8ステップ cfg2.5程度でそれなりの画像が出る模様？

本日のRedditかなり重たい？morisoba65536.icon

2025/8/9

L4とかA100の推論なんかそんな早くないなと思ってたけどVRAMおっきいだけで推論速度は早くないのかこれ(今更)nomadoor.icon

LightningAIは安いけどGPUの選択肢にちょうどいいのが無いんだよな…

みんなRunpodとかVast.ai使ってるのはそういうことなのね🤔

L4は3090と同世代くらいで性能が低いのでVRAMのある3060位に思ったほうが良いかもしれない…性能的にはさらに低い(遅い)けど(但しワットパフォーマンスは3倍くらい高い、多分コスパの良さはこの低電力によるもの)morisoba65536.icon

A100は概ねコンシューマ向けでは3070と速度面ではほぼ互角(コア数やクロック数の大小が相互互換的な感じでトレードオフされてる)と言った所かな…？

https://x.com/ostrisai/status/19539762074285345906bit量子化モデルでQwen-ImageのLora学習(但し5090の32GB必要)morisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1mlrs7l/important_warning_for_pinokio_users_a_security/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_button実際どの程度実害があるかは不明なものの、Pinokioをおすすめするのはあまり良くなさそうな感じ

投稿のほうが消えたっぽいのでいったん保留にしとく

かなり気をつけて開発されてるけど、ComfyUIカスタムノードも同じようなことは出来得るしなぁnomadoor.icon

そもそも、PinokioやComfyUIで使われるようなAI技術は製品ではないというのを心に留めるべきだと思う

バカにしているわけではなく、公式Documentを読んで導入の仕方が分からない人はそもそも無理して触るべきでは無いよなぁと

2025/8/8

GPT-5 is now available!基素.icon

無難に良いモデルではあるのだろうけど、GPT-5の看板背負ってこれと思うとなぁ…nomadoor.icon

性能云々より、Soraとかo1みたいな、新しい未来を見せてくれるものを期待しちゃってた

良くも悪くもApple化と言うか、「一般ユーザーが知識がなくても使いやすいお膳立てをする」所にChat版はフォーカスしてそうmorisoba65536.icon

API側は推論強度調整できたり、入力コスト値下げ(代わりに出力値上げ)したりよりシステム組み込みを意識感じになったっぽい？morisoba65536.icon

2025/8/7

https://www.reddit.com/r/StableDiffusion/comments/1mj36yn/qwen_image_img2imginpainting/標準のQwen-Imageでも編集能力がそれなりにある模様

https://www.reddit.com/r/StableDiffusion/comments/1mk0c99/update_for_lightx2v_lora/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonSelf Forcingのwan2.2版のバージョン2

前回のT2Vが特にHigh noiseモデルで問題がありほぼLow noise専用だったためかアップデート版には期待

さらに今回はI2v版も出たmorisoba65536.icon

2025/8/6

前半Qwen-Image、後半Wan2.2でサンプリングする

2025/8/5

https://www.reddit.com/r/StableDiffusion/comments/1mhh7nr/qwenimage_has_been_released/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonQwen Image公開morisoba65536.icon

20Bということで重たい⋯

fp8にしても全然VRAM足りないな…nomadoor.icon

量子化耐性しだいですがgguf待ちですね…仮にggufのパフォーマンスがよくてもこのサイズだとトレーニングは難しいので加工向けベースモデルとして使うのがメインになるかな…morisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1mhsy9z/qwenimage_in_dfloat11_can_run_in_16gb_of_vram/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_button↑とか書いてる間に敷居が16GBまで下がった(昨日のlightx2vと言い爆速で状況が変わる…)morisoba65536.icon

Qwen2.5 VL積んでるのか…これまた贅沢だなぁ…nomadoor.icon

ComfyUIでfp8を動かしてみたけどなんか品質えらい悪いな

生成される絵の品質と要求スペックのバランスがあんまり良くない気がするけどどうなるかな…

もしかしたら量子化と相性悪いやつかもしれない…（FP8よりGGUFの方が品質良いことも多いので余裕ができたらGGUFを確認してみますかね…）morisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1miqjme/qwenimage_issues_with_fp8/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_button少なくともFp8はあまり良くなさそう

これは--fastが原因だな(--fastつけたらノイジーな画像になった)nomadoor.icon

解像度が1024*1024じゃなくて1328*1328にしたらマシになったけどAIライクな絵柄だ…

良くも悪くもImagen4じゃなくてChatGPTの画像生成に近い感じ

https://www.reddit.com/r/StableDiffusion/comments/1mhq6z5/wan_just_got_another_speed_boost_fastwan_3step/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonWan2.1と2.2の小型モデル向け高速化Lora(14B向けも準備中らしい)morisoba65536.icon

https://github.com/comfyanonymous/ComfyUI/issues/9193#issuecomment-3155298773Qwen-Imageのtext2imageモデルと画像編集モデルは別らしいnomadoor.icon

2025/8/4

https://www.reddit.com/r/StableDiffusion/comments/1mh1nu4/wan_22_5b_first_frame_last_frame_node/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonWan2.2 5B向けの開始フレーム＆終了フレームノードらしいmorisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1mh467h/musubitrainer_now_allows_for_proper_training_of/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonWan2.2 14b T2Vの学習についての記述へのリンクのある投稿

リンクとファイル名が説明の総てなWan2.2用の高速化Lora(ファイル名が見えたほうが何かわかりやすいのであえてベタリンクにする)morisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1mhezm6/lightx2v_wan22lightning_released/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonアップロードに失敗したのか今は壊れてるっぽいmorisoba65536.icon

https://www.reddit.com/r/StableDiffusion/comments/1mhg8s0/wan22_lightning_lora_works_very_well/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_buttonhttps://huggingface.co/Kijai/WanVideo_comfy/tree/main/Wan22-Lightning↑を書き込んだ直後にkijai氏が直してた…morisoba65536.icon

2025/8/3

取り敢えずWan2.214b弄ってていつも通り推論少しでも早くしたいなーと色々触った結果、DistanceSamplerのコメント外してfast_nを解放してそれをHigh noiseに適用、Low noiseにはWan2.1のSelf Forcing+FastVideo(FastWan)適用で合計8ステップ、3〜4ステップ切り替えで(少なくとも静止画確認で)両モデルの性能を維持して高速化できそう？(とは言えそれでも普通に単独モデルの倍よりかかる、主にモデル切り替えの読み込み時間で⋯)Workflowは後で貼り付ける予定morisoba65536.icon

Distance_And_SelfForcing.json

必須としてSamplerDistanceノードのファイルをいじって"Distance_fast"/"Distance_fast_n"を有効化する必要あり

微妙に色々試行錯誤中なので動画出力として使うときはフレームレートの設定とか色々ちゃんと確認してほしい(静止画でひとまず挙動確認してる)

SamplerはLow noise側はEuler、dpmpp 2m altやdpmpp 2mあたりが良さそう？morisoba65536.icon

Schedulerの扱いが非常に悩ましい。単一モデルの時のように雑にBetaで良いともいかなさそう？(手動でステップ毎のHigh/Lowの比重を調整したい場合Simpleが良いのかもしれない)

https://www.reddit.com/r/StableDiffusion/comments/1mge29t/just_some_things_i_noticed_with_wan_22_loras/?utm_source=share&utm_medium=mweb3x&utm_name=mweb3xcss&utm_term=1&utm_content=share_button現時点でのWan2.2のLora適用についての覚書的な投稿

2025/8/2

https://gyazo.com/864831e3e307a134a74bc42c48b0bed2

Wan2.2_image2video_FLF2V_14B.json

Wan2.2のimage2videoモデルでFLF2Vが出来ると聞いてやってみたらできたnomadoor.icon

https://gyazo.com/a1eefa4207e818929e58911afb296473

なんで出来るんだ…？(困惑)