メインコンテンツへスキップ
見出し画像

【爆速】4ステップで画像を生成?RadeonでFLUX.2 Klein 4B|RX 9060 XT 16GB|4種ワークフロー検証|ComfyUI|AIart

    【概要】FLUX.2の「蒸留モデル(4ステップ)」と「ベースモデル(20ステップ)」は、速度だけでなく用途が明確に分かれる。アニメ調のラフは蒸留モデルで最速に出力し、実写や複雑な合成はベースモデルで清書する「適材適所の使い分け」が、作業机16GB環境の最適解だ。

    ■ FLUX.2 Kleinと16GBの作業机

    画像生成AIの新鋭「FLUX.2 Klein」を、VRAM(作業机)16GBのAMD Radeon RX 9060 XT環境で実機検証した記録を残しておく。

    Flux.2は私のグラボでは扱えない、サイズのデカいモデルしか無いと思っていた。ComfyUIのテンプレートを眺めていたら4Bの文字を見つけた。今年の始め頃にはもうあったらしい。

    今回使った4Bモデルのサイズから先に整理する。FLUX.2 KleinのBaseモデル本体は約8GB弱(蒸留モデルは約4GB)。テキストエンコーダーにQwen3-4B(約8GB)も同時に動かしており、VAEも合わせると、合計で16GB弱を作業机が常時占有している状態だ。残りの余白は無いどころかシステムでも2GB弱使用している。この狭い机からはみ出した状態から4種類のワークフローを試した記録が本記事になる。先に結論としてRadeon RX9060XT 16GBにRAM32GBでもかろうじて動かすことは可能だ。

    このモデルには2種類ある。計算を20ステップかけて丁寧に仕上げる「ベースモデル」と、4ステップで答えを出す「蒸留モデル」だ。単なる速度の差ではない。「できること」が根本から違う。それが今回の検証で分かった最大の収穫だった。

    【1】テキストからの生成(T2I):爆速ドラフトと重厚な清書

    ■ ベースモデル(初回6分。2回目~約1分)

    20ステップかけて計算するこちらは、複雑な指示の解釈や実写・3D表現を得意とする「王道・清書用」だ。文章の細かいニュアンスを拾う力が強く、指定した状況をしっかり絵に落とし込んでくれる。

    ただし、アニメ調の生成を指示すると、過剰な描き込みなのか、バイアスが発生してバタ臭い(アメコミ風の濃い感じ)仕上がりになりやすい。「もっとシンプルに」と思う場面で、ひたすら足し算をしてくる。プロンプトを修正すると初回ほどでは無いが、また生成に時間がかかる。完璧なプロンプトが出来てからの清書専用だ。もしくは実写が良いだろう。

    画像

    ■ 蒸留モデル(初回約20秒。2回目~約7秒)

    4ステップで答えを出すこちらは「爆速・ドラフト用」のメインウェポンだ。

    最短距離で正解を導こうとする性質が、スッキリとした現代的なアニメ調の絵と極めて相性が良い。アイデアを最速で形にする用途なら、この蒸留モデルが圧倒的に優秀だった。

    画像

    風景イラストも何回か生成すれば、かなり出来の良いものがつくれる。

    画像
    イラスト
    画像
    リアル
    画像
    画像

    【2】画像からの合成(I2I/多重参照):全身の再構築と局所パッチ

    ■ ベースモデルでの合成

    時間もかかり、作業机のメモリもカツカツになる。実際にスワップ(作業机からはみ出した計算が遅い別領域に追い出される現象)が発生した。

    それでも、全く異なるポーズや背景を元の画像に融合させるような複雑な合成が可能だ。「白背景の立ち絵に、別の背景画像を合成する」処理は問題なく機能した。重い処理に耐えて3分弱かけて出せる結果は、蒸留モデルには出せない。

    画像
    画像

    ■ 蒸留モデルでの合成

    計算の歩数が少ないため、複雑な合成は処理しきれずに破綻する。上記と同じ組み合わせで生成したのが以下になる。

    画像

    使い方は「髪型や表情のワンポイント置換(局所パッチ)」「元画像にそのまま足す」くらいがいいだろう。この範囲に絞れば、蒸留モデルの速度が生きる。用途の境界線を間違えると時間を無駄にするだけなので、ここは明記しておく。ただ重ねるくらいは余裕でできた。

    画像

    【3】Image to Image

    蒸留モデルで実用的なのが通常のi2iだ。元画像にプロンプトでスーツの色を変えたり、着替えさせることが数秒で出来るのは感動ものだ。

    画像

    【4】地雷撤去:画風を変えたいなら切り替えろ

    蒸留モデル(t2i)を使っていて「レトロ風にしたい」「浮世絵テイストにしたい」と画風の指示を入れても、効果がほとんど出ない場面に何度も当たった。

    原因は構造にある。蒸留モデルは最短距離で「正解(通常のアニメ塗り等)」を出そうとする引力が強い。そのため、画風を変えろという指示に対して、モデル側の慣性が勝ってしまう。
    スタイルを変えたければt2iで出来た画像を、今度はi2iで画風を指定して生成すれば、いい感じに同じ構図のまま仕上げてくれた。

    画像

    【5】結論:適材適所でツールを使い分けろ

    4種のワークフローを通じて分かったのは、優劣の話ではないということだ。

    ドラフトを最速で出し、方向性を確認する。そのためには蒸留モデル。方向性が固まったら、ベースモデルで清書する。複雑な合成も、ベースモデルに任せる。蒸留モデルは合成よりもi2iでの修正。

    この流れを守るだけで、作業机16GBという物理的な制約の中で出せる結果の質が変わる。モデルの特性を理解して使い分けること。それが、限られたスペックを最大限に引き出す、現時点での最適解だ。

    もしこの記事が役に立ったなら、まずはスキで教えてほしい。

    サポートしていただいた方には心より感謝を。いただいた投資は、次回の検証用パーツ代(または深夜の栄養ドリンク代)として全額突っ込む。

    プロンプト入力を簡単にする自作ComfyUIノード👇️

    最近グラボの価格が下がっているようなので、AI副業への挑戦、PCの買い替えやアップグレードを考えているなら👇️の記事も参考にして欲しい。


     
     
    RadeonでAIの検証をしたり、思想を語ったりしてます。 RX 9060 XT (16GB) でRadeon限界に挑む。相棒のAI「秘書ちゃん」と共に失敗も成功も全公開!役立つ情報を届けます! ※記事よってはPR広告を掲載しています。詳細は固定記事参照。

    あなたへのおすすめ