メインコンテンツへスキップ
見出し画像

【JSON配布】FLUX.2 [klein]実践用ワークフロー。リファレンス画像を4枚同時参照できる拡張版(マルチリファレンス対応)

    以前構築したFLUX.2 [klein]の実践用ワークフローを改良して、リファレンス画像を最大4枚まで同時に入力できるように拡張しました。

    ベースとなるワークフローの仕様や作成した経緯については、前回の記事を参照してください。

    記事の最後でJSONファイルを配布しています。

    1.今回のワークフロー

    これが新しくなったワークフロー全体です。

    ComfyUIのワークフロー
    ComfyUIのワークフロー

    前回の記事の最後で少し触れましたが、仕組み自体は単純。リファレンス関連のノード群を直列に4つ繋ぎ合わせただけです。当然、LoRAやアップスケーラーの接続にも対応しています。

    各ブロックは個別にバイパス可能。リファレンス画像を1枚だけ使いたい状況であれば、グループ単位でオン・オフを切り替えて運用してください。

    Klein版は最大4枚まで!

    公式のドキュメントによると、各モデルの最大枚数は以下になります。

    • [klein] は最大4枚

    • [dev] は最大6枚

    • [max] [pro] [flex] は最大10枚(api経由は最大8枚)

    また、Technical Specifications の項目でも以下のように書かれています。

    Multi-Reference
    ・Up to 10 input images ([klein]: 4)
    ・Character consistency
    ・Style transfer

    https://docs.bfl.ai/flux_2/flux2_overview#technical-specifications

    2.実演(複数参照による画像生成)

    4枚参照の一例として、キャラクターデザインを行いました。

    読み込ませた素材は以下の4枚です。
    キャラの顔、衣装、ゴーグル、バッジです。

    4枚のリファレンス画像
    4枚のリファレンス画像

    これらを参照して出力したポートレートが以下になります。

    生成画像
    生成画像

    すべての画像の要素が破綻なく反映されているのが確認できます。

    プロンプトを記述する際、"image 1" や "image 2" といったキーワードで対象となる画像を指定できます。例えば、特定の衣装を着せたいのであれば、outfit in image 1のように記述するだけです。

    A close-up, bust-up portrait of a young female character who is holding one hand up to lightly touch the goggles perched on her head, her head tilted slightly. Use the face, haircut, makeup, and confident expression exactly as shown in image 1. She is wearing the specific outfit and accessories defined by image 2. The goggles on her head are defined by image 3. A very small, highly detailed metal lapel pin badge, as defined by image 4, is securely pinned to the left side of her vest chest. She stands against a pure white background. Soft, even studio lighting illuminates her features, creating a delicate catchlight in her eyes and emphasizing the rich textures of her clothing and metal accessories without harsh shadows. Style: Semi-realistic high-fidelity 3D CG render. Mood: Confident and poised.

    あえて画像を指定しなくても、プロンプトに関連する情報を自動で認識してくれますが、明記した方が確実です。

    詳しくは、以下の公式ドキュメントを参照してください。

    もちろんキャラデザに特化したワークフローというわけではないので、背景の質感、ライティングの参考、ロゴ、小道具など、用途に合わせて自由に素材を放り込んでみてください。

    3.動作環境と必須パーツ

    今回のワークフローを動かすために必要なモデルは以下の通りです。

    必須カスタムノード

    ComfyUI-Manager から検索してインストールするのが楽です。

    使用モデル

    モデルは、"ComfyUI\models\" 配下の各フォルダに配置してください。
    わたしの環境では9Bモデルを使用していますが、4Bモデルでも問題なく動作します。

    • Fluxモデル: flux-2-klein-9b-fp8.safetensors
      (ComfyUI\models\diffusion_models)

    • テキストエンコーダー:qwen_3_8b_fp8mixed.safetensors
      (ComfyUI\models\text_encoders)

    • VAE:flux2-vae.safetensors
      (ComfyUI\models\vae)

    • アップスケーラー:4x-UltraSharp.pth
      (ComfyUI\models\upscale_models)

    動作環境

    参考までに、わたしの環境と実際の生成にかかった時間を載せておきます。

    ■ PCスペック

    • CPU: Intel Core Ultra 7 265K

    • GPU: GeForce RTX 5070 Ti

    ■ リファレンス画像無し

    • 生成時間: 2秒 / 1枚(1024*1024 / VRAM - 12.8GB)

    • アップスケール込み:7秒 / 1枚(4096*4096 / VRAM - 14.7GB)

    ComfyUIのログ①
    ComfyUIのログ①

    ■ リファレンス画像 1枚

    • 生成時間: 4秒 / 1枚(1024*1024 / VRAM - 12.8GB)

    • アップスケール込み:11秒 / 1枚(4096*4096 / VRAM - 14.7GB)

    ComfyUIのログ②
    ComfyUIのログ②

    ■ リファレンス画像 2枚

    • 生成時間: 7秒 / 1枚(1024*1024 / VRAM - 12.2GB)

    • アップスケール込み:15秒 / 1枚(4096*4096 / VRAM - 14.7GB)

    ComfyUIのログ③
    ComfyUIのログ③

    ■ リファレンス画像 3枚

    • 生成時間: 11秒 / 1枚(1024*1024 / VRAM - 12.4GB)

    • アップスケール込み:19秒 / 1枚(4096*4096 / VRAM - 14.3GB)

    ComfyUIのログ④
    ComfyUIのログ④

    ■ リファレンス画像 4枚

    • 生成時間: 13秒 / 1枚(1024*1024 / VRAM - 11.4GB)

    • アップスケール込み:24秒 / 1枚(4096*4096 / VRAM - 12.7GB)

    ComfyUIのログ⑤
    ComfyUIのログ⑤

    リファレンス画像を増やすほど、処理負荷に比例して生成時間は順当に伸びています。しかし、VRAM消費量は必ずしも増大するわけではないようです。参照枚数が増えているのにVRAM消費が減るケースがあるのは、システム側のメモリ確保や解放のタイミングによるものと推察されますが、なかなか興味深い挙動です。

    4.ワークフロー配布

    今回のワークフローのJSONを置いておきます。

    ダウンロードしたjsonファイルをComfyUIの画面にドラッグ&ドロップするだけで使用できます。

    ComfyUIに読み込んだら、各Loaderで自身の環境に合わせたモデルを指定してください。あとは必要な枚数分のバイパスを解除し、リファレンス画像をセットして生成するだけです。

     
     
    検索しても出てこない、自分で仮説を立てて検証した実践知をここにまとめます。

    あなたへのおすすめ