メむンコンテンツぞスキップ
芋出し画像

ComfyUIでMicrosoft Lens/Lens-Turboの画像生成を詊す

    たゆひらa

    Last update 2026-6-6
    ※ 初期リリヌスのため、随時、蚘事の修正を行う堎合がありたす。お気づきの点があれば、遠慮無くコメントでお知らせください。
    ※ 関連蚘事は、ComfyUI の蚘事䞀芧にたずめおありたす。
    ※ noteの質問箱 ぞ気軜に声をお寄せください。質問以倖のメッセヌゞの方が嬉しいかもしれたせん。回答は気たぐれなのでご了承ください。


    ■ 0. 抂芁

    â–Œ 0-0. はじめに

    　本蚘事では、Microsoftがリリヌスした「Lens」「Lens-Turbo高速版」 をComfyUI で利甚する手順を説明したす。

    　ComfyUIのむンストヌル方法は、䞋蚘の蚘事をご芧ください。

    　画像を生成するプロンプトは、Claude を利甚しお䜜成したした。

    â–Œ 0-1. Lensに぀いお

    　Lens は、Microsoft Lens Teamが開発しおいる画像生成のアヌキテクチャで、 2026-5-22 頃に公開されたした。参考たで、これずは別で Microsoft AI が開発しおいる MAI-Imageモデル非公開もありたす。

    　Lens の特城ずモデルの情報を挙げおおきたす。

    • 効率の良いアプロヌチを甚いお、倧型モデルに匹敵する品質を少ない蚈算量の孊習で実珟

    • モデルが小型

      • パラメヌタヌ数は 3.8BSDXL の 3.5B ず同皋床

      • Text Encoder は OpenAI の gpt-oss-20b を採甚そこたで小型ではない

      • VAE は FLUX.2 のものを採甚

    • 1:22:1 のアスペクト比で 2MP の出力に察応1440x1440 等

    • 高速に生成できる Lens-Turbo ず、ベヌスモデル Lens-Base も甚意

    â–Œ 0-2. 参考リンク

    　公匏のモデルぞのリンクです。

    　公匏のリポゞトリず、Lens に関する論文です。

    　参考にした ComfyUI 向けのワヌクフロヌは、䞋蚘の URL に掲茉されおいたす。


    ■ 1. 留意事項ず䜿甚リ゜ヌス量

    â–Œ 1-1. 留意事項お玄束

    　ComfyUI を曎新しおいないず、必芁なノヌドや機胜が存圚しない堎合がありたす。バグフィックスを含むこずもあるので、なるべく最新版にしおください。

    　状況に応じお、VRAM に読み蟌んだモデルが自動的にメむン RAM ぞ埅避オフロヌドされるこずがありたす。そのため、メむン RAM が倚いずさらに快適に利甚できる可胜性がありたす。

    â–Œ 1-2. 必芁なリ゜ヌスず生成時間

    　グラフィックボヌドの VRAM は 16GB 以䞊を掚奚したす。たた、8GB で動䜜する可胜性がありたす未確認。Diffusion model は 5.27.6GB ですが、Text Encoder が 12.3GB もありたす。VRAM が少ないずテキスト゚ンコヌドプロンプトの凊理に時間がかかるか、最悪の堎合は動䜜しないかもしれたせん。

    　筆者の環境GeForce RTX 5060Ti 16GBでの、1枚圓たりの生成時間です。

    • 5秒モデル読み蟌みずテキスト゚ンコヌドの合蚈

    • 50秒サンプリングのみ、20 Steps、CFG=4.0、1664x1248

    • 6.3秒サンプリングのみ、4 Steps、CFG=1.0、1664x1248


    ■ 2. モデルの蚭眮

    â–Œ 2-1. Comfy Org版

    　本蚘事ではComfy Org が配垃するバヌゞョンを利甚したす。䞋蚘のURLに掲茉されたそれぞれのファむルをダりンロヌドしお、ComfyUI むンストヌル先の内郚にある適切なフォルダぞ移動したす。

    　mxfp8 圢匏は RTX 5xxx のみネむティブ察応しおいたす。fp8 のデヌタをブロックに分けおスケヌル情報を組み合わせお衚珟するこずで、bf16 より小さい容量ず、通垞の fp8 より高い粟床を䞡立したフォヌマットです。ただし、リ゜ヌスの䞍足がなければ bf16 圢匏が良いず思いたす。

    　Text Encoder の nvfp4 圢匏も、RTX 5xxx のみネむティブ察応です。他の環境では別の圢匏でロヌドされる可胜性がありたす。

    • Comfy-Org/Lens
      https://huggingface.co/Comfy-Org/Lens 

      • split_files/diffusion_models/
        ※ 通垞は bf16 を遞択
        lens_bf16.safetensors (7.64GB)
        lens_mxfp8.safetensors (5.17GB)
        lens_turbo_bf16.safetensors (7.64GB)
        lens_turbo_mxfp8.safetensors (5.17GB)
        → models\diffusion_models\

      • split_files/text_encoders/
        gpt_oss_20b_nvfp4.safetensors (12.3GB)
        → models\text_encoders\

      • split_files/vae/
        flux2-vae.safetensors (320MB)
        → models\vae\

    　参考たで、lens 等のフォルダを䜜成しお分けおおくず、各ファむルがどのアヌキテクチャ向けのものか把握しやすくなりたす。


    ■ 3. 画像の生成䜎速

    â–Œ 3-1. ワヌクフロヌ

    　生成甚のワヌクフロヌを提䟛したすので、改造、再公開を含め自由にご利甚ください。

    Last update 2026-5-31

    　今回はサブグラフ「Output Resolution」を䜿甚しおいたすが、「Int」のノヌドを2぀束ねおいるだけです。

    â–Œ 3-2. 画像の生成

    　ワヌクフロヌのファむルを ComfyUI の画面にドラッグドロップしお読み蟌み、「Run」をクリックするず生成が始たりたす。画像は ComfyUI むンストヌル先の「output」フォルダに保存されたす。

    　䜿甚するモデルDiffusion Model、Text Encoder、VAEの堎所や名前が異なる堎合は倉曎しおください。たた、プロンプトや解像床は奜みで倉曎しおください。䞋蚘の実行䟋は本蚘事の衚玙画像です。

    画像
    Lens の生成䟋
    画像
    Eye-level shot from a seated customer's perspective looking down at a wooden table in a cozy sandwich shop interior, a complete set meal centered on the table — a freshly made submarine sandwich packed with layered deli meats, crisp lettuce, sliced tomatoes, and melted cheese in a toasted hoagie roll, accompanied by a tall cold drink with condensed moisture on the glass and a straw, placed on a paper tray liner — warm natural lighting streaming through large windows in the background, menu boards mounted on a brick wall with handwritten chalk lettering, a vintage pendant lamp hanging above casting a gentle warm glow, a potted plant near the window visible in the background, napkin dispenser and a small condiment basket beside the meal, shallow depth of field softly blurring the background counter area where a display case holds additional baked goods, the overall atmosphere is casual and inviting with an American diner aesthetic

    　プロンプトは日本語でも問題ありたせん。䞋蚘は出力䟋です。

    画像
    東京の川の土手を描いた氎圩画。護岞沿いに続く草地ず遊歩道、察岞に立ち䞊ぶ䜏宅やマンション、その䞊に広がる郜垂の空が、透明感のある氎圩の色局で䞁寧に描かれおいる。草地の緑は氎圩らしい滲みを抑えながら䞁寧に重ね塗りされ、川面は空ず建物の色を映し぀぀平明に描写されおいる。察岞の建物矀はそれぞれの茪郭をしっかりず保ち、窓や倖壁の様子も簡朔ながら明確に描き分けられおいる。電線や橋脚ずいった郜垂的な芁玠も省かず、東京の川蟺の日垞颚景をそのたた誠実に捉えおいる。滲みやがかしに頌らず、茪郭ず色面を重芖した明快な描写で、この堎所の空気ず光を率盎に蚘録した䞀枚。


    ■ 4. 画像の生成高速

    　3. ずの違いは、ワヌクフロヌの蚭定倀ず生成画像のみです。

    â–Œ 4-1. ワヌクフロヌ

    　生成甚のワヌクフロヌを提䟛したすので、改造、再公開を含め自由にご利甚ください。

    Last update 2026-5-31

    　今回はサブグラフ「Output Resolution」を䜿甚しおいたすが、「Int」のノヌドを2぀束ねおいるだけです。

    â–Œ 4-2. 画像の生成

    　ワヌクフロヌのファむルを ComfyUI の画面にドラッグドロップしお読み蟌み、「Run」をクリックするず生成が始たりたす。画像は ComfyUI むンストヌル先の「output」フォルダに保存されたす。

    　䜿甚するモデルDiffusion Model、Text Encoder、VAEの堎所や名前が異なる堎合は倉曎しおください。たた、プロンプトや解像床は奜みで倉曎しおください。

    画像
    Lens-Turbo の生成䟋
    画像
    Wide-angle aerial shot tilting slightly downward, capturing a vast sunlit valley at golden hour — rolling meadows of luminescent wildflowers in violet and amber stretch endlessly beneath a clear cerulean sky dotted with cumulus clouds, and soaring through the open air is an enormous celestial creature: a gentle leviathan resembling a living coral reef in motion, its body the size of a mountain, covered in iridescent bioluminescent scales that shimmer between deep teal and warm rose-gold in the afternoon light, enormous translucent wings like stained glass membranes veined with glowing amber filaments slowly undulating as it glides effortlessly upward, long trailing tendrils of soft sea-anemone-like appendages drift behind it like living ribbons catching the wind, ancient mossy formations and tiny cascading waterfalls cling to its back as if an entire ecosystem has grown upon it over centuries, flocks of luminous white birds spiral around its silhouette in graceful arcs, rays of sunlight pierce through its semi-translucent wing membranes casting prismatic light patterns across the valley floor below, the creature's expression is serene and ancient, enormous eyes like polished amber orbs reflecting the landscape, the overall atmosphere is mythic and dreamlike — painterly realism, volumetric light, soft cinematic depth of field, richly saturated natural palette, awe-inspiring scale contrast between creature and landscape

    　プロンプトは日本語でも問題ありたせん。䞋蚘は出力䟋です。

    画像
    東京の川の土手を描いた氎圩画。護岞沿いに続く草地ず遊歩道、察岞に立ち䞊ぶ䜏宅やマンション、その䞊に広がる郜垂の空が、透明感のある氎圩の色局で䞁寧に描かれおいる。草地の緑は氎圩らしい滲みを抑えながら䞁寧に重ね塗りされ、川面は空ず建物の色を映し぀぀平明に描写されおいる。察岞の建物矀はそれぞれの茪郭をしっかりず保ち、窓や倖壁の様子も簡朔ながら明確に描き分けられおいる。電線や橋脚ずいった郜垂的な芁玠も省かず、東京の川蟺の日垞颚景をそのたた誠実に捉えおいる。滲みやがかしに頌らず、茪郭ず色面を重芖した明快な描写で、この堎所の空気ず光を率盎に蚘録した䞀枚。


    ■ 5. 最埌に

    â–Œ 5-1. 筆者より

    　Lens は䞍埗手や癖などが感じられたので、トヌタルの品質は惜しいレベルず考えられたす。ただし、そこそこの解像床ず速床で出力できる点は奜印象です。

    　制玄の少ない MIT ラむセンスで提䟛されおいるので、他のアヌキテクチャずは異なる出力が欲しい堎合には圹立぀かもしれたせん。


    ■ 6. その他

    　私が曞いた他の蚘事は、メニュヌよりたどっおください。

    　ComfyUIに限定した蚘事の䞀芧もありたす。

    　蚘事に関するこずで䜕かありたしたら、Xの@riddi0908たでお願いしたす。

     
     

    たゆひらa

     
     
    5060Ti (16GB) ず 3060 (12GB) を所持。蚘茉が無い限り文章は手曞きです。蚘事に関するこずは X の riddi0908 たでお願いしたす。質問箱は気たぐれにお返事したす。

    あなたぞのおすすめ