ComfyUIでQwen-Image-Editを試す（GGUF版、Lightning使用）

※ こちらは旧バージョンの記事です。新バージョンの「Qwen-Image-Edit-2509」をおためしください。

Last update 9-7-2025
※ 関連記事は、ComfyUIの記事一覧にまとめてあります。

■ 0. 概要

▼ 0-0. はじめに

　本記事では、ComfyUIでGGUF版の「Qwen-Image-Edit」を「Lightning」で高速化して利用する手順を説明します。

　本記事ではQwen-Image-Editの説明や関連リンクの一部を割愛するので、詳しくはFP8版の記事を参照してください。

　編集機能を持たない、通常のQwen-Imageの記事です。

　ComfyUIのインストール方法については、下記の記事を参照してください。

▼ 0-1. 関連リンク

　本記事で利用するモデルです。詳細は記事中で説明します。

• QuantStack/Qwen-Image-Edit-GGUF 
  https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF 

• lightx2v/Qwen-Image-Lightning
  https://huggingface.co/lightx2v/Qwen-Image-Lightning 

• unsloth/Qwen2.5-VL-7B-Instruct-GGUF
  https://huggingface.co/unsloth/Qwen2.5-VL-7B-Instruct-GGUF 

• calcuis/pig-vae
  https://huggingface.co/calcuis/pig-vae 

　本記事では利用しませんが、下記に掲載されたモデルを選択することも可能です。Text Encoderの選択が3通りあります。

• calcuis/qwen-image-edit-gguf
  https://huggingface.co/calcuis/qwen-image-edit-gguf 

■ 1. 使用リソース

▼ 1-1. VRAM使用量

　筆者の環境（RTX 5060Ti、VRAM 16GB、アイドル時の使用量は1.5GB程度）では、量子化タイプがQ4_Mの場合に最大14.7GB程度を使用しました。これはQwen-Imageの13.3GB程度よりも多めです。

　このような事情から、VRAM 12GBでは品質を犠牲にしてQ3以下にする必要があるかもしれません（未確認）。

▼ 1-2. 生成時間

　モデルの読み込み時間を含まない条件での結果を記載します。4Stepsの場合は38秒程度、入力画像やプロンプトを変更しない2回目以降は32秒程度でした。8Stepsの場合は68秒程度、入力画像やプロンプトを変更しない2回目以降は62秒程度でした。こちらもQwen-Imageより多めです。

■ 2. 準備

▼ 2-1. はじめに

　ComfyUIを更新していないと、必要なノードが存在しない場合があります。バグフィックスを含むこともあるので、なるべく最新版にしてください。

　筆者の記事では、ComfyUI Managerがインストールされていることを前提としています。下記の記事で「ComfyUI Managerのインストール」を検索すると手順の説明があります（通常版、ポータブル版）。

▼ 2-2. モデルの設置

　筆者は種類ごとにディレクトリを分けているのでそのように記述しますが、お好みで決めていただいて構いません。

　Modelをダウンロードして、適切なフォルダへ移動します。なお、下記以外の量子化タイプもあるので、VRAM使用量と品質を見ながら上げ下げすることができます。

• QuantStack/Qwen-Image-Edit-GGUF 
  https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF 

  • Qwen_Image_Edit-Q4_K_M.gguf (12.1GB)
    → models\diffusion_models\qwen_image\

　LoRAをダウンロードして、適切なフォルダへ移動します。

• lightx2v/Qwen-Image-Lightning
  https://huggingface.co/lightx2v/Qwen-Image-Lightning

  • Qwen-Image-Edit-Lightning-4steps-V1.0-bf16.safetensors (810MB)
    Qwen-Image-Edit-Lightning-8steps-V1.0-bf16.safetensors (810MB)
    → models\loras\qwen_image\

　Text Encoderをダウンロードして、適切なフォルダへ移動します。mmprojも必要なので、同じ場所に設置してください。

• unsloth/Qwen2.5-VL-7B-Instruct-GGUF
  https://huggingface.co/unsloth/Qwen2.5-VL-7B-Instruct-GGUF

  • Qwen2.5-VL-7B-Instruct-Q4_K_M.gguf (4.36GB)
    → models\text_encoders\qwen_image\

• QuantStack/Qwen-Image-Edit-GGUF 
  https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF 

  • mmproj\Qwen2.5-VL-7B-Instruct-mmproj-BF16.gguf (1.26GB)
    → models\text_encoders\qwen_image\

　VAEをダウンロードして、適切なフォルダへ移動します。

• calcuis/pig-vae
  https://huggingface.co/calcuis/pig-vae 

  • pig_qwen_image_vae_fp32-f16.gguf (242MB)
    → models\vae\qwen_image\

■ 3. 生成

▼ 3-1. 概要

　生成用のワークフローを提供しますので、改造、再公開を含め自由にご利用ください。

▼ 3-2. 必要な拡張機能について

　本記事に掲載したワークフローを読み込んだとき、拡張機能が不足していると「Some Nodes Are Missing」の表示が出ます。その場合は、ComfyUI Managerの機能を利用してインストールすることができます。

　拡張機能をインストールする方法は、下記の記事の「自動インストールの手順 」または「手動インストールの手順」を参照してください。

　本記事のワークフローでは下記の拡張機能を利用します。

• https://github.com/calcuis/gguf 

▼ 3-3. 補足2

　様々な解像度の入力画像に対応するため、提供するワークフローでは1MP（Mega Pixel）にリサイズしてからQwen-Image-Editで処理しています。出力の解像度は内部で適切な値に丸められます。

　未使用の「EmptySD3LatentImage (for testing)」を「Ksampler」につなぐと、任意の解像度で出力できます。想定とは異なる処理方法なので、あくまでテスト用としています。

▼ 3-4. ワークフロー

　Lightningを使用した高速な4Steps版と8Steps版のほか、低速な通常版を用意しました。若干の相違が有るので後述します。高速版では「Qwen-Image-Edit-Lightning」のLoRAが設定されています。

　いずれのワークフローも、右側の LoraLoaderModelOnly から左下（LoraLoaderModelOnly または ModelSamplingAuraFlow）に接続することで追加のLoRAが利用できます。

　高速版（4Steps、8Steps）のワークフローの全体は下記のようになっています。

　高速版はNegative Promptの入力欄を設けず、Negative側はCLIP Text Encodeを用いています。

　低速な通常版のワークフローの全体は下記のようになっています。

　低速版はNegative Promptの入力欄を設け、Negative側はPositive側と同じTextEncodeQwenImageEditを用いています。ただし、Negative Promptの入力については未確認です。

▼ 3-5 サンプル画像

　Qwen-Imageで生成したサンプル画像です。プロンプトはClaude Sonnet 4で作成しました。こちらを用いて生成した画像と元画像は、セットで自由にご利用ください。

▼ 3-6. ワークフローの使い方

　ワークフローのファイルをComfyUIの画面にドラッグ＆ドロップすると読み込まれます。

　Load Imageのノードに、入力画像を設定します。ファイルのドラッグ＆ドロップが可能です。

　Prompt (Positive) のノードにプロンプトを入力します。得意な言語は中国語と英語とみられますが、あまり差し支えないレベルで日本語も通じるようです。

　あとは「Run」をクリックして、生成が完了するのを待ちます。下記は4Steps版を実行した画面で、「アニメ調に変更」と入力しました。

　生成した画像は「ComfyUI\output」に保存されます。入力した画像は「ComfyUI\input」のフォルダに保存され、選択して再利用することができます（削除可）。

■ 4. おまけ

▼ 4-1. 概要

　サンプル画像を用いた実行結果を掲載します。ワークフローは4Steps版を使用しています。

▼ 4-2 生成した画像（入力はリアル調）

　画像の説明に、実際に入力したプロンプトを記載します。

　下記の画像のように、入力とプロンプトの組み合わせによっては不自然になる場合があります。ただし、プロンプト次第で改善できる可能性があります（どのようにしたいか具体的に記述する必要あり）。

▼ 4-3. 生成した画像（入力はアニメ調）

　画像の説明に、実際に入力したプロンプトを記載します。

■ 5. その他

　私が書いた他の記事は、メニューよりたどってください。

　ComfyUIに限定した記事の一覧もあります。

　記事に関することで何かありましたら、Xの@riddi0908までお願いします。