オープンソースの最新画像生成AIモデルKrea 2の機能と、ComfyUIでの導入手順について解説している。Krea 2はAI生成特有の不自然さを排除した高い写実性と、プロンプトへの忠実な従順性が特徴である。さらに検閲が一切ないアンセンサードなモデルであり、追加設定なしで過激な表現も生成できる。VRAMが8GBの一般的なGPUでも約10秒で画像を高速生成できる。動画ではモデルのダウンロード手順やワークフロー構築、LoRAの適用方法、検閲解除を安定させるRebalanceノードの追加方法を詳細に説明している。また、学習データからAI生成画像を排除したアーキテクチャの背景や、商業利用ライセンスの条件についても触れている。
オープンソースの最新画像生成AIモデルKrea 2
新しくオープンソースの画像生成AIが登場しました。しかもこれは最も検閲のないアンセンサードなモデルです。モデル名はKrea 2と呼ばれています。リリースされたばかりのこのモデルは、無料でダウンロードしてオフラインで無制限に実行できます。最大の魅力は信じられないほど高速な点です。10秒程度で画像を生成でき、VRAMが8GB程度の一般的なコンシューマー向けGPUでもしっかり動作します。この動画では、このモデルができる素晴らしい機能の数々と、インストールや実行の手順をすべてご紹介します。それでは早速見ていきましょう。
Krea 2の素晴らしい機能と特徴
まず、Krea 2ができる驚くべき機能について解説します。画像の美しさは最高クラスです。他の画像生成モデルでよく見られるような、完璧すぎてプラスチックのような不自然な雰囲気を排除し、非常に写実的な写真を生成するように作られています。実際の作例を見ると、自然な欠陥や不完全さが含まれており、AIが生成したとは見分けがつかないほどです。
また、様々なアートスタイルを扱うのにも非常に優れています。参考としていくつかのアートスタイルの例をお見せしますが、特にアニメ画像の生成に長けていると感じます。人体構造の理解にも優れており、人間の体や様々なポーズを問題なく理解できます。
プロンプトの理解力もかなり高いです。多くの異なる要素を含む非常に複雑なプロンプトのセットに対しても、すべての要素をかなり正確に生成できています。さらに、世界観の理解度も非常に高いようです。デモからわかるように、既存の多くのキャラクターの外見をしっかりと把握しています。
テキストのレンダリングや様々な種類のタイポグラフィの生成も得意です。そして、少なくとも私にとって最高のニュースは、これでポルノ画像を直接生成できることです。この知識がモデルに最初から組み込まれているのです。IdeogramやZ Image、Fluxといった他のモデルには、このような本質的な理解が含まれていません。学習データに元々入っていないため、過激な画像を生成するにはワークフローにLoRAを追加する必要がありますが、Krea 2なら初期状態のままで生成可能です。
ComfyUIを使ったインストールと準備
次はインストール方法について説明します。今回のチュートリアルでは、ComfyUIというプラットフォームを使用します。画面はこのような感じです。ComfyUIをご存知ない方のために説明すると、これはパソコンでオープンソースの画像、動画、音声生成AIを実行するための最も優れた、そして最も人気のあるプラットフォームです。人気の理由はカスタマイズ性が非常に高いからです。さらに自動オフロード機能を備えているため、VRAMが少なくてもかなり大きなモデルを動かすことができます。もしComfyUIを知らない場合は、インストールと使い方を解説した過去の動画を先にご覧ください。
では、すでにComfyUIが導入されている前提で進めます。最初のステップは、ComfyUIを最新バージョンにアップデートすることです。私はWindowsのポータブル版を使用しています。ルートフォルダを開き、updateの文字をクリックして、update_comfy.batをダブルクリックします。するとターミナルが立ち上がり、自動的にComfyUIが最新版に更新されます。完了すると、何かキーを押して続行してくださいと表示されるので、キーを押してターミナルを終了させます。
続いてComfyUIを起動します。起動後、左側のサイドバーでtemplatesをクリックし、Kreaと入力すると、Krea text to imageというテンプレートが見つかるはずです。APIを使用するバージョンではなく、完全オフラインで動作するバージョンを選ぶようにしてください。クリックすると、ワークフローが表示されます。
モデルと各種ファイルのダウンロード
初めて実行する場合は、おそらくいくつかのモデルが不足しているはずです。必要なものをすべてダウンロードしていきましょう。このカードの中に、ダウンロードが必要なすべてのモデルへのリンクが用意されています。
まず、Krea 2のモデル本体をダウンロードする必要があります。リンクをクリックするとわかりますが、ダウンロードできるKrea 2のモデルにはいくつか種類があります。RAWバージョンはベースモデルのようなもので、蒸留や事後学習が行われていません。自分でファインチューニングを行ったり、LoRAを学習させたりしたい場合はこのモデルを使用します。
一方、Turboモデルははるかに高速に動作します。必要なステップ数が少なく、画像を生成したいだけでファインチューニングをしない場合はこちらを使用します。Turboモデルの中にも、サイズが26GBある完全なBF16バージョンのほか、サイズが半分程度のより圧縮されたFP8バージョンがあります。さらにMX FP8バージョンやNV FP4バージョンも用意されているので、お使いのGPUがサポートしているバージョンを選んでください。
私の場合は、Turbo FP8バージョンをダウンロードします。ダウンロードをクリックし、ComfyUIのmodelsフォルダ内にあるdiffusion_modelsフォルダに保存します。
次に、Qwen3VLテキストエンコーダーもダウンロードする必要があります。リンクをクリックし、ComfyUIのmodelsフォルダ内のtext_encodersフォルダに保存します。このファイルは約4.8GBのサイズがあります。
そして、VAEもダウンロードします。リンクをクリックし、ComfyUIのmodelsフォルダ内のvaeフォルダに保存します。私の環境にはすでに存在していますが、サイズは約250MBです。
ワークフローの設定と画像の生成
すべてのダウンロードが完了したら、Rキーを押してモデルリストを更新します。下部のドロップダウンメニューで、新しくダウンロードしたモデルを選択していきます。まず、先ほどダウンロードしたKrea 2のモデルを選択します。次にclipの項目では、Qwen3VL 4Bを選択します。そしてVAEには、Qwen Image VAEを選択します。これで準備はほぼ完了です。
このワークフローを簡単に確認しておきましょう。ここでテキストプロンプトを入力します。現在Krea 2はテキストから画像への生成のみに対応していますが、編集用モデルも間もなく登場する予定です。
次の設定として、Prompt Enhance設定をオンにすると、別の言語モデルを使用してプロンプトをより良く書き直してくれます。ただ、生成が少し遅くなるため、私は普段これはオフにしています。このオプションをオフにした場合、LLMの最大トークン値を気にする必要はありません。
画像の幅や高さ、サイズについては、ここで設定します。21対9のウルトラワイドを含む、様々なアスペクト比から選択できます。メガピクセルの設定で最大4Kまで対応可能です。
シード値は画像の固有IDのようなものです。プロンプトを含むすべての設定を同じにしても、異なるシード値を使用すれば少し違う画像が生成されます。
LoRAの有効化設定は、今のところfalseにしておきます。LoRAについては後ほど詳しく説明します。
設定は以上です。上部をクリックしてワークフローを展開し、さらに詳しく中身を確認することもできます。まずプロンプトが読み込まれ、プロンプトエンハンサーを通すことができます。これは外部モデルを使ってプロンプトを書き直すものですが、計算に時間がかかりすぎるため、私はこのステップを飛ばしています。画像モデルに対する正しいプロンプトの書き方を学んだ方が早いです。したがって、このステップを気にする必要はありません。
その後、プロンプトはこのノードに戻され、KSamplerに入力されます。画像生成をやったことがある方ならおなじみだと思います。ここで画像の生成に使用するステップ数を設定します。Turboモデルの場合、通常は8ステップで十分です。
CFGはAIにプロンプトをどれだけ忠実に従わせるかを設定する値です。値を高くするとジェネレーターが文字通りプロンプトに従うようになり、低くするとバリエーションが増えてより創造的な結果になります。サンプラー名に設定されているEulerは、画像を生成するためのアルゴリズムです。
では、上部をクリックしてワークフローを折りたたみましょう。以上がKrea 2を実行するために知っておくべき基本的な設定です。Runボタンを押して実行してみます。ちなみに私はVRAM 16GBのRTX 5000 Adaを使用しています。24GBのような超ハイエンドというわけではありません。読み込みにどれくらいかかるか見てみましょう。
Luma Agentsによるクリエイティブ・ワークフローの自動化
もし皆さんが同じクリエイティブな作業を何度も繰り返しているなら、この動画のスポンサーであるLuma AIが提供するLuma Agentsをぜひチェックしてみてください。作業時間を大幅に節約し、生産性を劇的に向上させてくれます。
Luma Agentsは、クリエイティブなプロセスを自律的に実行するために協力し合うAIチームだと考えてください。参考資料をアップロードし、自然言語で指示を出すだけで、思い通りの作業をしてくれます。例えば、ある画像をアップロードして、数分でブランドキット全体やカラーパレットを作成させることができます。
最も素晴らしいのは、Luma Skillsと呼ばれる最新機能です。これは、自分のお気に入りのクリエイティブなワークフローを再利用可能なAIツールに変換し、何度でも実行できるようにする機能です。エージェントに指示を出して、このワークフローをスキルとして保存できます。例えばこれをブランドキットと名付けておけば、後で別の画像をアップロードした際にも、そのスキルを使って以前と全く同じワークフローを適用し、同じ結果を再現できます。
別の例を挙げましょう。女性がドレスを着ている写真をアップロードして、Luma Agentにファッションショーのランウェイを歩く動画を作らせることができます。この全く同じワークフローを再利用したい場合は、これをスキルとして保存するよう指示するだけです。ファッションショーと名付けておけば、後で別のモデルや別の服の画像をアップロードして、そのスキルを使えば簡単に別のファッションショー動画を生成できます。
さらにすごいのは、これらのスキルを自分で構築する必要すらないということです。エージェントに欲しいものを伝えるだけで、必要なスキルを自動的にすべて生成してくれます。私が特に感銘を受けたのは共有機能です。うまく機能するワークフローができたら、シンプルなリンクを使ってすぐにチームメンバーと共有できます。チーム全体がそのスキルをインストールし、ワークフローを自分で一から構築することなく、全く同じ結果を得ることができます。複数のスキルを1つのパッケージにまとめて、クリック一つでクリエイティブなツールキット全体を配布することも可能です。
マーケティングキャンペーンの作成、動画編集、画像生成、または再現可能なクリエイティブ・ワークフローの構築など、どんな用途でもLuma AgentsのLuma Skillsは間違いなくゲームチェンジャーになります。概要欄のリンクまたはQRコードから今すぐお試しください。
Krea 2の生成スピードとLoRAの設定方法
さて、画像が完成しました。モデルの読み込みを含めても、画像を生成するのにたった14秒しかかかりませんでした。別のプロンプトでも試してみましょう。今度は、森にいるトラを描いたミニマリストな中国の水彩画で試してみます。Runを押します。はい、完了しました。今回はなんと12秒しかかかりませんでした。
次に、LoRAのコンポーネントについても説明します。LoRAに馴染みのない方のために説明すると、これはワークフローの上に追加できる小型のファインチューニングされたモデルのようなもので、特定のアートスタイル、キャラクター、エフェクト、ポーズなどを指定できます。
Krea 2はリリースされたばかりなので、コミュニティによって作成されたLoRAはまだ多くありません。しかし、Hugging FaceのComfyUI公式のKrea 2フォルダに行くと、すぐに試せるLoRAがいくつか公開されています。これらを使うと、画像に特定のカラートーンやアートスタイルを指定できます。
例として、Warm Pastelのsafetensorsを試してみましょう。ダウンロードをクリックし、ComfyUIのmodelsフォルダ内のlorasフォルダに保存します。完了したらRキーを押してモデルリストを更新します。こちらのドロップダウンメニューから、ダウンロードしたKrea 2 Warm Pastelを選択します。
その横でLoRAの強度を設定します。これはLoRAの影響を画像にどれくらい強く反映させるかという値です。今は約80パーセントに設定されています。ほとんどのLoRAにはトリガーワードと呼ばれるものがあり、LoRAを実際に機能させるにはプロンプトの中にその言葉を入力する必要があります。
これはKrea 2用ではありませんが、簡単な例をお見せします。例えばRetro AnimeというLoRAの場合、ミュートされたパステルカラーやレトロアニメといったトリガーワードのいずれかをプロンプトに追加して初めてLoRAが有効になります。
このワークフローでも同様に、ここでトリガーワードを入力します。ただ、私はデフォルトのComfyUIワークフローに含まれるこのコンポーネントがあまり好きではありません。これは複数のLoRAを追加し、各LoRAのトリガーワードをリスト化して、上部で使用するLoRAを選択し、適切なトリガーワードをこちらに設定するという仕組みです。これは少しやりすぎで、ここまで使う必要はないと思います。
私がおすすめする方法は、このノードの接続を切ることです。右クリックしてBypassを選択すれば、この機能を使わずに済みます。代わりに、LoRAのトリガーワードをここに直接入力するだけで十分です。
例えば、このWarm PastelのLoRAの場合は、ミュートされたミニマリストスケッチスタイルというトリガーワードを使うように書かれています。これをコピーしてここに貼り付けます。もう一つ忘れてはいけないのが、LoRAを有効にする設定をtrueに変更することです。
それが済んだら、中国の水彩画という指定は消して、単に森にいるトラとだけ入力して実行してみます。はい、結果が出ました。このようにしてワークフロー内でLoRAを活用することができます。
検閲なしモデルとして活用するための調整
もう一つお伝えしたいことがあります。それは検閲についてです。このモデルは非常にアンセンサードで、最初からポルノも生成できますが、これを安定して機能させるためにはワークフローに少し調整を加える必要があります。
具体的には、Conditioning Krea 2と呼ばれる特別なノードを追加する必要があります。Krea 2は登場してまだ1日しか経っていないため、現時点ではこれが最善の選択肢です。将来的にはより良い方法が出てくるかもしれません。
今は、このカスタムノードをダウンロードする必要があります。緑色のコードボタンをクリックして、リンクをコピーしてください。次にComfyUIのフォルダに戻り、custom_nodesフォルダを開きます。上部のアドレスバーにcmdと入力して、このカスタムノードのフォルダでコマンドプロンプトを開きます。そして git clone と入力し、先ほどコピーしたリンクを貼り付けます。これでカスタムノードのフォルダにこのノードがクローンされます。
完了したらComfyUIのワークフローに戻ります。ノードを表示させるために再起動が必要な場合もあります。左側のサイドバーでnodesをクリックし、Krea 2と検索すると、Conditioning Krea 2 Rebalanceというノードが見つかるはずです。
公式のワークフローを使用している場合は、ボタンをクリックしてワークフローを展開し、プロンプトノードとKSamplerノードの間にこのノードを追加する必要があります。まずこのノードをクリックしてワークフロー上にドロップします。次に、プロンプトノードをここに接続し、出力をKSamplerのポジティブ入力に接続します。これで準備は完了です。
それではワークフローに戻りましょう。YouTubeでは過激なものはお見せできませんが、ビキニを着た二人の女性がキスをしているというような、少し過激なプロンプトを試してみましょう。結果はこのようになりました。このRebalanceノードを追加することは、より過激なものを生成するための簡単なテクニックです。
先ほども言ったように、Krea 2は初期状態から検閲がありません。Z ImageやIdeogram、Flux Schnellといった他の画像生成モデルと比較しても、これは圧倒的にアンセンサードなモデルです。
これでKrea 2のチュートリアルは完了です。現在利用できるオープンソースモデルの中で間違いなく最高のものの一つです。プロンプトの遵守度、人体構造の把握、テキストレンダリング、様々なアートスタイルの表現が信じられないほど優れており、美しさも最高クラスです。
何より嬉しいのはそのスピードです。10秒程度で画像を生成でき、VRAMが8GBのコンシューマー向けGPUでもしっかり動作します。
Krea 2の学習データとテクニカルレポートの解説
このワークフローに加えて、もういくつか触れておきたいことがあります。本当に素晴らしいのは、すでにこのモデルでLoRAの学習ができるという点です。最も簡単に使えるツールは、オストリスが公開しているAI Toolkitです。彼が学習させたLoRAの例を見ると、このように複数の顔を持つキャラクターなどを生成できています。
これはかなり技術的な内容で今回のチュートリアルの範囲を超えますが、Krea 2をファインチューニングして独自のLoRAを作りたい方は、概要欄にオストリスのAI Toolkitページのリンクを貼っておくので見てみてください。
最後に、Krea 2が公開したテクニカルレポートについても触れておきます。このレポートには本当に興味深い洞察がたくさん含まれています。彼らがこれほど多くの情報を公開してくれたのは素晴らしいことです。Krea 2がどのように作られたかを知ることができます。
最初の非常に興味深いポイントは、事前学習にAI生成画像が一切含まれていないことです。彼らは意図的に事前学習データからAI生成画像を除外しました。なぜなら、わずかな量の合成データであってもモデルの出力にバイアスをかける可能性があるからです。
彼らの見解では、合成画像はモデルにとって学習しやすいものの、品質を損ない、出力がより一般的なありふれたものに感じられる原因になり得るとのことです。これがKrea 2の画質がこれほどまでに優れている理由です。生成される画像がとてもリアルに見えるのは、学習データにAIが生成したサンプルを一切使用していないからです。
従来、画像モデルは出力された画像の見た目が良い場合、つまり美しさが優れている場合に学習時に報酬が与えられます。しかし、美しくシャープでクリーンな画像だけを厳格にフィルタリングして学習させると、洗練された完璧な画像にばかり偏ってしまう可能性があります。
彼らの論理は、たとえぼやけていたり、奇妙だったり、美しくない画像であっても、それが何であるかをモデルが正確に理解していれば役に立つというものです。テキストプロンプトと一致している限り、奇妙で醜い画像を生成したからといってモデルにペナルティを与えるべきではないと考えています。
彼らはデータセットを作成するために、非常にリッチなキャプション作成パイプラインを構築しました。トレーニングデータとして大量の画像を用意し、OCRやメタデータ、長文のキャプションを用いて、各画像に何が写っているかを正確にモデルに教え込みました。さらに、そのキャプションを様々な長さに再フォーマットし、モデルが異なるスタイルのプロンプトに対応できるようにしました。
これは非常に重要です。なぜなら、プロンプトの書き方は人によって全く違うからです。非常に詳細に記述する人もいれば、短く簡潔にまとめる人もいます。モデルはこれらの様々なタイプのプロンプトをすべて理解し、適切に処理できる必要があります。
彼らはさらに規模を拡大する際の限界についても非常に正直に語っています。GPUの数を増やすと、学習が著しく不安定になることを発見したそうです。128基のGPUでの実行は非常に安定していましたが、GPUの数を増やすとクラッシュの頻度が大幅に上がりました。実際、大規模な環境ではクラッシュなしで1回の実行を完了することができなかったそうです。
このことは、最先端の画像モデルの学習が単なるモデルアーキテクチャやソフトウェア、学習データの質だけの問題ではないことを示しています。GPUやNVIDIAのNVLinkのデバッグ、インフラストラクチャに関するあらゆる問題の解決も含まれるのです。Krea 2がどのように作られたかという技術的な詳細に興味がある方にとって、非常に洞察に満ちたレポートです。概要欄にリンクを貼っておくので、興味のある方はぜひ読んでみてください。
商用利用ライセンスとまとめ
最後に、ライセンスについても触れておきます。このモデルのライセンスは非常に寛容です。完全にApache 2.0やMITというわけではありませんが、Buguのような自由度には届かないものの、商用利用ができないと思われるIdeogramやFluxなどの他の画像モデルよりははるかに自由です。
コミュニティライセンスによると、年間収益が100万米ドル未満であれば商用利用が可能だと明記されています。おそらく皆さんのほとんどは個人的な創作活動にこれを使用するでしょうから、何も心配する必要はありません。
以上でKrea 2のレビューとチュートリアルを終わります。これについてどう思うか、ぜひコメント欄で教えてください。また、インストールの際にトラブルが発生した場合は、表示されたエラーメッセージをそのまま概要欄にコピーして貼り付けていただければ、できる限りトラブルシューティングのお手伝いをします。
いつものように、皆さんにシェアすべきトップクラスのAIニュースやツールを常に探し続けています。この動画が気に入ったら、高評価、シェア、チャンネル登録をお願いします。今後のコンテンツも楽しみにしていてください。
また、AIの世界では毎週あまりにも多くのことが起こっているため、私のYouTubeチャンネルだけですべてをカバーすることは到底不可能です。AIの最新動向を常に把握したい方は、無料の週刊ニュースレターへの登録も忘れずにお願いします。リンクは概要欄にあります。
ご視聴ありがとうございました。それではまた次回の動画でお会いしましょう。
コメント