画像・動画生成

FLUX.3 KleinでPCに最初の画像を作る

モデルと必要な2つの構成ファイルをそろえ、1024×1024画像を保存します。

ComfyUIのdistilled INT8テンプレートでFLUX.3 Image Kleinを実行します。重み、テキストエンコーダー、VAE1を指定フォルダに置き、1枚生成してComfyUI/output/のPNGを確認します。

実行条件と要点
  • ComfyUI 0.41.0以降とdistilled INT8ファイルを使います。
  • モデル、テキストエンコーダー、VAEをそれぞれ指定フォルダに置きます。
  • 正常な結果はComfyUI/output/に保存されるPNGです。

ComfyUIとNVIDIA GPUを準備する

FLUX.3 Image Kleinはプロンプト2や参照画像を入力して新しい画像を作る画像モデルです。ComfyUIでモデルを読み込みQueueを押すとPNGが保存されます。この手順ではNVIDIA GPU3上のComfyUIでdistilled INT8のテキストから画像テンプレートを使い、1024×1024を1枚作ります。

ComfyUI 0.41.0以降でこのテンプレートを使えます。ComfyUIを最新版に更新し、Workflow TemplatesからFlux.3 Image Klein Distilled: Text to Imageを選びます。初回実行にはComfyUI標準ローダーを使い、カスタムノードは追加しません。ComfyUIのFLUX.3 Kleinガイド

青いピッチャーとレモン2個を表示したモニターの横に、小型PCとスケッチブックが置かれた机です。
ダウンロード前にComfyUIを実行するPCとGPUを確認します。

distilled INT8ファイル4つを指定フォルダに置く

重みのリポジトリblack-forest-labs/flux-3-image-klein-comfyはファイルアクセスが制限されています。Hugging Faceで条件を確認してアクセスを許可し、Files and versionsから次の4ファイルを取得します。重み、テキストエンコーダー、VAEをComfyUIが読み込むフォルダに分けて置きます。ComfyUIのモデルファイル案内

アップサンプラーは短いリクエストをシーン説明に広げる別のQwen3.5 9Bモデルです。テンプレートでは初期設定で有効になっていることがあり、追加メモリを使います。モデル選択に表示されない場合は、このComfyUIインスタンスが使うmodelsフォルダに置いたか確認し、アプリを再起動します。FLUX.3 Kleinモデルカード

ComfyUIが読み込むFLUX.3 Klein distilled INT8ファイル
ファイルComfyUIのフォルダ役割
flux3_image_klein_sd_int8_convrot.safetensorsmodels/diffusion_models/4~16ステップ生成用モデル
qwen3vl_4b_int8_convrot.safetensorsmodels/text_encoders/テキストエンコーダー
qwen3.5_9b_flux3_prompt_upsampler_int8_convrot.safetensorsmodels/text_encoders/任意のアップサンプラー
flux2-vae.safetensorsmodels/vae/VAE

テンプレートからPNGを1枚保存する

正方形1024×1024、batch 1、15 stepsのままプロンプトを入力します。batch 1は一度に1枚生成します。アップサンプラー有効時は短いプロンプトで構いません。メモリ確保のために無効にした場合は、「雨の夕方、窓際のテーブルにある小さなティーカップ、暖かい室内光、背景にぼけた雨粒が見える静物写真」のように対象・場所・構図・光を含む詳しい説明を書きます。ComfyUIのdistilledテンプレートは15ステップが初期値で、4~16ステップを指定できます。

Queueを押して実行します。処理が終わるとSaveImageがComfyUI/output/にPNGを保存します。プレビューだけでなく、そのフォルダからファイルを開いて保存を確認します。初回はモデル読み込み時間が含まれることがあります。生成時間を比べる場合は読み込みと生成を分けて記録します。ComfyUIのテキストから画像ワークフロー

ノートPCの前に大きさの異なる3つのブロック箱が置かれた作業台
画像モデル、テキストエンコーダー、VAEを一緒に準備します。

失敗した段階でファイルとメモリを確認する

ノードが赤くなる、またはモデルが見つからない場合は、正しいComfyUIフォルダにあるか確認してアプリを再起動します。diffusion_modelsにはdistilledファイル、テキストエンコーダーとVAEはそれぞれ指定フォルダに置きます。似た名前のbase版はdistilledテンプレートに合いません。

アップサンプラー読み込み中にVRAM4エラーが出たら、enable_prompt_upsamplerをオフにして別のQwen3.5 9Bモデルを外します。その場合は対象・背景・構図・光をプロンプトに直接書きます。生成中にエラーが出たらbatch 1と1024×1024を維持し、他のGPU処理を閉じてINT8 distilledファイルを選んだか確認します。複数設定を同時に変えると原因を絞りにくくなります。

構図が合わない場合は、対象の位置やカメラ視点をプロンプトに加えます。モデルが小さな文字を正しく描けないことがあるため、ポスターや製品ラベルの文字は画像編集ソフトで入力します。写真を編集するにはComfyUIのImage Editテンプレートを開き、LoadImageで写真を読み込み、変更後の状態を説明します。ComfyUI画像編集テンプレート

生成時間とライセンス条件を用途に合わせて読む

BFLとNVIDIAが公開したRTX GPU生成時間は1024×1024、distilled 16ステップ、1回に1枚の条件です。RTX 5090は約4秒、RTX 4070は9秒未満です。ComfyUIテンプレートの初期値は15ステップなので同じ条件ではありません。BFLはキュー待ちやネットワークを含むAPI5応答時間を別の指標として説明しています。同じプロンプトと設定で手元の生成時間を記録して比較します。BFLの測定条件

重みはFLUX Kommunity Licenseで配布されています。関係会社を含む年間売上が500万米ドル未満の適格な利用者は条件に従って出力を商用利用できます。それ以外の商用利用や商用ファインチューニングには別途ライセンスが必要です。公開・販売前に制限を含むライセンス原文を確認してください。

同じ風景を異なる解像度とサイズで作った複数の画像
最初のPNGを保存してから解像度やステップ数を一つずつ変えます。

用語の注釈

  1. VAE — Variational Autoencoderの略です。入力を圧縮した潜在表現に変換したり、その表現から出力を復元したりします。

    本文に戻る
  2. プロンプト — モデルに送る入力文です。生成モデルでは作りたい結果を説明する文になり、出力の構成や内容を大きく左右します。

    本文に戻る
  3. GPU — 多くの計算を並列に処理するプロセッサーです。AIモデルの実行ではモデル計算を担います。

    本文に戻る
  4. VRAM — グラフィックカードのGPUが使うメモリです。モデルの重みや計算途中の値を保存します。

    本文に戻る
  5. API — 別のコードからプログラムの機能を呼び出すための決められたインターフェースです。

    本文に戻る

よくある質問

この記事で最初に確認すべきことは何ですか?
ComfyUIのdistilled INT8テンプレートでFLUX.3 Image Kleinを実行します。重み、テキストエンコーダー、VAEを指定フォルダに置き、1枚生成して`ComfyUI/output/`のPNGを確認します。
必要なメモリはどのくらいですか?
アップサンプラーは短いリクエストをシーン説明に広げる別のQwen3.5 9Bモデルです。テンプレートでは初期設定で有効になっていることがあり、追加メモリを使います。モデル選択に表示されない場合は、このComfyUIインスタンスが使う`models`フォルダに置いたか確認し、アプリを再起動します。[FLUX.3 Kleinモデルカード](https://huggingface.co/black-forest-labs/flux-3-image-klein)
条件と出典はどこで確認できますか?
アップサンプラーは短いリクエストをシーン説明に広げる別のQwen3.5 9Bモデルです。テンプレートでは初期設定で有効になっていることがあり、追加メモリを使います。モデル選択に表示されない場合は、このComfyUIインスタンスが使う`models`フォルダに置いたか確認し、アプリを再起動します。[FLUX.3 Kleinモデルカード](https://huggingface.co/black-forest-labs/flux-3-image-klein)