海外のローカル生成AI情報などを日本語でまとめたり、制作物を投稿したりします ｜画像：MOSS-Image,Anima,Krea2｜動画：MiniMax H3｜ローカルLLM｜気になるものは自宅のRTX 5090 / RAM64GBで試します
日本
Joined August 2025
- Tweets910
- Following32
- Followers588
- Likes446
Pinned Tweet
早速MiniMax公式H3-Imageを同じキャラ参照1枚で検証。
座る・走る・後ろ姿に加え、2Dアニメ・ドット絵・水彩にも変えられてかなり汎用性高い。
約4MP・6ステップで1枚11.4〜17.8秒。
ただしGPU全体のVRAM最大観測値は約31.1 GiBとかなり重い。
条件はRTX 5090 32GB、Comfy-Orgの公式H3-Image Pruned INT8、参照1枚、出力1728×2304、6ステップ、CFG 1。追加LoRA・プロンプト補助・マスク・指定外の貼り戻しはなし。
時間は送信からPNG保存を確認するまでで、ロードや確認待ちも含む。初回は17.8秒、全16枚は11.4〜17.8秒、中央値14.6秒。
多参照や別キャラでの一般的な成功率はまだ見ていない。
次はまずP-H3 imageやqwen2.1との比較を検証予定。
MiniMax-H3で脚本から書き出しまで自動化するComfyUIノード群が登場。
脚本からショットリスト作成、動画生成、1080pへのアップスケールまで途中介入なしで回る。
一時ファイルをディスクに逃がす設計で、2時間超の長編にも対応するという。
画質より完全自動の実証が狙いと作者。詳細は返信に。
1
1
56
作者の元投稿（ノード構成とデモ動画）
reddit.com/r/comfyui/comment…
脚本は手入力・読み込み・Whisperでの文字起こしから取り込める。デモはMiniMax-H3でテキストから0.2 MPの動画を作り、1080pに拡大したもの。アップスケールは急ぎで、顔の補正は設定で精度を上げられるとのこと。必要VRAMや検証したGPU、配布先は、確認できた範囲の元投稿には書かれていない。
36
ComfyUIのワークフローを読むだけのビューア「comfyuiworkflowreader」が公開。
json・png・webp・mp4に対応し、ブラウザ上で動く。
サーバー不要でオフラインでも使え、投稿者いわく高速。手早く中身を見たいときに使えそう。
ただし読み取り専用。細かい対応範囲は未確認。配布先は返信に。
1
44
元の投稿（リポジトリへのリンクあり）
reddit.com/r/StableDiffusion…
リポジトリ名はdchatel/comfyuiworkflowreader。投稿から分かるのは対応形式とブラウザで動くことまでなので、ライセンスや動作条件は配布先で確認を。
24
Qwen-Image-2.1向けの物体除去LoRA（base・6・8ステップ）が公開。
既定の6ステップ版なら、40ステップかかる除去がCFGなしで済む。
影や反射も輪郭の外まで一緒に消え、ほかの部分は入力とずれない（作者談）。
ただし少ステップ版は同じ作者の蒸留LoRAとの併用が前提。配布先は返信に。
1
4
237
配布元の元投稿（各版の使い分けと指定方法、配布ページへのリンク）
reddit.com/r/comfyui/comment…
消したい物は赤い線でざっと囲むか、指示文で名前を書けばいい。40ステップ版はベースモデル専用で、少ステップ版特有のずれが出ない。必要VRAMやライセンスは投稿からは確認できなかった。
31
MiniMax H3 ImageのLoRA学習で、顔の再現度を上げるプリセットが更新。
顔のアップが少ない45枚の難しいデータでも、最良のプレビューが本人の実写ほぼ全部より基準写真に近いスコアに。
少ない素材で顔を寄せられる。
ただし数値は投稿者自身の評価。設定は返信に。
1
5
367
元の投稿（設定の中身と再現度の測り方）
reddit.com/r/StableDiffusion…
使い方はH3 Image Standardプリセット（0.25 MP）を選び、設定は変えずに学習するだけ。新しいLikenessスケジュールとAutomagic v4、30エポックの組み合わせ。先日0.5 MPに上げた設定は0.25 MPに戻され、こちらのほうが速く必要VRAMも少ない。再現度の採点はArcFaceからAdaFace ViTに変わった。
1
72
H3 Imageの画風指定288種を、同じ条件で見比べられる閲覧ページが公開。
元写真とシードは共通で、変えるのは画風の指示だけ。プロンプトはワンクリックでコピーできる。
画風選びが楽になる辞書的なページ。
リンクは返信に。
1
1
353
作者の元投稿（比較ページへのリンクと生成条件）
reddit.com/r/comfyui/comment…
作者の生成条件はRTX 3090、16MP、6ステップ、CFGなしで、1枚約35秒。アニメ・絵画・写真・コミック・3D・ポスターなどのカテゴリで絞り込めて、検索・お気に入り登録・JSONでの書き出しにも対応。
95
MOSS-Image向けのCanny ControlNet風LoRA「MOSS-Image-canny-controlnet」が公開。
黒地に白線のエッジ画像で輪郭と構図を固定し、素材・色・画風はプロンプトで変えられる。
ComfyUIのワークフロー付き。
ただしMOSS-Image-SFT本体が前提で、必要VRAMはカードに記載なし。設定は返信に。
1
219
配布ページ（重み・ComfyUIワークフロー・作例）
huggingface.co/thedeoxen/MOS…
推奨はLoRA強度1.0、30ステップ、CFG 4、euler + simple。トリガーワードは不要で、edit formatは正負どちらのエンコードもai-toolkitに。制御が硬すぎるときは強度を0.7付近まで下げるとよいそう。同じ作者からpose・lineart・normalなどの版も出ている。
104
ComfyUIチームの紹介投稿（ブログ記事へのリンクあり）
reddit.com/r/comfyui/comment…
ComfyUIをローカルで使う人はいまもRTX 3060（VRAM 12GB）が多く、チームは一般向けのGPUに合わせた最適化を続けているとのこと。比べた相手や使ったGPUは、ブログ側で確かめるのが確実。
2
392
画像生成・編集モデルのFP8量子化版「MiniMax-H3-Image-FP8」がUnslothから。
66.3GBのDiTを20.27GBに縮め、24GBのL4でピークVRAM 19.4GB、2048x2048が約50秒。
24GB級で回せる目安が出たのはうれしい。
画質はINT8-ConvRotの方が元に近く、そちらが推奨。配布先は返信に。
2
3
603
Hugging Face（ファイル構成・品質比較・読み込み時の注意）
huggingface.co/unsloth/MiniM…
24GBのL4ではDiTをRAMから流しながら動かす形で、40GBのA100ならINT8を常駐させて約31秒。bf16との同一シードのLPIPS（低いほど良い）はINT8-ConvRotが0.140、FP8が0.255で、どちらもUnsloth測定。
215
Hugging Face（量子化の一覧・ComfyUIでの導入手順）
huggingface.co/realrebelai/M…
ComfyUI-GGUFを入れてファイルをComfyUI/models/unet/に置き、H3 Imageに対応したワークフローで読み込む。量子化はRebel AIによるもの。ライセンスは元モデルの条件に従うので、商用利用や再配布の前に確認を。
1
7
749
Flux 2派生の画像生成モデル「Iris-Z」が公開。同じ重みで、プロンプトから画像、写真から深度、深度マップから画像までこなす。
深度は標準ベンチで専用モデル超えと作者が説明。画像生成も元モデル並み。
注意点はGPUメモリ。9.1B版でも全タスクで約33GB要る。サイズ違いと配布先は返信に。
3
4
728
元の投稿（2サイズの仕様表と重みへのリンク）
reddit.com/r/StableDiffusion…
Iris-Z-bigは32.2Bで、全タスクで約112GB。Iris-Z-smallは9.1B。どちらも解像度512と1024に対応し、ガイダンスはbigが3.5、smallが4.0。ライセンスは投稿からは確認できなかった。
![From the StableDiffusion community on Reddit: [NEW MODEL] Iris-Z - A general image generator that...](https://pbs.twimg.com/card_img/2120685821766651904/guj_da_n?format=jpg&name=800x419)
1
134