Fibo 2 Edit Turbo テキストから画像へ: 4ステップ ComfyUI ワークフロー#
このワークフローは、Bria の Fibo 2.0 Edit Turbo の蒸留された重みを使用して、構造化されたテキストを完成した画像に変換します。これはテキストのみのグラフで、lvladikov によって設定されたコミュニティのセットアップに従い、入力画像なしで VGL スタイルの JSON プロンプトを使用します。
Fibo 2 Edit Turbo テキストから画像への変換は、アートディレクター、プロンプトエンジニア、迅速なアイデア創出に最適です。VGL JSON プロンプトで、被写体、背景、照明、美学、媒体を詳細に記述します。それを使って、写真のようなポートレート、雰囲気のあるシーン、料理の画像、水彩画のイラストを探求しながら、高速の繰り返しを維持します。Bria の公式のテキストから画像への推奨については、Fibo 2.0 Dev を参照してください。このグラフは、Edit Turbo を純粋な T2I パスで意図的に示しています。
Comfyui Fibo 2 Edit Turbo テキストから画像へのワークフローの主要モデル#
- Bria AI Fibo 2.0 Edit Turbo (BF16)。この蒸留された編集モデルは、lvladikov のコミュニティテキストから画像への設定で、4つのサンプリングステップで使用されます。モデルカード
- Fibo 2.0 用 Qwen3-VL 4B (BF16) テキストエンコーダー。プレーンテキストまたは VGL JSON から高容量のテキスト埋め込みを提供し、モデルが詳細な構成、照明、スタイルの意図をキャプチャします。Comfy-Org によって Fibo 2.0 アセットと共にホストされています。リポジトリ
- FLUX.2 VAE。Fibo 2.0 が使用する潜在表現を圧縮およびデコードし、選択した解像度で画像が鮮明にレンダリングされるようにします。リポジトリ
Comfyui Fibo 2 Edit Turbo テキストから画像へのワークフローの使用方法#
グラフは、テキストから画像への4つのステージをエンドツーエンドで実行します。
- Fibo 2.0 コンポーネントをロードする
UNETLoader(#1)、CLIPLoader(#2)、およびVAELoader(#3) は、Edit Turbo バックボーン、Qwen3-VL テキストエンコーダー、および FLUX.2 VAE を取り込みます。このステップは、プロンプトをトークン化し、潜在空間でのノイズ除去、ピクセルへのデコードに必要なすべての重みを準備します。設定されたファイルを保持してください:fibo2_edit_turbo_bf16.safetensors、qwen3vl_4b_bf16.safetensors、およびflux2-vae.safetensors。
- VGL JSON でプロンプトを作成する
TextEncodeFibo2(#4) はプロンプトインターフェースの中心です。構造化された VGL JSON キャプションまたはプレーンな文章を受け入れます。構造化されたプロンプトは通常、最も信頼性のある構成と照明を提供します。ここでターゲット解像度を設定します; 16の倍数にして、1メガピクセル程度 (例: 1024×1024) で始めると、速度と品質のバランスが最適です。このテキストのみのグラフでは、TextEncodeFibo2の画像と VAE 入力を接続しないでください。CFG 1では、ネガティブプロンプトは使用されません。
- 速度のために4つのステップでサンプリングする
KSampler(#5) は、Fibo 2.0 Edit Turbo 用に調整された4ステップスケジュールを適用します。4つのステップ、CFG 1、eulerサンプラー、simpleスケジューラー、およびノイズ除去 1 を使用します。プロンプトを比較する際はシードを固定し、代替の結果を探る際は変更してください。
- デコードして保存する
VAEDecode(#6) は最終的な潜在を画像に変換します。SaveImage(#7) は、バッチが整理されたままになるように簡単なプレフィックスでファイルを書き出します。VAE がノイズ除去された潜在からデコードするものがそのまま表示されるので、グラフ内の変更が忠実に反映されます。
Comfyui Fibo 2 Edit Turbo テキストから画像へのワークフローの主要ノード#
TextEncodeFibo2 (#4)#
プレーンテキストまたは VGL JSON をモデルのコンディショニングにエンコードし、潜在キャンバスを準備します。prompt を調整して被写体、背景、照明、美学、媒体などの構造化フィールドを使用し、width および height を希望の解像度に設定します; negative_prompt は空のままにしておいてください。CFG 1 はネガティブコンディショニングパスをスキップします。batch_size を 1 で始めて予測可能なメモリ使用量を確保し、見た目に満足したら増やします。
KSampler (#5)#
Fibo 2.0 Edit Turbo のノイズ除去プロセスを実行します。steps を 4 に保ち、モデルの蒸留されたレジーム内にとどまるようにし、seed を変えて代替案を探ります。cfg を 1、サンプラー euler、スケジューラー simple、ノイズ除去 1 に保ち、検証された4ステップセットアップに一致させます。CFG 1 ではネガティブプロンプトは効果がありません。TextEncodeFibo2 で画像サイズを変更し、プロンプトを比較する際はシードを固定してください。
UNETLoader (#1)#
このワークフローで使用される正確な拡散モデル fibo2_edit_turbo_bf16.safetensors をロードします。提供された例を再現するには、設定された BF16 ファイルを保持してください。量子化されたバリアントは別の構成であり、このワークフローでは検証されていません。
VAEDecode (#6)#
flux2-vae.safetensors を使用して最終的な潜在を RGB にデコードします。このテキストのみのグラフでは、テキストエンコーダーに接続されていない設定の VAE を VAEDecode に接続したままにしてください。
オプションの追加#
- VGL JSON を使用したプロンプトは、コンパクトなフィールドを含めると最適です: short_description, objects, background_setting, lighting, aesthetics, photographic_characteristics, style_medium。被写体、構成、照明、媒体を明確に記述します。
- このワークフローの良いスタートテーマには、編集用ポートレート、ムーディーな風景、料理のクローズアップ、柔らかな水彩画のイラストがあります。これらはすべて VGL JSON と4ステップの Edit Turbo スケジュールにうまくマッピングされます。
- 参照されたリポジトリのモデルカードとライセンスを尊重してください。Bria の公式のテキストから画像への変換については、このコミュニティの Fibo 2 Edit Turbo テキストから画像へのグラフと一緒に Fibo 2.0 Dev を探ってください。
- 参考文献: lvladikov によるソースグラフ FIBO2-Edit-Turbo-T2I、Bria の Edit Turbo モデル Fibo-2.0-edit-turbo、Comfy-Org による Fibo 2.0 アセットの集約 Comfy-Org/Fibo-2.0。
謝辞#
このワークフローは、以下の作品およびリソースを実装し、構築しています。FIBO2-Edit-Turbo-T2I の lvladikov、Fibo-2.0-edit-turbo の briaai、Fibo-2.0 の Comfy-Org に感謝し、貢献と維持を行っていることを心より感謝いたします。権威ある詳細については、以下のリンクされた元のドキュメントおよびリポジトリを参照してください。
リソース#
- lvladikov/FIBO2-Edit-Turbo-T2I
- Hugging Face: lvladikov/FIBO2-Edit-Turbo-T2I
- briaai/Fibo-2.0-edit-turbo
- Hugging Face: briaai/Fibo-2.0-edit-turbo
- Comfy-Org/Fibo-2.0
- Hugging Face: Comfy-Org/Fibo-2.0
注意: 参照されたモデル、データセット、コードの使用は、それぞれの著者および管理者によって提供されたライセンスおよび条件に従います。
