gpt-image-1-5/image-to-image
1 ～ 10 個の参照画像と、サイズ、背景、品質、入力忠実度、出力形式の明示的なコントロールを使用して、テキスト命令から画像を編集または変換します。
Alibaba の Qwen Image Edit 2511 は、1 枚あたり $0.033 で利用でき、最大 3 枚の入力画像に対応する画像編集モデルです。画面構造や被写体の同一性を保ったまま、意味内容と見た目の両面を編集できます。手作業のマスク作成や複数アプリ間の往復を減らし、安定した形状、人物・商品の一貫性、中国語と英語の正確な文字編集をひとつの工程で実現します。EC、デザイン、マーケティングの制作フローに適しています。開発者は RunComfy のブラウザー画面または HTTP API から利用でき、モデルを自前でホストしたりスケールさせたりする必要はありません。
おすすめ用途：高精度な商品モックアップ | 人物の同一性を保ったチーム写真の更新 | 画像内テキストの正確な修正
| パラメーター | 型 | デフォルト・範囲 | 説明 |
|---|---|---|---|
| prompt | string | "" | 編集したい内容を自然言語で指定します。変更する部分と残す部分を明確に記述してください。 |
| negative_prompt | string | "" | 出力に含めたくない要素を指定します（例：「ぼかしなし」「透かしなし」）。 |
| パラメーター | 型 | デフォルト・範囲 | 説明 |
|---|---|---|---|
| image_urls | array (image URIs) | [] | 最大 10 枚の入力画像。先頭の画像が編集対象で、追加画像はスタイルや構図の参照に使われます。 |
| パラメーター | 型 | デフォルト・範囲 | 説明 |
|---|---|---|---|
| image_size | string | square; presets: square_hd, square, portrait_4_3, portrait_16_9, landscape_4_3, landscape_16_9 | プリセットのアスペクト比を選択します。 |
| num_inference_steps | integer | 28 | 拡散処理のステップ数です。増やすと忠実度が上がりやすく、減らすと生成が速くなります。 |
| guidance_scale | float | 4.5 | プロンプトに従う強さです。値を上げるほど指示に忠実になりますが、表現の自由度が下がる場合があります。 |
| output_format | string | png; options: jpeg, png, webp | 出力画像の形式です。後工程に合わせて選択してください。 |
開発者は標準的な HTTP リクエストを使い、RunComfy API から Qwen Image Edit 2511 を利用できます。ベース画像と prompt、negative_prompt を指定し、num_inference_steps、guidance_scale、seed、output_format を調整すると、一貫性のある高精度な編集結果を取得できます。REST ベースの自動化にも対応し、制作パイプラインへ組み込めます。
注：Qwen Image Edit 2511 API エンドポイント
1 ～ 10 個の参照画像と、サイズ、背景、品質、入力忠実度、出力形式の明示的なコントロールを使用して、テキスト命令から画像を編集または変換します。
連続性とスタイルを保ちながら画像を自然に変換できるクリエイティブAIツール。
FLUX 3 Image は、参照画像によるガイドと読みやすい文字描画に対応したマルチモーダル画像モデルです
1～14枚の参照画像を文章で編集し、最大15枚までの連続出力を設定できます。
必須のプロンプトから画像を生成し、6 種類の固定サイズと整数シードを指定できます。シードのデフォルト値 `-1` はランダム指定です。
鮮明なディテールと正確な画像内テキストを備えた高速なテキストから画像への生成。
Qwen Image Edit 2511 は、一貫性と形状の正確さを重視した 200 億パラメーターの画像編集モデルです。1 人または複数人物の同一性をより安定して保ち、文字編集の再現性も高めています。さらに、コミュニティ LoRA スタイルをベースモデルへ直接統合しており、2509 などの従来版と差別化されています。
対応する最大出力解像度は 1 回の編集につき約 4096×4096 ピクセルで、参照画像は最大 3 枚です。プロンプトは約 1,024 トークンに制限されます。API リクエストが上限を超えた場合は、内容の切り詰めやスケール調整が行われることがあります。
はい。1 回の画像編集で最大 3 枚の元画像を使い、人物や商品の要素を組み合わせたり変換したりできます。ControlNet に似た条件付けと並列アダプターで各画像の情報を統合し、参照画像間の一貫性を高めます。
まず RunComfy のモデルページで Qwen Image Edit 2511 を試し、プロンプトや設定を固めます。次にアカウントのダッシュボードでアクセスキーを発行すれば、同じプロンプトと制御パラメーターを API から自動化できます。本番環境での拡張方法は、RunComfy ドキュメントの「API Integration」を参照してください。
Qwen Image Edit 2511 は、工業・商品デザインや文字の多い編集で構造を安定して保ちやすいモデルです。Seedream 4.5 は芸術的なアップスケールやスタイル表現に強い一方、Qwen Image Edit 2511 は複数回の編集でも文字、形状、被写体の同一性をより確実に維持します。
非常に写実的な照明や、短いプロンプトによる小さな変更では Nano Banana Pro がわずかに優れる場合があります。一方、Qwen Image Edit 2511 は画像のずれが少なく、複数人物の一貫性にも優れています。特に構造を変える編集や、文字の再現性が重要な作業に向いています。
利用には RunComfy のホスト型モデルに関する条件が適用されます。生成画像を商用利用する前に、Alibaba または Tongyi-Lab の元のライセンスも確認し、クレジット表記や二次的著作物に関する制限がないか確かめてください。
シーンの形状を保ちながら、オブジェクトの追加、背景の差し替え、照明の一貫性の改善といった編集を行えます。EC 素材、デザインの反復制作、キャンペーン全体で見た目を揃える用途に適しています。
デュアルエンコーディングのパイプラインが、意味情報の埋め込みを VAE の視覚特徴へ直接対応付けます。これにより複数回の編集でも顔やブランド要素の食い違いを抑え、従来の Qwen 系モデルより被写体を忠実に保ちやすくなります。
文字を編集または置換するとき、元のフォント、サイズ、スタイルをできるだけ維持します。そのためタイポグラフィを高い精度で揃えられ、UI/UX やグラフィックデザインの制作に役立ちます。
RunComfyは最高の ComfyUI プラットフォームです。次のものを提供しています: ComfyUIオンライン 環境とサービス、および ComfyUIワークフロー 魅力的なビジュアルが特徴です。 RunComfyはまた提供します AI Models, アーティストが最新のAIツールを活用して素晴らしいアートを作成できるようにする。
