Qwen-Image-2.1をMacで使う方法

TL;DR

Qwen-Image-2.1は、mfluxを使えばM4搭載Mac上で画像生成と編集をローカル実行できる。M4 Max 128GBでは1枚約3分、M4 32GBでは約14分半かかり、写真やイラストは実用的だが、長い日本語や細かな文字の正確さには課題が残る。

Transcript

おスマです。本日はですね、クから イメージ2.1というローカルで動くね、 え、画像生成AIが登場しましたんで、 これについてお話していきたいと思います 。ま、実際にですね、ま、僕のMacでも 、ま、色々とパターンを見て、ま、これ 使っていけるそうかみたいなの確認してた んですけれども、ま、さすがにね、GPT イメージ2.5がめちゃくちゃ強いんでは あるんですけども、ただこれローカルで動 くっていう部分と、ま、クオリティとかも ね、え、ある程度高いというところで、ま 、え、面白い存在かなと思うので解説でき たらと思っております。ローカルでこれ だけできたらね、十分かなっていうことは 思っていたりします。ま、日本語とかね、 え、ちょっと一部、ま、あの、日まりって リクエストしたらひきりになってる... Read More

Key Insights

• Qwen-Image-2.1は、文章からの画像生成と、画像を渡して言葉で修正する編集機能を単一モデルで実行できるローカル画像モデルである。
• モデル規模は従来の20Bから7Bへ縮小され、ファイルサイズも40GBから14.2GBになったと、動画内で説明されている。
• 参照画像は最大10枚まで入力でき、複数の人物や家具を組み合わせた画像の作成、背景透過素材の直接生成にも対応している。
• M4 Max 128GBのMac Studioでは、標準的な40ステップの生成に1枚約3分かかり、ピークメモリは約30GBから38GBだった。
• M4 32GBのMacでは画像1枚の生成に約14分半かかり、ピークメモリは19.6GBだったため、連続生成には待ち時間が課題となる。
• ステップ数は速度と品質の調整項目であり、40ステップから減らすと生成は速くなる一方、文字や細部の仕上がりが荒れやすくなる。
• 日本語生成は短いせりふ、漢字、数字、温度や時間の表示に対応できる一方、長文、ひらがな、看板や目盛りでは崩れが確認された。
• 量子化は8ビットでピーク約24GB、4ビットで約20GBまでメモリを抑えられるが、話者の検証では速度差が小さく画質は低下した。
• 🎬 このチャンネルの他の動画:
  • Hermes DesktopでAIタスクを管理する方法
  • AIエージェントのループを設計する方法
  • Gemini 3.5 Flashは何に向くモデルか？
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: Qwen-Image-2.1をMacで動かす方法は？

mfluxを使えば、Qwen-Image-2.1をM4搭載Mac上でローカル実行できる。話者はM4 Max 128GBのMac StudioとM4 32GBのMacで検証し、どちらでも画像生成に成功した。ただし、必要なメモリと生成時間は構成によって大きく異なるため、連続生成を想定する場合は余裕のある環境が適している。

Q: Qwen-Image-2.1とは何ですか？

Qwen-Image-2.1は、AlibabaのQwenチームが作ったローカル画像生成・編集モデルである。文章から新しい画像を作るだけでなく、既存画像を渡して背景や要素を言葉で変更できる。動画では、モデル規模が20Bから7B、ファイルサイズが40GBから14.2GBへ縮小されたと説明されている。

Q: Qwen-Image-2.1ではどのような画像編集ができますか？

背景変更、指定範囲の修正、要素の追加、複数の参照画像を組み合わせた構成などができる。動画では、背景を木の机と朝の光へ変える例や、塗った場所へキャラクターを追加する例が示された。最大10枚の参照画像を渡せるが、人物が別人になったり、参照物の色が影響したりする場合もある。

Q: Qwen-Image-2.1は日本語を正確に描けますか？

短い日本語なら描ける場合があるが、常に正確とは限らない。漫画の短いせりふ、漢字、数字、温度や秒数を含む表示では成功例があった一方、長い文章、ひらがな、細かな看板では文字化けや崩れが発生した。依頼していない文字や不正確な目盛りが加わる例もあり、細部は確認と修正が必要である。

Q: M4 MaxのMacでは画像生成にどれくらいかかりますか？

M4 Max 128GBのMac Studioでは、画像1枚を約3分で生成できた。これは40ステップを前提とする話者の実測で、生成中のピークメモリは約30GBから38GBだった。ステップ数を減らせば速くできるが、文字や細部が荒れやすくなるため、速度と仕上がりのバランスを調整する必要がある。

Q: 32GBのM4 MacでもQwen-Image-2.1は動きますか？

32GBのM4 Macでも動作したが、話者の実測では画像1枚に約14分半かかった。ピークメモリは19.6GBで、日本語ラベルがうまく生成された例もあった。ただし、複数枚を続けて作る用途では待ち時間が長くなるため、ローカル処理の必要性とクラウド利用の時間効率を比較する必要がある。

Q: 量子化すると速度と画質はどう変わりますか？

量子化すると必要メモリは減るが、話者の検証では生成時間はあまり変わらず、画質が低下した。動画内の共有値では、8ビット量子化のピークメモリは約24GB、4ビットでは約20GBだった。特に4ビットでは文字の崩れが目立ったため、細部を重視する制作より量産用途に向く可能性がある。

Q: Qwen-Image-2.1が得意な画像は何ですか？

写真風の人物、商品、料理、握手する手、一般的なイラストなどは比較的良好に生成できた。アニメ調、ステッカー、ピクセルアートでも、話者は素人目には十分な仕上がりと評価している。一方、長い文章や細かな看板を含む画像では崩れがあり、視覚表現と正確な文字組みでは得意不得意が分かれる。

Q: Qwen-Image-2.1は商用利用できますか？

動画の説明では、研究と評価には無償で利用できるが、商用利用には別の契約が必要とされている。ローカルモデルのため技術的に利用を止める仕組みはないとも説明されたが、それは商用利用が自由という意味ではない。利用者は用途に応じた契約条件を確認し、自己責任で適切に運用する必要がある。

Summary & Key Takeaways

• Qwen-Image-2.1は、AlibabaのQwenチームが公開したローカル画像モデルで、文章からの画像生成と既存画像の編集を単一モデルで処理できる。従来の20Bから7Bへ小型化され、ファイルサイズも40GBから14.2GBになった。最大10枚の参照画像、背景透過素材、指定範囲の修正や要素追加にも対応する。

• 話者がmfluxで試した結果、M4 Max 128GBのMac Studioでは1枚約3分、生成時のピークメモリは約30GBから38GBだった。M4 32GBのMacでは1枚約14分半、ピークは19.6GBだった。標準の40ステップを減らせば処理は速くなるが、文字などの仕上がりが荒れやすくなる。

• 写真、人物、商品、料理、アニメ調イラスト、ステッカー、ピクセルアートは比較的良好だった。短い日本語や英語、漢字、数字を含む表示も生成できた一方、長文、細かな看板、目盛り、ひらがなでは崩れや不要な文字が見られた。研究・評価は無償だが、商用利用には別契約が必要と説明されている。