生成AIグラビアをグラビアカメラマンが作るとどうなる？第55回：2025年秋の陣Part 1はFLUX.2 [dev]でローカル生成（西川和久）

生成AIグラビアをグラビアカメラマンが作るとどうなる？ 連載記事一覧

前回、2025年夏の陣も終わり今は一段落している……と書いたばかりなのに、その直後、Nano Banana Pro、FLUX.2、Z-Imageが一気にリリース。秋の陣が始まった（笑）。今回はこの中からローカルで生成可能な、FLUX.2 [dev]をご紹介したい。

FLUX.2 [dev] / 生成

FLUX.1 [dev]といえば、少なくとも2024年夏から今年にかけてローカルで生成可能なモデルとしては絶大の人気を誇っていた。今年2025年の夏にQwen-Imageがリリースされ、その人気は二分されてしまったものの、それでも十分人気のモデルだ。

生成AIグラビアをグラビアカメラマンが作るとどうなる？第30回：生成AI画像の本命がいきなり登場！？新型モデルFLUX.1 [dev]を使ってみる(西川和久) | テクノエッジ TechnoEdge

その日はいきなりやって来た！

https://www.techno-edge.net/article/2024/08/19/3603.html続きを読む »

そんなBFL（Black Forest Labs）から、11月28日、FLUX.2がリリースされた。内訳は以下の通り。

1. FLUX.2 [pro] (サービス/API)

2. FLUX.2 [flex] (サービス/API)

3. FLUX.1 [dev] (オープン)

4. FLUX.2 [klein] (近日公開)

つまり執筆時点でローカルで生成可能なのはFLUX.2 [dev]のみ（FLUX.2 [klein]も公開されればローカル生成可能）。特徴としては、

1. 32Bパラメータ

2. 最大10枚のリファレンス画像（Edit機能あり）

3. 最大4MPの出力

この3点だろうか。パラメータ数は、SDXL 6.8B、FLUX.1 [dev] 12B、Qwen-Image 20Bなので、さらに上を行き32B、巨大なのが分かる。テキストエンコーダーにはmistral_3_smallが使われており、ファイルサイズは、bf16だと35.6GB、fp8で18GB。これだけでもかなり大きい。

最大10枚のリファレンス画像は、Qwen-Image-Edit-2509やNano Banana（Pro）でもお馴染み、画像を与え、一貫性を保ったまま何かを生成したり、編集したりする機能だ。つまりこれがあると、顔を似せる程度であれば顔LoRAは必要なく、顔写真を一枚入力すれば良い。

さて、実際にローカルで作動させるためにはComfyUIと各種モデルが必要となる。GPUのVRAMサイズは16GBでもいけるらしいが、不足分はメモリも使うため生成時間がかかってしまう。以下、Workflowと各種モデル。

• diffusion_models
  flux2_dev_fp8mixed.safetensors

• text_encoders
  mistral_3_small_flux2_fp8.safetensors

• vae
  flux2-vae.safetensors

WorkflowはComfyUIのテンプレートにあり、とりあえず画像入力は2つに対応しているが、同じロジックで増やしていけば最大10枚まで対応できる。ただし画像1枚増えると生成時間がどんどん増えてしまうのでほどほどにした方が良い。

まず、同じPrompt「a young Japanese woman」でFLUX.1 [dev]、FLUX.1 Krea [dev]、Qwen-Image、そしてFLUX.2 [dev]（LoRA/参照画像なし）。解像度は832x1216pxに合わせてある。

FLUX.2 [dev]の生成時間はRTX 5090を使い20 stepsで約27秒とかなりかかる。ただし、これはQwen-Imageでも当初そうだったが、その後、4 stepsや8 steps LoRA、Nunchaku対応で劇的に速くなっているため、今後に期待といったところ。

絵的にはご覧のように、新しいモデルほどそれっぽくなっているのが分かる。

以下、作例をいくつか並べてみた。無学習のオリジナルのままでかなりリアルに出ている。

そうそう、センシティブ系は検閲が入っており生成できない。LoRAかFine Tuningした派生モデルが必要となる。上記のテキストエンコーダーに非中国系LLM、Mistral（フランス）を採用したり、同社（ドイツ）のお国柄が出ている感じだ。

FLUX.2 [dev] / 編集

次は編集機能。上記のWorkflowでバイパス（ピンク色）していた部分をONにする。いろいろできるのだが4つほど並べてみた。

まず参照画像として顔写真を使い、それを他のシーンで生成する。これは従来顔LoRAを使ってたパターンだ。ご覧のようにそれっぽい顔が出る。なおLoRAに関してはAI Toolkitが対応予告をしている。

次は文字入れ。日本語もOKなのが分かる。ただしあまり長かったり、複数で複雑な配置になるとダメ。この点はNano Banana Proに軍配が上がる。

次にちょっと面白いのが #FF00FF など16進でカラーコードが指定できるところ。作例は実際の色よりちょっと濃くなってるが、指定した色に近いのが出ている。

最後は顔と、布素材、2つの参照画像から、新しい服をデザインするスケッチを生成。これはXにNano Banana Pro用として投稿されていたものあったのだが、FLUX.2 [dev]でもそれっぽいのが出る。

もちろん以前ご紹介したTry-onや着ている服を平置き、キャラクターシート、フィギュア化などは当然できる。

他の編集系と比較すると、Nano Banana Proには完敗。これはリソース的に仕方ない。Qwen-Image-Edit-2509は編集する内容によって優っていたり劣っていたり……という感じだろうか。

今回締めのグラビア

今回締めのグラビアはもちろん、扉も含めFLUX.2 [dev]を使い生成。扉は1920x1088px、グラビアは1024x1536px。後者は掲載解像度に合わせて1280x1920pxへアップスケールしている。FLUX.1 [dev]で日本人を出すと、妙な癖があったりしたがそれはなくなり結構自然な感じで出ている。

ただRTX5090を使っても生成に時間がかかり、1024x1536pxだと約1分。1時間で60枚しかガチャれない（笑）ので作例も含め細かい追い込みはできていない。早く高速化LoRAもしくはNunchaku対応して欲しいところ。

2025年秋の陣！？Part 2は、いきなり出てきた6Bという軽量級のモデル。これがなかなか調子いいのでご紹介したい。次回をお楽しみに！

生成AIグラビアをグラビアカメラマンが作るとどうなる？ 連載記事一覧