> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# OmniGen2: ComfyUI テキストからの画像生成と指示ベースの画像編集

> ComfyUI で OmniGen2 を実行し、テキストからの画像生成と指示ベースの画像編集を行えます。3B の Qwen2.5-VL エンコーダーと 4B の拡散 Transformer の組み合わせです。

OmniGen2 は VectorSpaceLab チームが公開した統合型マルチモーダル生成モデルで、1 つの重みセットでテキストからの画像生成、指示に基づく画像編集、参照画像を使ったコンテキスト生成をこなします。ComfyUI は OmniGen2 をネイティブにサポートしているため、公式のサンプルワークフローを使ってこれらのタスクをローカル環境で実行できます。

モデルは凍結された 3B の Qwen2.5-VL 視覚言語モデルと、独立した 4B の拡散 Transformer で構成され、合計パラメータ数は約 70 億です。視覚言語モデルが参照画像とテキスト指示を読み取り、拡散 Transformer がその理解をピクセルに変換します。両方の経路がそれぞれパラメータと画像トークナイザーを保持するため、OmniGen2 は視覚理解能力を保ちながら画像品質も維持します。

ComfyUI には 2 つの公式ワークフローがあります。テキストからの画像生成と、「ドレスを青に変更する」のような自然言語指示による画像編集です。画像編集ワークフローは複数画像の合成にも対応し、複数の入力画像から人物・参照オブジェクト・シーンを組み合わせられます。

> [!TIP]
>
> > [tab] ローカルユーザー
> >
> > ComfyUI が最新版に更新されていることを確認してください。
> >
> > * [ComfyUI のダウンロード](https://www.comfy.org/download)
> > * [更新手順](https://docs.comfy.org/ja/installation/update_comfyui.md)
> >
> > このガイドで紹介するワークフローは、[ワークフローテンプレート](https://docs.comfy.org/ja/interface/features/template.md)から入手できます。
> > テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。
> >
> > ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：
> >
> > 1. 最新の ComfyUI（Nightly 版）を使用していない
> > 2. 起動時に一部のノードのインポートに失敗している
>
> > [tab] クラウドユーザー
> >
> > * [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。
> >
> > したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。

**モデルの主な特長**：

* **視覚的理解**: Qwen2.5-VL ベースモデルを通じて画像内容を読み取り・分析
* **テキストから画像への生成**: テキストプロンプトから高忠実度の画像を生成
* **指示に基づく画像編集**: 自然言語の指示で複雑な編集を実行
* **コンテキスト生成**: 複数の入力画像から人物・参照オブジェクト・シーンを組み合わせて新しい画像を生成

**技術的特徴**：

* **デュアルパスアーキテクチャ**: 3B の Qwen2.5-VL テキストモデルと独立した 4B の拡散 Transformer
* **Omni-RoPE 位置エンコーディング**: 複数画像の空間的な位置付けと識別をサポート
* **パラメータ分離**: テキストの自己回帰生成が画像品質に影響しない設計
* **画像内テキスト**: 生成画像内に明瞭なテキストを描画可能

## OmniGen2 モデルのダウンロード

本記事では複数のワークフローを取り扱うため、対応するモデルファイルおよびインストール先は以下の通りです。各ワークフロー内にも、該当するモデルファイルのダウンロード情報が記載されています。

**拡散モデル（Diffusion Models）**

* [omnigen2\_fp16.safetensors](https://huggingface.co/Comfy-Org/Omnigen2_ComfyUI_repackaged/resolve/main/split_files/diffusion_models/omnigen2_fp16.safetensors)

**VAE**

* [ae.safetensors](https://huggingface.co/Comfy-Org/Lumina_Image_2.0_Repackaged/resolve/main/split_files/vae/ae.safetensors)

**テキストエンコーダー（Text Encoders）**

* [qwen\_2.5\_vl\_fp16.safetensors](https://huggingface.co/Comfy-Org/Omnigen2_ComfyUI_repackaged/resolve/main/split_files/text_encoders/qwen_2.5_vl_fp16.safetensors)

ファイル保存先：

```
📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── omnigen2_fp16.safetensors
│   ├── 📂 vae/
│   │   └── ae.safetensors
│   └── 📂 text_encoders/
│       └── qwen_2.5_vl_fp16.safetensors
```

## ComfyUI OmniGen2 テキストから画像へ（Text-to-Image）ワークフロー

### OmniGen2：テキストから画像へ

OmniGen2 の統合 7B マルチモーダルモデルとデュアルパスアーキテクチャを使用して、テキストプロンプトから高品質な画像を生成します。

![OmniGen2 テキストから画像へワークフローのプレビュー](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/image_omnigen2_t2i-1.webp)

> [card] [Comfy Cloud で実行](https://cloud.comfy.org/?template=image_omnigen2_t2i\&utm_source=docs\&utm_medium=referral\&utm_campaign=omnigen2)
>
> Comfy Cloud でこのワークフローを直接開いて実行

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_omnigen2_t2i.json)
>
> JSON をダウンロードするか、テンプレートライブラリで "OmniGen2" を検索

**出力例**

![OmniGen2 テキストから画像への出力例](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_omnigen2_t2i.png)

### 1. ワークフローファイルのダウンロード

### 2. ワークフローの手順通り実行

![ワークフロー実行ステップガイド](https://mintcdn.com/dripart/SIDaLac8vBogzwm7/images/tutorial/image/omnigen/omnigen2_t2i_step_guide.jpg?fit=max\&auto=format\&n=SIDaLac8vBogzwm7\&q=85\&s=0811f0f5d6dbe974749752b85fa7e3b9)

画像内の番号順に、以下の手順を確認しながら進めてください。これにより、対応するワークフローがスムーズに動作します：

1. **メインモデルの読み込み**: `Load Diffusion Model` ノードが `omnigen2_fp16.safetensors` を正しく読み込んでいることを確認
2. **テキストエンコーダーの読み込み**: `Load CLIP` ノードが `qwen_2.5_vl_fp16.safetensors` を正しく読み込んでいることを確認
3. **VAE の読み込み**: `Load VAE` ノードが `ae.safetensors` を正しく読み込んでいることを確認
4. **画像サイズの設定**: `EmptySD3LatentImage` ノードで生成画像のサイズを設定（推奨：1024×1024）
5. **プロンプトの入力**:
   * 最初の `CLipTextEncode` ノードに「正のプロンプト」（画像に含めたい内容）を入力
   * 2 つ目の `CLipTextEncode` ノードに「負のプロンプト」（画像に含めたくない内容）を入力
6. **生成開始**: `Queue Prompt` ボタンをクリックするか、ショートカットキー `Ctrl（Mac の場合は Cmd）+ Enter` を押してテキストから画像への生成を実行
7. **結果の確認**: 生成が完了すると、対応する画像が自動的に `ComfyUI/output/` ディレクトリに保存されます。また、`SaveImage` ノード内でプレビューも可能です

## ComfyUI OmniGen2 画像編集ワークフロー

OmniGen2 は豊富な画像編集機能を備えており、画像へのテキスト追加もサポートします。

### OmniGen2 画像編集

OmniGen2 の高度な画像編集機能とテキストレンダリング対応により、自然言語の指示で画像を編集できます。

![OmniGen2 画像編集ワークフローのプレビュー](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/image_omnigen2_image_edit-1.webp)

> [card] [Comfy Cloud で実行](https://cloud.comfy.org/?template=image_omnigen2_image_edit\&utm_source=docs\&utm_medium=referral\&utm_campaign=omnigen2)
>
> このワークフローを Comfy Cloud で直接開いて実行できます

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_omnigen2_image_edit.json)
>
> JSON をダウンロードするか、テンプレートライブラリで「OmniGen2 Image Edit」を検索

**入力素材**

このファイルを該当する `LoadImage` ノードにアップロードしてください：

> [card] [image\_omnigen2\_image\_edit\_input\_image.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/image_omnigen2_image_edit_input_image.png)
>
> `LoadImage` ノード 16 · `image_omnigen2_image_edit_input_image.png`

![image\_omnigen2\_image\_edit\_input\_image.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/image_omnigen2_image_edit_input_image.png)

**出力例**

![入力画像](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/image_omnigen2_image_edit_input_image.png)

![OmniGen2 画像編集の出力例](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_omnigen2_image_edit.png)

### 1. ワークフローファイルのダウンロード

### 2. ワークフローの手順通り実行

![ワークフロー実行ステップガイド](https://mintcdn.com/dripart/SIDaLac8vBogzwm7/images/tutorial/image/omnigen/omnigen2_image_edit_step_guide.jpg?fit=max\&auto=format\&n=SIDaLac8vBogzwm7\&q=85\&s=09899794b2d041a8c0e0775da557684a)

1. **メインモデルの読み込み**: `Load Diffusion Model` ノードが `omnigen2_fp16.safetensors` を正しく読み込んでいることを確認
2. **テキストエンコーダーの読み込み**: `Load CLIP` ノードが `qwen_2.5_vl_fp16.safetensors` を正しく読み込んでいることを確認
3. **VAE の読み込み**: `Load VAE` ノードが `ae.safetensors` を正しく読み込んでいることを確認
4. **画像のアップロード**: `Load Image` ノードで上記の画像をアップロード
5. **プロンプトの入力**:
   * 最初の `CLipTextEncode` ノードに「正のプロンプト」（画像に含めたい内容）を入力
   * 2 つ目の `CLipTextEncode` ノードに「負のプロンプト」（画像に含めたくない内容）を入力
6. **生成開始**: `Queue Prompt` ボタンをクリックするか、ショートカットキー `Ctrl（Mac の場合は Cmd）+ Enter` を押して画像編集を実行
7. **結果の確認**: 生成が完了すると、対応する画像が自動的に `ComfyUI/output/` ディレクトリに保存されます。また、`SaveImage` ノード内でプレビューも可能です

### 3. 追加のワークフロー操作説明

* 第二の画像入力を有効化したい場合、ワークフロー内でピンク／パープル色で表示されているノードに対し、ショートカットキー **Ctrl + B** を使用して、対応する入力ポートを有効化できます
* カスタムサイズを指定したい場合、`EmptySD3LatentImage` ノードに接続されている `Get image size` ノードを削除し、任意のサイズを直接入力してください


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.