ComfyUI-HunyuanImage2.1 を試す

はじめに

こんにちは！

grasys でデータ周りの仕事をしている t.watanabe です

今回は Tencent が開発した HunyuanImage-2.1 を ComfyUI で扱えるようにした、ComfyUI-HunyuanImage2.1 を試してきましたのでインストール方法と使い方をレポートしたいと思います

前提環境

環境は以下のものにインストールしていきます

• CPU: Ryzen 9 3900X

• Memory: DDR4 64GiB

• OS: Ubuntu 20.04

• GPU: RTX 5090 VRAM 32GiB

• Driver: nvidia-driver-580-open

cuda, uv までインストール済みの環境とします

インストール

まずはコードを pull していきます。

git clone http://github.com/KimbingNg/ComfyUI-HunyuanImage2.1

任意のディレクトリに pull したあとで環境を作っていきます

cd ComfyUI-HunyuanImage2.1

今回は uv を使って環境を作っていきます

uv init pyproject

pyproject.toml がすでにあるので、pyproject をつけて uv init を通るようにします

README.md の構築手順に従ってモデルをインストールします

以下を ./models/text_encoders 下に配置

• qwen_2.5_vl_7b.safetensors

• byt5_small_glyphxl_fp16.safetensors

./models/vae 下に配置

• hunyuan_image_2.1_vae_fp16.safetensors

• Optional (for refiner): hunyuan_image_refiner_vae_fp16.safetensors

./models/diffusion_models 下に配置

• diffusion models

つまずきポイント

1. flash-attn パッケージがインストールできない

   • なくても動きます、スキップしましょう

2. インストールする必須のパッケージがわからない

   • ガイドに従ってインスールしましょう

3. VRAM

   • 32GiB程度必須です…..

4. 意図した画像が生成されない

   • プロンプトはLLMが解釈します

   • プロンプトを文章のようにする、情景をわかりやすくするなどしてみましょう

実行

hunyuan_image_2.1_workflow.json はお試し用のプロンプトです

ペンギンが出力されれば動いています

↑ 公式サイトの生成例

VRAM の消費は激しいですがローカル環境で高品質な画像が生成できます

結びと付録

他にも 3D model を作成できる Hunyuan3D-2.1 、

video を生成する HunyuanVideo などもリリースされています

今後も楽しみですね！