1. オープンソース画像エディタ「Quen image edit 259」の登場 [0]

1.1. Quen image edit 259の概要とNano Bananaとの比較 [0]

  1. 背景: 数週間前に、Nano Bananaと同等のオープンソース画像エディタが登場するとツイートされた事実がある [0]。
  2. 発表: Alibabaがオープンソース画像エディタ「Quen image edit 259」をリリースした [2]。
    1. 「259」は2025年9月を意味する [2]。
    2. これはAlibabaの最新かつ最高の画像エディタである [3]。
  3. 性能評価: 初期テストの結果、Quen image editはNano Bananaと同等かそれ以上であると評価される [4]。
  4. 本動画の目的: 本動画では、Quen image editの優れた機能、制限事項、そして無料かつオフラインで無制限に利用・カスタマイズするための具体的なダウンロードとセットアップ手順を解説する [5]。
  5. 開始: 早速内容に入る [7]。
  6. スポンサー: HubSpotが本動画のスポンサーである [8]。
  7. 情報源: 公式発表ページへのリンクが概要欄に提供される [9]。

1.2. Quen image editの基本機能とキャラクター一貫性の維持 [10]

  1. 基本機能: Quen image editはNano Bananaと同様に、リファレンス写真のアップロードとプロンプトによる編集が可能な画像エディタである [10]。
    1. 例として、2枚の写真をアップロードし、それらの人物の結婚式の写真を生成できる [11]。
    2. この機能により、ウェディングフォトグラファーは懸念を抱く可能性がある [12]。
  2. キャラクター一貫性: 新しいQuen image editはキャラクターの一貫性維持において遥かに優れている [13]。
    1. 事例: 背景写真とキャラクター写真をアップロードし、そのキャラクターを椅子に座らせることが可能である [14]。
    2. 事例: 別の背景（カフェ）に同じキャラクターを座らせることも可能である [16]。
      1. 出力された写真では、カフェ内のすべての詳細や背景のアイテムが保持されていることが確認できる [17]。
      2. キャラクターに関しても、顔とドレスが入力写真と全く同じであることが確認できる [18]。
  3. 製品ラインへの応用: 製品ラインを持つ場合、モデルに製品を着用・使用させて写真を簡単に生成できる [20]。
    1. 事例: LVバッグと中国の女優の写真を使い、女優がハンドバッグを着用した画像を生成できる [21]。
    2. 事例: ある女性を特定の車の後ろに立たせる画像生成も可能である [22]。

1.3. ポーズ制御（ControlNet内蔵）と複数要素の統合 [23]

  1. ポーズ制御機能: ポーズスケルトン写真をアップロードすることで、出力画像のポーズを制御できる [23]。
    1. これはControlNetが内蔵されていることを意味する [25]。
    2. 事例: 特定の画像とポーズスケルトンをアップロードすると、そのポーズでキャラクターが生成される [26]。
    3. 事例: 同じ画像でも異なるポーズを指定したり、異なる背景を指定したりすることが可能である [28]。
  2. 複数キャラクターの配置: 複数のキャラクターを背景にアップロードし、一緒に飲み物を飲んだりチャットしたりする様子を生成できる [32]。
    1. この際、背景の詳細と両キャラクターの衣装の詳細が保持される [33]。
  3. 要素の統合: キャラクター、ドレス、ポーズの3つの要素をマージして1枚の出力写真を作成できる [35]。
  4. ディープフェイクへの応用: 既存の人物のディープフェイク作成に非常に優れている [36]。
    1. 誰かの写真をアップロードするだけで、何でもさせることが可能である [37]。

1.4. テキスト生成、写真の復元・カラー化、ロゴ利用 [38]

  1. テキスト生成能力: Quen ImageEditの初代バージョンと同様に、GPT-4oに匹敵するほどテキスト生成に優れている [38]。
    1. 事例: 男性にホワイトボードに特定のテキストを書き出させることができ、テキストは完全に正確である [39]。
    2. 黒板への反射もかなり良く再現されている [41]。
  2. 写真の復元とカラー化: 古い写真の復元とカラー化にも非常に優れている [42]。
  3. ロゴの利用: 詳細と一貫性を保持する能力が高いため、ロゴをアップロードして多くの素材を生成できる [43]。
    1. 事例: ロゴをアップロードし、バッグやシャツに追加できる [44]。
    2. 事例: 製品を使い、広告やポスターを簡単に生成できる [45]。
  4. テキストの微調整: 既存のテキストの色を編集したり、フォントを変更したりすることが容易である [46]。
    1. 画像内のテキストの特定の部分をマイクロ編集することも可能である [47]。

1.5. 競合製品との比較テスト（全体概要と前提） [48]

  1. デモの性質: 上記のデモはチェリーピッキングされている可能性があるため、個人のデモと競合製品との比較を行う [48]。
  2. 比較対象: 競合として、ByteDanceのCadream 4.0とGoogleのNano Bananaを比較対象とする [49]。
  3. ライセンスとコスト:
    1. CadreamとNano Banana: 有料でありクローズドソースである [51]。
    2. AlibabaのQuinn image edit: 完全に無料でありオープンソースである [51]。
  4. オフライン利用とカスタマイズ: Quen image editはオフラインで使用可能であり、ファインチューニングや検閲されていないコンテンツの生成も可能である [52]。

2. 競合製品との具体的な比較テスト結果 [55]

2.1. 衛星写真の航空写真への変換テスト [56]

  1. テスト設定: Googleマップの衛星ビューからランダムな場所のスクリーンショットを取得し、各画像エディタに「飛行機から撮影されたような航空写真」として生成をプロンプトした [56]。
  2. Quen imageeditの結果:
    1. 詳細の保持: 入力写真のすべての詳細が保持されている [60]。
    2. 視点: わずかに斜めの角度から見下ろす形で表示されている [60]。
    3. 評価: 極めて優れている [61]。
  3. Cadreamの結果:
    1. 物理法則の破綻: 物理法則を少し混乱させている [62]。
    2. テキストの保持: 画像内のテキストを保持しており、これは不正確である [63]。
    3. 評価: 飛行機から撮影された画像には見えない [64]。
      1. 例として、建物はもっと高くあるべきである [65]。
  4. Nano Bananaの結果:
    1. 結果: さらに悪い結果となった [67]。
    2. テキストの保持: 一部のテキストは削除されたが、他のテキスト（例：「2025 Google」）は残っている [68]。
    3. 評価: 航空写真のように見えない [70]。
  5. 勝者: この例ではQuen imageeditにポイントが与えられる [71]。

2.2. ポーズ制御の正確性テスト [72]

  1. テスト設定: 女性の写真とポーズスケルトン写真を使い、女性をスケルトンのポーズに合わせるようにプロンプトした [73]。
  2. Quen image editの結果:
    1. ポーズの一致: 生成された女性のポーズはスケルトンと完全に一致している [75]。
    2. 外見の保持: 女性は元の写真の女性（顔とドレスを含む）のように見える [76]。
  3. CadreamとNano Bananaの結果:
    1. 両者とも入力されたポーズに完全には一致できなかった [77]。
  4. 勝者: このケースでもQuen imageeditが勝者である [78]。
  5. 利点: 非常に具体的なポーズを生成する必要がある場合、この方法はキャラクターのポーズに対する絶対的な制御を提供する [79]。

2.3. 特定のオブジェクトの選択的除去テスト [80]

  1. テスト設定: アヒルとガチョウが多く写っている画像を使用し、プロンプトで「白いガチョウをすべて除去する」ことを指示した [81]。
  2. Quen imageeditの結果:
    1. 成功: すべての白いガチョウを除去し、写真に残りのアヒルを保持することに成功した（ネイルした） [82]。
  3. Sedreamの結果:
    1. Sedreamもこのタスクをネイルした（すべてのガチョウを除去できた） [84]。
  4. Nano Bananaの結果:
    1. 失敗: 背景にまだ白いガチョウが残っており、検出して完全に除去できなかった [86]。

2.4. 衣装の交換とディテール保持テスト [88]

  1. テスト設定: カンフーをしている男性の写真とアニメキャラクターの写真を使い、男性の白い衣装をアニメキャラクターの衣装にスワップすることを試みた [89]。
  2. Quen image editの結果:
    1. 成功: 衣装のスワップに成功し、見た目も非常に良い [90]。
  3. Cadreamの結果:
    1. 失敗: 現実的な写真に変換できなかった [92]。
  4. Nano Bananaの結果:
    1. このプロンプトを非常によく実行できた [93]。
  5. ディテール保持の比較（Quen vs Nano Banana）:
    1. 入力画像のディテール: 男性は3つのボタンがあり、剣がポケットの下あたりにあり、剣の柄がベルトの近くにある [95]。
    2. Quen imageedit: 3つのボタンがあり、剣も写真内に保持されている [98]。
    3. Nano Banana: 4つのボタンが追加されており、剣が完全に欠落している [99]。
  6. 勝者: キャラクターの詳細を保持する点でQuen imageeditがNano Bananaよりも優れており、ポイントが与えられる [100]。

2.5. 深度マップ生成テスト [102]

  1. 機能: Quen imageeditには画像の深度を推定する機能が内蔵されている [102]。
  2. テスト: 入力画像から深度マップを生成した [104]。
  3. Quen imageeditの結果:
    1. 精度: 深度マップは非常に正確である [106]。
    2. 色の意味: 視聴者に近いオブジェクトほど明るい色で表示される [107]。
    3. 微細なディテールの検出: 背景のランプなどの微妙なディテールも検出できる [108]。
  4. CadreamとNano Bananaの結果:
    1. 両者とも深度マップを正確に作成できなかった [109]。
  5. 勝者: この点でもQuen image editにポイントが与えられる [110]。

2.6. カメラ視点の変更テスト（魚眼・俯瞰） [112]

  1. テスト設定: 入力写真を使用し、プロンプトで「このシーンの魚眼レンズの俯瞰ビュー」を作成するよう指示した [112]。
  2. Quen image editの結果:
    1. 成功: 魚眼レンズの俯瞰ビューを作成することに成功した [114]。
    2. ディテールの保持: キャラクターの後ろにいるすべての人々の詳細を保持している [116]。
      1. 例として、グレーのバックパックの女性、黒いバックパックの男性、ピンクのバックパックの女性、白いシャツと黒いバックパックの男性の位置が正確に示されている [118]。
  3. Cadreamの結果:
    1. 魚眼俯瞰ビューは作成できたが、背景の多くの人々が欠落していた [123]。
    2. 例として、ピンクのバックパックの女性や、白いシャツと黒いバックパックの男性が見当たらない [124]。
  4. Nano Bananaの結果:
    1. 魚眼レンズの歪みが全く見られないため、魚眼画像であると主張できない [126]。
  5. 勝者: このケースでもQuen Image Editが勝者であり、信じられないほど優れている [127]。

2.7. 製品広告生成テスト [129]

  1. テスト設定: 製品の写真（ドリンク）をプラグインし、「このドリンクのエピックな広告を作成して」とプロンプトした [130]。
  2. 必須テキスト: スローガンは「supercharge your day」、サブヘッドは「all natural ingredients caffeine-free」と指定した [134]。
  3. Quen imageeditの結果:
    1. 成功: エナジードリンクを正確にクローンし、クールな稲妻を追加した [135]。
    2. テキスト: テキストも正確であった [137]。
  4. Cadreamの結果:
    1. テキストは正しかったが、広告はかなりシンプルで「エピック」とは言えないと評価された [138]。
  5. Nano Bananaの結果:
    1. 過剰なエピックさ: やりすぎており、背景に稲妻、電気の流れ、青い溶岩を噴火させる火山まであった [142]。
    2. テキストは正しかった [146]。
  6. 総合評価: 3つともエネルギー飲料の詳細を正しく保持し、テキストも正しかったため、このテストは引き分けである [147]。

2.8. 雨粒除去と観光客除去テスト [151]

  1. 雨粒除去テスト: 画像からすべての雨粒を除去するよう指示した [151]。
    1. Quen image edit: 成功し、画像の詳細を保持した [152]。
    2. Seam: これも成功した [153]。
    3. Nano Banana: 前景の3人の人間まで除去してしまった [154]。
    4. 結論: Nano BananaはQuen imageeditと比較してディテールの保持がそれほど得意ではない [155]。
  2. 観光客除去テスト: 背景の迷惑な観光客をすべて除去するよう指示した [157]。
    1. Quen imageedit: 美しく実行し、女性や背景の建物の詳細を保持した [160]。
    2. Cadream 4: これも非常によく実行できた [162]。
    3. Nano Banana: シーンからすべての人間を除去できなかった [163]。
  3. 勝者: QuenとNano Bananaを比較した場合、Quenが再び勝者である [164]。
  4. 特筆事項: Nano Bananaリリースから1ヶ月足らずで、一部のケースでそれを上回るオープンソースの代替品が登場したことは驚異的である [164]。

2.9. 顔のクローン作成とディープフェイクテスト [165]

  1. テスト設定: Will Smithをリファレンスキャラクターとして使用し、以下の要素を生成させた [166]。
    1. 黒板の前に立たせる。
    2. スパゲッティの皿を持たせる [169]。
  2. Quen image editの結果:
    1. 外見: Will Smithそっくりであり、顔は入力写真とほぼ同じである [170]。
    2. ポーズ/オブジェクト: スパゲッティを持っている [172]。
    3. テキスト: 背景のテキストは正確である [173]。
  3. Seamreamの結果:
    1. Quenの生成とかなり似ている [175]。
    2. 欠点: テキストにいくつかのスペルミスがあった [176]。
  4. Nano Bananaの結果:
    1. ポーズの不一致: リファレンス画像とは全く異なるポーズでWill Smithを生成した [178]。
    2. 外見: Will Smithに見える [179]。
    3. テキスト: テキストが手書き風に見えないという軽微な欠陥があった [180]。
  5. 勝者: 個人的にはQuenの生成を好む [182]。

2.10. 古い写真の復元・カラー化テスト [197]

  1. テスト設定: 古く損傷した白黒写真をアップロードし、復元とカラー化を試みた [198]。
  2. Quen ImageEditの結果:
    1. ディテールの保持: 画像内のすべての人物の詳細を保持しており、顔も同じように見える [199]。
    2. 損傷の除去: 写真の端のフェードや折り目、損傷を除去できた [202]。
  3. Cadreamの結果:
    1. 成功: 非常にうまく実行できた [204]。
    2. 色の違い: 色がQuen image editとは少し異なっていると評価された [205]。
  4. Nano Bananaの結果:
    1. 色を追加できたが、彩度が低い（desaturated）状態であった [206]。
    2. 写真の端のフェードを除去できなかった [207]。
  5. 勝者: このテストはCadreamとQuen image editの引き分けである [209]。

2.11. アニメスタイルへの変換テスト [210]

  1. テスト設定: シーンをアニメスタイルに変換するテストを行った [210]。
  2. Nano Bananaの評価: これを処理できなかった [211]。
  3. CadreamとQuen imageeditの評価:
    1. 両者とも非常にうまく処理できた [212]。
    2. 生成結果: 両方の生成が非常に良く見える [213]。
  4. 勝者: このテストはCadreamとQuen imageEditの引き分けである [215]。

2.12. テキスト翻訳テスト（中国語） [216]

  1. テスト設定: 画像内のすべてのテキストを中国語に翻訳することを試みた [217]。
  2. Quen imageeditの結果:
    1. 大きなテキスト: 大きなテキストは翻訳できた [218]。
    2. 小さなテキスト: 小さなテキストは翻訳できず、一部が英語のままか、意味不明な文字列（gibberish）になった [219]。
  3. Cadreamの結果:
    1. 良好: 地理的情報（geographic）を除いて、すべてのテキストを中国語に変換できた [221]。
    2. 精度: 小さなテキストの中国語も正確であった [223]。
  4. Nano Bananaの結果:
    1. 失敗: ほとんどのテキストの変換に失敗した [224]。
    2. 評価: 3つの中で最悪である [225]。
  5. 勝者: すべての生成にエラーがあるため、QuenとCadreamの引き分けである [227]。

2.13. モデルシート生成テスト（複雑な3Dモデル） [230]

  1. テスト設定: 非常に複雑な「Destiny Gundam」の画像をアップロードし、正面、背面、側面のビューを含むモデルシートの生成を指示した [231]。
  2. Quen imageの結果:
    1. 結果: 3Dではなく2Dに変換されてしまい、奇妙であった [233]。
    2. ディテール: しかし、ほとんどのディテールは正確であった [233]。
  3. CadreamとNano Bananaの結果:
    1. 参考として、CadreamとNano Bananaの生成結果が示された [234]。
  4. 勝者: このインスタンスでは、Quen imageeditはCadreamやNano Bananaよりもわずかに劣るが、非常に近い結果である [235]。

2.14. 総合評価とオープンソースの意義 [237]

  1. 総合評価: ほとんどのケースで、Quinn ImageEditは優れているか、同等である [237]。
  2. 驚き: Alibabaチームがこれを無料で利用できるようにオープンソース化したことに驚きを示している [238]。
  3. 次のステップ: 次に、どこでどのように使用するかを解説する [239]。

3. Quen image editの利用方法とセットアップ手順 [240]

3.1. オンライン利用とHugging Faceでの利用 [240]

  1. オンライン利用: 高性能GPUがない場合や検閲されていないコンテンツが不要な場合は、Quinnのネイティブチャットインターフェースを使用してオンラインで利用できる [240]。
    1. 機能: これはChatGPTに似ており、質問、ドキュメントのアップロード分析、ウェブ検索による最新情報の取得が可能である [241]。
    2. モデル選択: AlibabaのQuinnモデル（例：Quen 3 Max）を選択できる [243]。
    3. 画像編集: 「image edit」を選択し、リファレンス画像をドラッグ＆ドロップし、プロンプトを入力するだけでよい [244]。
    4. 制限: 1日あたり約12回の無料生成が提供される [247]。
  2. Hugging Faceでの利用: ネイティブチャットインターフェースに加え、無料のHugging Faceでも最新バージョンを使用できる [248]。
    1. 利点: Hugging Faceは無料のコンピューティングクレジットを提供し、毎日更新される [249]。
    2. 制限: こちらも毎日数枚の画像を無料で生成できる [250]。
    3. リンクが概要欄に提供される [251]。
  3. 最良の方法: ローカルにダウンロードして実行するのが最良の方法であり、無料かつ無制限に利用でき、LoRAを追加して検閲されていないコンテンツを生成できる [252]。

3.2. ローカル環境でのセットアップ（Comfy UI利用） [254]

  1. 推奨プラットフォーム: オフラインでQuinn imageeditを使用する最も簡単でカスタマイズ性の高い方法はComfy UIを使用することである [255]。
    1. Comfy UIは、オープンソースの画像、ビデオ、音声ジェネレーターをオフラインで実行するためのプラットフォームである [256]。
    2. 前提: Comfy UIがインストール済みであることを前提とする [259]。
  2. 必要なVRAM:
    1. 公式リポジトリによると、2つのバージョンがリリースされている [260]。
      1. オリジナルモデル: サイズ40 GB。実行には40 GB以上のVRAMが必要である [261]。
      2. FP8バージョン: サイズ約20 GBに圧縮されており、約24 GBのVRAMが必要である [263]。
  3. 低VRAM向けオプション: 24 GB未満のVRAMの場合、さらに圧縮されたGGUFモデルが利用可能である [265]。
    1. 最小モデル: 最小のモデルは7 GBで、8 GBのVRAMを搭載したGPUに収まるはずである [267]。
    2. チュートリアル範囲: この動画では、公式モデルと圧縮されたGGUFバージョンの両方を使用する方法を解説する [268]。
  4. Comfy UIでのセットアップ手順:
    1. 既存ワークフローの利用: 以前のQuinn imageeditのバージョン用に作成されたフルインストールチュートリアルが存在し、そのワークフローを流用する [270]。
    2. モデルの変更: ワークフロー内の「load diffusion model」ノードを、初期バージョンから最新の259バージョンに変更する必要がある [272]。
    3. FP8モデルのダウンロード: 40 GB以上のVRAMがないため、20 GBのFP8バージョンを選択しダウンロードする [275]。
    4. 保存場所: ダウンロードしたモデルは、Comfy UI内のmodels/diffusion modelsフォルダに保存する [278]。
    5. ワークフローの更新: Comfy UIワークフローに戻り、モデルリストをRキーでリフレッシュする [280]。
    6. モデルの選択: diffusion modelドロップダウンで、ダウンロードした259モデルを選択する [281]。
    7. 他のモデル設定: load clipとload VAEは以前と同じものを選択する [282]。
    8. 入力とプロンプト: 編集したい画像をアップロードし、プロンプトを入力する（例：「彼女はカウボーイハットと赤いドレスを着ている」） [285]。
    9. 高速化（Lightning）: 最新の259バージョンはQuinn image lightningと互換性があるため、このノードをオンにできる [288]。
      1. これにより、ステップ数を20から4に設定でき、約5倍速くなる [289]。
      2. CFGを1に設定する必要がある [291]。
    10. 実行: Runをクリックして実行する [295]。
    11. 結果: 背景と人物が入力写真と全く同じであり、マイクロ編集に非常に優れていることが確認された [296]。

3.3. 低VRAM環境でのGGUFモデル利用 [300]

  1. GGUFモデルの利用: 20 GB以上のVRAMがない場合、GGUFモデルを使用できる [300]。
  2. ハードウェア要件の確認: モデルカードに基づき、VRAM容量ごとの実行可能モデルが示される [301]。
    1. 16 GB VRAM: すべてのモデルを実行可能 [302]。
    2. 12 GB VRAM: 特定のモデルを実行可能 [303]。
    3. 8 GB VRAM: 最小の7 GBモデルを実行可能 [304]。
  3. GGUFのダウンロードと配置: 最も小さく速いQ2モデルをダウンロードし、Comfy UIのmodels/unitフォルダに配置する [305]。
  4. GGUFローダーの設定:
    1. インターフェースのどこでもダブルクリックし、「unit loader」と入力して選択する [307]。
    2. カスタムノードのインストール: このオプションが見えない場合、Manager > Custom Nodes Managerから「gguf」を検索し、city96によるcomfy ggufをダウンロードする必要がある [308]。
    3. モデルの更新: モデルリストをRキーで再更新した後、ドロップダウンでダウンロードしたQuinn imageeditモデルを選択する [311]。
    4. 接続: GGUFノードのコネクタをdiffusion model loaderに接続し、自動的に古いローダーが切断されるのを確認する [317]。
  5. 実行と品質:
    1. 実行結果: Q2 GGUFモデルの結果が得られる [320]。
    2. 品質: 品質はフルモデルより明らかに劣る [321]。
    3. 理由: 40 GBモデルを7 GBモデルに高度に圧縮したためであり、低VRAM環境での避けられないトレードオフである [322]。

3.4. LoRAの追加とファインチューニング [324]

  1. LoRAの概念: Quen imageeditがオープンソースであるため、コミュニティがファインチューニングを作成でき、これらはLoRAと呼ばれる [324]。
    1. 用途: 生成を補完するために使用され、検閲されていないコンテンツも多数存在する [326]。
  2. LoRAのワークフローへの追加方法:
    1. LoRAローダーの追加: インターフェースでダブルクリックし、「Laura loader model only」を検索して追加する [330]。
    2. 接続: GGUFまたはdiffusionモデルからこのノードに接続し、さらにその出力をLoRAノードに接続する [334]。
    3. 複数追加: 複数追加する場合は、このようにストリング状に接続していく [336]。
  3. 注意点: LoRAを過度にロードしすぎないことが重要である [338]。
    1. 品質低下: ロードしすぎると品質が低下し、ノイズが追加される傾向があるため、2〜3個に抑えるのが最善である [339]。
  4. 結論: これで追加のLoRAをワークフローにロードし、検閲されていないコンテンツを生成する方法が示された [341]。

3.5. 最終まとめと今後の展望 [343]

  1. 最終レビュー: 最新のQuen image editのレビューとインストールチュートリアルはこれで完了である [342]。
  2. 結論: Nano Bananaリリースから1ヶ月未満で、ほとんどのケースで優れている無料かつオープンソースの競合が登場したことに驚きを示している [343]。
  3. アクセシビリティ: このツールはほとんどの一般消費者向けGPUで実行可能である [344]。
  4. 感謝: Alibabaチームがオープンウェイトにしたことに感謝を述べている [345]。
  5. フィードバック: コメント欄で意見を求め、インストールエラーが発生した場合はエラーメッセージを貼り付けるよう促している [346]。
  6. 今後の情報発信: 今後もトップAIニュースとツールを共有していく予定である [347]。
  7. ニュースレター: YouTubeチャンネルではすべてをカバーできないため、無料の週刊ニュースレターへの登録を推奨している [349]。
  8. 結び: 視聴に感謝し、次回の動画で会うことを伝える [353]。