Qwen-Image 2.1のパイプラインが Diffusers で使えるようになった。
この記事のポイント
- Qwen-Image 2.1がDiffusersに対応した
- 画像生成と編集を1モデルで統一した
- 透明出力やLoRA学習が可能。ONNXは非推奨
どこで使えるか
画像生成と編集を1モデルで済ませたい人向け。透明出力やLoRA学習も使える Hugging Faceで公開済み ONNXは廃止。LTX-2.5やCosmos 3等新機能追加
スポンサーリンク
解説
かみくだいて説明します
GitHubの sayakpaulが 2026-10-06 に公開した Diffusers のバージョン 0.41.0 です。Qwen-Image 2.1 の統合が主眼で、画像生成、編集、透明背景の RGBA 出力、LoRA 学習を一つのモデルで扱えるようになりました。
画像の生成と編集が一つのモデルにまとまるんですか?
はい。Qwen-Image 2.1は画像生成と編集を一つのモデルに統一しています。視覚生成コンポーネントは7Bパラメータで、複数の参照画像や透明画像用のネイティブRGBA出力に対応しています。
7B というと結構な容量ですが、読み込み時のメモリは増えるんですか?
逆に減らす仕組みが今回入っています。テンソル並列のチェックポイント読み込みという機能で、複数の GPU に仕事を分けるとき、各 GPU が自分が必要とする重みの断片だけを直接読み込むようになりました。これによって読み込み時のメモリ使用量が抑えられます。
複数の GPU を使う現場では読み込みの待ち時間が短縮されるわけですね。では、動画や画像の時間軸を扱う機能はどうなっていますか?
LTX-2.5 DFR というパイプラインが追加され、キーフレームのスロットを使って画像を生成できるようになります。Cosmos 3 については SeaCache という技術に対応し、ModelOpt の FP8 チェックポイントで W8A8 と W8A16 を混ぜた除ノイズ処理が使えるようになりました。
W8A8 と W8A16 を混ぜるというのは、計算の精度を場面に合わせて変えられるということですか?
Cosmos 3 の ModelOpt FP8 チェックポイントでは、W8A8 と W8A16 の混合デノイジングに対応しています。
開発者が環境を組むときの負担は減りそうです。最後に、既存のコードを引き続き使う場合、注意すべき変更点はありますか?
ONNX に関するサポートが非推奨になります。従来の ONNX Runtime のワークフローを使っている場合は Optimum への移行が必要です。また、LuminaText2ImgPipeline や Lumina2Text2ImgPipeline という古いエイリアスは削除されましたので、LuminaPipeline と Lumina2Pipeline を使ってください。
古いスクリプトをメンテナンスしている人にとっては切り替え時期が来ましたね。
そうですね。次回の更新はモデル統合が中心になる見込みで、テストはモジュール化を進めている段階です。
出典
この記事のもとになった情報
- GitHub:Diffusers 0.41.0: QwenImage 2.1 pipeline and more
- 公開日:2026-10-06
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。