AIクリエイティブツールを開発するKreaは、最新の画像生成モデル「Krea 2」のモデルウェイトを公開しました。クラウドサービスに画像やプロンプトを送信せず、対応するGPUを搭載したPC上でローカル生成できるほか、ComfyUIの公式ワークフローテンプレートから比較的簡単に導入できます。Krea 2は120億パラメータのDiffusion Transformer系モデルで、写真のような実写表現からアニメ、手描き、水彩、油彩まで、1つのモデルで幅広い画風を扱える点が特徴です。今回は高速生成向けの「Krea 2 Turbo」をComfyUIで動かし、日本語プロンプトへの追従性、文字表現、画風の切り替え、必要なPC性能を確認しました。
🧠 「Krea 2 Raw」と「Krea 2 Turbo」は何が違う？
公開されたモデルは、学習や研究向けの「Krea 2 Raw」と、一般的な画像生成に適した「Krea 2 Turbo」の2種類です。Rawは追加の蒸留や後処理を施す前のベースモデルで、LoRAや独自スタイルの学習、モデル研究に向いています。一方のTurboは、追加のファインチューニングと蒸留によって高速化された実用モデルで、標準設定では8ステップ程度の少ない処理回数でも高品質な画像を生成できます。Krea自身も、基本方針を「Rawで学習し、Turboで生成する」と説明しています。
📌 2つのモデルの主な違い
- 🧱 Krea 2 Raw：未蒸留のベースモデルで、LoRA学習や追加調整に適する
- ⚡ Krea 2 Turbo：蒸留・追加学習済みで、少ないステップ数でも高速生成できる
- 🧠 パラメータ数：どちらも120億
- 🎨 得意分野：実写、広告写真、アニメ、イラスト、絵画など幅広いスタイル
- 📜 ライセンス：Krea 2 Community License
- 💻 利用形態：モデルをダウンロードしてローカル環境で実行可能
なお、「オープンモデル」と表現されることがありますが、厳密にはOSIが定義する一般的なオープンソースライセンスではなく、Krea独自のコミュニティライセンスで公開されたオープンウェイトモデルです。一定条件下で商用利用や派生モデルの作成が認められていますが、事業利用や再配布を行う場合は、売上規模に関する条件や禁止用途を含めて原文を確認する必要があります。
🛠️ ComfyUIなら公式テンプレートから導入可能
Krea 2 TurboはComfyUIの標準機能でサポートされており、最新版へ更新すれば、ワークフローテンプレートから「Krea-2 Text to Image」を読み込めます。テンプレートには必要なモデルファイルの情報が埋め込まれているため、「不足しているモデルを表示」からまとめてダウンロードできます。ただし、KreaのクラウドAPIを呼び出すPartner Nodes版と、PC上でモデルを動かすローカル版の両方が存在するため、完全なローカル生成を目的とする場合は選択するテンプレートを間違えないよう注意が必要です。
📋 基本的な導入手順
- ComfyUIを最新版へアップデートする
- テンプレート一覧で「Krea 2」を検索する
- ローカル版のText to Imageテンプレートを選択する
- 「不足しているモデルを表示」から必要ファイルを取得する
- ダウンロード後にComfyUIを再起動する
- プロンプトを入力してワークフローを実行する
必要ファイルは合計で十数GB規模になるため、十分なストレージ容量と安定した回線が必要です。また、テンプレートによってはKrea 2用LoRAやプロンプトエンハンサーが最初から有効になっています。純粋なモデル性能を確認したい場合は、追加LoRAをバイパスし、同じシードや解像度、ステップ数で比較すると違いが分かりやすくなります。
📸 実写風画像は「作り込みすぎない写真」も表現しやすい
Krea 2 Turboで実写風の人物を生成すると、肌、髪、衣服、背景の光まで自然にまとめる能力の高さが確認できます。日本語で人物の髪形や色、ポーズ、場所、小物を指定しても、複数の条件を比較的正確に画面へ反映できました。特に「路地裏の室外機に座る」「新聞を読む」「黒から青への髪色のグラデーション」といった、位置関係を含む複合的な指示にも強い印象です。
また、「スマートフォンで一般人が撮影した写真」「少し手ぶれしている」「構図がわずかに傾いている」「室内照明が不均一」といった表現を加えると、広告写真のように整いすぎたAI特有の質感を抑えられます。完璧な肌、左右対称の構図、過剰な背景ぼけを避ける指示が有効で、意図的に生活感や撮影上の失敗を加えられる点は、実写系モデルとして大きな強みです。一方、小さな文字や複雑な手指、背景に並ぶ細かな物体は崩れる場合があり、生成結果の確認と再試行は依然として必要です。
🖌️ アニメ・水彩・油彩にも対応 日本語プロンプトの理解力も良好
Krea 2は実写専用ではなく、アニメ塗り、絵本、水彩、厚塗り、ポスター、油彩などへのスタイル変更にも対応します。同じ人物設定を維持しながら「居心地の良いカフェを背景にした水彩画」「線を強調したアニメ調」「厚い絵の具と大胆な筆致の油彩」と指定すると、それぞれ異なる質感を生成できました。写実モデルとアニメモデルを切り替える必要が少なく、アイデア段階で複数の方向性を試したい用途と相性が良いモデルです。
テンプレートに含まれるプロンプトエンハンサーを使うと、短い日本語の指示を、構図、光源、撮影方法、色調などを含む詳細なプロンプトへ自動的に変換できます。そのため初心者でも見栄えの良い画像を得やすい一方、入力していない演出や要素まで追加される場合があります。指示への忠実性を重視する場合は、エンハンサーを無効化するか、変換後のプロンプトを確認してから生成するのが安全です。
🖥️ 16GB VRAMなら実用的、LoRA学習は12GB環境にも対応
今回紹介されたRTX 5070 Ti・VRAM 16GBの環境では、1024×1024ピクセル、8ステップの生成を問題なく実行できています。プロンプトエンハンサーを含めると1枚あたり約16～25秒、同じ変換済みプロンプトを再利用する場合は約9～15秒が一つの目安です。ただし、実際の速度やVRAM使用量はGPU、精度設定、オフロード、解像度、バッチ数、使用するLoRAによって変化します。
LoRA学習ツール「Musubi Tuner」もKrea 2をサポートしており、Rawを学習元として作成したLoRAをTurboで利用できます。公式ドキュメントによると、Krea 2はQwen3-VL-4B-Instructをテキストエンコーダー、Qwen-Image VAEをオートエンコーダーとして採用しています。H2Dブロックスワップなどの省VRAM機能を使用すれば、12GB VRAMからの学習も想定されていますが、速度やメインメモリの使用量とのトレードオフがあります。
📝 まとめ
Krea 2 Turboは、実写とイラストの両方を1つのモデルで高品質に生成でき、日本語の自然文にも比較的よく追従する実用性の高いオープンウェイトモデルです。8ステップ前後で生成できる速度、ComfyUI公式テンプレートによる導入のしやすさ、Rawを利用したLoRA学習への対応も大きな魅力です。
一方で、必要ファイルが大きく、快適な生成には16GB前後のVRAMが望ましいこと、小さな文字や複雑な手指は必ずしも安定しないこと、独自ライセンスの条件確認が必要なことには注意が必要です。それでも、クラウドの利用回数や料金、画像の外部送信を気にせず、実写からアニメまで幅広くローカル生成したい人にとって、Krea 2は有力な選択肢になるでしょう。
📚 参考・出典
- Krea「Krea 2 Technical Report」
- Krea公式「Krea 2」モデル紹介ページ
- Krea公式GitHub「Official inference code for Krea 2」
- Hugging Face「Krea 2 Raw」
- Hugging Face「Krea 2 Turbo」
- ComfyUI公式「Krea-2 ComfyUI Workflow Example」
- Krea「Krea 2 Community License Agreement」
- Musubi Tuner「Krea 2 documentation」
