gpt-image-2) は OpenAI の最新画像モデルで、パートナーノード (Partner Nodes) を通じて ComfyUI で利用できます。OpenAI の画像モデルとして初めて、生成前に推論を行うモデルです。一発でサンプリングするのではなく、構図を計画し、結果を確認し、反復処理を行います。
このノードは次をサポートします:
- 文字情報、UI 要素、アイコン、インフォグラフィック、地図、スライド、漫画コマ割りなどの密度の高い表現に強い text-to-image 生成
- 最大 2K 解像度で構造を維持したままの画像編集
- 1 つのプロンプトから、キャラクターやオブジェクトの一貫性を保った最大 8 枚の画像生成
model オプションとして選択済みです。このノードは OpenAI の画像生成 API を同期的に呼び出し、説明に一致する画像を返します。
GPT-Image-2が得意とする分野
推論駆動型の生成
GPT-Image-2はレンダリングの前に構図を計画します。そのため、これまで画像モデルを悩ませてきたプロンプト（例えば、11ptのHelveticaで中央揃えされた7項目の箇条書きリストを含むポスター）に非常に適しており、密集したテキスト、小さなUI要素、アイコン、インフォグラフィック、地図、スライドに対してクリーンな出力を生成します。重要な要素を保持する画像編集
GPT-Image-2は構造的な忠実性を保ちながら対象を絞った編集を行い、編集領域外のすべてをピクセル単位で安定に保ちつつ、要求された変更を最大2K解像度でクリーンに適用します。白黒写真の色付けや、シーンを正午から夕暮れへと移行するといったタスクに使用でき、顔、幾何学形状、細部を歪めることはありません。プロンプトごとに最大8枚の一貫した画像
このモデルは、シリーズ全体でキャラクターとオブジェクトの一貫性を維持しながら、単一のプロンプトから最大8枚の異なる画像を返すことができます。これは、シード固定やプロンプトの細工なしで、ストーリーボード、リファレンスシート、キャラクターのターンアラウンド、製品バリエーションに役立ちます。バッチをそのままSave Imageノードに渡すか、後段のビデオワークフローへつなぐこともできます。
ハイブリッドパイプライン
GPT-Image-2 はハイブリッドパイプラインに自然に組み込めます。文字情報の多いヒーローフレームに本ノードを使い、その後はローカルモデルでアップスケーリング、スタイライズ、動画生成へと引き継ぎます。1 つのグラフの中で、各ステップに最適なモデルを使い分けられます。出力例
推論に基づく構図によるテキストから画像への生成: 編集領域外の構造を維持しつつ、入力画像を編集:ComfyUIで使用する
GPT-Image-2 ワークフロー
テキストから画像へのワークフローと画像編集のワークフローを、ComfyUIでローカルまたはComfy Cloud上で実行します。