MENU

ComfyUIでFLUXとSDXLを使う方法と認証モデルのダウンロード

AI生成ツール＆活用
ComfyUI Flux&SDXL 認証モデルのダウンロード

AI画像生成の世界で人気の、SDXL（Stable Diffusion XL）とFLUXが2大人気モデル。
最近では、そこに、WANの動画生成のノードも組み込めるようになり（WANはクラウド限定で使用可能）、益々面白くなっています。

増々面白くなってきたComfyUI①
増々面白くなってきたComfyUI
  • SDXL：安定性・汎用性の高さ
  • FLUX：最新技術による高精細・高解像度出力

この記事では、SDXL（Stable Diffusion XL）とFLUXを動かす方法についてまとめました。
GPUを持っていない方でも、クラウド環境（クラウドGPU）で高画質モデルを動かす事が可能ですので是非、チャレンジしてみて下さい。

クラウドGPU選び
【クラウドGPU比較】RunPod・Colab・Paperspace・Lambda Labsの違いと選び方～サービス選びのポイント クラウドGPUのニーズと記事の目的 近年、AI生成や3Dモデル作成、機械学習の学習用途などで、高性能GPUの需要が急速に高まっています。個人のPCでは対応が難しい処理も、…
目次

SDXLとFLUXの概要・違い

項目SDXLFLUX
特徴安定・汎用性、LoRA/ControlNet資産豊富写実・高精細、最新表現力
必要VRAM12〜16GB20GB以上推奨
商用利用可（モデル配布元ライセンス確認）モデルによって異なる（dev版は非商用）
コミュニティ非常に活発急速成長中

⚠ FLUXはモデルごとに利用規約が異なるため、商用利用前に必ず確認してください。
公式のライセンスページや配布元を必ず参照しましょう。

SDXLとFLUXを同時に使う

ComfyUIにもモデル読み込む

SDXLで生成 → FLUXで補正（一般的な方法）

同時使用例

  • SDXLを ベースの画像生成 に使う
  • 生成された画像を FLUXで後処理（補正・強調・リファイン） する
  • 例：
    • SDXLでキャラを作る
    • FLUXでテクスチャ・色彩を調整
    • 実質「SDXL = 発想／構図担当」「FLUX = 仕上げ担当」

これは Refiner的な使い方 で、今一番分かりやすい流れです。

FLUXで生成 → SDXLでリファイン

逆の流れも可能です。

  • FLUXは 光・空気感・リアルな表現 が得意
  • SDXLのRefinerを最後に入れることで「解像度や細部」を整える
  • ただし、FLUXはまだ拡張ノードが少ないので「生成後に整える」方が実践的です。

並列的に使う（応用的）

ComfyUIの強みは「並列生成」なので、

  • 同じプロンプトで SDXLとFLUXを同時に生成 → 画像比較
  • 片方をベース、片方をリファレンスとして 差分学習的に使う
  • ControlNetで「SDXLの構図」を使い、FLUXで「雰囲気」を使う

少し実験的な使い方です。

SDXL・FLUXユーザーに圧倒的人気な”ComfyUI”

テキスト→画像、画像→画像、ControlNet、LoRA、アップスケーリングなどを自由にノードで組み合わせ可能で、
SDXL・FLUXの推論フローを簡単に可視化・カスタマイズしやすい為、
2025年時点ではSDXL・FLUX推論ユーザーの多くはComfyUIを使用している様です。

複数モデルの切り替えが容易

  • SDXL / FLUX / LoRA / ControlNetを1UI内で管理可能
  • A1111やAUTOMATIC1111だと、SDXL対応は進んでいるがFLUXや複雑ノード組み合わせはComfyUIの方が扱いやすい

他UIとの比較

UISDXL対応FLUX対応ノード機能初心者向けRunPodテンプレ対応
ComfyUI◎◎◎△（慣れ必要）◎
AUTOMATIC1111◎△△（拡張で対応）◎△
InvokeAI○×△◎△

推論で複数モデルや高機能を使いたい層はComfyUI一択になりやすい

使用傾向

  • SDXL単体ならA1111ユーザーも多い
  • SDXL＋FLUX＋ControlNet＋LoRAを組み合わせる層 → ComfyUIが圧倒的に多い
  • 動画化や複雑な生成パイプラインもComfyUI中心

必要環境

  • SDXL
    • GPU：RTX 3060（12GB VRAM）以上推奨
  • FLUX
    • GPU：RTX 4090 / RTX A6000（24GB〜48GB VRAM）推奨
  • OS：Windows 10/11 または Linux
  • ストレージ：モデルデータ保存用に30GB以上

【ローカル】の場合のComfyUIでの使用手順

最も使い勝手の良いComfyUIのインストールと使用方法の流れ

SAKASA AI
ComfyUIとは？Stable Diffusion 各モデルの特徴・用途・対応ツールのインストールと解説 | SAKASA AI Stable Diffusionを使った画像生成といえば、最も有名なのは「AUTOMATIC1111 WebUI」ですが、最近人気のもう一つの強力なツール は、ComfyUI（コンフィーUI） ですね。 Com…
  1. Pythonと必要な依存ライブラリをインストール
  2. ComfyUIをクローン
  3. モデル（SDXLまたはFLUX）をダウンロードしてmodels/checkpointsに配置
  4. python main.pyで起動
  5. Web UIでプロンプト入力→生成

⚠ ローカルでのFLUX推論はVRAM不足エラーが出やすいため、低解像度生成→アップスケーリングの手順が有効です。

クラウドで動かす方法

クラウドのGPUで画像生成を使用する際、有力な選択肢として、Google Colabを選択する事も可能ですが、Google Colabは、セッション時間制限があるため、SDXLやFLUXでの長時間高解像度生成や動画生成には不向きな上、LoRA学習や長時間バッチ生成も、Pro/Pro+でさえ途中でセッションが切れる可能性もある為、注意が必要です。

  • 無料枠：短時間利用向け（SDXLは可能、FLUXはVRAM不足で制限あり）
  • Pro枠：A100 GPUでVRAM 40GB使用可（FLUX推奨）

Colab Pro / Pro+ の制約（2025年時点）

項目ProPro+
GPU種類T4 / P100 / V100 / A100A100中心
連続実行時間数時間〜最大12時間程度数時間〜最大24時間程
セッション切断負荷や接続状態で切断あり同上
再接続可能だが、RAM / GPUの状態はリセット同上
使用量制限月間使用時間の目安あり多め

RunPodで使用する方法

  • RunPod公式テンプレートがComfyUI対応を用意しており、クラウドGPU上で即利用可能
  • 設定不要で最新モデルを動かせるため初心者もハードル低いです。

今回お薦めなのは、unPodのテンプレート、ComfyUI + Flux.1-devです。

このテンプレートは、上記の【ローカル】の場合のComfyUIでの使用手順で述べた”1から5の手順”の内、
3.モデル（SDXLまたはFLUX）をダウンロードしてmodels/checkpointsに配置のみは自身で行う必要がありますが、その他の工程は、
”テンプレートを選択後、GPUを選択して実行するだけで使用環境が整う点が魅力です。

アカウントをお持ちでない場合はRunPod公式サイトでのアカウント作成方法についてこちらの記事で書いています。

あわせて読みたい
【RunPodの使い方と料金】Stable Diffusionを使用して画像生成とLoRA学習をする方法【②実践編】 Stable DiffusionやLoRA学習では、長時間GPUをフル稼働させるため、発熱や電源の安定性が大きな課題になります。自作PCではAIO水冷の導入や水冷GPUの採用など、冷却への…

【Runpod】テンプレート「ComfyUI without Flux.1-dev one-click」の使用方法
（【Runpod】認証モデルのダウンロード以降の流れ）に関しては以下のページで書いています。

SAKASA AI
【Runpod】「ComfyUI without Flux.1-dev one-click」で画像生成と動画生成をする方法 | SAKASA AI 【Runpod】テンプレート「ComfyUI without Flux.1-dev one-click」の使い方  アカウントをお持ちでない場合はRunPod公式サイトでのアカウント作成方法について こちらのリ…

認証モデルのダウンロード

モデルのダウンロードの方法は、通常HuggingFaceからワンクリックで行えますが、
Fluxや一部のSDXL系は、Hugging Face の「認証が必要なモデル」です。

Hugging Face 側の制限

ライセンス同意や規約承諾が必要なモデルは、ユーザーごとのトークン認証が必須。（例：FLUX, 一部のSDXL系, 特殊LoRAなど）

ダウンロード時に認証が必要

対話式ログイン or 環境変数ログインを通す必要がある。

① モデルページにアクセス → 利用規約を読む → 同意する
Hugging Face アカウントで承諾が記録される。

② そのアカウントのアクセストークンを使うとDL可能になる
‣対話式ログイン (huggingface-cli login)
‣環境変数 (HF_TOKEN=...)

①HuggingFaceでのトークン発行

モデルのダウンロードの方法は、通常HuggingFaceからワンクリックで行えますが、
Fluxや一部のSDXL系は、Hugging Face の「認証が必要なモデル」です。

  • ダウンロードの時点でトークン認証を通さないと落とせないため以下の方法でトークンの発行を行います。

① HuggingFaceにアクセス
② Access Tokensページ

Create Tokens

③ Create new Tokensを開いて、トークンのタイプを選択

トークン発行

④Token nameを付ける（何でもいい）

⑤をクリックするとTokenが発行される

Hugging Face トークンの種類と用途

Hugging Face でモデルを利用・公開する際には アクセストークン が必要になります。
トークンには用途ごとに権限があり、大きく分けて以下の3種類があります。

1. Read（読み取り専用）

  • できること
    • 公開モデルやデータセットの利用
    • 非公開（private）モデルやデータセットのダウンロード
    • git lfs を使ったクローンやモデルのロード
  • 典型的な用途
    • モデルを 利用するだけ の場合
    • RunPod / Colab / ローカルPC で Hugging Face からモデルを落とすとき
  • 安全性
    • 読み取り専用のため、もし漏れても大きな被害は少ない

2. Write（書き込み可能）

  • できること
    • Read の全機能
    • 自分のリポジトリへ push（アップロード）
    • モデルやデータセットの更新
  • 典型的な用途
    • LoRA や学習済みモデルを アップロードしたい場合
    • データセットを共有したい場合
  • 注意点
    • アップロードができる分、漏洩した場合にリポジトリが改ざんされる危険あり

3. Fine-grained（細かく制御可能）

  • できること
    • Read / Write と同等の権限に加えて
    • 特定のリポジトリだけに権限を与える など、きめ細かい設定が可能
    • 例：あるモデルは書き込み可、別のモデルは読み取り専用、など
  • 典型的な用途
    • 企業やチーム開発でセキュリティを強化したい場合
    • 特定のプロジェクトごとにトークンを分けたい場合
  • メリット
    • 不要な権限を与えずに済むので安全性が高い

一般ユーザーが「モデルを落として使うだけ」なら Read トークン で行います。
モデルを公開・共有するなら Write トークン を発行してください。
チームで運用したり、リポジトリごとに制御したい場合は Fine-grained トークン をおすすめします。

対話式ログイン（コマンド入力して都度ログイン）

手順

  • Hugging Face のアカウントを作成 → Access Tokens からトークンを取得
    • 「Write」権限をつけるのがおすすめ（モデルのpushもしないなら「Read」だけでOK）
huggingface-cli login
  • 実行すると、次のようにトークン入力を求められます。Hugging Face の アクセストークン を貼り付ける
Token: hf_xxxxxxxxxxxxxxxxxxxxxxxxx
  • 成功すると ~/.huggingface/token に保存されます

特徴

  • 一度ログインすると、そのPC環境ではトークンが保存される
  • 毎回入力不要
  • セッションごとに保持されるので、ローカル用途に便利

環境変数を使ったログイン（スクリプトやサーバーで便利）

クラウド（RunPod, Colab, Docker など）やスクリプト実行時に便利な方法。

①トークンを環境変数にセット

export HUGGING_FACE_HUB_TOKEN="hf_xxxxxxxxxxxxxxxxxxxxxxxxx"

Windows (PowerShell)

setx HUGGING_FACE_HUB_TOKEN "hf_xxxxxxxxxxxxxxxxxxxxxxxxx"

Python スクリプト内で設定

import os
os.environ["HUGGING_FACE_HUB_TOKEN"] = "hf_xxxxxxxxxxxxxxxxxxxxxxxxx"

②HuggingFace Hub にキャッシュする

huggingface-cli login --token $HUGGINGFACE_TOKEN

これで「Enter your token:」が出ずに、そのまま認証される。

  • そのまま from huggingface_hub import hf_hub_download などのAPIで使える

特徴

  • サーバーやColabで一時的に使うのに便利
  • スクリプト内で自動的に認証できる
  • トークンを明示的に管理できるため、ログイン情報をファイルに残さなくても良い

実際には Hugging Face のライブラリ（transformersやdiffusers）は 環境変数 HUGGINGFACE_TOKEN を優先して見に行きます。
なので、両方やっても問題なし、どちらか片方でも動作します。

モデルをダウンロードする（例）FLUX.1-dev のダウンロード

②モデルのダウンロード

FLUXの著作権・利用制限を確認してダウンロード

  • FLUX.1-dev や FLUX.1-pro などは利用規約で「商用利用可否」や「生成コンテンツの使用条件」が異なります
  • 2025年時点では、公式が提供するモデルごとに商用利用の可否が明確化されているが、
    • dev版は研究・非商用向け
    • pro版や特定ライセンス版は商用可（ただし有償契約やAPI経由が必要な場合あり）

モデルは、CivitAIや、HuggingFaceなどからダウンロードします。

Stable Diffusion XL (SDXL 系)

  • 公式モデル（ベース）
    stabilityai/stable-diffusion-xl-base-1.0
    stabilityai/stable-diffusion-xl-refiner-1.0
    • SDXLは「ベースモデル＋リファイナー」の2段階構成が推奨。
    • イラストから写真までバランスよく生成可能。
  • 人気の派生モデル
    • Juggernaut XL（商用利用OK・万能）
    • RealVisXL（リアル寄り）
    • DreamShaper XL（イラスト＆アニメ向き）
    • AiWise / BetterThanWords-merged-SDXL-LoRA-v3

おすすめ用途：イラスト・二次創作・LINEスタンプなど幅広く。
LoRA資産が圧倒的に豊富 なので拡張性が高い。

FLUX 系（最新）

  • 公式モデル（Black Forest Labs）
    black-forest-labs/FLUX.1-dev
    black-forest-labs/FLUX.1-schnell
    [black-forest-labs/FLUX.1-pro]（商用有料）
    • schnell → 軽量＆高速。お試しに最適。
    • dev → 高品質。LoRA学習もこのモデルが中心。
    • pro → 有料サブスク。商用案件なら最強。
  • Keltezaa / natalie-portman-sdxl-flux
    スタイル：高品質なスタジオ風ポートレート。美しい目とポニーテールが印象的。
    特徴：リアルな写真の質感と洗練された構図を再現しやすいモデル。

おすすめ用途：リアル系、最新技術で高解像度・高精度の絵を作りたい場合。
LoRA資産はまだ少ない。

自動で全部ダウンロード

git lfs install
git clone https://huggingface.co/black-forest-labs/FLUX.1-dev
  • git clone するときに、git lfs 管理対象の大容量ファイルも 自動で全部ダウンロードされる。
  • そのリポジトリに含まれる .safetensors も .bin も lfs 対象なら全取得。
  • メリット → 追加コマンド不要で、clone した時点で全部揃う。
  • デメリット → 巨大モデルだと数GB〜数十GB落ちるため時間も容量も食う。

必要なファイルだけダウンロード

git lfs install
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/black-forest-labs/FLUX.1-dev
cd FLUX.1-dev
git lfs pull --include="*.safetensors"
  1. GIT_LFS_SKIP_SMUDGE=1 を付けて clone
    → この場合、大容量ファイル（.safetensors や .bin）はダウンロードされず、ポインタファイル（メタ情報）だけが落ちる。
    → clone が高速で済む。
  2. 必要なファイルだけ git lfs pull --include="*.safetensors" で取得
    → 例えば .safetensors だけ欲しい場合に効率的。
    → 他の大容量ファイル（学習ログや不要な重み）は落とさないで済む。
  • 必要なファイルだけダウンロード可能（容量節約、時間短縮）。
  • ストレージや帯域が限られている場合に便利。

配置するファイルを指定します。

mv flux1-dev.safetensors /workspace/ComfyUI/models/unet/

（※環境によっては checkpoints/ や unet/ など指定パスが違うので確認してください。）

（例）SDXL のダウンロード（例：official base 1.0）

GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
cd stable-diffusion-xl-base-1.0
git lfs pull --include="*.safetensors"
mv *.safetensors /workspace/ComfyUI/models/checkpoints/
cd ..

＝workspace/models/checkpointsにモデルファイルをアップロード

ComfyUI の場合

  • FLUX → models/unet/
  • SDXL → models/checkpoints/
    に置くのが一般的です。
あわせて読みたい
black-forest-labs/FLUX.1-Kontext-dev at main We’re on a journey to advance and democratize artificial intelligence through open source and open science.

DXLとFLUXを同時に使う方法

1. 同時使用の目的

SDXL と FLUX の得意分野を生かす

  • SDXL
    • 学習資源が豊富（LoRA / LoCon が大量）
    • 緻密なディテールや特定キャラ再現に強い
    • 高解像度のアップスケール系ワークフローが充実
  • FLUX
    • 構図・ポーズ・顔の補正が自然
    • フォトリアルや自然なライティングが得意
    • “編集系”（角度補正、表情変更など）で強い

同時運用の方法（ComfyUI）

  1. 初期生成を SDXL、補正を FLUX
    • まず SDXL で LoRA を活用してキャラ固有の絵柄や衣装を生成FLUX に img2img で渡し、顔の角度補正や自然さをアップ
    キャラの再現度 + 自然な見た目を両立
  1. 二段階高画質化
    • SDXL → フィニッシュに FLUXSDXL で高解像度リサイズ（例：1024→2048）
    SDXL の情報量 + FLUX の自然な質感

高い VRAM（例：RunPod の A6000, H100） 環境があれば、1ワークフロー内で切り替えも可能。
軽量な環境 かつ効率重視なら、ワークフローを分割して処理する方が効率的。

2. 実務上のポイント

  • ComfyUIなら同時運用が簡単
    • SDXLとFLUXを1UIでロードしてノード構成に組み込める
    • LoRAやControlNetも両方のモデルで使い回せる
  • RunPodでの利点
    • 高VRAM GPUを使えば、SDXLとFLUX両方を同時にロードして推論可能
    • ローカルPCではFLUXの高VRAM要求で同時使用が難しいこともあるので注意。

推論・生成を実行

  • FLUX → より新しく、リアル寄り・構造的な表現が強い
  • SDXL → 安定したクオリティ、イラスト表現やLoRA資産が豊富

ComfyUIの使用方法についてはこちらの記事をご覧ください。

あわせて読みたい
ComfyUIとは？Stable Diffusion 各モデルの特徴・用途・対応ツールのインストールと解説 Stable Diffusionを使った画像生成といえば、最も有名なのは「AUTOMATIC1111 WebUI」ですが、最近人気のもう一つの強力なツール は、ComfyUI（コンフィーUI） ですね。 …

高画質化のコツ

SDXL向け

  • CFG Scale: 7〜9
  • 解像度：1024×1024以上
  • LoRA活用で作風特化

FLUX向け

  • 高解像度生成＋高ステップ（30〜40）
  • Negative Promptで不要要素を除去
  • 大きめVRAMで直接高解像度生成

アップスケーリング（超解像）

  • 高解像度の出力を得たい場合、直接生成するより低解像度生成→アップスケーリングが効率的
  • 使用例：
    • Real-ESRGAN：汎用画像用
    • GFPGAN / CodeFormer：人物・顔のディテール補正
  • 手順（RunPod/ローカル共通）：
    1. 生成した画像を保存
    2. Real-ESRGANでアップスケーリング
    3. 必要に応じてGFPGANで顔補正
  • メリット：
    • VRAM消費を抑えつつ高解像度画像生成
    • FLUXなど高解像度モデルでVRAMが足りない場合に有効
あわせて読みたい
Real-ESRGAN と GFPGANを連携させる方法とGUIで使えるツール Real-ESRGAN と GFPGAN インストール手順や使い方においても Real-ESRGAN（リアル・イーエスアールガン）と GFPGAN （ジーエフピーガン）はかなり似ています。両方とも …
あわせて読みたい
GFPGANのインストール方法 GFPGANとは？ GFPGANは、AIの顔修復モデルとして一時期バズりましたが、**「実物と全然違う顔になる」**というある意味での“炎上”も経験しました。ネットでは「GFPGANが…
あわせて読みたい
【CodeFormerの使い方】3通りの方法 CodeFormerとは？ 顔の復元・補完・高画質化に特化したAIツールです。主に次のような用途に向いています ぼやけた顔写真を鮮明にしたいとき AI生成画像の崩れた顔（目・…

ControlNetの活用

  • 元画像や線画を元に特定のポーズや構図を保持して生成できる
  • 使用例：
    • 元イラストのポーズを維持して別の作風に変換
    • 背景だけ置き換え、キャラクターは維持
  • 使い方（A1111 / ComfyUI）：
    1. ControlNetモデルをダウンロード（HED / Canny / OpenPoseなど）
    2. WebUIで「ControlNet」タブを選択
    3. 入力画像を指定、生成条件を設定
    4. SDXL/FLUXで推論

注意点

  • SDXL専用のControlNet（v1.1やv1.2など）もあるので、Flux側のSDバージョンと合わせるとより安定

⚠ ControlNetはVRAMを追加で消費するので、FLUXで高解像度出力する場合はクラウドGPU推奨です

あわせて読みたい
【ControlNetの使い方】完全ガイド｜線画・ポーズ・輪郭で思い通りに画像生成する方法 ControlNetは、「拡張機能・追加機能」です。ControlNet自体はStable Diffusionに、条件（姿勢・線画・輪郭など）を与えて画像生成をコントロールするためのモデルや技…

注意点

  • FLUXの利用規約を必ず確認
  • クラウド利用時は生成量と時間でコスト管理
  • モデル配布元がライセンスなどを更新する場合があるので最新情報をチェックしましょう

まとめ

  • ローカル派：GPUが十分なら安定運用可
  • クラウド派：RunPodでVRAM制限を突破できる
  • SDXLとFLUXを使い分けることで、幅広い生成スタイルを実現可能
SAKASA AI
Flux.1とは？画像生成AIの特徴・使い方・導入方法を徹底解説【2025年最新】 画像生成AIの進化形「Flux.1」がスゴい。誰でも手軽に使える導入法から、WebUI・クラウド・API連携まで、用途に合わせた活用法をわかりやすくまとめました。
AI生成ツール＆活用
ComfyUI Flux RunPod SDXL Stable Diffusion WebUI
  • URLをコピーしました！
目次