
Qwen Image-2.1の画像編集能力は化け物か!?アニメや実写で思いつく画像編集をしてみた
2026年9月20日、Alibabaから新作モデル「Qwen-Image-2.1」が公開されました。
従来モデルとの決定的な違いは、画像生成と高度な画像編集を一つのモデルに統合した点です。最大10枚の参照合成、人物・商品の特徴を保った修正、透明RGBA画像出力などを一台でこなす、「素材画像を組み合わせて作り替える」ためのAIへと進化しています。
ネット上の反響:編集領域で非常に高い評価
公開直後からコミュニティ(RedditやComfyUIユーザー)は大盛り上がりで、「ローカル画像編集の新しい基準」「ピクセル単位で制御できる」といった絶賛の声が上がっています。
「ポーズの変更」や「別画像からの照明・背景移植」が簡単な指示で動く点が特に評価されています。
一方で、「通常の生成(Text-to-Image)単体では微妙」「ポーズ変更時の人体破綻がある」といった冷静な指摘もあり、万能AIというより「画像編集・参照合成に特化した強力なツール」という位置付けがしっくりきます。
実際どこまで使えるのか?手元で検証してみた
ネットでは強い評価が目立ちますが、公式デモと手元の実画像では結果が乖離することも珍しくありません。
そこで今回は、Qwen-Image-2.1をComfyUIで実際に動かし、かなり無茶な画像編集まで試してみました。
なお、検証にあたってはプロンプトをそのまま入れるのではなく、補助(指示作成)モデルである「Qwen-Image-2.1-PE」というLLMを噛ませています。あまり話題になっていませんが、実はこのPEモデルのプロンプト変換能力こそが精度向上のキモです。
記事の最後には、このPEを組み込んだComfyUIワークフローも添付しています。RTX5060Ti16GBで検証していますが、VRAM8GBでも使えるはずなので、ぜひ手元で試してみてください。
文字&ロゴ削除

生成AIで作成した嫌がらせのように文字が書き込まれている架空のCDジャケットです。
まずこの大量の文字やロゴをどこまで消せるか試してみます。ちなみにオープンモデルで削除最強だったFlux2でもこの画像はかなり消し残しが出来てしまう上に再構成で顔が変わっていました。→ 該当記事
人間の指示
<Image 1>の文字とロゴを全てリムーブする
PEによる変換したプロンプト
{"action": "remove", "target": "all text and logos", "details": "Remove every piece of text and every logo from the album cover in <Image 1>, including the 'COMPACT disc DIGITAL AUDIO' logo, 'PCCA-00987', '定価 ¥2,800 (税抜価格¥2,718)', 'STEREO', '<< POP >>', the vertical Japanese title '永遠のきらめき 透明な季節の中で', the artist name '中村 瞳' and 'Hitomi Nakamura', the handwritten 'Hitomi Nakamura' signature, 'NEW ALBUM', 'PCCA-00987', '分々きっと微笑みたい。', the handwritten 'この想い、届いて います…!?…?', the 'including 12 tracks Digital Mastering' sticker, the '90's Girls Pop' heart badge, '恋をした日のすべてが、宝物。', 'Produced by Tetsuya Komuro', the 'Hear My Voice Please Listen to Me I'm Waiting for You Stay with Me In Your Heart and more... ♥♥♥' panel, the tracklist '1. Prologue 2. 風のメロディ 3. 青いシグナル 4. Silent Love 5. 夕焼けの記憶 6. 涙のプリズム 7. Starry Sky 8. ガラスの向こう側 9. Lonely Heart 10. 夢のつづき 11. 優しい嘘 12. Epilogue', the 'PC PONY CANYON' logo, '© 1995 PONY CANYON INC. MADE BY PONY CANYON INC., JAPAN', '95-5-17' and '97-5-16まで', the barcode '4 988013 509876', the 'includes HIT SINGLE 「風のメロディ」 「青いシグナル」 Now On Sale!' sticker, and all other small stamps, stickers, and handwritten marks. Fill the removed areas with a seamless continuation of the underlying artwork — the purple side panel, the collage of transparent plastic wrap, pink and blue paper scraps, star doodles, and the photograph of the young woman with dark hair, wet strands, translucent lavender top, and dangling earrings — preserving her face, expression, pose, and all photographic details exactly as in the original."}
パーフェクトです!顔も描き変えていません。これで俄然やる気が出ました。これまでのオープンモデルの編集機能とは段違いの性能を持っている可能性を示唆しています。
PEが変換したプロンプトを見るとVLMで片っ端から文字を読み取って明記して削除していることがわかります。この恩恵もあるのでしょう。
ちなみにチャッピーさんにも同じ削除を依頼したところ、

これもかなり凄いのですが、消し忘れが少しあり、チャッピーさんが自ら「参りました」ということです。
チャッピーの主張
Qwenのほうは、元の女性の顔
髪
衣装
ビニール
背景
構図
をかなり維持したまま文字を除去しています。
一方、私の結果は雰囲気と人物はかなり近いものの、元画像の細部を再構成しています。
なので、このテストに関しては、
Qwen-Image-2.1の「文字だけ消して他を保持する編集」のほうが明らかに優秀です。
チャッピーの、描き直していながら、ここまで顔の一貫性を維持する芸当は超高難易度で、オープンモデルでは難しいでしょう。
一方、Qwen Image 2.1は、描き直すのではなく元絵をできるだけ維持したまま編集できるため、実用面ではこちらのほうが有利な場面も多そうです。
アニメ
横向き&黄色いパンチラに変更

人間
<image 1> の アニメのキャラを黄色いパンティが少し見えるシーンにして顔を横向きにして
PE
黄色いパンティが見えるシーンに、顔を横向きにしたアニメのキャラクターの画像を生成してください。
<image 1> のアニメのキャラクター(茶色の高马尾、青い瞳、白と紺のテニスウェア、紺のワッシャー付きのスクート skirt)を維持しつつ、以下の条件で描いてください:
- 顔を横向き(profile)にして、テニスボールを打つ瞬間の打撃ポーズをとる。
- 下半身が画面の端で切り取られて、黄色いパンティがわずかに見えるようにする。
- 青いテニスコート、フェンス、緑の木々、青空の背景を維持する。
- 汗の光沢、光の表現、アニメの画風を維持する。
珍しくPEのプロンプトが日本語で生成されましたが、構図もキャラも問題ありません。アニメでも使えそうですね。
スタバをコカ・コーラに変えて、夏服に変えてピースに変更

<image 1> の アニメのキャラの服を夏服に変えて、ロゴをすべてコカ・コーラに変更して片手はピースにして、片手でカップを握っている変更
PE
{"image1": "Change the girl's clothing in <image 1> to a summer outfit: replace the beige knit sweater with a light, airy white short-sleeved blouse with a small floral print, and replace the dark plaid skirt with a light blue denim skirt. Replace every Starbucks logo in the scene with the Coca-Cola logo: the green circular logo on the cup's sleeve and the round green sign on the upper-right wall must become the red circular Coca-Cola emblem with the white script \"Coca-Cola\" wordmark, and the cup itself must become a red Coca-Cola cup with the white script \"Coca-Cola\" wordmark. Change her hand pose so that her right hand is raised in a peace sign while her left hand grips the cup. Keep the girl's face, long dark brown hair, brown eyes, dangling earring, seated position at the wooden table, the café background with window light, shelves, and hanging lamps, and the overall anime art style and warm lighting completely unchanged."}
左手の指が一本消えていますが他はいい感じで編集出来ていますね。同時にいくつも編集せずステップバイステップで行えば精度が下がることもなさそうです。
これはanimaの記事で生成した画像です。躍動感のあるいいジャンプですがパンチラどころかパンティ全開放は使いずらいので編集してみましょう。

人間
<image 1> の アニメのキャラのポーズを変えないようにしてパンティをスカートでうまく隠しつつ、飛んでいる躍動感を失くさないよう
PE
The sky background, the clouds, the utility pole and power lines, the rooftop edge at the bottom, the flying hair strands, the red scarf, the white short-sleeved shirt, the red underwear, the dark navy pleated skirt, the white leg warmers, and the sneakers are all preserved exactly as they are in the original image, and the character's flying pose, body orientation, limb positions, and the upward camera angle are also kept completely unchanged. On top of that, perform the following two edits: first, replace the red underwear with a dark navy pleated skirt matching the existing skirt in color and fabric, extending it downward to fully cover the hips and buttocks so that no underwear or bare skin is visible between the legs; second, while keeping the skirt's pleats, its upward-flaring motion, and its dark navy color identical to the original, add a few short pleats and a hem that flaps dynamically in the wind so that the skirt clearly reads as a skirt in flight, with the flaps and pleats rendered in the same cel-shaded anime style, line weight, and lighting as the original skirt. The newly added skirt portion must blend seamlessly with the existing skirt, and the character's pose, expression, and all other elements remain untouched. Output only the prompt text.
いいですね。animaは簡単にNSFW画像になるので、せっかく生成したお気に入り画像が検閲に引っかかって公開できないのはもったいないので、Qwen image 2.1で編集して修正して日の目を見せてあげるのは大切です。
SF風の服にショートカットに変更

人間
<image 1> の アニメキャラの髪型をショートカットにして服をSF風にして
PE
{"action": "Modify", "target": "character's hairstyle and clothing", "details": "Change the anime girl's long black hair to a short bob haircut ending at the jaw line, keeping the same black hair color, bangs framing the face, and the same blue eyes, facial features, and neutral expression; replace her sailor-style school uniform (white cropped blouse with navy collar and blue neckerchief, navy pleated skirt) with a futuristic SF-style outfit consisting of a fitted light-gray techwear jacket with subtle holographic panel lines and glowing cyan trim, a high-collar inner top, and matching dark tactical skirt with metallic accents, while keeping her raised-arm pose holding a strand of hair, the plain white background, and the original anime illustration style with identical lighting and shading."}

顔の維持は完璧のようです。
3枚の画像の4キャラを同じ空間に変更

全てアニメ絵で <image 1> に2名のキャラの女性、<image 2>に1名のキャラの女性 <image 3>に1名キャラの女性がいるので 背景を変えたうえで、4名が同じ背景の空間の中に自然に存在するようにして
PE
「将<image1>中的两名女性角色、<image2>中的女性角色、<image3>中的女性角色置入到一个全新生成的统一背景空间中,共4名女性自然共处同一场景。保持<image1>中两名女性的面部特征、发型、服装与姿态完全不变,保持<image2>中女性的面部特征、发型、服装完全不变,保持<image3>中女性的面部特征、发型、服装完全不变,仅替换背景。新背景为风格统一的现代日式校园庭院:画面后方是一排修剪整齐的绿色竹林与浅色石墙,石墙上方露出青瓦屋檐,画面左侧有一条蜿蜒的灰色石板小径,小径旁盛开粉色樱花,画面右侧放置一座木质长椅,长椅上搭着一条米色布巾,地面为平整的青石板并带有柔和树影。4名女性按<image1>的两名女性相邻、<image2>的女性居中偏右、<image3>的女性位于画面右侧的顺序自然站立在小径与长椅之间,彼此间距自然,视线朝向镜头,人物比例统一协调,脚下带有与场景光源方向一致的柔和接触阴影。整体采用清新明亮的日系动漫插画风格,线条细腻,色彩柔和,光线为均匀柔和的自然日光。
Hmm, but the user said "全てアニメ絵で" = "all in anime style." So the output should be anime style. Good, I included that.
Check prohibited expressions: no "比如," no "等," no "可能," no "或," no "似乎," no "大约," no "稍微," no "类似." Let me scan: "风格统一" fine. No prohibited words. "等" — need to avoid using "等" as etc. I don't use it. Note: "等" appears in words like "等待," but I don't use it. Check "
中央の子の右手がないと思ったらオリジナルがありませんでした。
キャラの色味いが違うと違和感がありますが、似たような肌の色や画風のキャラを使っていれば違和感なく統合できます。
抹茶ラテを飲んでいる少女に変更

人間
アニメ絵で <image 1> のキャラクターが椅子に座って <image 2> の抹茶ジュースをストローで飲んでいる絵に変えて、アニメキャラの色合いとマッチする喫茶店を背景にして
PE
<image 1> のアニメキャラクターを保持して、アニメ絵スタイルの新しいイラストを生成してください。キャラクターの顔、髪型、髪色、服装は<image 1> と完全に一致し、色合いと照明も<image 1> のアニメカラーリングとマッチします。キャラクターは木製の喫茶店椅子に座っており、両手で<image 2> の緑色の抹茶ジュースの透明ガラスカップを握ってストローで吸い飲んでいる様子です。ストローは口元に向かって傾けられ、キャラクターの頭はストローにそって下向きです。背景はキャラクターの淡い色合いと調和する喫茶店内です:クリーム色の壁、木製のカウンター、棚に並んだ陶器のカップと茶罐、窓から差し込む柔らかな日光、キャラクター前の小円卓に抹茶ジュースのグラスが置かれています。全体的に落ち着いた穏やかな雰囲気、平坦なアニメセルシャドウ、清潔な線画、パステルカラーの配色を使用し、フォトリアルな質感は排除してください。
このような加工は超得意です。抹茶ラテの机からイメージした背景になっていますが、背景も適切な画像を入力にした方がいいかもしれません。
アニメ編集は問題なく使えることがわかりました。
10画像入力
本当に10画像入力して画像処理できるかをチェックします。使用するのは美少女オープンモデルの記事からセレクション

人間
<image 1> ~ <image 10> で連番で10の画像入力があります。各画像は女性の顔写真です。この顔写真から10人が並んで立っている集合写真にしてください。
PE
{"type": "object", "value": {"prompt": "Generate a group photo of 10 women standing side by side in a single row, using the faces from the 10 input images in order: <image1> (leftmost), <image2>, <image3>, <image4>, <image5>, <image6>, <image7>, <image8>, <image9>, <image10> (rightmost). Place all 10 women in an elegant indoor hall with a soft neutral backdrop, each wearing a formal dress in a different refined color (ivory, blush pink, emerald green, sapphire blue, burgundy, gold, silver, lavender, turquoise, black), with dresses uniform in style and length. Arrange them in a straight horizontal row, evenly spaced, all facing the camera with natural upright postures, arms relaxed at their sides. Lighting is soft and even frontal illumination with a single consistent color temperature, casting gentle consistent shadows on the floor beneath each woman. The background is a clean, softly blurred elegant hall with warm neutral tones and subtle architectural details. Render in realistic photographic style with high clarity, consistent perspective and scale across all 10 subjects, with each woman's face faithfully preserving the identity of her corresponding source image."}}
10人を指定しましたが、最初は7人しか出てきませんでした。顔はある程度維持していますが髪が別の人と混ざったり入力画像に見当たらない子もいます。
ドレス姿にしたところ8名になり、

何度か生成すると最終的に9名まで表示しました。

ここまで顔が小さいと入力画像の顔を表示出来ているか不明ですが頑張ってくれているのは分かります。
ここまでやろうとするオープンモデルは無いでしょう。
顔入れ替え
オープンモデルでは過去まともに使えるのがなかった顔入れ替えをしてみます。(だからヘッドスワップ系LoRAなどが作られました)
いつもの画像比較の11枚のプロンプトで作った画像を使いましょう。顔は適当に生成したものです。


<image 1> の身体を <image 2> の顔に入れ替えて
PE
{"output": "Replace the face of the person in <image 1> with the face from <image 2>. The transferred face must exactly match the facial identity of <image 2> (bone structure, eye shape, nose, lip shape, skin texture), while naturally adapting to the head pose, angle, and lighting environment of <image 1>. Keep the hairstyle, clothing, pose, body, accessories, background, and all non-face elements in <image 1> completely unchanged.", "language": "ja", "model": "qwen-image-2.1"}
かなり肌の色が違う顔と身体で中々の再現力です。
ただこれはヘッドスワップなのでフェイススワップができないかとプロンプトを変えたり画像を変えたり髪の毛の維持を試みましたが無理でした。
それでも、他のオープンモデルでは別人になってしまうことが多かったので、顔の一貫性という点ではかなり高性能です。
知らない人の顔では分かりにくいので何人かの著名人を使って入れ替えてみるとチャッピーといい勝負が出来ていますが、さすがに載せられません(笑
動画でキーフレームを作る際のキャラクター維持に使えそうです。
天候変化
またいつもの11枚の土砂降り画像を晴れにしてみます。

人間
<Image 1> の 雨を晴れにして
PE
雨を晴れにしてください。画像1の雨を晴れにしてください。
"将图片中的下雨天气改为晴朗天气:完全去除画面中所有可见的雨丝与雨痕,使空气通透清澈;将整体光线由阴雨天的冷灰调转为晴朗白天的明亮自然光,人物面部、白色衬衫与牛仔短裤上的湿润水珠与湿痕一并去除,使衣物恢复干燥状态;背景的绿色树林与灰白色地面保持原有内容与构图不变,仅将色调调整为晴天下的自然色彩,整体呈现明亮、通透的晴朗日间氛围。"
顔や髪にも雨がかかっているのを変換して顔が寸分違わず同じなのがいい。
とても7Bモデルとは思えません。
吹き出し
吹き出しに文字を入れてみましょう

人間
<Image 1>の漫画の吹き出しに「こんにちは、お元気ですか?」と日本語を入れて
PE
{"type": "add", "text": "こんにちは、お元気ですか?", "position": "inside the speech bubble on the right side of the image", "style": "Japanese text in a clean, rounded sans-serif font, medium weight, dark gray or black color, centered within the white speech bubble, sized to fit comfortably inside the bubble with clear spacing from its edges", "language": "Japanese"}
普通に書くとやはり横書きですね。では縦書きにしましょう。
人間
<Image 1>の漫画の吹き出しに「こんにちは、お元気ですか?」と縦書きで日本語を入れて
PE
{"type": "add_text", "text": "こんにちは、お元気ですか?", "position": "inside the speech bubble on the right side of the image", "style": "vertical Japanese writing (top-to-bottom), black bold sans-serif (gothic) characters, centered within the white speech bubble, sized large enough to fill the bubble comfortably while leaving a clear margin from its edges", "color": "black", "size": "large", "font": "bold sans-serif (gothic style)"}
問題なさそうです。では筆者のキャラクターのペンギンちゃんにもう少し長めのセリフをつけてみましょう。

人間
<image 1> の キャラクターに吹き出しをつけて 縦書きで "みんな元気ですか?私はいつも頑張っています。いいねをしていってね" と描いてください。吹き出しの場所が足りないので画面を広くして
PE
{"type": "object", "name": "SpeechBubble", "description": "A speech bubble attached to the character, with the text written vertically", "attributes": {"text": "みんな元気ですか?私はいつも頑張っています。いいねをしていってね", "position": "upper right side of the character", "style": "clean white bubble with black outline, vertical Japanese text", "size": "medium, fits within the expanded canvas", "tail": "pointing toward the girl's mouth", "opacity": 100}}
さくっと日本語書いていますが、オープンモデルの日本語表現力の中で最強ではないでしょうか?
開発に数日かけて、これまで使ってきた吹き出し生成システムは不要になってしまいました。
いろいろ加工
ここからはチャッピーも難しいといった加工をしていきます。
まずはフリー素材の美女の河村さんお顔を拝借して、Qwenで全身写真にします。要はアウトペイントですね。

人間
この人物の顔を持したまま、全身写真にして。服装だけシャツとホットパンツに変更。カメラは正面から少し右、屋外の駅前 画像は9:16です。高画質にして
PE
正面から少し右の角度で撮影された屋外駅前広場の全身写真。画面には、写真1の人物の顔と髪型(茶色の長髪で前髪とサイドの髪束、明るく笑顔)をそのまま持ちながら、白のシャツとホットパンツの服装に替えた若者が立っている。背景は駅前の歩道と建物、明るい日中の屋外光。9:16の縦画面、高画質。
顔だけから全身へのアウトペイントはかなり難しいんです。
今回は成功していますが、何種類かの顔でやってみると顔が大き目でバランスが悪いのがいくつか生成されたのでここはチャッピーの編集の方が上だと思われます。
そのまま80年代アイドルに変換します。
人間
<image 1> の 女性を1980年代アイドル風に変えて
PE
"将画面中的年轻女性改为1980年代日本偶像风格:保留她原有的面部特征、五官比例与身份特征,将发型改为1980年代典型的蓬松大波浪卷或高盘发,发色为健康的深棕色,妆容改为80年代偶像式妆面,底妆干净通透,眉形为纤细的弯眉,眼妆以大地色眼影与根根分明的睫毛为主,唇色为复古的珊瑚橘红色,脸颊带自然的血色感;服装替换为80年代偶像演出服风格,例如带光泽感的缎面泡泡袖上衣搭配高腰A字裙,领口缀有小巧的蝴蝶结与珍珠装饰,肩披一条细缎带;姿态改为甜美亲切的偶像式站姿,身体微微侧倾,一只手轻提裙摆,面带开朗甜美的微笑直视镜头;背景替换为80年代综艺演播厅场景,带有暖色调的舞台灯光与柔和的彩色光斑,整体光线为明亮均匀的演播厅布光,肤色保持白皙通透,画面呈现清晰的胶片质感与复古色彩倾向,同时保持人物原有的面部身份特征不变。"
これもうまくいきました。髪型変えて顔を維持するのは結構高難易度なのです。
元の立ち姿と、適当に画像生成したビキニ美人を入力に集合記念写真に変えてみます。

人間
<image 1> の 女性を笑顔にして制服に着替えて <image 2> の 女性と肩を組んで富士山をバックに記念撮影している自然なシーンにして
PE
<image 1> の女性を笑顔にして制服に着替えて <image 2> の女性と肩を組んで富士山をバックに記念撮影している自然なシーンにして。この指示は、2人の女性を1つのシーンに合成し、<image 1> の女性に笑顔と制服を着せ、<image 2> の女性と肩を組んで富士山を背景にした記念写真を撮る自然なシーンを作成することを求めています。<image 1> の女性は、すでに笑顔の表情をしていますが、さらに明確な笑顔にしてください。そして、ビキニから制服(例:セーラー服やビジネス制服など)に着替えてください。<image 2> の女性は、画像が提供されていないため、その女性を保持したまま、肩を組んで記念写真を撮るポーズにしてください。富士山を背景にした自然なシーンを生成してください。プロンプトは、2人の女性を1つのシーンに合成し、<image 1> の女性に笑顔と制服を着せ、<image 2> の女性と肩を組んで富士山を背景にした記念写真を撮る自然なシーンを作成することを求めています。
ビキニ女性もいい感じの笑顔になりつつ顔の一貫性も保てています。
しかしフリー素材美女の河村さんの顔が大きく見えるので怒られそうです。
顔を小さくさせると子供のようになってしまうので、位置をずらして誤魔化しましょう。
人間
<image 1>表情やポーズや背景は一切変えずに、右の女性の顔を10cm少し後ろに下げて
PE
右の女性の顔を、10cmの距離だけ後ろ下方に下げて再配置する。移動後の顔は元の顔と完全に一致する形状、五官、表情、肌質感を保ち、同じサイズで自然に後ろ下方に位置を変えたように見える。顔が元の位置を離れて空いた領域は、周囲の背景と髪を無痕跡に補完して埋め、右の女性のポーズ、服装、背景、照明、構図の残りの一切の要素は完全にそのまま維持する。
指示を聞かず、下降しましたが顔の大きさは目立たなくなり、いい感じです。でもあと何か一歩足りません。
合成感を下げるのは同じ方向から光を当てるライティング技術で誤魔化すのが鉄板です。
人間
<image 1> の 女性二人の前から太陽光が当たって後ろに影を作って
PE
太陽光が画像内の二人の女性から前方へ照射され、背後に影を落とすように調整してください。光源を二人の女性から前方へ設定し、她们的な顔と身体に明確な受光面と、背後の背景や地面に伸びる明確な投影影を生成してください。影の方向と長さは、光源の位置と角度に基づいて一貫性を保ってください。人物の顔、服装、ポーズは変更せず、照明と影のみを変更してください。
いかがでしょう?
いい感じの姉妹の記念写真になりました。
ジョークで2人を40代に変えてみましょう。
人間
<image 1> の 女性二人を40代の顔に変化させて
PE
将画面中的两名女性分别改为40岁年龄段的面孔,保持两人原有的身份特征、发型、服装、姿态与画面构图不变,仅将面部调整为自然真实的40岁状态:皮肤呈现40岁特有的细腻纹理,眼角带有浅浅的鱼尾纹,眼下有轻微的岁月痕迹,面部轮廓比年轻时略显松弛但保持自然紧致,肤色保持原有质感;其中一人保留原有的短发造型并呈现40岁女性特有的成熟气质,另一人保留原有的长发造型并呈现40岁女性特有的成熟气质,两人的表情、视线方向、相互位置关系以及背景环境、光线方向均保持不变,整体画面风格与色调保持一致。
40代というより50代になっています。制服のおばさんは痛い80年代アイドルが学生服を着ているとか変なAV感がありますが、これも頑張っています。
次は若い方の画像の二人を横に向けましょう。
人間
<image 1> の 女性二人を横に向けて
PE
{"action": "Reposition subjects", "description": "Reposition the two women in <image 1> so that both face sideways (profile orientation) relative to the camera, arranged side by side in a horizontal composition while preserving their identities, appearances, clothing, and the overall scene lighting.", "target": "the two women", "detail": "Rotate both women's body and face orientation to a sideways (profile) view facing each other or facing the side, keeping their facial identities, hairstyles, clothing, and the background scene unchanged, with natural side lighting consistent with the existing illumination."}
若干フリー素材美女の河村さんの顔の維持が怪しい気がします。
もう一枚だけ出してみます。

さっき姉妹の設定にしており、この写真は少し不穏な感じなので姉妹喧嘩もするでしょう。
人間
<image 1> の 殴り合いの喧嘩をする二人にして。背景はそのままです。顔は横を向きます
PE
{"action": "modify", "description": "将<image 1>中的两个人物改为正在互相殴打、扭打在一起的状态,两人身体贴近、手臂相互挥击,呈现激烈的近身肉搏姿态;两人的脸部均转向侧面(朝向画面侧方),不再正对镜头。背景保持与原图完全一致,不得改变。", "target": "the two people", "parameters": {"background unchanged": true, "face orientation": "turned sideways / in profile"}}
殴り合いのけんかにはならず、かわいい喧嘩シーンになりました。
あとオリジナルはハイウェストショートパンツが普通のロングパンツになってしまっています。見えない部分は編集時に明記しないといけないですね。
高画質化
この手の編集はどのモデルでも高画質化で顔を変えてしまうのですが

<image 1> 顔を超高画質化にして
PE
将图片放大至原图3倍,输出分辨率不低于1280x1280,对图片进行超分辨率高清修复,大幅提升清晰度、分辨率与细节层次,彻底去除画面中的噪点与压缩失真,重建干净锐利、过渡自然的边缘,将糊软的头发恢复为根根分明、带自然光泽的发丝,将模糊的五官恢复为清晰锐利的睫毛、干净通透的双眼与自然的眉毛纹理,将模糊的皮肤恢复为细腻真实、保留自然毛孔与光泽的肤质,将模糊的衣物恢复为可见清晰织物纹理的材质,锐度提升到位而边缘干净通透、无过度锐化的白边,肤色保持原有自然干净的色调,整体色彩与曝光保持不变,仅提升清晰度、细节与质感,使图片达到高清重制的效果。
顔を維持して高画質化までできます。もうこのオープンモデルは何でもありです(笑
比較のためチャッピーさんにも高画質化をしてもらいました。

当初は4倍アップスケールで超高画質版を生成してしらっと「できました」と出してきたのでアップスケール禁止の画像生成だけで作り直してもらいましたが、さすがこれだけの画像を生成できます。
チャッピーの主張
Qwen Image 2.1は元画像に近い色合いや髪の質感を保ちながら高精細化する印象です。一方で私の方は、目や肌、顔立ちをより綺麗に整える傾向があり、忠実な高画質化というより「可愛く仕上げる」方向に強いように感じました。
高画質化の使い所はビジュアルにこだわりたいならチャッピー生成で、オリジナルに忠実にしたいならQwen Image 2.1という使い分けがよさそうです。
別の記事ですがQwen Image 2.1にSeedVR2と組み合わせてお手軽な超高画質化のワークフローも作ってみました。下手な商用高画質化ソフトより優秀です。
顔の角度を変えてみます。
人間
<image 1> の顔を少し横に向ける
PE
{"object": "person", "action": "turn head slightly sideways", "details": "turn the person's head slightly to the side from the current frontal orientation, shifting the gaze direction off-axis while keeping the same seated posture, clothing, and overall framing", "preservation": "preserve the person's identity, facial features, hairstyle, clothing, seated posture, and the background and lighting of <image 1> unchanged", "output": "qwen image 2.1"}
人間
<image 1> の顔を真横に向ける
PE
{"type": "avatar", "content": "将<image 1>中人物的面部朝向改为完全正侧脸(真横),视线水平望向画面一侧,保持原有发型、服装、表情与整体光线不变。"}
いい感じに顔を維持しています。
何人か有名人も回してみましたが、完全な真横は厳しいですが、斜め横(クオータービュー)までならある程度の一貫性があります。
顔融合
有名女優 x 有名女優 x 有名女優を融合させてみました。20代女優の誰かは想像してみてください。
人間
<image 1>と<image 2>と<image 3> 顔をマージして美女を作成して。眉毛と目は<image 1>で<image 2>は口で<image 3>は鼻です。
PE
<image 1>、<image 2>、<image 3> の顔部位をマージして美女のポートレートを作成してください。眉毛と目は<image 1>から、口は<image 2>から、鼻は<image 3>からそれぞれ取得し、これらを一つの解剖学的に整合した顔に統合します。<image 1> の眉毛と目をそのまま使用し、その下で<image 3> の鼻を配置し、さらにその下で<image 2> の口を配置し、皮膚色、顔の輪郭、光の方向を全部位で統一して自然な顔として生成します。女性は長髪、自然な肌質感、柔和な室内光の下、単色でぼやけた背景の前に配置され、写実的な人像写真の品質を持ちます。<image 1> の眉毛と目の形状、<image 2> の口の形状、<image 3> の鼻の形状を忠実に保ってください。
ちなみに浜辺美波さんは融合していません。
プロンプトを駆使すれば昔流行った両親の顔を融合させて子供の将来の顔を推測するとかもできそうです。
海
チャッピーに明るい太陽光の入る観光地を生成してもらい、F値調整しようとしましたが、円谷プロのが制作した海みたいでミニチュア感があるので気になり、修正させてみます。

人間
<image 1> の海をもっとリアルにして
PE
" 将<image 1>中的海面变得更加真实:把当前平坦、重复的闪烁纹理替换为具有真实波浪细节的海面,包含细密的小浪、平缓的 swell 波纹线和自然的太阳光 specular 高光,海水颜色从靠近岩石海岸的浅绿松石色自然过渡到远处的深蓝色,在悬崖底部和礁石周围添加细微的白色浪花与泡沫,阳光 glitter 光斑的方向与左上角的太阳位置一致。保持白色建筑与蓝色圆顶教堂、钟楼、粉紫色三角梅花丛、海面上的帆船与游船、悬崖海岸线、远处岛屿、以及带云朵和太阳的蓝天完全不变,整体构图、光照和色彩基调保持一致。"
チャッピーの画像よりは海らしく見えますが、まだミニチュア感を脱していません。遠目の海は学習データが少ないのか難しいのかもしれません。
実写からアニメ化
特にLoRAを使わなくてもできるようです。
人間
<image 1> 実写の女性をアニメ絵に変えて
PE
将图片转换为精致的动漫插画风格,完整保留原照片的构图、人物姿态、面部特征与神情:一位年轻女性,浅棕色长卷发自然垂落,面带温柔浅笑直视镜头,身穿缀满立体蕾丝花饰与珠钻的米白色无袖礼服,颈间佩戴细项链,手腕戴细手链,双臂交叠于身前。背景为明亮柔和的室内窗边光景,保留窗框结构与洒入的柔和自然光。整体采用细腻干净的赛璐璐加柔和渐变上色,发丝以清晰线条勾勒并带细腻高光,肤色通透柔和,蕾丝与珠钻以精细笔触刻画层次,光线保持从画面左侧洒入的明亮暖调自然光,营造唯美梦幻的动漫肖像质感。
これらが誰とは書きませんが、可能だと理解していただけるでしょう。
実は前述の融合美女はこの中から3名選んでいます。
サムネイル制作
11枚画像の1枚この画像を動画からキャプチャーしたサムネ用画像に見立てて作成してみましょう

<image 1> Youtubeのサムネイルにします。上部には赤枠白抜きの目立つエフェクトの入ったフォントで "着物着付け入門" 下部には "あなたも今日から着付けのプロだ!" とテロップを入れて。なおライティングで女性の髪を綺麗に輝かせて
PE
{"type": "generate", "video_edit_id": "662132", "prompt": "Transform the input image into a YouTube thumbnail composition. Keep the young woman in the kimono as the central subject, preserving her facial identity, long dark hair, and the cream-colored kimono with crane and floral patterns, while refining the lighting so that her hair glows with soft, luminous highlights and gentle rim light from the upper left. Keep the Japanese garden background with the stone lantern, koi pond, autumn maple leaves, and bamboo fence, with a shallow depth of field that softly blurs the background. Add the following text overlays: at the top of the frame, render the title \"着物着付け入門\" in a bold, eye-catching display font with a bright red rectangular outline stroke and white fill (red frame, white knockout), slightly tilted for dynamism; at the bottom of the frame, render the caption \"あなたも今日から着付けのプロだ!\" in a clean, bold white sans-serif with a thin black outline for readability. The overall image must be bright, high-saturation, and sharply focused on the subject, with a warm golden-hour glow, composed as a 16:9 YouTube thumbnail."}
さくっと簡単にプロンプトを書いてみました。
折角の髪の毛のライティングエフェクトはテロップで隠れてしまいましたが、うまく設計すればちゃんとしたサムネイルが作成できちゃいそうです。
GIMPやサムネイル作成ソフト要らずになりそうです。
古い写真の高画質&カラー化

人間
<image 1> の女性を超高画質化して、現代のカラー化して
PE
将这张黑白老照片转化为高清彩色人像:完整保留原照片中这位年轻女性的面部特征、五官比例与相对位置、脸型、发型(向后梳理的波浪长发、额前与两鬓的碎发)、平静温和的表情与视线方向,以及格纹上衣的款式与结构;显著提升整体清晰度与细节层次,使发丝根根分明、皮肤纹理真实自然、双眼明亮有神;将黑白灰阶还原为自然可信的色彩——肤色呈现健康真实的暖调质感,发色为自然的深棕黑色并带柔和光泽,格纹上衣呈现清晰可信的彩色格纹,背景为柔和的浅灰褐色影棚背景;布光保持原图柔和的正面光逻辑,面部高光与阴影过渡自然,色彩干净通透、明亮而不失真,最终呈现为一张清晰细腻、色彩真实的现代彩色人像照片。
どなたかは存しませんが、いにしえの大女優さんをカラー化しました。
顔の維持も出来ています。
ここまで試してみて、日本語再現力はピカ一ですが、それ以外はこれまでの画像編集モデル+LoRAで実現できたことをぜーんぶまとめてみた集大成の編集モデルと感じました。
最大10のイメージを入力にして組み合わせるなどの加工もできますし、適当に思いついたことを試してみるとこれまで長時間かけて加工していたような処理が一瞬でできるようになるかもしれません。
普段はこれを使い、ここぞというときだけチャッピー画像編集が正解です。
気になる方は是非試してください。
このワークフローでは本体はQ8、PEはQ5でGGUFを使ってVRAMは10GB前後でRTX5060Ti16GBでPE(LLM)が10-20秒、生成時間はサイズにもよりますが30秒~1分30秒程度です。本体をQ5まで下げればVRAM 8GBでも動作するはずです。
テンプレートを少し弄って作ったワークフロー
2つのPEのモデルはLLMディレクトリーに入れてください。本体はGGUFなのでUNETディレクトリーです。あとはテンプレートの指示通りにしてください。

下記に日本語でプロンプトを書けばPEがいい感じにQwen image 2.1が解釈やすいプロンプトに変換します。但しLLama.cppが正式に対応をしているわけではないのでQwen3.8フォーマットを使っているのでたまに変なプロンプト出力をすることだけはご了承ください。"""""""のような意味不明なプロンプトを吐き出して失敗する場合とmax_tokensが足りずにプロンプトが途切れる問題があります。max_tokens=2000位に上げてもいいかもしれません。

常にPEにimage 1を渡す必要はなく、VLMで画像解析がいらないような編集は外した方が逆に精度が上がりますし変な出力を吐きにくくなります。特に複数イメージを入力にして加工する場合はimage 1だけ入力にしても意味がありませんので上の絵で水色の線を外しましょう。
関連記事