
ComfyUI+Qwen-Image 2.1 を家のPCで動かす最短手順【1024×1024が約11秒・日本語プロンプトOK/つまずき5つ】
Qwen-Image 2.1 を家の Windows PC に入れて、最初の1枚が出るまで 約17分でした。そのうち約14分は、モデルのダウンロード待ちです。
いま、2回目以降は 1024×1024 の1枚が約11秒で出ます。プロンプトは日本語の文章のままで大丈夫でした。

導入は 2026年9月26日に、Claude Code に頼んで行いました。この記事は、そのときの手順を、手で同じことをする人向けに書き直したものです。書くにあたって、10月19日に同じ PC で画面を撮り直し、時間も測り直しました。
途中で私がつまずいたところも5つ書いておきます。どれも、知っていればすぐに避けられるものです。
この記事について
読むとできること
ComfyUI(ポータブル版)を入れて、Qwen-Image 2.1 で画像を出すところまで
日本語のプロンプトで1枚出す
「何度押しても同じ絵が出る」「ネガティブが効かない」などの、最初のつまずきを避ける
こんな人向け
Stable Diffusion(A1111 など)は触ったことがあるけれど、ComfyUI は初めての人
画像生成 AI を、ネットのサービスではなく自分の PC で動かしたい人
「ノードの画面がよく分からない」で止まっている人
私の環境
Windows 11
GPU:NVIDIA GeForce RTX 5070 Ti(VRAM 16GB)
ComfyUI ポータブル版 v0.37.0(2026年9月26日に入れたもの)
モデル:Qwen-Image 2.1 の int8 版(公式の ComfyUI 用)
VRAM が 16GB より少ない PC では試していません。最後の「試していないこと」にまとめています。
全体の流れ
ComfyUI ポータブル版をダウンロードする
展開する(置き場所に注意)
モデルを3つダウンロードして、決まったフォルダに置く
起動する
テンプレートを開く
プロンプトを書いて「実行する」
ダウンロードは合計で 約18GB です(ComfyUI 1.79GB+モデル 約16GB)。私の回線では、モデル3つで約14分かかりました。
展開した ComfyUI 本体は、モデルと生成画像を除いて約4.4GB でした。モデルと合わせると、空き容量は 21GB ほど使います(ダウンロードした .7z は、展開したあと消してかまいません)。
1. ComfyUI ポータブル版をダウンロードする
ComfyUI の GitHub のリリースページから、NVIDIA 用のポータブル版をダウンロードします。
https://github.com/Comfy-Org/ComfyUI/releases/latest
ファイル名は ComfyUI_windows_portable_nvidia.7z です。私が入れた v0.37.0 では 1.79GB でした。
「ポータブル版」は、Python などが全部同じフォルダに入っている版です。インストール作業がなく、展開するだけで動きます
同じページに ..._nvidia_cu126.7z という版もあります。古い世代の GPU 向けです(私は使っていません)
10月19日の時点では、最新版は v0.42.0 になっていました。この記事の手順は v0.37.0 で確かめたものです。
2. 展開する(置き場所に注意)
ダウンロードした .7z を展開すると、ComfyUI_windows_portable というフォルダができます。
つまずき1:C ドライブの直下には置けなかった
最初、C:\ の直下にダウンロードしようとして、書き込みを拒否されて失敗しました(Permission denied)。Windows では、C ドライブの直下は管理者でないと書き込めないことがあります。
私は自分の作業用フォルダ(C:\CLAUDE\)の中に置き直して、そのまま動いています。ドキュメントの中や、D ドライブなど、普段ファイルを置いている場所で大丈夫です。
展開には、7-Zip などの .7z を開けるソフトを使います。私は Claude Code にコマンドで展開してもらったので、エクスプローラーの「すべて展開」で開けるかは試していません。
展開すると、中はこうなっています。
run_nvidia_gpu.bat ← 起動するときに押すファイル
ComfyUI\ ← 本体。モデルを置くフォルダもこの中
python_embeded\ ← 同梱の Python(触らない)
update\ ← 更新用
3. モデルを3つダウンロードして置く
Qwen-Image 2.1 は、本体・テキストエンコーダ・VAE の3つに分かれています。Stable Diffusion のように「モデル1ファイルを置けば終わり」ではないので、ここが一番まちがえやすいところです。
ダウンロード元は、ComfyUI 公式の Hugging Face です。
https://huggingface.co/Comfy-Org/Qwen-Image-2.1

① 本体(6.76GB)
ファイル:qwen_image_2.1_int8_convrot.safetensors
置き場所:ComfyUI\models\diffusion_models\
https://huggingface.co/Comfy-Org/Qwen-Image-2.1/resolve/main/diffusion_models/qwen_image_2.1_int8_convrot.safetensors
② テキストエンコーダ(8.71GB)
ファイル:qwen3vl_8b_int8_convrot.safetensors
置き場所:ComfyUI\models\text_encoders\
https://huggingface.co/Comfy-Org/Qwen-Image-2.1/resolve/main/text_encoders/qwen3vl_8b_int8_convrot.safetensors
③ VAE(0.63GB)
ファイル:qwen_image_2.1_vae_bf16.safetensors
置き場所:ComfyUI\models\vae\
https://huggingface.co/Comfy-Org/Qwen-Image-2.1/resolve/main/vae/qwen_image_2.1_vae_bf16.safetensors
リンクを開くと、すぐにダウンロードが始まります(10月19日にリンクが生きていることを確かめました)。
なぜ int8 版なのか
同じページには、倍の大きさの bf16 版(本体 13.25GB、テキストエンコーダ 16.33GB)もあります。VRAM 16GB に収まるのは int8 版のほうなので、私は bf16 版を入れていません。
フォルダの中にはほかにも、名前に turbo や pe_t2i が付いたファイルがあります。この記事では使いません(試していません)。
4. 起動する
ComfyUI_windows_portable の中の run_nvidia_gpu.bat をダブルクリックします。
黒い画面が開いて、文字がしばらく流れます。私の PC では、起動から画面が開けるようになるまで 約24秒でした(10月19日に測定)。
ブラウザで次のアドレスを開くと、ComfyUI の画面が出ます。
http://127.0.0.1:8188
黒い画面は、使っている間は閉じないでください。閉じると ComfyUI も止まります。
5. テンプレートを開く
開いた直後の画面は、空っぽだったり、Qwen 用ではない部品(ノード)が並んでいたりします。これは使いません。
画面の左端に縦に並んだアイコンのうち、「テンプレート」を押します(上から6番目)。一覧が開いたら、右上の検索欄に Qwen Image 2.1 と入れます。

3つ出てきます。
Qwen Image 2.1:テキストから画像へ ← 今回使うのはこれ
Qwen Image 2.1:画像編集(できた画像の一部を変える)
Remove Background: Qwen Image 2.1(背景を消す)
なお、9月26日に開いたときは、検索結果にほかのモデル(Wan など)も混ざっていて、下にスクロールしないと見つかりませんでした。見つからないときは下も見てください。
6. プロンプトを書いて「実行する」
「テキストから画像へ」を押すと、箱(ノード)が5つ並びます。

左の黒い2つ:英語の説明メモです。触らなくて大丈夫です
真ん中の小さい箱(解像度セレクター):縦横比とサイズを選びます。最初は 1:1、1024×1024 です
中央の大きい箱(Text to Image):一番上の欄がプロンプトです。ここを書き換えます
右の箱:できた画像がここに出ます
プロンプト欄の英文を全部消して、日本語の文章で書きます。私はこう書きました。
喫茶店の窓際の席で、ベレー帽をかぶった若い女性がスケッチブックに絵を描いている。テーブルにはラテアートのカップ。窓から午後のやわらかい光が差し込んでいる。アニメ調のイラスト。画面右上の青い「実行する」を押します。

かかった時間(10月19日、1024×1024・25ステップ)
起動して最初の1枚:21.36秒(モデルの読み込みを含む)
2枚目以降:10.60〜11.46秒(4回測定)
9月26日に入れた直後に測ったときは、最初の1枚が18秒、日本語プロンプトで出した2枚がそれぞれ12秒でした。
できた画像は ComfyUI\output\ に保存されます。
プロンプトの書き方
Stable Diffusion のように単語をカンマで並べるより、普通の文章で書くほうが向いています。日本語でも英語でも、同じくらいの仕上がりでした(9月26日に、同じ内容を日本語と英語で書いて比べました)。
「誰が」「どこで」「何をしている」「光や雰囲気」「絵のタッチ」を、文章でつなげて書くと、書いたものがだいたい全部出ます。
つまずいたところ5つ
つまずき1:C ドライブの直下に置けない
上の「2. 展開する」に書いたとおりです。普段使っているフォルダに置けば大丈夫です。
つまずき2:何度「実行する」を押しても、同じ絵しか出ない
テンプレートは最初、シード(乱数の種)が固定になっています。私のテンプレートでは 593103825222985 でした。
1枚出したあと、このまま同じ設定でもう一度「実行する」を押すと、0.00秒で終わって、新しい画像は出ません(ComfyUI が「さっきと同じだから」と計算を省きます)。「実行する」の左の数字を 4 にして4枚出したときも、4枚とも同じ絵になりました。
直し方は、シードの欄の右にある斜線の入ったアイコンを押して、「値をランダム化」を選ぶことです。

ここにもう1つ落とし穴があります。メニューの一番上に「値を自動的に更新 後 ワークフローの実行」と書いてあるとおり、ランダム化は実行したあとにシードを変える設定です。
そのため、ランダムに切り替えた直後の1回目は、まだ前と同じシードで動きます。私も切り替えたあとの1回目は 0.00秒で何も出ず、「壊れた?」と思いました。もう1回押せば、新しい絵が出ます。
つまずき3:ネガティブプロンプトが効かない
中央の箱には、プロンプト欄の下に negative_prompt(ネガティブ)の欄もあります。でも、cfg が 1.0 のままだと、ここに書いても効きません。テンプレートの説明メモにも、そう書いてあります(negative_prompt: unused while cfg is 1)。
Qwen-Image 2.1 の推奨は cfg 1 です。「〇〇を出さない」は、ネガティブではなく、プロンプトの文章で「〇〇はない」と書くほうが手軽です。
つまずき4:絵の中の文字に、頼んでいない字が付く
Qwen-Image は絵の中に文字を書けます。9月26日に「背景には『春』と大きく書かれた看板がある」と書いたら、「春」は正しく出ましたが、その下に頼んでいない崩れた字が1つ付きました。
10月19日に、書き方を変えてもう一度試しました。
桜の木の下で、黒髪ポニーテールの女の子が振り返って笑っている。左側に縦長の木の看板が立っていて、看板の中央に黒い太い筆文字で「春」の1文字だけが大きく書かれている。看板にはそれ以外の文字はない。アニメ調。変えたのは3つです。
看板の位置と形を書いた(左側に縦長の木の看板)
文字の位置と書体を書いた(中央に黒い太い筆文字)
「それ以外の文字はない」と書いた

3枚とも、看板には「春」の1文字だけが出ました。3枚だけなので「必ずこうなる」とは言えませんが、文字を入れたいときは、場所・書体・ほかに文字がないことまで書くのがおすすめです。
つまずき5:画像編集のテンプレートで、箱が赤くなる
「Qwen Image 2.1:画像編集」のテンプレートは、もともと「1枚目の人に、2枚目のシャツを着せる」という見本になっています。2枚目の画像を読み込む箱が空のまま実行すると、その箱が赤くなって、「メディア入力が不足しています」というエラーが出ました。
画像1枚だけで編集するなら、赤い箱をクリックして Delete キーで消すと動きます
プロンプト欄には見本の英文(デニムシャツを着せる、という内容)が入ったままなので、全部消して自分の指示に書き換えます
この2つは、9月26日に実際の画面を見ながら直したものです。
おまけ:Stable Diffusion の LoRA は使えない
Illustrious(SDXL 系)で作った LoRA は、Qwen-Image では使えません。モデルの作りがまったく別だからです。同じキャラを出したいときは、Qwen-Image 用に LoRA を作り直すか、「画像編集」で参照画像を入れる方法になります。
1枚の絵から素材を作って Qwen-Image 用の LoRA を学習し、Wan2.2 で動かすまでの手順と時間は、こちらの有料記事に書きました。
https://note.com/modern_thyme5209/n/n019fd92e99f6
試していないこと
VRAM が 16GB より少ない PC。遅くなったり、メモリ不足で止まったりするかもしれません。Hugging Face には、小さいテキストエンコーダ(qwen3vl_8b_w4a8.safetensors、5.88GB)もありますが、私は使っていません
ComfyUI の最新版(v0.42.0)。私は v0.37.0 のままです
turbo 版のモデル。10月19日に見たら、Hugging Face に増えていました
エクスプローラーでの .7z の展開
次に読むなら
動いたら、次につまずくのはたいてい「キャラが崩れる」ところです。目的に合わせてどうぞ。
プロンプトどおりにならない・キャラが崩れる
「アップと書いたのに全身」「本を読むと書いたらカメラ目線」など、SD の書き方が通じない21個を、全部3シードで撮り直して比べました(¥500)。
https://note.com/modern_thyme5209/n/nd2d84a46d420
同じキャラを何枚も描きたい・動かしたい
1枚の絵から素材を26枚作り、LoRA を学習して、Wan2.2 で5秒の動画にするまで。VRAM 16GB の PC で測った時間と、失敗例つきです(¥780)。
https://note.com/modern_thyme5209/n/n019fd92e99f6
Stable Diffusion(Illustrious)も使っている
タグを足しても直らないキャラ崩れの原因22個と直し方です(¥500)。
https://note.com/modern_thyme5209/n/nabda131be5b6
この記事の文章は Claude と一緒に作りました。手順・ファイル名・時間は、9月26日の導入時の会話の記録と、10月19日に同じ PC で測り直した結果から取っています。画像は、私の PC の Qwen-Image 2.1 で生成したものと、ComfyUI の画面のスクリーンショットです。