Krea 2 Editレビュー｜モデル配布・ComfyUIワークフロー・プロンプト実例

Krea 2の画風は気に入っているのに、生成済みの人物や商品を編集すると別物になる。そんな場面で試す価値があるのがKrea 2 Identity Editです。手元のKrea 2環境に編集用LoRAとノードを加え、画像を見ながら変更を指示できます。ただし、顔や変更対象外の領域を完全に固定するツールではありません。

検索で見かける「krea-2-edit」は、ここではconradlockeの非公式コミュニティ版Krea 2 Identity Editを指します。Krea公式の独立した編集モデルや、同社のWeb機能「Krea Edit」とは区別してください。既存ユーザーは配布ファイルと初期設定から進められます。

情報確認日：2026年9月28日。

Krea 2 Editの正体と、使う価値がある場面

v1.2では人物の再配置時の類似度に加え、設定画、試着、インペイント、アウトペイントなどが拡張されています。ノードのv1.2.5は新しい重みではなく、参照画像の事前エンコードを改善する更新です。詳細は作者の変更履歴を参照してください。

モデル・LoRA・ワークフローのダウンロード

既にKrea 2が動く環境なら、ベースモデルやエンコーダーを重複してダウンロードする必要はありません。まず作者のファイル一覧とComfy Orgの配布ファイルを照合してください。

通常版LoRAは約1.83GBです。容量はファイルサイズであり、推論に必要なVRAMではありません。r128/r64を使う場合はLoRA Loaderで選択し直します。Rawを使いたい場合はKrea公式Raw配布ページまたはComfy Orgのdiffusion_modelsフォルダーから対応する重みを選んでください。

ComfyUIで最初の1枚を編集する

1. ノードを追加し、作者のJSONを読み込む

cd ComfyUI/custom_nodes
git clone https://github.com/lbouaraba/comfyui-krea2edit

1. Krea 2に対応したComfyUIを使用し、上記ノードを追加して再起動する。既存の同名フォルダーに重ねてcloneしない。
2. 配布JSONを保存してキャンバスへドラッグする。赤い未認識ノードがあれば、まずノード名とインストール済みバージョンを確認する。
3. UNETLoader、CLIPLoader、VAELoader、LoRA Loaderで手元のファイルを選ぶ。CLIPLoaderのtypeはkrea2。
4. 最初は1枚入力のまま、LoadImageに自分で用意した画像を入れる。サンプルのexample.pngをそのまま探す必要はない。
5. 変更を1つに絞った指示を入力し、seedを固定して1枚だけ生成する。生成後は元画像と並べて比較する。

2. 普通のimg2imgと異なる2本の参照経路

このLoRAは通常のテキスト入力だけでは十分に働きません。元画像はVAE経由で外見を伝え、Krea2EditGroundedEncode経由で指示と画像の意味を結び付けます。普通のCLIPTextEncodeに置き換えると、その片方を失います。

LoadImage → VAEEncode → Krea2EditModelPatch.source_latent
LoadImage → Krea2EditGroundedEncode.image
UNETLoader → LoraLoaderModelOnly → Krea2EditModelPatch → KSampler.model
Krea2EditGroundedEncode → KSampler.positive
EmptySD3LatentImage → KSampler.latent_image + Krea2EditModelPatch.target_latent
KSampler → VAEDecode → SaveImage

fitを使うときはパッチノードのvaeとsource_imageも接続します。target_latentにはKSamplerへ送るものと同じ出力用latentを接続してください。VRAMが厳しい環境でサンプリング途中にVAE処理が走り、モデルのCPU退避が発生する問題を避けやすくなります。ノードの接続説明。

3. 目的別に設定を切り替える

Turboの8～12 stepsは比較しやすい範囲です。Rawの20 steps / CFG 3はモデルカードの削除向け設定で、JSON内の注記には40 steps / CFG 3～4もあります。固定の正解として扱わず、20から比較してください。CFGが1を超える場合、negative側も同じ画像＋空のプロンプトでGroundedEncodeします。

4. 背景＋人物の2枚入力へ進む

JSONのgroup 2は初期状態でBypassです。グループ見出しの右クリックからBypassを解除し、背景をimage/source_latent、人物をimage_b/source_latent_bへ入れます。これは「人物2人を常に正確に合成できる」という意味ではありません。最初は人物1人と無人の背景で確認すると原因を切り分けやすくなります。

実務に使える8つのプロンプト例

以下は用途に合わせて書き換えるためのオリジナル例文です。実測出力の再現レシピではありません。作者のサンプルに合わせて英語を載せていますが、日本語が使えないという意味ではなく、日本語と英語の精度差もここでは測定していません。

商品の色変更

Change only the red fabric panels of the sneaker to cobalt blue. Keep the sole, stitching, logo, camera angle and background unchanged.

Turboから開始。ロゴや縫い目を拡大確認し、商品仕様と異なる細部は採用しない。

人物のライティング

Relight this portrait with soft window light from the left. Keep the same face, expression, hairstyle, clothes and framing.

肌の質感だけでなく、目の間隔や輪郭も比較する。

人物を別の背景へ配置

Place the person from image 2 beside the cafe table in image 1. Match the scene lighting and perspective; preserve the person’s face and outfit.

2枚入力を使い、背景を1枚目、人物を2枚目にする。元画像の光の向きが近いと比較しやすい。

アニメ調への変換

Restyle this image as a clean cel-shaded anime illustration. Preserve the composition, pose, outfit colors and main background objects.

質感は意図的に変わる。構図・衣装・キャラクターデザインを分けて評価する。

不要な物を消す

Remove the orange traffic cone at the lower right. Reconstruct the pavement naturally and keep the person, storefront and camera position unchanged.

消えない場合はTurboのステップ数を増やすより、Raw＋CFGを使う。

画像の外側を広げる

Extend this scene horizontally with more of the same cafe interior on both sides. Keep a single copy of the person and preserve the central composition.

出力を横長にし、総画素数を抑えてfit＋Eulerを使用。継ぎ目と人物の重複を確認する。

服の参照画像を使う

Dress the person in the jacket shown in the second reference. Preserve the face, pose, trousers and background; match the jacket’s cut and material.

見た目の試着例として使う。実際のサイズ感は保証されないため、袖口や留め具、柄を確認する。

キャラクター設定画

Create a three-view reference sheet of this fictional character: front, side and back, on a plain light gray background. Keep the same outfit, colors and proportions.

複数条件を含む難しい編集。各方向で装飾や体型が変わっていないか確認する。

複雑な作業は、色変更→背景変更→拡大のように分けると比較しやすくなります。ただし連続編集でも誤差は蓄積します。承認できた中間画像を保存し、顔や商品の細部が崩れたら、その直前の画像からやり直してください。

オンライン版・API・料金・必要なGPU

オンラインで使うなら、モデル名を確認する

SogniのモデルページはIdentity Edit v1.2を明示しています。Sogni Webで該当モデルを選び、入力画像・参照画像・編集指示を設定します。通常版のモデルIDはkrea2_identity_edit_v1_2です。別のDark BeastベースやSogni独自版とは区別してください。

価格の出典：モデル別料金 / 現行プラン.

APIで組み込む場合はSogniの開発者向けチュートリアルからPythonのKrea Identity Edit例へ進み、現在のSDKと認証方法を使います。通常のKrea 2生成APIへ画像を渡すだけで同じ編集ができるとは限りません。まず1件の料金見積もりと出力を確認してからバッチ化してください。

GPUと生成速度：ファイル容量と必要VRAMは別

Sogniのワーカー資料ではIdentity Editに16GB VRAMを割り当てています。ただしこれは同社の最適化された構成の条件で、すべてのComfyUI環境の最低要件ではありません。ローカルではベース重み、エンコーダー、参照枚数、解像度、オフロードで変わります。既存の16GB環境ならFP8・約1MP・batch 1から確認し、新規購入をこの記事だけで決めないでください。

作者のREADMEにはTurboで2MP・約1分という目安がありますが、GPU条件を統一した比較ではありません。初回ロードと2回目以降を分け、同じ画像・seed・設定で測ってください。ローカルには月間生成枠がない一方、実際の上限は時間、メモリー、電力です。

画質、人物の一貫性とコミュニティの評価

2026年7月22日のRedditの作例投稿では、短い指示による表情・小物・衣装変更を評価する声があります。一方、8月11日の利用者の報告では、シーン構築時の顔の崩れ、衣装への不要な柄、背景との不自然な境界が指摘されています。成功例の多さだけで、どの顔や商品でも再現できるとは判断できません。

8月30日の別の報告では、全身参照だとポーズまで固定されやすく、顔だけの参照では構図変更に従いやすいとされています。これは特定のカスタム構成での体験談です。ポーズが変わらない場合の比較案として、まず参照画像に何を残しているか見直す価値があります。

作者自身も顔の特徴的な比率、複数人物、衣装変更、編集領域外の変化を課題として挙げています。特に細かい文字・ロゴ・看板は目視確認が必要です。日本語文字編集や各モデルの同条件速度を順位付けできる比較データは示していないため、本記事でも数値スコアは付けません。

Sogniの公開チュートリアルと編集例を見る

Qwen・FLUX・Krea Editとどう使い分けるか

Qwen-Image-Edit-2511

Qwen公式モデルカードは人物の一貫性と画像ドリフトの改善を説明しています。比較するなら、同じ元画像で色変更、削除、人物配置を各数回行い、成功した1枚だけでなく失敗数も記録すると判断しやすくなります。

FLUX.2 [klein]

Black Forest Labsのモデルページには版別の仕様があります。公式の速度数値は指定ハードウェア上の結果なので、自分のKreaワークフローの時間とそのまま比べないでください。

Krea Web Edit

Krea公式の画像編集ページから使えます。Krea 2の生成機能、Kreaの編集サービス、コミュニティのIdentity Editという3つの名前を混同せず、利用中のモデルと料金を確認してください。

失敗したときの確認順

人物2人については、モデルカードに逐次編集の提案、ノードREADMEに同時入力の提案があり、説明が一致していません。複数人物を主要な用途にするなら両方を試し、どちらも不安定な場合は別モデルや通常の合成工程を選んでください。

NSFWと商用利用の条件

Identity Edit作者はSFWデータのみで学習し、NSFWをサポートしないと明記しています。ローカルで動くことは、NSFW専用モデルであることや、あらゆる生成が許されることを意味しません。Sogniの「Uncensored」表示やDark Beast版は、提供側の別ベース・設定の話であり、作者の学習範囲と同一視できません。

ノードコードはApache 2.0ですが、LoRA重みはKrea 2 Community Licenseです。モデルカードは商用利用に年商条件（現在は100万米ドル未満）などがあると説明しています。コードのライセンスだけを見て商用制限なしと判断せず、重みのライセンス原文と使うサービスの条件を確認してください。

よくある質問と、最初に試すべきこと

LoRAだけダウンロードすれば使える？

使えません。Krea 2の重み、Qwen3-VLエンコーダー、VAE、専用ノードが必要です。配布JSONの各ローダーで実際のファイルを選んでください。

negative promptは普通に書けばよい？

Turbo / CFG 1では通常のnegativeを強めても効果を期待できません。Raw / CFG >1では作者の構成に合わせ、同じ画像と空プロンプトをGroundedEncodeへ入れるところから始めます。

アニメと実写のどちらが得意？

ベースモデルや追加LoRAで見た目が変わります。人物再配置や写真風の作例が豊富ですが、アニメ用途の普遍的な優位を示す比較ではありません。自分の絵柄で顔・衣装・線の保持を評価してください。

画面内の日本語を正確に直せる？

本記事では日本語文字の精度を測定していません。短い文字でも誤字を確認し、納品物の正確な文章やロゴは必要に応じて通常の編集ソフトで重ねる方が確実です。

既存Krea 2ユーザーが最初に試すなら？

自分の元画像1枚で、色変更、表情または光の変更、不要物の削除を別々に試します。TurboとRawの役割を分け、参照保持率・指示達成・背景変化・処理時間を記録すると導入判断ができます。

Krea 2 Identity Editは、気に入った生成画像を次の制作段階へ進めるための拡張として魅力があります。まず1枚・1変更で成立する用途を見つけ、成功した設定を保存する使い方が向いています。商品仕様や人物の同一性を厳密に保つ案件では、再生成後の確認と通常の編集工程も残してください。

関連：Krea 2の基本レビュー。

評価範囲：モデルカード、配布JSON、ノード資料、サービス情報、公開された利用者の体験を基に構成しています。本記事独自のGPU推論ベンチマークは実施していません。プロンプトは応用例で、出力を保証するものではありません。カバーは編集テーマを表すAI生成イラストです。