コンテンツにスキップ

モジュラーディフュージョン パイプラインビルダー (Modular Diffusion Pipeline Builder)

🧨 Diffusers パイプラインを 1 回ロードしてキャッシュし、ワークフロー内のすべてのノードで再利用できるようにします。

カテゴリ: ModularDiffusion/Pipeline

概要 (TL;DR)

  • 1 回ビルドして何度も生成: ワークフローの最初に本ノードを配置し、モデルの重みを必要とする他のすべての Modular Diffusion ノード（Generate Media Latent, VAE Encode/Decode, Create Noise など）に pipeline 出力を接続します。
  • 最初に provider を選択: 他のすべてのパラメータ（モデルリポジトリ、ランタイム制御ノブ）は、選択したプロバイダーに基づいて動的に再生成されます。
  • パイプラインは設定ハッシュによってキャッシュ: ロード時パラメータ（モデルリポジトリ、量子化、LoRA）を変更すると再構築と再キャッシュが行われますが、ランタイムパラメータ（プロンプト、ステップ数など）の変更では再構築は発生しません。
  • 出力型: Pipeline Config。

ワークフローにおける一般的な配置 (Typical workflow position)

[Pipeline Builder] → Create Noise Latents → Generate Media Latents → Decode Media Latent

ノードプレビュー (Node preview)

Modular Diffusion Pipeline Builder

入力 (Inputs)

名前 型 必須 備考
loras loras いいえ 1 つ以上の Load LoRA ノードを接続。接続順にスタックされます。

出力 (Outputs)

名前 型 備考
pipeline Pipeline Config キャッシュされたパイプラインアーティファクト。pipeline 入力を持つ各ノードへ供給します。
logs str 解決された設定ハッシュを含むビルドログ。

パラメータ一覧 (Parameters)

パイプライン選択 (Pipeline selection) (動的 — provider 変更時に再生成)

名前 型 備考
provider 選択肢 Flux, Flux2, Stable Diffusion, Stable Diffusion 3, Qwen, Z-Image, HunyuanVideo 1.5, LTX, LTX2, WAN。これを変更すると以下のすべてのパラメータが切り替わります。
pipeline_type 選択肢 プロバイダーごとのパイプラインクラス（例: FluxPipeline, WanImageToVideoPipeline）。パイプラインの機能を決定します。
<model repo> HF リポジトリ選択 Hugging Face リポジトリ ID。Diffusers 形式のみ対応（単一ファイルの .safetensors チェックポイントは直接読み込めません）。

メモリ最適化 (Memory optimization)

名前 型 デフォルト 備考
memory_optimization_strategy 選択肢 Manual Automatic にすると以下の個別トグルが非表示となり、モデルに応じた適切なデフォルト値が使用されます。
attention_slicing bool False わずかな推論速度低下で効果的にメモリを節約します。
vae_slicing bool False 潜在変数をバッチサイズ 1 でデコードします。大きなバッチサイズを扱う際に効果的です。
transformer_layerwise_casting bool False Transformer を低精度で保持し、計算時にレイヤーごとにアップキャストします。
cpu_offload_strategy 選択肢 None Model（サブモジュール全体）または Sequential（レイヤー単位）— アイドル状態の重みを CPU に移動して VRAM を解放します（推論速度は低下します）。
quantization_mode 選択肢 None fp8 / int8 / int4（optimum-quanto / bitsandbytes 経由）。多少の画質低下と引き換えに Transformer の重みを大幅に縮小します。

必要なオプションのみを有効にしてください。いずれの設定も速度とメモリのトレードオフとなります。

ヒントと注意点 (Tips & pitfalls)

  • エンジン再起動後のパイプラインキャッシュ: キャッシュはプロセス内メモリにのみ存在するため、エンジン再起動後の初回実行時に自動的に再解決されます。
  • ロード時の VRAM 不足 (Out of VRAM): モデルの重みが GPU の利用可能メモリを超えています。効果の大きい順に以下を試してください: quantization_mode を int8 または int4 に設定する、cpu_offload_strategy を Model に設定する、または vae_slicing を有効にする。
  • LoRA が適用されない場合: (1) 選択した pipeline_type と同じモデルアーキテクチャ向けに学習された LoRA か確認してください（Flux LoRA は WAN パイプラインでは動作しません）。(2) Load LoRA ノードが本ノードの loras 入力に正しく配線されているか確認してください。
  • 他のパラメータを設定する前に provider を決定してください: provider を変更すると、新しいモデルに合わせてすべてのパラメータが再生成されます。

関連項目 (See also)