オープンソースAI画像スタックは、1つのワークフローずつ再構築されている

今月のモデル発表の影で、もっと静かな動きがHugging Faceで起きている。ローカルAI画像生成を支えるオープンソースのツール群が再構築されており、それを進めているのは大手ラボではない。公開の場で作業するコミュニティだ。

最も明確な例は2026年9月11日に登場した。Hugging FaceがWorkflow1111をリリースしたのだ。これはAUTOMATIC1111の機能の大部分をgr.Workflowで再現するプロジェクトである。この説明が分からなくても、要するにこういうことだ。Stable Diffusionの最も人気のあるローカルインターフェース、つまり一世代の人々に自分のGPUで画像モデルを動かすきっかけを与えたツールが、現代的でより保守しやすい形で再実装されている。

AUTOMATIC1111とは何だったのか、なぜ重要なのか

この再構築がなぜニュースなのかを理解するには、少し歴史を知る必要がある。

長年、Stable Diffusionをローカルで動かしたいなら、誰もがA1111と呼ぶAUTOMATIC1111のWeb UIを使うのが当たり前だった。それがデフォルトだった。テキストから画像生成、画像から画像生成、インペインティング、アップスケーリング、そして広大な拡張機能エコシステムを処理していた。ほとんどのチュートリアル、ほとんどのLoRAトレーニングスクリプト、そしてコミュニティの体に染みついた操作の多くは、そこを通じて行われていた。

問題は、A1111が老朽化したことだ。コードベースには何年分ものパッチが積み重なり、拡張機能システムは脆くなり、基盤としていたGradioのバージョンも古くなった。一方、ノードベースの代替であるComfyUIが、よりクリーンで組み合わせやすい設計によってパワーユーザー向け市場を掌握した。A1111は消えたわけではないが、勢いは止まった。

Workflow1111は、Gradioアプリを構築する新しくより構造化された方法であるgr.Workflowの上に、A1111の体験を再構築する試みだ。フォークではない。公開の場で行われる再実装である。

再構築がカバーする範囲

コミュニティプロジェクトとしては、その範囲は印象的だ。Workflow1111は11のメディアパイプラインにまたがる73のノードを再構築し、A1111をデフォルトにした機能のほとんどをカバーしている。

そのリストには、中核となる3つの作業であるテキストから画像生成、画像から画像生成、高解像度修正が含まれる。プロンプトマトリックスも含まれており、プロンプトとパラメータの組み合わせをグリッドでテストできる。画像を読み取ってプロンプトを提案するVLM逆プロンプト機能もある。インペイントマスク生成、エッジやポーズ情報でモデルを導くControlNetスタイルの前処理、背景除去、PNGメタデータ処理、さらには画像から動画生成まである。

最後の画像から動画生成が決定的だ。オリジナルのA1111は静止画ツールだった。再構築版には動画が含まれており、このプロジェクトが単に過去を再現しているのではないことを示している。分野がかつてあった場所ではなく、これから向かう場所に合わせてスタックを再構築しているのだ。

なぜコミュニティが自らこれを行っているのか

注目すべきパターンがある。クローズドなラボはモデルを出す。オープンソースコミュニティはその周りの配管を出す。

モデルが注目を集めるが、実際にモデルを使えるかどうかを決めるのは配管の方だ。優れたモデルでもまともなインターフェースがなければ研究上の産物にすぎない。良いモデルに優れたインターフェースがあれば、趣味の人がノートPCで動かせるものになる。

コミュニティがこの配管を再構築するのは、クローズドな企業がそれに関心を持たないからだ。OpenAIのような企業には、ローカルのStable Diffusion UIを維持するインセンティブがない。ローカルツールを存続させるインセンティブはそれを使う人々から生まれ、彼らが作業をする理由は他のオープンソースメンテナーと同じだ。そのツールが必要だから、自分たちで作るのだ。

ComfyUIと二つのトラックからなるエコシステム

ローカルエコシステムは現在、2つのトラックで動いている。

ComfyUIはパワーツールだ。ノードベースであり、個々の操作から自分のパイプラインを組み上げる。習得は難しいがはるかに柔軟で、正確な制御を求める人々の標準になっている。常に更新されており、最新リリースは9月中旬にも登場し、同じ領域をさらに押し進めている。

Workflow1111とその類いは、アクセシビリティのトラックだ。ノードグラフを学びたくない人々のために、馴染みのある直線的なA1111の体験を再現する。2つのトラックは異なる人々に役立ち、ユースケースが異なるため共存している。

Workflow1111の再構築が重要なのは、アクセシビリティのトラックがもはや放置されていないということだ。長い間、選択肢は老朽化したA1111か、本物の技術的スキルを要求するComfyUIのどちらかであるように見えた。再構築は、その中間にあるメンテナンスされた現代的な選択肢を人々に与える。

ローカルツールにそもそも手を出すべきか

ほとんどの人にとって、正直な答えは「最初はノー」だ。

ほとんどの作業ではクラウドツールの方が優れている。すぐに始められ、優れたGPUも必要なく、何かをメンテナンスする必要もない。ただ画像を作りたいだけなら、Webアプリを開いて作ればいい。

ローカルツールが存在価値を発揮するのは、具体的な3つの理由からだ。1つ目は大規模な場合のコストだ。何千枚もの画像を生成するなら、自前のハードウェアによる1枚あたりのコストはどんなAPIよりも有利だ。2つ目は制御だ。ローカルツールではすべてのパラメータに触れ、カスタムモデルやLoRAを差し替え、クラウドツールが決して公開しないパイプラインを構築できる。3つ目はプライバシーだ。画像やプロンプトが機微なものであれば、ローカルで実行すればマシンの外に一切出ない。

難点は学習曲線だ。ローカルツールは、モデルについて少し、ハードウェアについて少し、ツール自体について少し理解していることを前提としている。それは現実の障壁であり、Workflow1111のようなプロジェクトが、馴染みのある直線的なインターフェースを復活させることで下げようとしているのはまさにその障壁だ。

現実的な道は、クラウドから始め、壁にぶつかったときだけローカルに移行することだ。そして壁にぶつかったとき、オープンソースのスタックが積極的に再構築されているという事実は、その壁がかつてより低く、さらに低くなりつつあることを意味する。

ローカルでモデルを動かさない人にとっての意味

これを読んでいるほとんどの人は、ローカルでモデルを動かすことはないだろう。それでいい。クラウドツールはほとんどの作業で優れており、さらに安くなっている。

しかし、オープンソーススタックの健全性は、それでもすべての人にとって重要だ。2つの理由がある。第一に、そこが安価で無料の選択肢の源だからだ。オープンモデルとその周りのツール群が、市場の底値が上がるのを防いでいる。第二に、次世代のアイデアが最初に現れる傾向がある場所だからだ。ローカルツールは、やがて大手企業によって製品化される奇妙なワークフローを人々が実験する場なのだ。

Workflow1111は大局的には小さなプロジェクトであり、ほとんどの人が決して使わないインターフェースの再実装だ。しかし、それはオープンソースのAI画像エコシステムがクローズドなモデルの洪水をかろうじて生き延びているだけではないというシグナルだ。それは、誰も追いつけない速さで変化し続ける分野のために、気にかける人々によって積極的に再構築されている。