Jib Mix Qwen は高速なフォトリアル系ポートレートモデルです。当社のテストでは1枚の中央値は 5.8 秒で、写真系やカメラ系の LoRA は見た目を変えましたが、スタイル系の LoRA はほとんど効きませんでした。 使い始める前に知っておいてほしい弱点が2つあります。日本人、韓国人、東アジア系の女性を求めた6回のリクエストは、すべてヨーロッパ系か曖昧な顔で返ってきたこと。そして二人の親密なシーンは、拒否されずに描かれたものの、体の描写が崩れていたことです。
2026年10月5日に、Jib Mix Qwen とその LoRA 版の両方をテストしました。Jib Mix は作者 J1B によるコミュニティ製チェックポイントのシリーズで、今回のものは Alibaba の200億パラメータ Qwen-Image をベースに、Qwen-Image のファインチューンと LoRA をマージしたものです。以下に掲載するプロンプトはすべて、服を着た大人の日常的なシーンです。
ひと目でわかる要点
| Jib Mix Qwen と Jib Mix Qwen LoRA（2026年10月5日テスト） | |
|---|---|
| 作者とベース | J1B。Qwen-Image（20B、Qwen2.5-VL テキストエンコーダー）上の Qwen-Image ファインチューンと LoRA のマージ |
| API モデル名 | j1b/jib-mix-qwen-image/text-to-image と j1b/jib-mix-qwen-image-lora/text-to-image |
| 公開フィールド | prompt（最大5,000文字）、aspect_ratio、output_format、seed。LoRA 版は loras が加わる |
| アスペクト比 | 9種類、長辺は最大 1536 ピクセル。1:1 は 1328 x 1328、16:9 は 1536 x 864 |
| 出力 | 1リクエストにつき1枚、JPEG（既定）、PNG、WebP |
| テストでの速度 | ベース：30回の実行で 3.7〜48 秒、中央値 5.8、30回中21回が 10 秒未満。LoRA 版：38回の実行で 3.2〜36 秒、中央値 5.6 |
| コンテンツポリシー | 規制なし、コンテンツフィルターなし。単独の被写体は依頼どおりに返り、二人のシーンは拒否されずに描かれたが精度は低かった |
| できないこと | ネガティブプロンプト、ステップ数、guidance、画像入力、編集、1リクエストで複数枚 |
これは何か、どのバージョンか
初回リリースの作者メモには、Qwen のモデルとお気に入りの LoRA を精密なウェイトでマージしたとあります。Civitai のページには、2025年9月から2026年3月の間の6つのバージョンが並んでいます。2025年10月15日の v4.0 のメモには "much more natural pretty faces (much better at Asian faces)" とあります。2026年3月の v6.0 のメモには "more European faces and fewer Asian by default" と "not quite as good at NSFW as V5" とあります。
ホスト版のルートは、どのバージョンを動かしているかを明かしていません。説明文は v4.0 のメモと同じ内容ですが、当社の出力はヨーロッパ系に寄っていて、これは v6 に合います。しかもルートは最近更新されたため、入れ替えられた可能性は排除できません。推測はせず、未確認としてお伝えします。報告できるのは、このルートが実際に何をするかで、それがこの記事の残りの部分です。
ポートレートのプロンプトの書き方
このモデルは、カメラマンへの依頼のように完全な文で書いたものを好みます。下の窓辺のポートレートは、年齢、髪、そばかす、服、ポーズ、光に、短い写真的な導入句を付けて作りました。
Photorealistic photo, natural skin texture. A 32-year-old woman with a short black bob, light freckles and minimal makeup sits on a windowsill in a cream silk camisole, knees drawn up, holding a mug of coffee. Soft morning light, sheer curtains, shallow depth of field.
日本人女性を求めたバージョンのこのプロンプトの seed 1 と 2。下の顔のセクションを参照してください。3:4、テキストから画像。
当社の実行で効果があった工夫は次のとおりです。
- 写真的な合図で始める。 "Photorealistic photo, natural skin texture"、"35mm film look"、"phone photo with flash" などが見た目を導きます。
- 国籍ではなく人物を描写する。 年齢、髪の長さと色、そばかす、ひげ、表情は、確実に顔を変えました。国籍は変えませんでした。
- 短い言葉を引用する。 チョークボードのプロンプトでは、白いチョーク文字で "OPEN LATE" と書かれた看板を求めました。どちらの seed でも、その言葉の入ったボードが返ってきました。短いフレーズにとどめ、文字を確認してください。
- seed を固定して、一度に一つだけ変える。 光、服、レンズの雰囲気を一つずつ。seed は実行どうしを比較できるようにするもので、ピクセルが同一になる約束ではありません。
チョークボードのプロンプト（ここでは韓国人女性を求めたもの）の seed 1 と 2、4:3。看板はどちらも "OPEN LATE" と読める。
アスペクト比とサイズ
サイズのフィールドはありません。9種類のアスペクト比から選ぶと、それぞれが固定サイズに対応します。両方のエンドポイントですべての比率を1回ずつ実行し、出力はどれも要求どおりのピクセル数で返ってきました。長辺は 1536 までです。
| 比率 | サイズ | 比率 | サイズ |
|---|---|---|---|
| 1:1 | 1328 x 1328 | 21:9 | 1536 x 656 |
| 4:3 | 1472 x 1104 | 9:21 | 656 x 1536 |
| 3:4 | 1104 x 1472 | 16:9 | 1536 x 864 |
| 3:2 | 1536 x 1024 | 9:16 | 864 x 1536 |
| 2:3 | 1024 x 1536 |
用途で選んでください。3:4 と 2:3 はポートレート向き、16:9 と 21:9 は映画のスチルやバナー向きです。2:3 のクローズアップのポートレートは、こんな見た目です。
掲載例：夕暮れの帆船の上の35歳の男性、2:3、seed 1。
Photorealistic photo, natural skin texture. A 35-year-old Black man with a trimmed beard and a warm smile, open white linen shirt, sits on the deck of a sailboat at golden hour. Sea spray, wind in his shirt, shallow depth of field.速度
ベースエンドポイントのモデル処理時間は、30回の実行で 3.7〜48 秒、中央値は 5.8 秒で、30回中21回が 10 秒未満でした。LoRA 版もほぼ同じで、38回の実行で 3.2〜36 秒、中央値 5.6 秒、LoRA ファイルを初めて読み込むリクエストは 10〜25 秒かかりました。ポートレートを試行錯誤するには十分な速さです。
一枚のフレームに二人
服を着た二人の場面はうまくいきました。この映画のスチル風プロンプトは、どちらの seed でも、一つの傘の下で笑い合うカップルを描き、それぞれが自分のコートとフレーム内の位置を持っていました。
傘のプロンプトの seed 1 と 2、16:9、縦に並べたもの。モデルは二人にそれぞれ違うコートを着せ、ボケも保った。
Photorealistic film still. A woman and a man in their early thirties laugh together under one clear umbrella on a rainy city street at night, she in a camel trench coat, he in a dark wool coat. Shop lights blur into colorful bokeh and reflect on the wet asphalt.それぞれの人物にフレーム内の明確な位置と、一人1着の服を与えてください。手や四肢が融合したら、seed を引き直してください。
どこまで対応するか
プラットフォームはコンテンツフィルターをかけません。5段階の段階表の各段に1つずつプロンプトを、3:4、seed 1 で、キャラクターが大人であることを明記して実行し、すべての画像を確認しました。
| 段階 | ベースエンドポイントでの結果 |
|---|---|
| L1 ほのめかし（下着、ずり落ちる肩紐） | 返った |
| L2 成熟したテーマ | 返った。両エンドポイントで9種類すべての比率でも同様（9本中9本） |
| L3 強め、女性と男性 | 返った |
| L4 高強度（成人同士の親密なシーン） | 和らげられた：3つの seed すべてで大人二人は描かれたが、体の描写が崩れ、依頼したシーンとして読めたのは3つのうち1つだけ |
| L5 極限（成人同士の同意に基づく拘束、映画的なゴア表現） | 両方返った |
どこでも拒否はありませんでした。L4 についての正直な発見はこうです。モデルは断らないものの、きれいに描けないのです。大人向けの Qwen-Image LoRA を加えると、構図はポーズを取ったカップルに変わりましたが、それでもそのシーンにはなりませんでした。実用上の限界は次のとおりです。単独の被写体は依頼どおりに返り、二人のシーンは拒否されずに描かれたものの、体の描写の精度は下がります。仕事が L4 に依存するなら、先に実際のルートでテストし、下の Qwen Image 2512 LoRA と比較してください。
顔の問題
「32歳の日本人女性」を2回、「東アジア系の顔立ちの女性」を2回、「30歳の韓国人女性」を2回求めました。6つの顔はすべて、ヨーロッパ系か曖昧なものになりました。
左から右へ：「日本人女性」seed 1（3:4）、「韓国人女性」seed 1（4:3）、「東アジア系の顔立ち」seed 1 と 2（16:9）。
多くの seed が似た黒髪の顔に落ち着きます。これは、Civitai のユーザーが初期バージョンについて報告している「同じ顔」のクセです。東アジア系の顔立ちを強く出したいなら、このモデルは選ばないでください。使い続けるなら、年齢、髪、そばかす、ひげ、表情を明示的に変え、国籍を表す言葉には頼らないでください。モデルページの掲載例は、国籍を書かずに作られています。
どの LoRA が効くか
LoRA 版は、1リクエストにつき最大3つの LoRA を受け付けます。それぞれ .safetensors ファイルへの直接リンクと、0 から 4 の scale で指定します。LoRA を読み込まない場合、当社の確認では同じ seed でベースエンドポイントとピクセル単位で同一の出力になるため、LoRA を読み込む予定がなければベースエンドポイントを使ってください。リポジトリのウェブページのリンクは、直接ダウンロードリンクを求めるメッセージで失敗し、ゲート付きのリポジトリは HTTP 401 エラーで失敗します。
Qwen-Image の LoRA は、Hugging Face からでも Civitai の直接リンクからでも読み込め、Qwen-Image-2512 の LoRA も同様です。 それが画像に何をするかは、種類によって決まります。
写真系とカメラ系の LoRA は効きます。 1つのプロンプトと1つの seed で、4つの写真系 LoRA はそれぞれ顔と光を目に見えて変えましたが、劇的ではありませんでした。
左から右へ：LoRA なし、スマホカメラ LoRA（Samsung UltraReal）、ポートレートレタッチ LoRA（AWPortrait-QW）、フラッシュ写真 LoRA（Lenovo）、リアリズム LoRA（flymy-ai）。同じプロンプト、seed 21、3:4、すべて強度 1。
| LoRA の種類 | 見えたもの | 判定 |
|---|---|---|
| スマホカメラ（Samsung UltraReal） | 髪がよりカールし、光が硬く、スナップ写真の雰囲気 | 効いた |
| ポートレートレタッチ（AWPortrait-QW） | よりレタッチされたポートレートの見た目 | 効いたが控えめ |
| フラッシュ写真（Lenovo） | 暗めのフレームでフラッシュで照らされた | 効いた |
| リアリズム（flymy-ai） | 顔と光が変わった | 効いたが控えめ |
| 2つ重ね（Samsung 0.8 と AWPortrait 0.6） | 動作した | 1リクエストに2つの LoRA |
カメラ系とレタッチ系の LoRA が働いている掲載例を2つ紹介します。
ポートレートレタッチ LoRA、強度 1、2:3、seed 1。
Studio portrait photo. A 36-year-old woman with silver-blonde hair pinned up wears an off-shoulder black velvet gown and long earrings, looking over her bare shoulder at the camera. Soft key light, dark backdrop, rim light on her hair.
スマホカメラ LoRA、強度 1、3:4、seed 1。プロンプト："Amateur phone photo with on-camera flash. A 31-year-old man with curly dark hair and a short beard in a denim jacket over a white T-shirt grins at the camera at a crowded night market, string lights and food stalls behind him."
スタイル系の LoRA はほとんど効きません。 「Japanese modern anime style」のポートレートを求めました。ベースのチェックポイントはそのフレーズを無視し、Qwen-Image のアニメ LoRA も、強度 0.5、1、2 のどれでも無視しました。ピクセルは変わっても、絵は写真のままでした。強度 4 では、画像が崩れ、目が大きすぎる歪んだクローズアップになりました。Qwen-Image-2512 のピクセルアート LoRA はピクセルを変えましたが、ピクセルアートの見た目にはなりませんでした。
顔のクロップ、左から右へ：LoRA なし、0.5 のアニメ LoRA、同じものの 1、1 の FLUX LoRA。同じプロンプト、seed 11、3:4。4枚とも写真のまま。
別のベース用の LoRA は何もしません。 FLUX の LoRA はエラーなしで読み込まれ、LoRA なしとピクセル単位で同一の出力になりました。成功のレスポンスは、そのファイルがモデルに合っていたことを意味しません。
有用な強度の範囲は、およそ 0.5〜1.5 でした。2つを重ねた LoRA は良好に動きました。
Samsung カメラ LoRA 0.8 と AWPortrait 0.6、4:3、seed 1。
Jib Mix Qwen か Qwen Image 2512 LoRA か
どちらも Qwen-Image ファミリーのモデルで、LoRA ルートでは最大3つの LoRA を使えます。得意な仕事は異なります。
| Jib Mix Qwen（と LoRA 版） | Qwen Image 2512 LoRA | |
|---|---|---|
| ベース | Qwen-Image 上のコミュニティ製マージ | 生成は Qwen-Image-2512、編集は Qwen-Image-Edit-2511 |
| タスク | テキストから画像のみ | テキストから画像と、元画像1〜3枚での編集 |
| LoRA | LoRA 版のみ、最大3つ | 両方のタスクで最大3つ |
| 素の見た目 | 自然な肌のフォトリアルなポートレート | 汎用。スタイルはアダプター次第 |
| テストでの速度 | 中央値 5.8 秒（ベース） | この回では未測定 |
| アスペクト比 | 9種類、最大 1536 px | 生成は9種類、最大 1536 px。編集は最初の元画像に従う |
| テストでのコンテンツ | L4 を除いて返り、L4 は和らげられた | 9月27日の段階テストで各ルート18本中15本が返った。外れた3本は同じ親密なシーンの種類で、9月26日に外部の大人向け LoRA が各タスクで再現した |
当社の目安：LoRA を探し回らずに既製のフォトリアルなポートレートが欲しく、顔の制限を受け入れられるなら Jib Mix Qwen を選んでください。編集が必要なとき、2512 ベース用の LoRA をすでに持っているとき、あるいはベースの見た目をアダプターに決めてほしいときは Qwen Image 2512 LoRA を選んでください。2512 と Edit 2511 の使い分けは、タスクに合わせたウェイトの選び方のガイドで説明しており、より広い範囲はホスト型 LoRA のまとめで比較しています。
制限
- 顔。 東アジア系の顔を求めたリクエストは、6回すべてでヨーロッパ系か曖昧な顔で返り、多くの seed が似た顔に収束します。
- スタイルの幅。 アニメやピクセルアートのプロンプトと LoRA は、写真のままでした。描いた見た目が欲しいならイラスト向けのモデルを使ってください。
- 二人の親密なシーン。 拒否されずに描かれますが、体の描写の精度は下がります。
- ネガティブプロンプト、ステップ数、guidance、画像入力、編集はなし。
- 1リクエストにつき1枚。
- バージョン不明。 ホスト版のルートは、どの Jib Mix Qwen バージョンを動かしているかを明かしていません。
FAQ
Jib Mix Qwen は規制なしですか？
はい。プラットフォームはコンテンツフィルターをかけていません。当社の段階テストでは、単独の被写体は依頼どおりに返り、二人のシーンは拒否されずに描かれたものの、体の描写の精度は下がりました。
東アジア系の顔は作れますか？
安定してはできません。日本人、韓国人、東アジア系の女性を求めた6回のリクエストは、すべてヨーロッパ系か曖昧な顔で返ってきました。国籍ではなく、年齢、髪、顔立ちを変えてください。
スタイル系の LoRA は効きますか？
ほとんど効きません。アニメ LoRA は 0.5、1、2 のどれでも画像を写真のままにし、4 では絵が崩れました。効くのは、写真系、カメラ系、ポートレート系の LoRA です。
LoRA の強度はいくつにすればよいですか？
1 から始め、およそ 0.5〜1.5 の間に保ってください。最大の 4 は、当社のテストで画像を崩しました。
別のベースモデル用の LoRA は使えますか？
いいえ。FLUX の LoRA はエラーなしで読み込まれ、何も変えませんでした。Qwen-Image か Qwen-Image-2512 用に学習された LoRA を使ってください。
ベースエンドポイントと LoRA エンドポイントのどちらを使うべきですか？
LoRA を読み込まないならベースエンドポイントです。LoRA なしでは、当社の確認で LoRA 版は同じ seed でベースとピクセル単位で同一の出力でした。
画像の中に文字を描けますか？
短い言葉なら可能です。チョークボードの "OPEN LATE" は、どちらの seed でも正しく読めました。フレーズは短くし、公開する前に文字を確認してください。
既存の写真を編集できますか？
いいえ。どちらのエンドポイントもテキストから画像です。元画像を使った編集には Qwen Image 2512 LoRA を使ってください。
