2026-09-10 — views
Gradio Workflow ノードで AUTOMATIC1111 の機能を再構築する
読む理由 ビルダーは、カスタムルーティングコードなしで複雑でモジュール化された AI パイプラインを作成し、マルチステージメディアワークフローの迅速なプロトタイピングを可能にするために、Gradio の演算子モデルを活用できる。
Yuvraj Sharma と Abubakar Abid は、AUTOMATIC1111 のコアメディアパイプラインを73ノードで再現する Gradio キャンバス「Workflow1111」を紹介する。
メディアパイプラインへのグラフベースのアプローチ
Yuvraj Sharma と Abubakar Abid は、AUTOMATIC1111 の stable-diffusion-webui の機能セットを単一の Gradio Workflow キャンバスとして再構築するプロジェクトである Workflow1111 を紹介した。このグラフは、73ノードで構成された11のメディアパイプラインで構成されている。システムは、テキストから画像への生成、高解像度修復、画像から画像への編集、プロンプト行列、ビジョン言語モデルの照会、検出ベースのインペイントマスク、ControlNet 風注釈付け、背景除去、PNG メタデータの保存、画像から動画への変換のための最先端モデルを統合している。
コア演算子とノードタイプ
キャンバス上のすべてのメディアパイプラインは、4種類の演算子から構築されている：Python 関数 (fn)、InferenceClient を介して呼び出されるモデル、他の Gradio Spaces、および Hub データセットの行。各ノードは1つの演算子をラップし、エッジ接続のためのポートとして入力と入力を公開する。この構造により、開発者はローカル処理とリモートモデル呼び出しをシームレスに混在させることができる。例えば、ネットワーク呼び出しを必要とするノードもあれば、完全にプロセス内で実行されるノードもあり、インターネット接続が失われてもキャンバスの約3分の2が機能し続けることを保証している。
主要なパイプライン実装
テキストから画像へのパイプラインは、AUTOMATIC1111 の txt2img タブを模倣し、ネガティブプロンプト、ステップ数、CFG、シードを処理する。プロンプトビルダー関数は、スタイルプリセットを付加し、テキストをクリーニングしてからモデルノードに渡す。高解像度修復は、FLUX.1-Kontext モデルを使用して詳細を強化し画像をアップスケールする、2ノードのデタッチとして実装されている。画像から画像への機能はこの Kontext ノードを共有し、ユーザーが画像をアップロードして望まれる変更を記述できるようにする。
高度な機能には、Qwen3-4B を使用して粗いアイデアをタグリストに変換する LLM 支援プロンプトジェネレーターと、Qwen2.5-VL を使用して画像からプロンプトを生成する VLM 照会器が含まれる。検出パイプラインは DETR を使用してオブジェクトを識別し、Pillow と NumPy でローカルにインペイントマスクを生成する。プロンプト行列機能は、Gradio Workflow にループ演算子がないため、4つのテキストから画像へのノードを並列に実行してコンタクトシートを作成する。アップスケールと背景除去は、ローカル関数と AuraSR や BRIA RMBG-2.0 などのリモート Spaces の両方を利用している。
実装ノート
多くの呼び出しはリモートハードウェアに行かれるが、fn ノードはユーザーの GPU でモデルをローカルにロードできる。アプリは、すべての出力ノードに対して9つの REST エンドポイントを公開し、外部クライアントがワークフローと対話できるようにしている。さらに、MCP サポートを付けて起動すると、これらの出力は Claude Code や Cursor などの AI アシスタントのツールになり、エージェントが接着コードを書かずに、より大きなタスクの一部として画像を生成したり検出を実行したりできるようになる。