1. チュートリアルの概要

LongCat-Imageは、MeituanのLongCatチームが2025年12月にリリースしたオープンソースの画像生成・編集モデルです。バイリンガル（中国語と英語）シナリオ向けに設計されており、優れたテキスト画像生成およびテキストレンダリング機能を誇ります。わずか6バイトのパラメータで、このモデルは類似のオープンソースモデルをはるかに凌駕する効率性と性能を発揮し、複数のベンチマークテストで高品質でリアルなビジュアル生成結果を達成し、中国語テキストレンダリングの精度とカバレッジにおいて業界をリードするレベルに達しています。さらに、LongCat-Imageは高度な画像編集機能と包括的なオープンソースツールチェーンを提供し、開発者はより低い参入障壁でモデルの導入、研究、さらなる開発を可能にし、効率的でリアル、かつ高品質な画像出力をオープンソースエコシステムにもたらします。関連研究論文も入手可能です。 LongCat-Image 技術レポート 。

このチュートリアルでは、デフォルトのリソースとして単一の RTX 5090 グラフィック カードを使用します。

2. プロジェクト例

3. 操作手順

1. コンテナを起動した後、API アドレスをクリックして Web インターフェイスに入ります

2. Webページにアクセスしたら、テキストを入力して画像を生成できます。

「Bad Gateway」と表示される場合は、モデルが初期化中です。モデルのサイズが大きいため、3～4分ほどお待ちいただき、ページを更新してください。

利用手順

パラメータの説明

• カスタム LoRA (オプション)
  • カスタム LoRA: 追加のスタイルまたは機能を持つ LoRA モデルをロードするための LoRA ウェイトの URL またはパスを入力します。
  • LoRAスケールLoRA強度（範囲0～2）
• 出力解像度
  • 幅: 生成される画像の幅（64〜2048、自分で入力するか、スライダーをドラッグすることができます）
  • 身長: 生成される画像の高さ（64〜2048、手動で入力するか、スライダーをドラッグして入力できます）
• ランダムシードの設定
  • シード: 生成された画像のランダム性を制御する
    • -1 または「ランダム化」をチェックして、毎回ランダム シードを指定します。
    • 固定数値を入力すると同じ画像が再現されます。
  • シードをランダム化するチェックすると、世代ごとに異なるシードが使用されます。
• 推論パラメータ
  • 推論手順: 生成の品質と速度に影響します (範囲は 1 ～ 100、値が高いほど通常は画像の品質は高くなりますが、時間がかかります)。
  • ガイダンススケール画像に対する「テキストヒント」の影響度を制御します (範囲 1 ～ 20)。
    • 値が高いほど、プロンプトの単語との一致度が高くなります。
    • 値が低いほど自由度が高くなり、ランダム性も高くなります。

引用情報

@article{LongCat-Image,
      title={LongCat-Image Technical Report},
      author={Meituan LongCat Team and  Hanghang Ma and Haoxian Tan and Jiale Huang and Junqiang Wu and Jun-Yan He and Lishuai Gao and Songlin Xiao and Xiaoming Wei and Xiaoqi Ma and Xunliang Cai and Yayong Guan and Jie Hu},
	    journal={arXiv preprint arXiv:2512.07584},
      year={2025}
}