Krea 2 Identity Edit lokalt – bildekvalitet på nivå med de beste skytjenestene

Krea 2 Identity Edit er den første lokale image-to-image-løsningen jeg har testet som virkelig fikk meg til å tenke at gapet opp til de beste skytjenestene begynner å bli lite. Jeg ga modellen ett kvadratisk portrett og ba den flytte samme person inn i alt fra en norsk fjord og en westernby til motorsykkelløp, Månen og et kjøkken fullt av små roboter.

Til sammen kjørte jeg 20 dokumenterte testgenereringer. De dekker 16 ferdige motivideer: fire i den første testen og 12 i det utvidede settet. Fire av jobbene i det utvidede settet var bommer som måtte erstattes. Det er viktig, for dette er ikke en modell som følger enhver instruksjon perfekt på første forsøk.

Likevel er hovedinntrykket uvanlig sterkt. Modellen beholdt personen gjennom action, profil, kraftig lys, nye klær, helfigur og fullstendig absurde scener. Min subjektive kvalitetsdom er fortsatt at flere av bildene ligger opp mot Nano Banana Pro. Det er ikke en kontrollert A/B-test eller en benchmark. Det er min visuelle vurdering av resultatene jeg faktisk fikk lokalt.

Lokal image-to-image som tåler store sceneendringer

Krea 2 Identity Edit v1.2 er en uoffisiell community-LoRA som gjør Krea 2 til en instruksjonsstyrt bildeeditor. Du gir den et referansebilde og en vanlig tekstinstruksjon, og modellen prøver å gjennomføre endringen uten å miste personen underveis. Modellkortet på Hugging Face beskriver blant annet outpainting, inpainting, virtuelle klesskift og støtte for ulike sideforhold.

Det interessante i min test var hvor mye som kunne skiftes samtidig. Et hode- og skulderportrett ble til nye kropper, positurer, klær, miljøer og bildeformater. Identiteten holdt også i trekvart profil, under intenst rosa lys og i actionmotiver der ansiktet utgjorde en liten del av bildeflaten. Se på bildene før vi går videre til det tekniske:

Hovedgalleriet viser mønsteret bedre enn 16 nesten like bildebeskrivelser ville gjort. Modellen håndterte profil, fart, dyr, historiske miljøer og absurd skala overraskende godt. Den klarte også enkle hånd- og objektinteraksjoner. Samtidig lekker den svarte hetten fra referanseplagget inn i pirat- og cowboymotivet. Sterk referanseconditioning er altså både styrken og svakheten.

Fire bommer viste hva modellen faktisk sliter med

Det utvidede settet besto av 16 API-jobber: 12 ønskede sluttmotiver og fire resultater som ble erstattet. Alle jobbene ble teknisk fullført, men teknisk fullført er ikke det samme som riktig. Robotene tapte et løp de skulle vinne, hettegenseren overlevde et tydelig klesskift, og robotkokken fikk for mange armer to ganger.

Det mest nyttige var at de tre feiltypene krevde forskjellige løsninger. Romlig misforståelse ble løst med en streng komposisjon. Klesskiftet trengte litt mindre referansestyrke og mer presis garderobebeskrivelse. Anatomifeilen forsvant først da jeg sluttet å be modellen om en komplisert menneskelig handling.

Robotkappløpet: venstre og høyre slo «robotene leder»

I første versjon skulle robotene være flere meter foran og vinne. Bildet ble godt, men personen ble plassert foran robotene. I andre versjon beskrev prompten et sidebilde med robotene foran på høyre side og personen bak på venstre side. Den eksplisitte layouten løste den romlige misforståelsen.

Fashion: referanseplagget nektet å gi slipp

Fashion V1 ble et pent portrett, men ikke den redigeringen jeg ba om. Modellen beholdt den svarte hettegenseren i stedet for å lage den åpne linneskjorten. I V2 senket jeg ref_boost fra 4,0 til 3,25 og grounding_px fra 768 til 704. Samtidig ble det ønskede klesskiftet beskrevet tydeligere. Det ga modellen mer frihet til å endre plagget uten alvorlig identitetstap.

Robotkokken: færre oppgaver slo flere forbudsord

Robotkokk V1 fikk en ekstra arm eller hånd i en travel matlagingsscene. V2 ba eksplisitt om «nøyaktig to armer og nøyaktig to hender» og låste hver hånd til én oppgave. Det hjalp ikke. Først i V3, da personen sto med foldede armer og robotene gjorde matlagingen, ble anatomien ren. Noen ganger er en enklere positur bedre enn en stadig lengre negativ prompt.

Slik får workflowen tak i både person og instruksjon

Den tekniske kjernen består av en Krea 2 Turbo-modell, Qwen3-VL 4B, Qwen Image VAE og Identity Edit v1.2-LoRA-en. LoRA-en ble lagt på med styrke 1,0. Deretter injiserte Krea2EditModelPatch referansebildet som VAE-baserte in-context-tokens, mens Krea2EditGroundedEncode lot Qwen3-VL tolke instruksjonen sammen med selve bildet.

Det skiller workflowen fra den vanlige lokale Krea 2 img2img-grenen jeg prøvde først. Den gamle grenen fikk bare frem en liten rosa flik under det opprinnelige plagget og endret ansiktet mot mer generiske trekk. Identity Edit-workflowen hadde både et sterkere grep om referanseutseendet og en bedre forståelse av hva som faktisk skulle endres. ComfyUI-Krea2Edit-nodepakken leverer de to spesialnodene.

Standardinnstillingene i det utvidede settet var ref_boost 4, grounding_px 768, fit, 12 steg og CFG 1. Modellkortet anbefaler omtrent 4 som startpunkt når sterk ansikts- og kroppslikhet er målet. Fashion-retryen viste samtidig hvorfor disse verdiene ikke bør behandles som hellige: litt mindre grep om referansen kan være nødvendig når et plagg virkelig skal bort.

fit-geometrien er særlig nyttig når kilde og resultat har ulike sideforhold. I de første testene ble et kvadratisk portrett på 2048 × 2048 piksler brukt til både 768 × 1344 og 1344 × 768. I det utvidede settet brukte jeg dessuten 1536 × 864, 864 × 1536 og 1024 × 1024. Modellen bygde ut scenene i stedet for å strekke eller duplisere referansebildet.

Rundt 23 sekunder per bilde på RTX 4090

De 20 testjobbene brukte til sammen 468,014 sekunder i ren execution-tid. Det gir et gjennomsnitt på 23,401 sekunder per jobb. Den raskeste tok 13,974 sekunder og den tregeste 30,288 sekunder. I vanlig språk: omtrent 23 sekunder per bilde, med et målt spenn på rundt 14-30 sekunder på min RTX 4090.

Tallene er hentet fra ComfyUI-historikken fra execution_start til execution_success. Køtid er ikke med. Det skillet betyr noe hvis flere jobber kjører samtidig: automatiseringen må følge riktig prompt_id og lese den tilhørende historikkoppføringen. Å hente «nyeste fil» fra output-mappen kan gi feil bilde.

Dette er fortsatt ingen universell ytelsesbenchmark. Målingene kommer fra én maskin, én lokal installasjon og én konkret workflow. Jeg målte heller ikke høyeste VRAM-bruk, så jeg kommer ikke til å dikte et minimumskrav. Det jeg kan dokumentere, er at full v1.2 fungerte på RTX 4090 og leverte både kvadratiske, stående og brede bilder i dette tidsområdet.

Kvaliteten nærmer seg de lukkede tjenestene

Jeg har tidligere skrevet om Qwen Image Edit 2511 for lokal bilderedigering. Den var den beste lokale bildeeditoren jeg hadde testet på det tidspunktet, men resultatene var fortsatt bare så som så sammenlignet med det jeg ønsket. Jeg har også testet FLUX.2 lokalt uten å få brukbare resultater. Krea 2 Identity Edit flytter den praktiske målstreken ganske kraftig.

Det mest overbevisende er at modellen kunne gjøre store, samtidige endringer og fortsatt levere bilder der personen var gjenkjennelig. Actionmotiver, profil, helfigur, historiske klær, dyr og fullstendig nye miljøer lot seg gjennomføre. Samtidig viser de fire bommene at god identitet ikke automatisk betyr god instruksjonslydighet eller perfekt anatomi.

Det er på dette grunnlaget jeg sier at flere resultater ga meg et visuelt kvalitetsinntrykk opp mot Nano Banana Pro. Jeg satte ikke systemene opp mot hverandre med samme referanse, prompt og blindvurdering. Dette er derfor ingen seier, rangering eller kontrollert benchmark. Det er en ærlig kvalitetsdom fra praktisk bruk: Den lokale løsningen ga meg bilder jeg tidligere ville forventet å måtte bruke en av de beste skytjenestene for å få.

Lokal kjøring gir samtidig kontroll over workflow, modellfiler, LoRA-er, seeds og ferdige PNG-filer. For arbeid med egen identitet eller godkjente referansepersoner kan både kilde og resultat bli på egen maskin. Min tidligere gjennomgang av å lage AI-video med eget ansikt lokalt handler om noe av den samme kontrollen, men her skjer jobben direkte i bilderedigeringen.

Hva krever den lokale installasjonen?

Dette er ikke en løsning du åpner i nettleseren og bruker på ti sekunder. Den krever en ComfyUI-instans med støtte for Krea 2, selve Krea 2-modellen, Qwen3-VL 4B, Qwen Image VAE, Identity Edit-LoRA-en og nodepakken. Hele modellkjeden i mitt oppsett utgjorde omtrent 19,06 GiB.

Krea 2 Turbo, Qwen3-VL og VAE var allerede installert i miljøet. Dermed var den nye modellfilen jeg faktisk måtte legge til på omtrent 1,70 GiB. Nodepakken krevde ingen nye Python-avhengigheter i dette miljøet. Det er den praktiske installasjonsinformasjonen som betyr noe for en leser som allerede har deler av Krea 2-oppsettet.

Oppstrøms finnes også rank-reduserte R128- og R64-varianter på omtrent 0,91 og 0,46 GB. Jeg testet ingen av dem. Full v1.2 ble valgt for best mulig kvalitet på RTX 4090, så de mindre filene er ikke dokumentasjon på at du får samme resultat eller at et bestemt VRAM-nivå er nok.

Begrensningene er tydeligere etter 20 jobber

Testgrunnlaget er langt bedre enn fire enkle portretter, men det er fortsatt én person og ett godt, skarpt referansefoto. Jeg testet ikke flere personer i samme redigering, uklare referanser, krevende inpainting eller et bredt utvalg ansikter. Resultatene dokumenterer hva denne modellen fikk til i dette oppsettet. De beviser ikke at den alltid gjør det samme.

Feilene er ganske konkrete. Romlige relasjoner kan bli snudd. Referanseplagget kan lekke inn i nye kostymer eller vinne over klesskiftet. Kompliserte scener med hender, redskaper og flere små aktører kan gi ekstra lemmer. Historisk korrekthet og dinosaurvitenskap ble heller ikke fagkontrollert. Bildene kan være overbevisende uten å være dokumentariske.

Utvikleren oppgir også at særegen ansiktsgeometri kan trekkes mot mer typiske proporsjoner, at to personer kan begynne å ligne på hverandre, og at klesskift ikke virker i alle seeds. Over omtrent 2 megapiksler kan elementer fra kilden lekke eller dupliseres. Det er verdt å vite før du skrur oppløsningen opp bare fordi GPU-en tillater det.

Nodepakken er lisensiert under Apache-2.0, mens modellvektene følger Krea 2 Community License Agreement. Lisensavtalen for modellvektene åpner ifølge modellkortet for kommersiell bruk under en årlig inntektsgrense på 1 million amerikanske dollar, omtrent 10 millioner kroner. Over grensen må virksomheter kontakte Krea om enterprise-lisens. Les avtalen selv før kommersiell utrulling – dette er ikke juridisk rådgivning.

Identity-edit krever dessuten sunn dømmekraft. Jeg brukte mitt eget referansefoto. Med andre virkelige personer bør samtykke være en selvfølge før både generering og publisering. Modellutvikleren opplyser at prosjektet er trent på SFW-data og tar avstand fra skadelig, ikke-samtykkende eller seksualisert bruk av virkelige identiteter.

Dette er lokal image-to-image jeg faktisk vil bruke

Krea 2 Identity Edit løste hovedproblemet jeg satte den til å løse. Ett kvadratisk portrett ble til 16 ferdige motivideer med nye klær, miljøer, lys, positurer og formatretninger. Testene omfattet 20 genereringer, tok i snitt omtrent 23 sekunder på RTX 4090 og viste at identiteten kunne holde også når scenen ble dramatisk bygget om.

Fire bommer gjør dommen mer troverdig, ikke mindre. Modellen kan misforstå rom, klamre seg til referanseplagget og rote til komplisert anatomi. Men feilene lot seg løse med bedre komposisjon, justert referansestyrke eller en enklere menneskelig positur. Ingen av løsningene krevde at jeg ga opp selve motivideen.

For første gang på en stund sitter jeg ikke igjen med følelsen av at en lokal bildeeditor først og fremst er et morsomt teknisk prosjekt. Dette føles som et verktøy. Nano Banana Pro er fortsatt en subjektiv målestokk i denne artikkelen, ikke en kontrollert motstander. Men at en lokal workflow i det hele tatt inviterer til den sammenligningen, sier ganske mye.

Ofte stilte spørsmål

Kan Krea 2 Identity Edit kjøre helt lokalt?

Ja. Jeg kjørte Krea 2 Identity Edit v1.2 lokalt i ComfyUI med Krea 2 Turbo, Qwen3-VL 4B, Qwen Image VAE og Identity Edit-LoRA-en. Testen brukte en RTX 4090. Jeg målte ikke et generelt minimumskrav til VRAM.

Hvor raskt lager Krea 2 Identity Edit et bilde?

De 20 lokale testjobbene tok i gjennomsnitt 23,401 sekunder i ren execution-tid på RTX 4090. Spennet var 13,974-30,288 sekunder. Dette er målinger fra én konkret maskin og workflow, ikke en universell ytelsesbenchmark.

Hvor mye lagringsplass trenger Krea 2 Identity Edit?

Hele modellkjeden i mitt oppsett brukte omtrent 19,06 GiB. Fordi Krea 2 Turbo, Qwen3-VL og VAE allerede var installert, måtte jeg bare legge til omtrent 1,70 GiB for full Identity Edit v1.2, pluss den lille nodepakken.

Treffer Krea 2 Identity Edit alltid på første forsøk?

Nei. Fire av 16 jobber i det utvidede settet ble erstattet fordi modellen misforsto en romlig relasjon, beholdt feil plagg eller laget ekstra lemmer. Tydeligere layout, lavere referansestyrke og enklere positur løste de tre feiltypene.

Er Krea 2 Identity Edit bedre enn Nano Banana Pro?

Det har jeg ikke dokumentasjon til å slå fast. Flere resultater ga meg subjektivt et kvalitetsinntrykk opp mot Nano Banana Pro, men jeg gjennomførte ingen kontrollert A/B-test med samme referanse og prompt. Sammenligningen er en visuell dom, ikke en benchmark.