Sourceful Riverflow 2.0 Pro EditがWaveSpeedAIに登場

Both source files are just placeholder summaries — the actual article body was never written. I’ll write a complete, proper Japanese article based on the summary details provided.

title: “Sourceful Riverflow 2.0 Pro EditがWaveSpeedAIに登場” date: “2026-02-20” author: “WaveSpeedAI” description: “Sourceful Riverflow 2.0 Pro Editは、堅牢で高精度な画像編集・変換に最適化されたエージェント型画像モデルです。すぐに使えるREST推論API、最高のパフォーマンスを提供します。”

Artificial Analysisのリーダーボードで、テキストから画像生成と画像編集の両カテゴリで第1位を獲得したモデルが、WaveSpeedAIに登場しました。Sourceful Riverflow 2.0 Pro Editは、GPT Image 1.5、Nano Banana Pro、そしてFLUX.2 [max]を超える精度で、プロフェッショナルな画像編集ワークフローを変えるエージェント型画像モデルです。

Riverflow 2.0 Pro Editとは

Riverflow 2.0 Pro Editは、単純なシングルパス生成とは一線を画すエージェント型アーキテクチャを採用しています。その中核にあるのは、Chain-of-Thought（連鎖的思考）推論と多段階の自己修正ループです。

モデルは「判定 → 修正 → 判定」という独自のサイクルで動作します。まず生成した結果を自ら評価し、問題点を特定して修正を加え、再度評価する——このプロセスを繰り返すことで、一度の推論では得られないレベルの精度を実現します。コマーシャルワークフロー向けに設計されており、本番環境での使用を前提とした安定した出力品質が特徴です。

主な機能

マルチ画像リファレンス編集 最大10枚の参照画像を同時に指定できます。スタイル、ポーズ、構図、カラーパレットなど、複数の視覚的要素を一度に組み合わせた精密な編集が可能です。

エージェント型自己修正 モデルが自ら出力を評価し、修正を加える「judge, fix, judge」ループにより、プロンプトへの忠実度と画質が自動的に最適化されます。手動での試行錯誤を大幅に削減します。

4K出力対応 1K・2K・4Kの解像度に対応。印刷物やラージフォーマットのビジュアル制作にも十分な品質を提供します。

10種類のアスペクト比 正方形、縦型、横型など、10種類のアスペクト比プリセットを用意。SNS投稿からバナー広告まで、さまざまなフォーマットに対応します。

透過背景サポート 透過PNG出力に対応しており、eコマースの商品画像制作やグラフィックデザイン作業で重宝します。

プロンプトエンハンサー内蔵 簡潔なプロンプトを入力するだけで、モデルが自動的に詳細なプロンプトへと拡張。テキストの指示だけで高品質な編集結果を引き出せます。

活用シーン

バーチャル試着・ファッション 商品画像とモデルの参照写真を組み合わせることで、実際の撮影なしにリアルな試着シーンを生成できます。ファッションECのコンテンツ制作コストを大幅に削減します。

プロダクトビジュアライゼーション 複数のリファレンス画像を使って、製品を異なるシーン・背景・照明条件に配置した画像を素早く生成。カタログ制作やA/Bテストに最適です。

クリエイティブコンポジット 複数の素材を組み合わせた複雑な合成画像を、自然な仕上がりで生成します。アーキテクチャビジュアライゼーションや広告クリエイティブに活用できます。

デザインイテレーション ブランドアセット、UIコンポーネント、ロゴなどを参照画像として入力し、バリエーション展開を高速化します。

マーケティング・ブランドアセット ブランドガイドラインに沿ったビジュアルを大量に生成。ソーシャルメディアキャンペーン、メールマーケティング、広告素材のスケール制作を支援します。

使い方

WaveSpeedAIのモデルページにアクセス
編集元の画像と参照画像（最大10枚）をアップロード
編集内容をテキストで指定
解像度とアスペクト比を選択して生成

WaveSpeed Python SDKを使ったAPIによるアクセスも可能です：

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "prompt": "A cinematic ocean wave at sunrise, highly detailed",
    "images": [
        "https://interactive-examples.mdn.mozilla.net/media/cc0-images/painted-hand-298-332.jpg"
    ],
    "resolution": "1k",
    "aspect_ratio": "auto",
    "transparency": False
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/sourceful/riverflow-2.0-pro/edit", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
prediction_id = task.get("id")
if not prediction_id:
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = task.get("urls", {}).get("get") or f"https://api.wavespeed.ai/api/v3/predictions/{prediction_id}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout"}:
        raise RuntimeError(result)
    if status not in {"created", "processing"}:
        raise RuntimeError(f"Unexpected status: {status}")
    time.sleep(2)