ローカル動画生成AI 2026年版｜VRAM別の選び方とComfyUI導入

画質を「S・A・B」と順位付けするには、同じ入力、解像度、尺、評価基準が必要です。このガイドはその比較測定をしていないため、制作に必要な機能と導入条件で候補を絞ります。

FramePack：6GBの条件を確認してI2Vから始める

FramePack公式READMEによると、LinuxまたはWindows、FP16・BF16対応のRTX 30/40/50系、VRAM 6GB以上が要件です。初回に30GB超のモデルがダウンロードされるため、保存先の空き容量も確認します。導入ファイルはFramePack公式リポジトリからたどってください。

公式の画像付きサンプルと初期値で動作を確認し、その後で自分の画像へ替えます。途中で短い動画が表示されても、分割して生成している途中の場合があります。進捗とログを確認し、完成前のプレビューを失敗と判断しないようにします。

Wan2.2：公式CLIの24GBとComfyUIの8GBを分ける

Wan2.2公式READMEによると、TI2V-5Bの720p相当のCLI例は24GB以上のGPUを対象にしています。CPUオフロード、dtype変換、テキストエンコーダーのCPU実行を含む条件です。A14Bの公式単一GPU例には80GB以上の記載があり、5Bと同じ必要容量ではありません。Wan2.2公式リポジトリ

一方、ComfyUI公式ガイドは、ネイティブのオフロードを使うWan2.2 5Bを8GB VRAM向けの選択肢として案内しています。CLIとComfyUIで読み込む重みやメモリ管理が異なるため、24GBと8GBのどちらかが誤りということではありません。ComfyUI公式Wan2.2ガイド

LTX-2.5：旧LTX-Videoの容量を引き継がない

LTX-2系は映像と音声を扱うモデルです。確認時点の公式リポジトリはLTX-2.5を案内し、LTX-2.3用モデルも別途整理しています。旧LTX-Video、LTX-2.3、LTX-2.5のモデルやテキストエンコーダーを混ぜないでください。LTX-2公式リポジトリ

以前の軽量モデルについての「8GBで動く」という情報は、LTX-2.5の下限ではありません。候補のチェックポイント、量子化、オフロード、解像度に対応するワークフローを選びます。VRAM容量だけを根拠にGPUを注文するより、まず目的の構成で動作確認できる環境を用意する方が確実です。

システムメモリ64GBを載せても、VRAMが64GBになるわけではありません。オフロードはVRAMを節約する手段ですが、転送が増えるため速度も同時に評価します。

SSDは、保存容量と対応規格を先に選びます。Gen5 SSDを買うことを導入条件にせず、モデル一式・ダウンロード用キャッシュ・出力・バックアップを別々に見積もります。

OSとGPU対応は配布元の指定で決める

このガイドのFramePackとWanの入口は、対応NVIDIA GPUを使う構成です。AMD GPUやMacを同じ手順で動かせるとは限りません。手持ちの環境に対応する実装があるかを確認してから導入します。

ComfyUI、Python、PyTorch、GPUドライバーは互いに関係します。古いCUDA向けのコマンドを全GPUへ共通で貼り付けるのではなく、利用する配布版・モデルが指定する組み合わせを使ってください。

ComfyUIで最初の1本を生成する手順

Step 1. 既存環境を残し、対応テンプレートを開く

動作中のComfyUI環境がある場合は、ワークフローとバージョン情報を保存してから更新します。テンプレートが見つからないときは、そのモデルに対応したComfyUIの版か確認します。動作中の別環境の依存関係を一括更新して解決しようとしないでください。

Wan2.2 5Bなら、テンプレート一覧から対応する動画ワークフローを選びます。初回は標準ノードの公式テンプレートから始め、必要性の分からないカスタムノードを追加しません。

Step 2. モデルと配置場所を一組で確認する

Wan2.2 5Bの公式テンプレート例では、次の3ファイルを使います。モデル本体だけを取得しても、テキストエンコーダーやVAEがなければ生成できません。

この組み合わせは5B向けです。A14Bのhigh-noise・low-noiseモデルや別のVAEへ、名前だけ似たファイルを置き換えません。テンプレートが指定する配布元から取得し、選択ノードのファイル名を確認してください。

LTX-2.5は別のモデル一式を使います。公式ガイドに従って配布ページで利用条件を受け入れ、アクセスが承認されてから取得します。403を回避するために出所不明のミラーへ切り替えないでください。ComfyUI公式LTX-2.5ガイド

Step 3. 公式の初期値で短い出力を作る

1. モデル・テキストエンコーダー・VAEの選択を確認する。
2. I2Vなら入力画像を1枚だけ読み込む。
3. モデルが認める解像度とフレーム数に設定する。
4. バッチサイズは1にし、追加LoRAと後段の高解像度化を外す。
5. シードと実行条件を記録し、生成を開始する。
6. 出力を最後まで再生し、保存場所と尺を確認する。

フレーム数とfpsは別の設定です。例えば81フレームを24fpsで再生するなら、単純計算の尺は81÷24＝3.375秒です。ただし、モデルごとのフレーム数制約や保存処理もあるため、実際の出力を確認します。任意の数字に変更してよいとは限りません。

Step 4. 完走後に一つずつ品質を調整する

同じ入力とシードを保ち、まずプロンプト、次に必要な解像度や尺を調整します。蒸留モデルへ替える場合は、そのモデルの推奨ステップ数・ガイダンス設定へ戻してください。別モデル向けの「CFGは7」「50ステップ」を共通設定として使いません。

プロンプトと入力画像で品質を上げる

I2Vは入力画像と動きの役割を分ける

I2Vでは、背景や被写体は入力画像が支えます。プロンプトでは、そこから何が動くか、カメラがどう動くかを明確にします。入力画像で手や顔が崩れている場合は、動画の設定を増やす前に画像を直します。

次は比較用に考えたプロンプト例です。生成結果を保証するものではありません。

日本語・英語のどちらがよいかはモデルに依存します。まず公式例の形式で試し、言語を変えるときは入力画像・シード・設定を保って比較します。

品質は冒頭の静止画だけで判断しない

• 顔・手・服・物体の形が途中で変わっていないか。
• 動作が意図した方向へ進み、最後までつながっているか。
• カメラ移動に合わせて背景の位置関係が保たれるか。
• 文字・ロゴ・模様が崩れていないか。
• 音声付きなら、声・口の動き・効果音が映像と合うか。

採用候補は全フレームを含む動画として再生します。速度最適化や量子化を使った版も、同じ入力で見比べてから本番へ採用してください。

OOM・黒い動画・遅い生成の切り分け

症状と変更する項目を対応させる

ログ全文を公開する場合は、トークンや個人パスを除いてください。エラー文と失敗したノード、モデル名、実行条件が分かれば、調べる範囲を絞れます。

量子化・オフロード・タイル処理の使い分け

量子化は重みの保存・計算精度を変える方法です。FP8だからPC全体のVRAMが75%減る、といった計算はできません。VAE、テキストエンコーダー、生成途中のデータ、実装も使用量へ影響します。

CPUオフロードは、一部をシステムメモリへ退避します。GPUに載る量を減らせても、転送とシステムメモリの負荷が増えます。タイル処理は、対応するVAE等で処理を分ける方法です。モデル全体を必ず小さくできるわけではありません。

編集部の判断: 最適化は「完走する」「待てる時間で終わる」「必要な品質を保つ」の三つで選びます。最低VRAMの数字だけを見て、最適化版なら同じ画質で速くなるとは判断しません。

GPUを買い替える前の判断と構成の保存

VRAM容量は製品の正確な型番で確認する

NVIDIA公式仕様によると、デスクトップRTX 5080は16GB、RTX 5090は32GBです。ノートPC向けGPU、業務用GPU、改造品の容量を混ぜて比較しないでください。RTX 5080公式仕様、RTX 5090公式仕様

5060 Tiの容量違いや全体予算の決め方は、予算別自作PC構成ガイドへ進めます。GPUを選んだ後は、電源、コネクター、ケース寸法、冷却、システムメモリも一緒に見積もってください。

購入とクラウド利用を同じ条件で比較する

手持ちGPUで必要な品質を得られるなら、買い替えを急ぐ必要はありません。高VRAMを少数回だけ使いたいなら、クラウドで必要構成を試す案も比較します。料金は利用時の時間単価、ストレージ、転送、停止中の課金で確認します。

ローカルの費用 = 機材購入・保守 + 電気代
クラウドの費用 = 実行時間 × 時間単価 + 保存・転送等

入力を手元に置きたい場合は、モデル取得後のローカル処理範囲を確認します。外部APIノードや共有機能を使えば、ローカルアプリでもデータが外へ出る場合があります。

買い替えるなら自作PC構成ビルダーへ候補を保存し、全体の支払額と対応する互換性項目を確認します。追加予算は、完走時に実際に不足した項目へ回す方が、買い直しを抑えやすくなります。

商用利用はコード・重み・入力素材を別々に確認する

モデル名だけで利用条件を決めない

LTX-2.5の公式モデルカードには、LTX-2.x Community Licenseと商用利用条件への案内があります。無料で取得できることと、全ての利用・再配布が無条件に許されることは同じではありません。LTX-2.5公式モデルカード

モデル本体、テキストエンコーダー、追加LoRA、入力画像や音声の条件を確認します。コードのLICENSEだけで重みまで判断せず、実際に取得する配布ページの規約を読んでください。公開する映像に第三者の顔・声・ロゴなどが含まれる場合も、素材の利用条件を確認します。

よくある質問（FAQ）

Q1. VRAM 6GBでもローカル動画生成はできますか？

FramePackは、対応RTX 30/40/50系とVRAM 6GB以上を公式要件にしています。ただし生成速度と出力条件は別の確認事項です。まず公式の短いI2Vサンプルで動作を確認してください。

Q2. Wan2.2には24GBが必要なのですか？

実装によります。公式CLIのTI2V-5B例は24GB以上を対象とし、ComfyUIの5B公式ガイドはネイティブオフロードで8GBを案内しています。A14Bや異なる設定へその数字を流用しません。

Q3. LTX-Videoの8GBという情報はLTX-2.5にも使えますか？

使えません。モデル世代と実装を区別し、LTX-2.5用ワークフローと指定モデル一式を確認します。旧モデルの条件だけでGPUを購入しないでください。

Q4. システムメモリを増やせばVRAM不足は解消しますか？

VRAMそのものは増えません。CPUオフロードで完走できる場合はありますが、待ち時間とRAM使用量も評価する必要があります。

Q5. RTX 5080と5090のVRAMは何GBですか？

デスクトップの標準仕様は、5080が16GB、5090が32GBです。商品ページで正確な型番を確認し、ノートPC版などと混同しないでください。

Q6. ComfyUIにモデルが表示されないときは？

ダウンロード完了、ファイル名、配置先、読み込むノードを確認します。生成モデル、テキストエンコーダー、VAEは配置先が違います。

Q7. 4K動画を最初から生成した方が高品質ですか？

目的のモデルと環境で条件が異なります。まず短い出力で構図と動作を確かめ、採用候補にだけ高解像度化を適用する手順から検討します。

Q8. モデル間の生成時間はどう比較しますか？

解像度・尺・入力・GPU・精度をそろえ、モデルの読込時間と生成時間を分けて記録します。同じシードでもモデルを替えれば同じ結果になるわけではないため、採用できる品質かも併せて確認します。

Q9. ローカルなら画像が外部へ送信されることはありませんか？

ローカル処理だけなら入力を手元で扱えますが、外部APIノードや共有機能では通信する場合があります。ワークフローと追加機能がどこへ送信するか確認してください。

Q10. 商用利用できるモデルはどう確認しますか？

取得する重みの規約、コード、追加モデル、入力素材の条件を分けて確認します。モデル名や無料配布という説明だけでは判断しません。

次にすること：短い1本の実行条件を残す

GPU型番・VRAM、モデルと精度、ComfyUIの版、解像度、フレーム数、シード、所要時間を記録します。完走と画質を確認してから尺・解像度・追加モデルを一つずつ変え、購入が必要ならビルダーで全体構成を見直してください。

※ 当サイトはAmazonアソシエイト・プログラムの参加者です。