「ローカルAIが、パソコンの売り文句になってきた」— ComfyUI で作る人たちの今週 — 漫画のコマ割りも、長い動画も、絵から立体も

「ローカルAIが、パソコンの売り文句になってきた。」shinmomo さん(@shinmomo0512)はそう書いています ¹。Apple の新しい MacBook Pro には LM Studio、Microsoft の新しい RTX Spark ノート PC では ComfyUI、というのが本人の整理です ²。自分の Mac Studio も「ここからが本番」と添えています ³。

この投稿が引いているのが、ComfyUI 公式のポストです。「The trend continues(流れは続いている)」と書き出し、Microsoft が新しい RTX Spark ノートで ComfyUI を見せている、と伝えています ⁴。

ComfyUI は Windows・Linux・macOS で手元で動かせます ^{5 6 7}。ライセンスは GPL-3.0 です ⁸。

そのノードの画面から、今週は何が出てきたのか。漫画のページ、長い動画、絵から立体。全部、同じ ComfyUI の画面から出てくる作例でした。

漫画のコマ割りを、見本から選ぶ

Kamimoto(かみもと)さん(@sep_is_heim)が公開したのは、漫画を作る ComfyUI のカスタムノード「ComfyUI-MossPanelDataset」です。MOSS-Image で漫画が作れる、と本人は書いています ⁹。

やり方はこうです。見本の 196 種類からコマ割りを選び、人物・場面・セリフを入れるだけで、JSON や座標の手書きは要らない、と本人は書いています ¹⁰。2〜6 コマに対応し、セリフは日本語のまま描けるそうです ¹¹。

README にも同じことが書かれています。コマ割りを画像から選び、人物・場面・セリフを専用欄に入れて MOSS に渡す仕組みで、配置ごとのワークフローのダウンロードも、JSON や座標の手書きも要りません ¹²。2〜6 コマに対応し ¹³、同梱のコマ割りは計 196 種類です ¹⁴。人物の外見と場面は英語で入れ、セリフは描かせたい言語のまま渡します。翻訳も、追加の LLM も使いません ¹⁵。

ライセンスは分かれています。ノード独自のコード・配置データ・同梱の見本画像は MIT です ¹⁶。MOSS-Image は Apache-2.0 で、Comfy-Org が ComfyUI 向けに配布しています ^{17 18}。

README は正直な書き方もしています。文字の誤字・崩れ、人物の混線、コマ数の増減を、保証して防ぐものではない、とのことです ¹⁹。漫画のネームを手で描く人なら、このノードに渡す前の段階がペンの出番かもしれません。

長い動画を、リレーでつなぐ

次は動画です。方知微さん(@superfang119)は中国語のポストで、MiniMax H3 の長い動画づくりに新しいやり方が出た、と紹介しています。モデルを替えるのではなく、H3 に長い動画をリレーでつなぐ仕組みを足した、という言い方です ²⁰。

方知微さんが挙げる課題は具体的です。短い動画は作りやすいのに、長い時間を続けて作ろうとすると、人物・動き・画面のつながりがずれやすい。ローカルの H3 の実際の問題だ、と書いています ²¹。

紹介された「ComfyUI-MiniMaxH3-PrefixStream」の README には、こうあります。

• 前の区切りの映像・音声の latent を、次の区切りの頭に書き込み、ComfyUI のマスクで守ります。映像と音声は別々に制御できます [[F447]]
• 素材箱(Clip Bin)が区切りのプレビュー・評価・プロンプトを保存し、過去のショットを画廊から選んで引き継げます [[F448]]
• 区切りごとにディスクへ書き出し、最後に MP4 にまとめます [[F449]]。FFmpeg が要ります [[F449]]

ComfyUI 本体のソースは変えず、元のモデル・プロンプト・サンプラー・デコードの流れはそのままで、続きの部分にだけノードを足す作りです ²²。42 ノードのワークフローも同梱されています ²³。ライセンスは MIT です ²⁴。

長い動画を作るなら、書き出し先の容量にも余裕がほしくなります。

Krea 2 と MiniMax-H3 で、映像作品

ou_zhen599 さん(@ou_zhen599)は、「Made with Krea 2 +MiniMax-H3 ComfyUI」と書いて映像を載せています ²⁵。作品名は「First Ignition」。興奮を抑えるところから本当に操るところまで、彼女が「very first ignition」をやり遂げる場面だ、と説明しています ²⁶。

プロンプトの全文は返信に載せている、とのことです ²⁷。どんな言葉でこの映像を呼び出したのか、作例好きには気になるところです。

使われた道具の側も見ておきます。Krea 2 は、Comfy-Org が ComfyUI 向けに再パッケージしたものが公開されていて ²⁸、ライセンスは Krea 2 のコミュニティライセンスです ²⁹。MiniMax H3 は重みが公開されていて、手元で動かせます ³⁰。ローカルで生成したものを商用で使うには、MiniMax の商用ライセンスが要ります ³¹。

絵から、回して見られる立体へ

最後は、立体です。Nobin さん(@NobinLOG)は、ComfyUI に Idol というモデルが出ている、と報告しています。画像 1 枚から、360 度回して見られる 3D オブジェクトを作るモデルです ³²。ComfyUI 公式が使いやすい形式に変換して配布している、とも書いています ³³。

注意点も本人が挙げています。Blender などで普段使うポリゴンメッシュとは違うガウシアンスプラットで、背面は AI の推定なので、再現される保証はない、とのことです ³⁴。さっと試して、ここから質をどう上げるかが課題だ、と書いています ³⁵。VRAM はそこまで要らないので試してみて、という呼びかけで締めています ³⁶。

公式側の資料を見ます。Idol の開発元は、一般向けの GPU で動き、使用する VRAM は 7.2GB、2 秒未満で動くこともある、と説明しています ³⁷。最低要件ではなく、使用量の説明です ³⁷。画像 1 枚から 3D のガウシアンスプラットを作り、写っていない側面も含めて、最大 1,048,576 個のガウシアンを標準の .ply で書き出します ³⁸。ライセンスは Apache-2.0 です ³⁹。ComfyUI 版は TripoSplat の微調整版で、既存の TripoSplat のワークフローで動きます ⁴⁰。

公式の SDK を入れる場合の要件は、Python 3.10 以上、PyTorch 2.5 以上、CUDA の使える NVIDIA GPU です ⁴¹。

RTX Spark ノートで ComfyUI を回すと

ここまでの作例を並べると、漫画も、長い動画も、映像作品も、絵から立体も、同じ ComfyUI の画面から出てくる話でした。shinmomo さんの投稿は「次にPCを買うなら、ここ見ます？」と締めくくられています ⁴²。作例を眺めていると、その問いが身近に感じられてきます。

では、RTX Spark 搭載ノートで ComfyUI を回すと、どれくらいなのか。PC Watch が ASUS ProArt P16(64GB 構成)を検証しています ⁴³。画像・動画の生成は ComfyUI のワークフローで測り、ウォームアップ 1 回のあと 5 回測定しています ⁴³。FLUX.2 は Klein なら約 14 秒、Dev でも約 40 秒です ⁴⁴。Klein は NVFP4 のワークフローで 1,024×1,024・20 ステップの条件 ⁴⁵、Dev も NVFP4 のワークフローです ⁴⁶。プロンプトを調整しながらビジュアルの案を試す用途は考えやすい、と PC Watch は書いています ⁴⁴。LTX2.5 では、5 秒分の動画・音声の生成が平均約 69 秒です ⁴⁷。ただし、動画の長さより処理時間のほうが長く、リアルタイム生成という意味ではない、とも書かれています ⁴⁷。どれも、この機種・この構成で、PC Watch が選んだモデルでの結果です。今週の作例のモデルを測ったものではありません。

NVIDIA は、RTX Video Frame Generation を ComfyUI に載せると発表し、その時点で、RTX Spark とともに今秋に届けるとしていました ⁴⁸。ComfyUI の共同創設者 Yannik Marek 氏も、NVIDIA ブログの談話で、ComfyUI ユーザーが非常に複雑なマルチモーダルのワークフローを走らせ、ポータブルな機器で超高解像度の画像と動画を作れるようになる、と将来形で語っています ⁴⁹。

製品カードは、Microsoft の RTX Spark ノートの Surface Laptop Ultra と、PC Watch の検証機の ASUS ProArt P16 です ⁴³。

今週の作例を自分の机で試したいときは、使いたいノードやモデルの README と公式の資料で、対応する環境を先に確かめてください。たとえば MossPanelDataset の README には、元のデータセットを Windows・RTX 3060 12GB で作ったこと ⁵⁰、他の GPU・OS での実生成は未確認であること ⁵¹ が書かれています。

Amazon で RTX Spark 搭載ノートを探すこともできます。

次に読む

NVIDIA の国内発表会の様子は、RTX Spark の国内発表会の記事へ。映像と音楽をひとりで組む話は、画像・映像・音楽を手元のモデルでへ。キャラクターを回して揃える話は、ひとりのキャラクターを、手元で回して・揃えて・直すへ。