FramePackを使用するとVRAM６GBのマシンでも、ローカル環境で動画生成を行うことができると聞き、さっそく試してみました。
私のPCは、AIモデルとしてのスペックは高くないので、どの程度動くのか実験です。（モンハンワイルズの高画質推奨設定程度）
環境
Windows11 home
CPU Core i7 14700
メモリー 32GB
ビデオボード NVIDIA RTX 4060(8GB)
インストール
GitHubの次のサイトからダウンロードさせてもらいました。
lllyasviel/FramePack: Lets make video diffusion practical!
Readmeが丁寧に作られているので、この通りやっていけばトラブルなくインストールできました。
ワンクリックパッケージが用意されているので、ダウンロードして、実行するだけです。
ダウンロードファイルを解凍した様子
解凍フォルダの
①update.bat を実行（最新バージョンにアップデートしてくれます）
②run.bat を実行（モデルのダウンロードを行うので、３０分～１時間くらいかかります）
これだけです。
ダウンロードファイルサイズは４５GBくらいでした。
実行時のコマンドプロンプトは次の通りです。
# ダウンロードしたファイルを解凍し、同フォルダに移動
C:\???\framepack_cu126_torch26 > dir
2025/04/18 12:05 270 environment.bat
2025/04/18 13:55 132 run.bat
2025/04/18 13:17 <DIR> system
2023/01/25 06:49 168 update.bat
2025/04/19 13:20 <DIR> webui
3 個のファイル 570 バイト
# update.batを実行
C:\???\framepack_cu126_torch26 > update.bat
Updating 1b371ad..743657e
HEAD is now at 1b371ad better gradio args for win
Updating 1b371ad..743657e
Fast-forward
README.md | 10 +++++++++-
demo_gradio.py | 15 ++++++++++-----
diffusers_helper/utils.py | 4 ++--
3 files changed, 21 insertions(+), 8 deletions(-)
続行するには何かキーを押してください . . .
# run.bat を実行
C:\???\framepack_cu126_torch26 > run.bat
Currently enabled native sdp backends: ['flash', 'math', 'mem_efficient', 'cudnn']
Xformers is not installed!
Flash Attn is not installed!
Sage Attn is not installed!
Namespace(share=False, server='127.0.0.1', port=None, inbrowser=True)
Free VRAM 6.9326171875 GB
High-VRAM Mode: False
config.json: 100%|█████████████████████████████████████████████████████████████████████| 766/766 [00:00<00:00, 768kB/s]
:
# これでWebUIが起動しますWebUIにアクセス
ブラウザから「http://127.0.0.1:7860/」にアクセスするとWebUIが開きます。
7860ポートを開放しているのですね。
Readmeに書いてある手順で動画を生成しました。
①「画像をここにドロップ」と書かれている場所にサンプル画像をドラック
②プロンプトを入力
「The man dances energetically, leaping mid-air with fluid arm swings and quick footwork.」
※プロンプトは日本語入力に対応していないようです
③「Start Generation」をクリック
動画生成が始まるので待つだけです
サンプル画像から２．５秒の動画を生成したところ、３０分位かかりました。
生成した動画 mp4形式 2.5秒 ファイルサイズ 946KB
静止画であるサンプル画像から、ローカル環境でここまでの動画を作れるのは驚きました。
感じたこと
服の質感 レザー風の上着がフリースに変化
ズボンのしわが伸びている
スニーカーの雰囲気は悪くない
ダンスはスムーズ（この踊りは誰が考えたんだろう）
といった感じで、個人で遊ぶには充分なレベルです。
他の画像で実験
次の画像を使ってウサギを立たせようとしましたが、煙が少し動くだけで、立ち上がることなく失敗しました。
人間をモデルにしているのなら、ウサギではだめなのかもしれません。(ウサギとして認識されていないのかも）
ヒゲのおじさんの画像を使ってみたところ、ちゃんと動作してくれました。
入力画像の右手が隠れているのに、出力動画に右手が表示されていることから、手を生成しているのがわかります。
２．５秒の動画を生成するのに、３０分ちょっとかかりました。
袖口が少し不自然ですが、シード値を変えると、自然なものもありそうです。
生成した動画 2.5秒 mp4 1,049MB
ヒゲのおじさんが、いい表情になっています。good!
感想
手書きのイラストも動かせるのかと思い実験したのですが、私の画力がなさ過ぎてか、動画にしてもらうことはできませんでした。
英語でプロンプトを入力するのが一番大変ですが、AIを使えば日本語プロンプトも近いうちに可能になると思います。
ローカル環境で動くので、家族の写真を動画にしたり、踊っている友人をLINEで送っても楽しそうですね。
