AnimateDiffの使い方と必要スペック — 無料で静止画を動かす手順 (2026年版)

生成した1枚絵が気に入って、これが少しでも動いてくれたら、と思ったことはありませんか。その一番手軽な答えがAnimateDiffです。追加の学習も、動画専用のサービス契約も要りません。

しかも本体はタダ。ただし、万能ではありません。

ここでは、何ができて何ができないのか、自分のパソコンで動くのか、そして有料サービスに素直に課金したほうがいい人は誰なのかまで、順に整理していきます。

AnimateDiffとは、静止画AIに「動き」を足す追加パーツです

AnimateDiffとは、Stable Diffusionなどの静止画を作るAIに「モーションモジュール」という部品を差し込み、なめらかに変化する連続画像を作らせる仕組みです。出力はGIFや短い動画になります。

ポイントは、絵柄を担当するモデルはそのままという点。

普段お気に入りのアニメ調モデルで1枚絵を作っているなら、その設定をほとんど変えずに動かせます。絵柄はベースモデルが決め、動きはモーションモジュールが決める。この役割分担が、AnimateDiffが一気に広まった理由です。

公式のGitHubリポジトリを見ると、最初の公開は2023年7月。そこからモーションモジュールが更新され、mm_sd_v15.ckpt から改良版の mm_sd_v15_v2.ckpt、さらにv3、SDXL対応版、生成を高速化するAnimateLCM系まで系統が枝分かれしています。

つまり、AnimateDiffという単一のソフトがあるわけではありません。「動きを司るモデルファイル群+それを使うための拡張機能」のセットだと考えると、後の話が理解しやすくなります。

画像生成そのものが初めてなら、AIイラストツールの比較記事で自分に合うベース環境を決めてからのほうが遠回りになりません。

AnimateDiffで何ができて、何ができない？

得意なことと苦手なことがはっきり分かれるツールです。ここを最初に押さえておくと、無駄な試行錯誤を減らせます。

まず、できることを並べます。

• テキストの指示文だけから、2〜4秒程度の短いアニメーションを作る
• 手持ちの1枚絵を出発点にして、そこから動きを生やす（img2vid）
• 途中で指示文を切り替えて、シーンが変化していく映像を作る
• 既存の動画の動きをなぞらせて、絵柄だけ差し替える

一方、苦手なことも明確です。

• 30秒を超えるような長い尺（つなぎ目が破綻します）
• 実写風の人物、特に顔のディテール
• 「AがBを渡してCが受け取る」といった物語的な動作の指示
• 文字やロゴが崩れずに保たれること

下の表は、用途ごとの向き不向きをまとめたものです。判断の入口として使ってください。

つまり、「短い・アニメ調・ループする」の3条件に近いほど当たりが出ます。ここから外れるほど、後述する有料サービスの土俵になります。

使い方は3ルート。あなたはどれを選ぶ？

導入方法は大きく3つ。どれを選ぶかで、初期の手間も表現の自由度もまるで変わります。

ブラウザ版は、指示文を入れるだけでGIFが返ってくるタイプ。自分のパソコンの性能もコードの知識も要りません。「AnimateDiffってどんな絵が出るの？」の答え合わせには最短です。

ただし、モデルもパラメータもほぼ選べません。物足りなくなるのが早い。

本気で使うならStable Diffusionをローカルに入れたうえで、拡張機能かComfyUIに進むことになります。この2つの違いは、そのままWebUI系とノード系の思想の違いです。どちらを母艦にするかで迷っているなら、ComfyUIとStable Diffusion WebUIの比較で全体像を掴んでからのほうが安全です。

ざっくりした指針を出すと、こうなります。

すでにAUTOMATIC1111を使っている人は拡張機能から。これから環境を作る人はComfyUIから。 拡張機能は既存の操作画面にタブが1枚増えるだけなので学習コストが低く、ComfyUIは最初がしんどい代わりに後から効いてきます。

必要なスペックは？VRAMと生成時間の目安

ローカルで動かす場合、判断材料はほぼGPUのVRAM（グラフィックボードの作業メモリ）だけです。CPUやメインメモリは、よほど古くなければ足を引っ張りません。

AnimateDiffは1枚の絵ではなく16枚前後をまとめて処理します。そのぶん、静止画のときよりVRAMを食う。ここが最初の壁です。

以下は2026年7月時点での現実的な目安です。使うモデルや解像度で上下します。

VRAMが足りないときの逃げ道は用意されています。公式ドキュメントでは、注意機構（Attention）の最適化、FP8という軽い計算形式、LCM系の高速化といった節約手段が案内されています。バッチサイズを下げるのも定番。

要するに、画質と速度を差し出せば、少ないVRAMでも走らせられます。

ただし高解像度化（アップスケール）だけは別枠です。ここは素直にVRAMを食うので、8GB環境では最後に諦める工程になりがち。生成は小さく、拡大は別ツールで、と割り切るほうが精神衛生に良いです。

Stable Diffusion WebUI（AUTOMATIC1111）での導入手順

すでにAUTOMATIC1111が動いている前提なら、追加作業は驚くほど少なくて済みます。

大きな流れは4ステップ。

1. WebUIの「Extensions」から sd-webui-animatediff を導入する
2. 拡張フォルダの中にある model フォルダを開く
3. そこにモーションモジュール（mm_sd_v15_v2.ckpt など）を置く
4. WebUIを再起動する

3番目が唯一の落とし穴です。導入直後の model フォルダには .gitkeep という空ファイルしか入っていません。ここに自分でモデルファイルを置かないと、拡張機能は入っているのにタブが空っぽ、という状態になります。

「入れたのに動かない」の大半はこれ。

再起動すると、txt2imgの画面下部にAnimateDiffのパネルが増えています。あとはチェックを入れ、フレーム数と1秒あたりのコマ数（FPS）を決めて、いつも通り生成するだけ。出力形式はGIFやMP4から選べます。

拡張機能側の公式ドキュメントは、img2vid、Prompt Travel、ControlNetとの併用、モーションLoRA、v3やSDXL対応まで章立てで整理されています。設定項目の意味で詰まったら、日本語の解説記事を渡り歩くより、そちらを直接あたるほうが結局は速いです。

導入手順そのものは30分もかかりません。難しいのは、この先の設定の詰め方です。

ComfyUIで組む場合の最小ワークフロー

ComfyUIでは、AnimateDiff用のカスタムノードを追加して、処理の流れを線でつないでいきます。画面は初見だと威圧的。ただ、最小構成は思ったより単純です。

必要な要素は5つだけ。

• ベースモデルの読み込み
• モーションモジュールの読み込み
• 指示文（ポジティブ・ネガティブ）
• サンプラー（画像を生成する本体）
• 連番画像をGIF/動画にまとめる出力ノード

この5つが一直線につながれば、もう動きます。

ComfyUIを選ぶ利点は、ここから先の拡張が効くこと。モーションLoRA、指示文のスケジューリング、高解像度化を、必要な分だけ枝として足していけます。しかも組んだワークフローはJSONファイルとして保存・共有できるので、翌日には同じ構成を1クリックで復元できる。

量産するなら、この再現性が効きます。

逆に、単発で1本作りたいだけの人には重い選択です。ノードの数が増えるほど、どこが原因で失敗したのか追いにくくなります。最初は最小構成で1本出し切って、動いたところから足していく。この順番を守るだけで、詰まる時間がだいぶ減ります。

ここまでの整理を挟みます。

ここまでの整理: AnimateDiffは「絵柄＝ベースモデル」「動き＝モーションモジュール」の二階建て。導入は3ルートあり、VRAM 12GBあたりが実用ラインの入口。ここから先は、動きをどう指定するかの話に入ります。

モーションLoRAでカメラワークを指定する

指示文だけでは、動きの方向まではなかなか思い通りになりません。そこで使うのがモーションLoRAです。

これは「カメラの動かし方」を追加で教える小さなファイルだと考えてください。公式リポジトリのデモでは、次のような動きが用意されています。

• ズームイン / ズームアウト
• 左へパン / 右へパン
• 上へティルト / 下へティルト
• 時計回り / 反時計回りの回転

被写体そのものを複雑に動かすのではなく、カメラ側を動かして映像に見せる。この発想の転換が、AnimateDiffで見栄えを稼ぐ一番の近道です。

静止した風景でも、ゆっくりズームインさせるだけで「映像」の顔つきになります。逆に、被写体に凝った動作をさせようとするほど破綻しやすい。ここは素直に割り切ったほうが結果が出ます。

なお、モーションモジュールの世代によって使えるLoRAが変わります。v2向けのLoRAをv3の構成に混ぜると効きが鈍る、といったことが起きるので、組み合わせは揃えるのが基本です。

Prompt TravelとControlNet V2V — 表現を広げる2つの機能

単調なループから抜け出したいときに効く機能が2つあります。

Prompt Travelは、フレームごとに指示文を切り替える仕組みです。最初のコマでは「朝の街」、途中で「夕方の街」、最後は「夜の街」といった具合に指定すると、その間をAIが補間してくれます。1本の中で場面が移り変わる映像が作れる。

短い尺でも物語らしさが出るので、SNS素材では重宝します。

ControlNet V2Vは、既存の動画を下敷きにして絵柄だけ入れ替える使い方です。実写の動きをアニメ調に置き換える、いわゆるロトスコープに近い処理ができます。動きの自然さは元動画が担保してくれるため、AnimateDiff単体より安定します。

ただしControlNetを併用するとVRAM消費が跳ね上がります。8GB環境ではまず解像度を落とす前提になる。

この2機能を押さえると、AnimateDiffでできることの幅がだいぶ広がります。逆に言えば、ここまで使い倒しても届かない領域は、次の章の有料サービスの担当です。

有料の動画生成AIと比べてどう違う？

「無料なら全部AnimateDiffでいいのでは」と考えたくなりますが、そこは分かれます。

比較の軸は、費用ではなく時間と品質の到達点です。

商用サービス側の代表格としては、Runway、Kling AI、Pika、Luma、Soraあたりが挙がります。実写寄りの映像や、数秒を超える尺では、これらのほうが素直に速い。

つまり、選ぶ基準は「絵柄をどこまで自分で握りたいか」です。

自分で育てたLoRAやお気に入りのモデルの作風をそのまま動かしたいなら、AnimateDiff以外に選択肢がありません。逆に、作風にこだわりがなく納品スピードが最優先なら、無料にこだわる理由は薄いです。

社内でこうしたツールの棚卸しをする立場なら、AIツールの内部監査の考え方も合わせて見ておくと、無料ツールをどこまで業務に載せてよいかの線引きがしやすくなります。

商用利用とライセンスの考え方

ここは誤解が多い部分です。

AnimateDiff本体はオープンソースとして公開されていますが、「AnimateDiffで作ったから商用OK」とは言えません。実際に判断すべき対象は3つあります。

1. モーションモジュール自体のライセンス
2. 絵柄を担当するベースモデルのライセンス
3. 追加したLoRAのライセンス

このうち、実務で問題になりやすいのは2番目です。配布されているベースモデルには、商用利用を禁止しているもの、クレジット表記を求めるもの、再配布のみ禁じているものが混在しています。作風が気に入ったモデルほど条件が厳しい、ということも珍しくありません。

さらに、既存のアニメ作品やキャラクターの絵柄を強く再現するモデルは、ライセンス以前に権利上のリスクがあります。ここは「規約に書いていないからセーフ」では済まないところ。

安全側に倒すなら、判断はこの順で。

• 商用案件では、商用利用可と明記されたモデルのみ使う
• 使ったモデル名・バージョン・入手元を案件ごとに記録しておく
• 実在の企業名・商品名・人物を想起させる出力は避ける

記録を残すのが地味に効きます。半年後に問い合わせが来たとき、何を使ったか分からない状態が一番まずいので。

うまくいかないときのチェックリスト

失敗パターンはかなり定型的です。症状から原因を引ける表にまとめました。

最初に疑うべきは、ほぼ毎回VRAMと世代の不一致の2つです。

もう1つ、見落とされがちなのが指示文の作り込みすぎ。静止画では効いた長大な呪文が、動画では逆にちらつきの原因になります。動きを付ける段階では、要素を減らしたほうが安定する。

「うまくいかないから足す」ではなく「うまくいかないから引く」。これがAnimateDiffの作法です。

AI PICKS編集部の判定

絵柄を自分で握りたい人には一択。それ以外の人には、正直おすすめしません。

AnimateDiffの価値は無料であることではなく、Stable Diffusion系の資産をそのまま動かせる点にあります。育てたLoRA、探し当てたモデル、詰めた指示文。これらを捨てずに映像化できる手段は、今のところ他に見当たりません。ここは破格です。

一方で、環境構築とVRAMの壁は現実にあります。12GB未満のGPUで戦おうとすると、調整に費やす時間がすぐ数時間単位になる。その時間を時給換算したら、商用サービスの月額のほうが安い、という結論になる人は多いはずです。

品質面でも線引きは要ります。2〜4秒のアニメ調ループなら十分実用的ですが、実写の人物や長尺を狙った瞬間に破綻します。ここを無理に押し通そうとするのが、一番よくある失敗。

推奨は明確です。すでにローカルで画像生成をしていて、GPUが12GB以上あるならComfyUIルートで導入する価値が十分あります。 それ以外なら、まずブラウザ版で感触を確かめ、物足りなければ商用サービスへ。無料という理由だけで環境構築に踏み込むのは、費用対効果が合いません。

よくある質問（FAQ）

Q. AnimateDiffは無料で使えますか？

本体はオープンソースとして公開されており、ソフトウェアの利用料はかかりません。ローカルで動かす場合は生成回数の制限もありません。ただしGPUを積んだパソコン、またはクラウドGPUの費用は自己負担です。

Q. 何秒くらいの動画まで作れますか？

実用的なのは2〜4秒程度です。フレーム数を増やせば長くもできますが、後半になるほど絵が崩れたりちらついたりします。長い尺が必要なら、短いクリップを複数作って編集ソフトでつなぐほうが現実的です。

Q. GPUがないパソコンでも動きますか？

ローカル実行は厳しいです。ブラウザ上で動く無料サービス、またはクラウドGPUを借りる形になります。まず出力の雰囲気を確かめたいだけなら、ブラウザ版で十分です。

Q. 実写風のリアルな動画は作れますか？

作れますが、得意ではありません。特に人物の顔はコマごとに変化しやすく、修正の手間が大きくなります。実写寄りの映像が目的なら、RunwayやKling AIといった商用サービスのほうが到達点が高いです。

Q. モーションモジュールはどれを選べばいいですか？

SD1.5系のベースモデルを使うなら、改良版の mm_sd_v15_v2 以降が基準になります。SDXL系のモデルを使うならSDXL対応版、生成を速くしたいならAnimateLCM系。ベースモデルの系統に合わせるのが大原則で、ここがずれると動きが出ません。

Q. 生成した動画は商用利用できますか？

AnimateDiff本体ではなく、組み合わせたベースモデルとLoRAのライセンスで決まります。商用可と明記されたモデルだけを使い、使用したモデル名とバージョンを案件ごとに記録しておくのが安全です。

Q. RunwayやKlingがあるのにAnimateDiffを使う理由は？

自分のモデルやLoRAの作風をそのまま動かせるからです。商用サービスは手軽な反面、出力の作風がサービス側に寄ります。絵柄の一貫性を最優先する制作では、この違いが決定的になります。

Q. AnimateDiffとComfyUIは別物ですか？

別物です。ComfyUIは処理の流れをノードでつなぐ操作環境で、AnimateDiffはそこに差し込む機能のひとつ。両者の関係が掴めていないなら、ComfyUIとStable Diffusion WebUIの比較を先に読むと整理できます。

関連する比較・代替を見る

用途がAnimateDiffの守備範囲から外れそうなら、先に代替候補を眺めておくと判断が早くなります。

• ComfyUI vs Stable Diffusion — 母艦をどちらにするかの判断材料
• Pika vs Runway — 手軽さ重視の動画生成サービス2強
• Runway vs Sora — 実写寄り・長尺を狙う場合の比較
• Kling AI vs Runway — 人物の動きの自然さで選ぶなら
• Kling AI vs Sora — 尺と表現力のバランス比較
• ComfyUIの代替ツール — ノード操作が合わなかった人向け
• Runwayの代替ツール — 商用サービス側の選択肢を広げる

次に読むならこれ: 動きより先に絵柄の土台を固めたいなら、AIイラストツールの比較記事へ。AnimateDiffの出来はベースモデル選びで8割決まるので、ここを詰めるほうが結果的に近道です。ちなみに、モデルのライセンス条文を読むのがしんどいときはFeloのような調査AIに要約させる手もありますし、スマホだけで完結する軽い生成ならMeta AIの使い方のほうが手数は少なく済みます。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• ComfyUI — 公式サイト（AI PICKSの詳細）
• Stable Diffusion — 公式サイト（AI PICKSの詳細）
• Runway — 公式サイト（AI PICKSの詳細）
• Kling AI — 公式サイト（AI PICKSの詳細）