動画生成AIを触ってみたいのに、クレジットの残量を気にしながら生成ボタンを押している。1本失敗するたびに財布が痛む感覚、あれはかなり集中力を削ります。
FramePackはその前提を壊します。手元のパソコンで、無料で、何度でも。しかも要求されるVRAM（グラフィックボード内の作業用メモリ）は6GB。数年前に買ったゲーミングPCが、そのまま動画生成マシンに化けます。
ここが面白いところ。
FramePackとは何か？
FramePackとは、少ないVRAMでも長い動画を作れるように設計された、無料の動画生成技術です。GitHubで公開されていて、ダウンロードから利用まで一切お金がかかりません。
中身は「次に来る映像の区間を予測して継ぎ足していく」タイプの生成方式です。動画を丸ごと一度に作るのではなく、少し先を予測しては足し、また予測しては足す。この繰り返しで尺を伸ばします。
普通の動画生成AIは、長くしようとするほどメモリを食います。10秒あたりで頭打ちになった経験がある人も多いはず。FramePackは、その壁の作り方そのものを変えました。
使う側の操作は拍子抜けするほど単純です。
- 動かしたい画像を1枚用意する
- どう動いてほしいかを短い文章で書く
- 生成ボタンを押して待つ
これだけ。カメラの設定も、複雑なパラメータ調整も、最初は不要です。
ローカルでAIを動かすこと自体が初めてなら、ローカルLLMをOllamaで動かす手順の記事を先に読んでおくと、この後のインストールの話がすっと入ります。GPUとメモリの関係を一度体感しておくと理解が早い。
そもそも動画生成AIにどんな顔ぶれがいるのかを先に眺めたいなら、動画生成AIカテゴリにツールが並んでいます。FramePackの立ち位置が掴みやすくなります。
なぜVRAM 6GBで60秒の動画が作れるのか？
先に公式の数字を置きます。FramePackの公式リポジトリは「13Bモデルで30fps・1,800フレーム（＝60秒）の動画を生成するのに必要な最小GPUメモリは6GB」と明記しています。日本語の解説で見かける「6GBで120秒」は、この60秒を取り違えた数字です。
では、なぜ6GBで60秒が通るのか。答えは「O(1) Context Packing」という圧縮の設計にあります。動画が何秒になろうと、メモリの消費量がほぼ一定に保たれる仕組みです。
O(1)というのは計算量を表す記号で、平たく言えば「入力が増えても処理の重さが変わらない」という意味。
普通の動画生成モデルは、これまで作った全フレームを「文脈」として抱え続けます。抱える量が増えれば、当然メモリも増える。だから長尺で落ちます。
FramePackはここで割り切りました。直近のフレームは細かい情報のまま持ち、遠い過去のフレームはどんどん粗く圧縮して持つ。人が昨日の出来事は細部まで覚えているのに、半年前は要約しか覚えていないのと同じ発想です。結果として、文脈の総量が一定サイズに収まります。
技術の中身より、実務でどう効くかを見た方が早いので表にします。
| 項目 | 一般的な動画生成モデル | FramePack |
|---|---|---|
| メモリ消費 | 尺が伸びるほど増える | 尺が伸びても一定 |
| 実用的な尺の上限 | 数秒〜十数秒で頭打ち | 60秒（1,800フレーム）まで到達 |
| 必要VRAMの目安 | 12GB〜24GB級が前提になりがち | 6GBから |
| 生成の進み方 | 全体を一度に | 区間ごとに継ぎ足す |
つまりFramePackが軽いのは、性能を削って軽量化したからではありません。記憶の持ち方を変えたから軽い。ここが他の省メモリ化と決定的に違う部分です。
学習側にも効きます。公式リポジトリは「画像拡散モデルの学習と同じくらい大きなバッチサイズで学習できる」と説明しています。文脈長が一定になる設計の副産物で、モデルを作る側のコストも下がるということです。具体的な学習時間の短縮率は公式に数字が示されていないため、ここでは倍率を出しません。
ただし、区間を継ぎ足す方式には副作用もあります。それは失敗パターンの章で正直に書きます。
FramePackで作れるもの、作れないものは？
得意なのは「1枚の絵に自然な動きをつける」こと。苦手なのは「何もないところから物語のある映像を作る」ことです。
作れるものを具体的に並べます。
- 人物写真やイラストに、表情の変化・髪の揺れ・体の動きをつける
- 商品写真をゆっくり回す、光が流れるといった短いループ素材
- キャラクターが手を振る、歩く、振り返るといった単純な動作
- SNS用の数十秒素材を、枚数を気にせず量産する
逆に、期待しない方がいい領域も明確です。
| やりたいこと | FramePackでの現実 |
|---|---|
| 文章だけから動画を作る | 起点の画像が前提。素材づくりは別ツールの仕事 |
| カメラワークを細かく演出する | 指示の効きは限定的。凝った画作りには向きません |
| 実写と見分けがつかない映像 | クラウド型の最新モデルの方が上 |
| カット割りのある長い物語 | 1クリップ単位。繋ぎは編集ソフトで |
要するにFramePackは「完成した動画を作る道具」ではなく「動く素材を無限に生む道具」です。この位置づけを外すと、たぶんがっかりします。
起点になる画像づくりで迷っているなら、イラスト向けAIツールの比較記事が入口として使えます。素材の質がそのまま動画の質になるので、ここは手を抜かない方がいい。
プロンプトの書き方から詰めたいならイラスト生成のプロンプト集、ツールの選択肢を横に広げたいなら画像生成AIカテゴリから辿るのが早いです。
動作環境と必要なパソコンのスペックは？
必要なのはNVIDIA製のグラフィックボードを積んだWindowsまたはLinuxマシンです。MacやAMD製GPUでの動作は保証されていません。
「VRAM 6GB」は動く下限であって、快適に動く水準ではない。ここを勘違いすると、生成が終わらないパソコンの前で日が暮れます。
| 構成の目安 | VRAM | 現実的な使い心地 |
|---|---|---|
| 最低ライン | 6GB | 動きます。ただし長尺は待ち時間が厳しい |
| 実用ライン | 12GB前後 | 数十秒の生成が現実的な時間で回る |
| 快適ライン | 16GB以上 | 上限の60秒クラスも実験として回せる |
VRAM以外だと、ストレージの空きが地味に効きます。モデルファイルだけで数十GB級になるため、空き容量は最低でも50GB以上見ておくのが安全です。システムメモリも32GBあると安定します。
グラフィックボードの世代も影響します。RTX 30番台以降なら高速化の恩恵を受けやすく、それ以前だと同じVRAM容量でも体感速度が落ちます。
ここまでの整理 FramePackは「6GBで動く」が売り文句ですが、実態は「6GBで諦めずに済む」技術です。快適さを買うのは結局VRAM容量。手持ちのマシンが12GB以上なら、迷わず試す価値があります。
MacユーザーやGPUを持っていない人は、この先のインストール章を読んでも実行できません。その場合はクラウド型に切り替える判断が早い。後半の使い分けの章で具体的に扱います。
GPUを持たない前提で選ぶなら、動画生成AIの基礎ガイドでブラウザ完結型の選択肢を先に確認しておくと、この先の手順を読む時間を節約できます。
インストールの流れ
Windowsであれば、公式が配布しているワンクリック版のパッケージを使うのが一番早いです。Pythonの環境構築を自力でやる必要がありません。
大まかな手順はこうなります。
- GitHubの公式リポジトリから、Windows用パッケージをダウンロードする
- 解凍して、同梱の更新用バッチを実行する（初回に必要）
- 起動用バッチを実行すると、モデルの自動ダウンロードが始まる
- ブラウザで操作画面が開く
つまずくポイントは、たいてい3番目です。モデルファイルの初回ダウンロードは数十GB規模になるため、回線が細いと1時間以上かかります。途中で止まったように見えても、ターミナルの表示が進んでいれば待つのが正解。
もうひとつの定番トラブルがGPUドライバです。NVIDIAのドライバが古いままだと、起動はするのに生成の途中で落ちます。うまくいかないときは、まずドライバを最新にしてからもう一度。
Linuxや自力で環境を組みたい場合は、CUDA対応のPyTorchを入れてから公式の手順に従います。仮想環境を切って入れるのが無難です。
GPUが手元にない人向けには、Google Colabで動かす方法も出回っています。ただし無料枠のGPUだと割り当て時間の制限があり、長尺生成の途中で切れることがある。試すだけなら十分ですが、常用には向きません。
実際の生成手順とコツ
操作画面はブラウザ上に開きます。左に画像のアップロード欄と指示文の入力欄、右に生成結果のプレビュー。これだけです。
流れは単純です。
- 動かしたい画像をアップロードする
- 動きの指示文（英語推奨）を入力する
- 動画の長さを秒数で指定する
- 生成を実行して待つ
指示文のコツは「短く、動詞ひとつ」。凝った文章を書くほど結果がぼやけます。
| 指示文の書き方 | 結果の傾向 |
|---|---|
| The girl waves her hand（短い動詞1つ） | 意図通りに動きやすい |
| The girl waves and turns and smiles（動作を詰め込む） | どれも中途半端になりがち |
| 情景描写を長く書く | 動きの指示として効きにくい |
つまり、やりたい動きを1つに絞って書くのが最短ルートです。複数の動作を入れたいなら、生成を分けて後から編集ソフトで繋ぐ方が確実。
生成時間の目安も知っておくべきです。VRAM 6GBの環境で5秒の動画に十数分から数十分かかることも珍しくありません。時間はVRAM容量とGPU世代で大きく変わります。
だから最初は必ず短い尺で試す。3秒から5秒で狙い通りの動きが出るか確認してから、尺を伸ばす。これを守るだけで無駄な待ち時間が激減します。
生成した短いクリップを繋ぐ工程は、AI動画編集ツールの記事で扱っている道具に任せると手が止まりません。
よくある失敗パターンと対処
一番多いのは「後半になるほど絵が崩れる」現象です。区間を継ぎ足していく方式である以上、これは構造的に起きます。
原因と対処を整理します。
| 症状 | 起きる理由 | 対処 |
|---|---|---|
| 後半で顔や体が崩れる | 継ぎ足しのたびに誤差が積み上がる | 尺を短く区切って複数本を編集で繋ぐ |
| 途中で動きが止まる | 指示文が抽象的で動作を特定できない | 動詞ひとつの短い指示に変える |
| 生成が途中で落ちる | VRAM不足かドライバの問題 | 尺を短く、解像度を下げ、ドライバ更新 |
| 背景が勝手に変わる | 起点画像の情報が薄い | 被写体がはっきりした画像を選ぶ |
要するに、崩れが怖いなら長尺を1本で作らないこと。これが実務上いちばん効く回避策です。
もうひとつ知っておくべきなのが、起点画像の質です。ぼやけた画像、被写体が小さい画像、背景がごちゃついた画像は、ほぼ確実に崩れます。動画AIの精度以前の問題。
崩れの半分は素材側の問題なので、画像生成AIの使い方ガイドで起点画像の作り方を先に固めておく方が結果的に近道です。
生成待ちの間にパソコンで他の重い作業をするのも避けた方が無難です。VRAMを奪い合って落ちます。
FramePack Studio・eichi、どれを選ぶか？
本家のFramePackに加えて、有志が機能を足した派生版がいくつか存在します。用途が違うので、選び方を整理します。
- 本家FramePack: 最小構成。まず動かして仕組みを理解したい人向け
- FramePack Studio: 生成キューやプリセットなど、繰り返し作業を効率化する機能を追加した派生版
- FramePack-eichi: 日本語UIと細かい制御を足した派生版。日本語で操作したい人に重宝します
| 選択肢 | 向いている人 | 注意点 |
|---|---|---|
| 本家 | まず試したい、公式の挙動を知りたい | 機能は最小限 |
| Studio | 大量に生成する、作業を回したい | セットアップの手間が増える |
| eichi | 日本語で操作したい、細かく制御したい | 派生版のため更新状況の確認が必要 |
つまり、最初の1回は本家、量産したくなったらStudio、日本語UIが必要ならeichi。この順で考えるのが失敗しません。
派生版は個人開発である以上、更新が止まるリスクは常にあります。業務で使うなら、本家で動く構成を土台にしておく方が安全です。
クラウド型サービスとの使い分け
FramePackとクラウド型は競合ではありません。役割が違います。
判断軸はシンプルで、「枚数を稼ぎたいか、品質を取りたいか」の二択です。
| 判断軸 | FramePack（ローカル） | クラウド型サービス |
|---|---|---|
| 費用 | 電気代のみ。生成し放題 | 月額または従量課金 |
| 画質の天井 | 中程度 | 高い |
| 生成速度 | 遅い（GPU依存） | 速い |
| 必要な準備 | GPU搭載PCとインストール | ブラウザだけ |
| 商用利用 | ライセンス確認が必要 | 各社の規約次第 |
つまり、試作を何十本も回す段階はFramePack、納品する1本はクラウド型。この分け方が現実的です。
FramePackで動きの当たりを探して、狙いが定まったらクラウド型で本番を作る。この二段構えなら、クレジットを無駄に溶かさずに済みます。
クラウド型の選択肢を先に把握しておきたいなら、動画生成AIの比較記事で各サービスの料金と得意分野を確認してください。使い分けの判断が具体的になります。
用途がはっきりしているなら近道もあります。縦型のショート素材が目的ならショート動画をAIで作る手順、社内利用や商用前提の体制づくりならビジネス向け動画生成AIの記事が実務寄りです。
商用利用については、モデルごとのライセンスを必ず自分で確認してください。無料で使えることと、商用に使えることは別の話です。
編集部の評価
FramePackの価値は「品質」ではなく「回数を気にしなくていいこと」にあります。ここを間違えなければ、破格の道具です。
正直に言えば、出てくる映像のクオリティはクラウド型の最新モデルに勝てません。実写に迫る映像を求めてFramePackに来た人は、たぶん10分でがっかりします。
でも、試作を100本回せる環境の価値は別枠です。クラウド型で100本試したら、それなりの金額が飛びます。手元で無料なら、失敗のコストがゼロ。この差は制作の進め方そのものを変えます。
微妙なのは生成時間です。VRAMが下限に近いマシンだと、5秒の映像に数十分。待っている間は他の作業もしづらい。ここは正直イマイチと言うしかありません。
それでも、動画生成AIを学ぶ入口としては一択に近い。仕組みが公開されていて、無料で、上限まで自分で触れる。この条件を満たす選択肢は多くありません。
おすすめできるのは、VRAM 12GB以上のNVIDIA GPUを持っていて、SNS用の短い動く素材を量産したい人。この条件に当てはまるなら、今日インストールする価値があります。
よくある質問（FAQ）
Q. FramePackは本当に無料ですか？
無料です。GitHubで公開されていて、ダウンロード費用も利用料もかかりません。かかるのは電気代とストレージの空き容量だけ。ただし商用利用については、使用するモデルのライセンス条件を自分で確認する必要があります。
Q. Macでも動きますか？
公式にはNVIDIA製GPU搭載のWindowsまたはLinuxが対象です。Macでの動作は保証されていません。Macで動画生成をしたいなら、クラウド型サービスを使う方が現実的です。
Q. VRAM 6GBのパソコンで60秒の動画は作れますか？
公式リポジトリは「13Bモデルで30fps・1,800フレーム（60秒）を作るのに必要な最小GPUメモリは6GB」と明記しているので、作れます。ただし6GB環境は「動く下限」で、待ち時間は相当なものになります。長尺を試したいなら12GB以上を推奨します。短い尺で複数本作って編集で繋ぐ方が、結果的に早くて品質も安定します。
Q. 生成にどれくらい時間がかかりますか？
GPUの性能とVRAM容量で大きく変わります。下限に近い環境では、数秒の動画に十数分から数十分かかることもあります。高性能なGPUなら大幅に短縮されます。まず3秒程度で試して、自分の環境での速度を測るのが確実です。
Q. FramePackとFramePack-eichiは何が違いますか？
eichiは有志による派生版で、日本語UIと細かい制御機能が追加されています。日本語で操作したい人には重宝します。ただし個人開発のため、本家の更新に追従しているかは都度確認が必要です。
次に読むならこれ
FramePackで動きの実験をひととおり終えたら、次は本番用の1本をどこで作るかの判断になります。動画生成AIの比較記事で、クラウド型サービスの料金と得意分野を押さえておくと、ローカルとクラウドの二段構えが組めます。無料で試作、有料で仕上げ。この流れが今のところ一番コスパが良いです。
アニメ調の動きを狙っている人はAIアニメ動画の作り方、まず手持ちの選択肢を広げたいなら動画生成AIツールのまとめも合わせてどうぞ。
