生成AI研究室(49) ハロウィン企画(第4弾)——同じ魔女をクラウドの96GB GPUで7本。準備34分・1本32〜103分・1日で約$20、参照の作り方は時間に出ず、出来は後半で割れた

2026年11月3日

生成AI研究室(49) ハロウィン企画(第4弾) クラウドの96GB GPUで同じ魔女を7本

前回(第3弾)まで、魔女のダンスはデスクトップ(RTX 5060 Ti 16GB×2)とMacで焼いてきました。今回は同じプロンプト・同じseedを、クラウドGPU(RunPod)のRTX PRO 6000 Blackwell(96GB)で、条件を1つずつ変えながら7本焼きました。1日分の時間と費用、メモリ、止まった1本、そして見た目を並べます。

7本目(量子化構成・cu130・896×1184・25ステップ)。クラウドで49分53秒

5本目(bf16・グレー背景の参照・896×1184・25ステップ)。クラウドで57分28秒

使ったもの

項目	クラウド(RunPod)	デスクトップ(当方)
GPU	RTX PRO 6000 Blackwell Server ×1(VRAM 97,887MiB)	RTX 5060 Ti 16GB ×2
CPU/RAM	48 vCPU/283GB	i7-11700K/64GB
料金	$2.49/h+コンテナ200GB $0.028/h=$2.52/h	—
環境	PyTorchテンプレートにComfyUI 0.43.0を自分で導入	ComfyUI(H3VMで2枚使い)
モデル(bf16の5本)	minimax_h3_ref2va_bf16+qwen3vl_32b bf16、LoRAなし、res_multistep	—
モデル(量子化の2本)	デスクトップと同じ pruned_int8_convrot+nvfp4_awq+Turbo 8step LoRA、euler	同左

RunPodの管理画面(Pod名・ID・残高は伏せています)。Uptime 7h48m、GPU 1枚、48 vCPU、283GB、$2.49/h

準備に34分、焼き始めるまで

Podを立ててから1本目を投入するまで、約34分かかりました。内訳は、ComfyUIの取得と依存の導入、モデル4点(生成モデル66.3GB・テキストエンコーダ51.5GB・VAE 5.8GB=計123.6GB)のダウンロード、カスタムノード7パック、ポートの変更、ワークフローと素材の登録です。

意外だったのはダウンロードの速さで、123.6GBが70.7秒。Hugging Faceの高速転送を使うと、クラウド側はこの速度で届きます。準備時間の大半は、モデルではなく環境づくりでした。手順を固めれば、準備は数分の帯まで縮む見込みです(未検証)。

7本の結果

変えた条件は1本につき1つです。時間はすべてサーバーのログと履歴の値(画面の丸めではありません)。

本	変えた条件	参照動画	出力	秒/ステップ	総時間	結果
1	基準(0.6MP・bf16)	540×720 縦・縮小版	672×928	71.0	32分00秒	完走
2	出力を1.0MPへ	同上	896×1184	131.0	57分37秒	完走
3	参照を横1280×720へ	1280×720 横	896×1184	233.6	1時間42分58秒	完走
4	参照を縦クロップへ	540×720 縦・クロップ	896×1184	131.0	57分27秒	完走
5	参照をグレー背景へ	540×720 縦・クロップ・背景除去	896×1184	131.0	57分28秒	完走
6	量子化構成(cu128)	同上	—	—	54秒	初回ステップ前にOOM
7	量子化構成(cu130に更新)	同上	896×1184	113.0	49分53秒	完走

25ステップ・15秒・24fps・同じseed・同じプロンプト(937語)。1本目を100%とすると、総時間は2本目180%・3本目322%・4本目180%・5本目180%・7本目156%。

数字から読めること

出力の画素数と時間。 0.6MP(623,616画素)→1.0MP(1,060,864画素)で画素は170%、秒/ステップは184%でした。ほぼ画素数なり、少し上乗せ。

参照動画の画素数は、前処理と各ステップの両方に効く。 参照を540×720(388,800画素)から1280×720(921,600画素・237%)にすると、秒/ステップは178%、前処理は408%(50.6秒→206.8秒)。第3弾で「参照の負荷は色ではなく画素数×コマ数」と書いたことが、クラウドでも同じ形で出ました。

参照の作り方は、時間に出ない。 同じ540×720でも、縮小版(2本目)・クロップ版(4本目)・クロップ+背景除去(5本目)の3本は、サンプリング時間が3,275.4秒・3,275.4秒・3,276.0秒で、差は最大0.634秒(0.02%)。中身を変えても、画素数が同じなら時間は同じです。

bf16と量子化。 同じ参照・同じ解像度で、量子化構成(7本目)はbf16(5本目)に対して秒/ステップ86%・総時間87%、生成中のGPUメモリ57%(96.7GB→54.9GB)、ホストRAM 35%(132GB→45.6GB)。

メモリ: 96GBでも、bf16は載り切っていない

bf16の5本では、生成中のVRAMが96,725〜96,733MiB/97,887MiB(98.8%)で張りつき、ComfyUIのプロセスがホストRAMを132GB使っていました。生成モデル63GB+テキストエンコーダ49GB+VAE 6GBは96GBを超えるので、載り切らない重みをホストRAMに置いてストリーム転送する構成(起動ログに「async weight offloading」「DynamicVRAM」)で動いています。それでもOOMはなく、スワップは領域ごとありませんでした。

量子化の7本目は、VRAM 54.9GB・RAM 45.6GBで、96GBの中に余裕を残して動いています。

止まった1本: cu128でOOM、cu130で完走

6本目は、デスクトップと同じ量子化構成(int8の生成モデル・nvfp4のテキストエンコーダ・Turbo LoRA・euler)をそのまま投入したところ、初回ステップの前で torch.OutOfMemoryError で止まりました(54秒)。ログを見ると、PyTorchが2.8.0+cu128で、ComfyUIの量子化バックエンドが「cu130以上が必要」と警告を出し、eager(汎用)実装のint8線形層の中で失敗しています。

PyTorchを2.14.1+cu130に上げてComfyUIを再起動した7本目は、同じワークフローで完走しました。再起動でVRAMの初期状態も変わっているので、cu130の効果だけとは言い切れません。デスクトップがcu130で動いていたのは、たまたまではなく必要条件だった、というのが今回分かったことです。

見た目: 7秒までは揃い、10秒から割れる

同じ秒(0/3/6/10/14秒)の7本並び。左端がデスクトップ(0.6MP)、右へ1〜5本目(bf16)・7本目(量子化)。参照ダンサーの段は載せていません

保存した毎秒のコマで、参照との主要ポーズを照合しました(骨格の数値計測ではなく目視。時間をずらして合わせる操作はしていません)。

0〜7秒は7本とも主要ポーズが対応。 腕を横へ、正面で腕を下げる、片腕を画面左へ、片手を頭の後ろへ、の流れは全部にあります。
3秒: 参照は正面で両腕を下げています。デスクトップと1本目(0.6MP)は横向きで片腕を前へ出し、2〜7本目(1.0MP)は正面。1.0MPのほうが参照に沿っています。
10秒(顔の横で両手を開く): デスクトップ・1本目・2本目は一致、3・4・5・7本目は両腕を下げていて不一致。
13〜14秒: デスクトップと1本目は「一部一致」、2〜7本目は不一致(顔の横や前に両手)。後半は0.6MPの2本が参照に近く、1.0MPの5本は別の動きに流れました。 解像度の違いか、たまたまかは、この本数では決められません。
グレー背景(5本目)は、クロップ版(4本目)と8〜12秒・14秒で主要ポーズが違います。 背景を消しただけで動きが変わりましたが、背景除去が原因だと確定したわけではありません。
bf16(5本目)と量子化(7本目): 7秒までは対応、12秒で手の形(拳と開いた掌)、13〜14秒でポーズが違います。衣装の紫・橙・黒は両方で保持。
デスクトップと1本目(同じ0.6MP・同seed・ただしモデル構成は別): 15秒のうち10秒で主要ポーズが一致。
「5〜6秒で指を一本ずつ開く」の指定は、7本とも確認できませんでした。 毎秒のコマでは、開始秒もどの指からかも判定できません。
帽子は確認した全コマで頭上。色は全本で保持。終盤の白化はなし。口の動きと歌の同期は未検査。