動画生成AIを自分のパソコンで動かそうとして、「メモリが足りません」で落ちた経験はありませんか。
落としたモデルのファイルは3.43ギガ。グラボは24ギガ積んでいる。7倍も空いているはずなのに落ちる。
しかも設定を間違えたわけではなく、作った側も「24ギガ以上が必要」と書いています。
文章のAI(LLM)なら「必要なメモリ ≒ モデルの大きさ」でほぼ当たります。
ところが動画生成では、この見積もりが桁で外れます。
場所を食っているのはモデルではなく、いま作りかけの映像そのものでした。
しかも1枚ではなく、全部のコマをいっぺんに抱え込みます。
この動画では、道具を作っている側が同じ条件で測って公開した数字を並べて、
「なぜ落ちるのか」「自分の機材では何秒・何ピクセルまで作れるのか」を最後まで追いかけます。
■ この動画で出てくる主な数字
・Wan2.2 5B … 作った側が書いている必要量は24ギガ以上(例としてRTX 4090)
・Wan2.2 14B … 同じく80ギガ以上。有志が4ビットに削ったファイルは9.65ギガ
・HunyuanVideo … 素のピークメモリ 60.09ギガ
・CogVideoX 1.5 5B … 36.51ギガ / LTX-Video … 17.75ギガ(いずれも同一条件の実測)
・4ビット量子化+CPUオフロード+VAEタイリングでも 21.99ギガ止まり
・FP8+部品ごとのオフロード+VAEタイリングで 6.56ギガ。増えた時間はわずか3%
■ 目次
0:00 はじめに
2:03 3.43ギガのファイルなのに24ギガで落ちる ―― 作った側が書いている必要量
4:30 量子化のおさらいと、文章のAIでは当たる見積もり
6:45 同じ条件で測った記録 ―― 4ビットまで削っても60ギガが22ギガにしかならない
8:53 犯人は「作りかけの映像」―― 121枚を同時に抱えている
11:10 一列に伸ばしたトークン列は コマ数×縦×横 で決まる
13:23 コマ数は線形、解像度は二乗 ―― 落ちたらどちらを削るのか
15:28 三つ重ねて6.56ギガ ―― メモリ10分の1で、増えた時間は3%
17:33 ここから先は下がらない理由と、ここまでのまとめ
19:40 Wan2.2とLTX、どちらが速いとは言い切れない
21:43 買い足すか借りるか、画質か時間か ―― 機材選びで見る三か所
■ お断り
・数字はすべて出典に当たって確認しています。裏が取れなかった値は動画では扱っていません。
・「6ギガでも動く」は道具の作者本人の主張であり、第三者が測った数字ではありません。
・どちらのモデルが優れているか、買い足すか借りるかについては、
条件が揃っていないため結論を一つに断定していません。両方の言い分を数字で並べています。
■ 主な参考資料
・Wan-Video/Wan2.2 (公式リポジトリ) https://github.com/Wan-Video/Wan2.2
・Hugging Face 公式ブログ「動画生成モデルのメモリ最適化」 https://huggingface.co/blog/video_gen
・QuantStack / Wan2.2 GGUF 配布ページ https://huggingface.co/QuantStack/Wan2.2-T2V-A14B-GGUF
・Lightricks/LTX-Video https://huggingface.co/Lightricks/LTX-Video
・deepbeepmeep/Wan2GP (WanGP) https://github.com/deepbeepmeep/Wan2GP
この動画は独自に調査した内容をもとに構成しています。図解もすべて独自に作成したものです。
チャンネル登録・高評価をいただけると励みになります。
動画生成を手元でやっている方は、何ギガのグラボを使っているか、
秒数と解像度をどこで妥協しているか、コメントで教えてください。
#ゆっくり解説 #AI #動画生成AI #ローカルAI #VRAM #Wan22 #HunyuanVideo #LTXVideo #RTX4090 #グラボ #GPU #生成AI
