クラウドで考え、手元で作る――自分の機材と目的から、最初の AI の道具を選ぶ

道具の許諾を確かめて、自分の作品を作ってみませんか。

この案内は、自分の作品を作りたい人が、手元の PC と目的から最初の道具を選び、AI に手伝ってもらいながら安全に動かすためのものです。アプリやインストーラは配りません。誰でも手に入る標準の道具（ComfyUI と、公開されているモデル）の選び方と、AI の使い方のコツを書きます。

• 書いてある数字は、書いた時点で私たちが測った値か、公開元の目安です。版が変われば変わります。動くことは保証できません。
• 許諾についての文は、公開元の条文を私たちが読んだものです。法的な助言ではありません。使う前に、各道具の「一次資料」を自分で読んでください。確認日より後に条件が変わっていることがあります。
• 自分だけで楽しむ場合にも、道具ごとの条件があります。使う道具の許諾と公開先の決まりを確かめてください。

1. 3つの問いで、最初の道具を選ぶ

問い1：何を作りたいか。 絵／絵の手直し／声（読み上げ）／歌／音つきの動画／考える・調べる・見てもらう。

問い2：手元の機械に何があるか。 大事なのは GPU のメモリ（VRAM）と、PC のメモリの2つです。Windows の対応 GPU ならタスク マネージャーの「パフォーマンス」で、GPU の「専用 GPU メモリ」と「メモリ」の量を見られます。

問い3：作ったものをどう使うか。 自分だけで楽しむ／無料で公開する／作品を売る／人に生成させる・モデルを配る。最後の2つは、道具ごとの許諾で可否が分かれます（§3）。

早見表（詳しい条件は §3 の各道具へ）

迷ったら、絵から始めてください。 ここで測った SDXL の例は待ち時間が短いためです。許諾は選ぶモデルごとに確かめてください。

2. 数字の読み方

この案内の数字には4種類あります。同じ表に並んでいても、確かさが違います。

• 測定日は、【8GB 相当】の H3 が2026年10月13日、画像3種と歌が10月14日、【実機 12GB】が10月24〜25日です（いずれも日本時間）。その入力と設定に限った結果です。
• 8GB 相当の RAM 制限は処理プロセスに掛けたもので、OS や共有メモリの余白は含みません。SDXL の RAM 制限は起動引数の記録だけで、動作中の設定値は取得していません。
• VRAM 使用量は、画像3種が PyTorch の確保済みメモリの最大値、歌が GPU 全体の専用メモリの観測最大値です。指標が違うので、そのまま大小を比べられません。
• 1回か数回の測定です。1枚・1本ごとの時間で、ばらつきは調べていません。
• 「完走」は最後まで出力できたという意味で、品質の良し悪しではありません。

3. 道具ごとの条件

各道具に、必要な性能・使ってよい範囲・地域・合わないときの代わり・一次資料（確認日）を並べます。確認日は日本時間です。

3-1 ComfyUI（すべての土台）

• 何に使う：画像・動画・声・歌のモデルを、ノードをつないだ図（ワークフロー）で動かす無料の道具。§3-2〜§3-7 の道具は、すべてこの上で動かす前提です。
• 入れ方（公式の3つ）：
  • Desktop 版：Windows 10 以降（NVIDIA か AMD の GPU を推奨）、macOS（Apple シリコン）、Linux。
  • Portable 版：Windows だけ。NVIDIA の GPU か、CPU だけ。
  • 手で入れる方法：いろいろな GPU に対応（NVIDIA・AMD・Intel・Apple シリコンなど）。
• 必要な性能：【公式】の要件のページに VRAM の目安はありません。動かすモデルで決まります（各道具の欄）。公式のページ自身が「更新が速く、この文書が追いつかないことがある」と書いているので、入れる日に読み直してください。
• 使ってよい範囲：GPL-3.0。私的・無料の公開・作品の販売とも使えます。GPL はプログラムの許諾で、作った絵や音そのものには掛からないと私たちは読んでいます。ComfyUI を改造して配るときは GPL に従います。
• 地域：許諾に地域の制限はありません。
• 一次資料：System Requirements（公式の導入の案内）（2026-10-29 確認）、LICENSE（2026-10-29 確認）

3-2 SDXL base 1.0（絵）

• 何に使う：文から絵を作る。アニメ調の派生モデルもあります。今回測った派生は SDXL 用の生成ワークフローで動かしました。
• 必要な性能：
  • 【公式】README に VRAM の数字はありません（足りないときに CPU へ逃がす方法だけ）。
  • 私たちが測ったのは SDXL の派生のモデル1つです。base そのものは測っていません。同じ構造なので近い値と見込んでいます（推定）。
  • 【8GB 相当】1280×720・16 step：1枚 約7秒、VRAM 約5.5GiB。処理プロセスを 16GiB に制限した条件でも完走。
  • 【実機 12GB】1920×1080・20 step から 2880×1624・10 step へ拡大して 42.4秒（読み込み込み。上とは解像度と工程が違う）。
  • 【推定】RTX 3060 級で1枚 約35秒。
• 使ってよい範囲：CreativeML Open RAIL++-M。私的・無料の公開・作品の販売とも可。モデルの商用利用も可。ただし付属書 A の使い方（法に反する・人を害するなど）はできません。派生のモデルを配るときは、この制限を引き継ぎます。
• 派生のモデル：許諾はモデルごとに違います。配布ページの条件を読んでから使ってください（例：Illustrious XL v2.0 は creativeml-openrail-m の表記）。
• 地域：許諾に地域の制限はありません。
• 合わないときの代わり：同じイラスト向けに Anima（§3-3）。
• 一次資料：SDXL base 1.0 のモデルカード（2026-10-29 確認）、Illustrious XL v2.0（2026-10-29 確認）

3-3 Anima（絵・アニメ調）

• 何に使う：アニメ調のイラスト。
• 必要な性能：
  • 【公式】README に VRAM の数字は見当たりません。
  • 【8GB 相当】768×768・20 step：1枚 約5秒、VRAM 約4.2GiB。処理プロセスを 16GiB に制限した条件でも完走。
  • 【実機 12GB】1024×1024・30 step で 24.3秒（読み込み込み。上とは大きさと step の数が違う）。
  • 【推定】RTX 3060 級で1枚 約25秒。
• 使ってよい範囲：CircleStone Labs Non-Commercial License v1.2。
  • モデルは非商用だけ。作った絵は商用も可（条文 2.e）。公式の README が挙げる可の例：絵の販売、有償の依頼、有料のゲームなどの素材にする。
  • 別の許諾が要る例（同じ README）：モデルを API に載せて料金を取る、有料の画像生成サイトに載せる、有料のゲームや製品にモデルを組み込む。
  • 無料でも、第三者が直接使う・第三者に影響する使い方（人に生成させるなど）は、非商用の範囲に入らないと条文にあります（1.c）。
  • 個人は、自分で作った派生のモデル（LoRA など）を売れます（2.c）。
  • Anima は NVIDIA の Cosmos-Predict2 の派生なので、NVIDIA Open Model License も掛かります。NVIDIA の条文には、利用時の安全措置と AI 倫理の条件、Cosmos のモデルや派生モデルを配るときなどの表示条件があります。使う前に両方の許諾を読んでください。
• 地域：CircleStone の許諾に、地域を除く定めはありません（輸出規制の定めはあります）。
• 合わないときの代わり：モデルそのものを製品やサービスに使いたいなら、SDXL base（§3-2）。
• 一次資料：Anima のモデルカード・LICENSE.md・NVIDIA Open Model License（2026-10-29 確認）

3-4 Qwen-Image 2.1（絵の手直し・絵）

• 何に使う：絵の一部を文で直す（色を替える・物を消すなど）。文から絵も作れます。
• 必要な性能：
  • 【公式】README に VRAM の数字はありません。
  • 【8GB 相当】INT8 の重みで、Turbo（1024×1024・8 step）が1枚 約87〜93秒、通常版（40 step）が約123〜131秒。VRAM 約6GiB。PC のメモリは約12〜21GiB 使いました（Turbo はメモリ 16GiB の制限でも完走）。
  • 測った手直しは、白地の赤い円を青に替える1例だけです。 人物・文字・写真・複雑な手直しの品質と時間は測っていません。
  • 【実機 12GB】同じ円の課題で Turbo 126.8秒、通常版 198.9秒（読み込み込み）。
  • 【推定】RTX 3060 級で Turbo 約7〜8分、通常版 約11分。
• 使ってよい範囲：Qwen-Image 2.1 Research License。条文と公式の説明を分けて示します。
  • 条文：モデルと文書（Materials）は非商用、つまり研究・評価のためだけ（§2）。
  • 公式の説明（2026-09-21、公式アカウントの X の投稿）：「出力は許諾の対象（Materials）に入らない。生成した画像などの権利は利用者のもの」。ただし、作品を作るための実行そのものが §2 の「商用目的の利用」に当たらない、とまでは明言していません。
  • 再配布：研究・評価の非商用目的に限り、モデルや派生を配ることは認められています（§2・§3）。許諾の写し、権利表示、変更した旨の表示などの条件があります。製品・サービスの一部として提供する場合も §2 の範囲に従い、無料というだけでは条件を満たしません。商用利用には別の許諾が必要です。
  • 名前と表示：派生モデルや製品・サービスの主な名前に「Qwen」を使えません（説明のための使用は可、§4c）。出力で学習したモデルを配るなら「Built with Qwen」または「Improved using Qwen」の表示が要ります（§4b）。
• 地域：地域を除く定めはありません（輸出規制の注意だけ）。
• 合わないときの代わり：FLUX.2 klein 4B（Apache-2.0。【公式】約13GB・RTX 3090/4070 以上。私たちは 8GB・12GB で測っていません）。ほかに手直し用の Qwen-Image-Edit-2509、文からの生成用の MOSS-Image-Base（どちらも Apache-2.0。私たちは使っていません）。
• 一次資料：LICENSE（2026-10-29 確認）、公式の説明 @Alibaba_Qwen・@QwenDevs（2026-10-29 確認）、FLUX.2 klein 4B（2026-10-29 確認）

3-5 MiniMax H3（音つきの動画）

• 何に使う：絵や文から、音つきの短い動画を作る。
• 必要な性能：
  • 【8GB 相当】480p・8秒：1回だけ完走して 約6分（358秒）。PC のメモリを約28GiB 使いました。設定を比べる試験は途中の誤りで止まり、終わっていません。
  • 【実機 12GB】480p で 662秒（約11分）、768p で 4,232秒（約70分）。どちらも ComfyUI の起動の設定を軽くした条件です。
  • 【推定】RTX 3060 級の 480p で約30分。
  • 私たちの目安：VRAM 12GB・メモリ 32GB から（推定）。8GB 級には勧めません。
• 使ってよい範囲：MiniMax H3 License。
  • 私的・無料の公開・販売は、下の地域の内なら可。
  • 商用の製品・サービスの年間収益が2,000万ドルを超える場合は別の許諾が要ります（IV.1）。商用の製品・サービスでは画面に「MiniMax H3」と表示します（IV.2）。
  • 公開の場では、機械で作ったことをはっきり示すのが義務です（利用方針 12）。
• 地域（大事）：許諾の地域は「全世界から EU・英国・韓国・米国を除いたところ」です（I.5）。英国・EU では使えません。韓国・米国も許諾の対象外です。その外では、モデルも、作った動画も、使う・複製する・配る・見せることができません（V.4）。
  • 日本の人が日本で作り、日本で使うのは許諾の内です。
  • 世界中から見える場（SNS など）に出すことがこれに当たるかは、条文からははっきりしません（灰色）。
  • 時間貸しで借りる機械がこの地域にあるときも、地域の外で使うことになると読めるので、避けてください。
  • 除かれた地域の組織は、公式の申請書で許諾を求められます（公式の Q&A。審査あり）。
• 合わないときの代わり：Wan2.2 TI2V-5B（Apache-2.0、地域の制限なし）。【公式】公式のスクリプトで、CPU へ逃がす設定を付けて 24GB 以上（RTX 4090 など）。ComfyUI での必要量は測っていません。H3 とは別のモデルなので、手順と設定は公式の例で確かめてください。
• 一次資料：LICENSE（2026-10-29 確認）、License の Q&A（2026-10-29 確認）、Wan2.2 TI2V-5B（2026-10-29 確認）

3-6 Irodori-TTS v4.1 Small（声・読み上げ）

• 何に使う：日本語の文を読み上げる。
• 必要な性能：
  • 【実機 12GB】1回 21.0秒（読み込み込み）。
  • 8GB では測っていません。
  • 大きい版（Large）は、12GB でもそのままでは載らず、一部を CPU へ逃がして 74.2秒でした。許諾も Small とは別です。取る前に Large のページを読んでください。
• 使ってよい範囲：MIT と、モデルカードの倫理の決まり。私的・無料の公開・販売とも可。本人のはっきりした同意なく声を真似る・なりすますことはできません。 人を欺く合成音声も不可です。
• 地域：許諾に地域の制限はありません。
• 一次資料：Irodori-TTS v4.1 Small（2026-10-29 確認）

3-7 ACE-Step 1.5 XL SFT（歌）

• 何に使う：歌詞と曲の雰囲気から、歌入りの曲を作る。
• 必要な性能：
  • 【公式】12GB 以上（CPU へ逃がす＋INT8）、16GB 以上（CPU へ逃がす）、20GB 以上（逃がさない）、24GB 以上で XL と 4B の言語モデルを含む完全な構成。重みは bf16 で約18.8GB。
  • 【8GB 相当】60秒の曲で 約78〜80秒、VRAM 約6.5GiB。処理プロセスのメモリ 16GiB の制限でも完走（ComfyUI の CPU への逃がしを使った条件）。公式の目安より小さい条件で動きましたが、物理の 8GB のカードでは確かめていません。
  • 【実機 12GB】79.3秒（読み込み込み）。
  • 【推定】RTX 3060 級で 2.4〜5.2分。
• 使ってよい範囲：MIT（ComfyUI 用の配布は Apache-2.0 の表記。どちらも許可の広い許諾）。モデルカードに「生成した曲は商用に使える」とあります。実在の歌手や曲を真似る指示を使う前に、出す先の決まりを読んでください。
• 地域：許諾に地域の制限はありません。
• 一次資料：ACE-Step 1.5 XL SFT（2026-10-29 確認）、ComfyUI 用の配布（2026-10-29 確認）

3-8 ChatGPT・Claude（考える・調べる・見てもらう・導入を手伝ってもらう）

• 必要な性能：手元の GPU は要りません。
• 作ったものの権利：
  • OpenAI の利用規約（個人向け、2026-01-01 発効）：利用者は出力を所有し、OpenAI は出力について持つ権利を利用者に譲る、とあります。EEA・スイス・英国に住む人には別の規約が掛かります。
  • Anthropic の Consumer Terms（2025-10-08 発効）：規約を守る限り、出力について Anthropic が持つ権利（あれば）を利用者に譲る、とあります。
• してはいけないこと：各社の利用方針に触れる生成。中身はこの案内では確かめていません。
• 地域・プラン：使える国と、どのプランで何が使えるか（手元の PC を操作する道具を含む）は、この案内では確かめていません。各社の案内で確かめてください。
• 一次資料：OpenAI Terms of Use（2026-10-29 確認）、Anthropic Consumer Terms（2026-10-29 確認）

3-9 そのほか（手順の途中で出てきたら）

• 背景を消す：RMBG-2.0 は CC BY-NC 4.0 で、この無償許諾では売る作品には使えません（商用は別契約）。代わりは BiRefNet（MIT）。どちらも私たちは 8GB・12GB で測っていません。一次資料：RMBG-2.0・BiRefNet（2026-10-29 確認）

4. 機械を用意する

• 持っている PC で始める：VRAM 8GB 級なら、絵と歌は動く範囲があります（§3。物理の 8GB では未確認）。待ち時間は長めです。
• 新しく買うなら：VRAM 12GB 以上、メモリ 32GB を目安にしてください。この試験を踏まえ、PC のメモリにも余裕を取ることを勧めます（Qwen-Image 2.1 で約12〜21GiB、H3 で約28GiB 使いました）。値段は変わるので、ここには書きません。
• 空き容量：モデルは1つで数GB〜20GB 前後あります（例：ACE-Step XL は【公式】で約18.8GB）。始める前に余裕を持って空けてください。
• 買えないなら、時間貸しで借りる：GPU の機械を時間単位で借りられるサービスがあります。料金と規約はサービスごとに確かめてください。
  • 機械のある場所を見る：H3 は EU・英国・韓国・米国の機械では使えないと読めます（§3-5）。
  • 人に生成させる場合は条件を確認する（Anima は非商用の範囲外。Qwen-Image 2.1 は研究・評価の非商用目的などの条件に従う。§3-3・§3-4）。
  • 作ったものは自分の PC へ持ち帰り、借りた機械には残さない。

5. AI に導入を手伝ってもらう（安全に確かめる手順）

ChatGPT や Claude に「この PC で ComfyUI と〇〇が動くようにしてください」と頼んで、手順の案を出してもらえます。ここでは導入の成功率は測っていません。ただし、AI は間違えることも、確かめずに進めることもあります。次の順で、自分が確かめてから実行してください。

手順 0：始める前に

• 大事なファイルの写しを取っておく。
• 作業用のフォルダを1つ決める。手元の PC を操作する道具（Claude Code・Codex など）は、そのフォルダで起動する。
• 普段使いのアカウントで作業する。GPU のドライバーの更新など管理者の権限が要る操作は、AI に任せず、公式の手順で自分で行う。
• パスワード・API キー・個人の情報を AI に貼らない。

手順 1：先に調べてもらい、計画だけを出してもらう（まだ実行させない）

頼み方の文例：

この PC で ComfyUI を動かし、［作りたいもの］のモデルを使いたいです。GPU は［型番］（VRAM［〇］GB）、メモリは［〇］GB、OS は［Windows 11 など］、空き容量は［〇］GB です。
まだ何も実行しないでください。 ComfyUI の公式の導入の案内（docs.comfy.org）と、モデルの公開元のページを調べてから、この PC に合う方法を1つ選び、次の表にしてください：手順・入れるもの・入手先の URL・置き場所・必要な空き容量・管理者の権限が要るか・消したり上書きしたりするものがあるか。
公式でない入手先を使う手順があれば、その理由を書いてください。モデルの許諾で、私の使い方（［自分だけ／無料で公開／販売］）ができないものがあれば教えてください。

手順 2：計画を確かめる

次のどれかに当たる手順があれば、実行の前に AI に理由を聞き、納得できなければ外してください。

• [ ] 入手先が、公式のサイト（または公式のサイトがリンクしている先）や、モデルの公開元のページではない。
• [ ] モデルのファイルが .safetensors ではない（.ckpt・.pt・.bin などは、読み込むときにプログラムが動きうる形式です。出所が確かなものだけにする）。
• [ ] 拡張（カスタムノード）を、目的に要らないのに入れる。入手先がはっきりしない、使っている人が少ない。
• [ ] ネットから取ったスクリプトを、中を見ずにそのまま実行する（例：curl … | sh、iwr … | iex）。
• [ ] ファイルを消す・上書きする、システムやセキュリティの設定を変える、セキュリティソフトを止める。
• [ ] ComfyUI を家の外や他の機械から開けるようにする設定（例：--listen 0.0.0.0）。使い方が分かるまでは、自分の PC からだけ開く。
• [ ] パスワードや API キーを求める。

手順 3：「実行の前に聞いてくる」設定で動かす

手元の PC を操作できる道具は、版によって、聞かずに進める設定が既定のことがあります。導入の作業のあいだは、実行できる範囲と承認の設定を確かめてください。

• Claude Code：公式の説明では、v2.1.283以降の対話型ターミナルの組み込み既定は「auto」（別のモデルが判断し、あなたに聞かずに進む操作がある）ですが、設定や利用可否によって変わります。導入では「manual」にします。起動するときに claude --permission-mode default、または起動後に Shift+Tab を押し、画面に「manual mode on」と出ることを確かめます。manual では、通常はファイルの書き換えやコマンドの実行の前に聞いてきます。ただし、許可済みのルールやサンドボックスの設定による例外があります。ls など読むだけの決まったコマンドも聞かずに動きます。（公式の説明：Security・Permission modes、2026-10-29 確認）
• Codex：codex --sandbox read-only --ask-for-approval on-request で起動すると、読み取り専用の範囲でコマンドを実行でき、範囲外の操作には許可を求めることがあります。許可されたコマンドは承認なしで動き、ネットワークが有効なら通信もできます。使っている途中なら /permissions で読み取り専用に切り替えられます。（公式の説明：Agent approvals & security、2026-10-29 確認）
• ブラウザやアプリのチャット：AI が出したコマンドを、自分で1つずつ貼って実行します。貼る前に「このコマンドは何をしますか。何かを消したり上書きしたりしますか」と聞きます。
• 「以後は聞かない」「すべて許可」は、導入の作業では選ばないでください。設定や名前は版で変わるので、使う日に公式の説明を見てください。

手順 4：1つずつ実行し、結果を見せる

• 1回に1つの手順だけを実行し、出た文字を全部 AI に見せてから次へ進む。
• 誤りが出たら、誤りの文を省かずに丸ごと貼る。一度に直すのは1か所だけにする（何が効いたか分かるように）。
• 計画に無い手順を AI が足そうとしたら、手順 2 の目で確かめ直す。

手順 5：動いたことを確かめ、記録を残す

• ComfyUI がブラウザで開け、最初の1枚が出るところまでを確かめる。
• 版（ComfyUI・GPU のドライバー）、モデルのファイル名、どこから取ったか、設定を、作業のフォルダのメモに残す。後で環境を作り直すときの手掛かりになります。
• 終わったら、導入のために広げた許可を元に戻す。

それでもうまくいかないとき

• 誤りの全文と、手順 1 で出してもらった表を一緒に渡し、「原因の候補を3つと、それぞれの確かめ方を」と頼む。
• 動かないことと、絵が思いどおりでないことは、別の問題として分けて考える。

6. クラウドの AI を上手に使うコツ

6-1 アプリを入れて使う

• ファイルの渡しやすさなどを比べ、自分に合うアプリを試してください。手元の PC の操作を任せられる道具（Claude Code・Codex など）もあります。使えるプランは各社の案内で確かめてください。

6-2 下絵はクラウドで、仕上げは手元で

• 下絵・案・参考の絵は、ChatGPT の画像生成で作れます。
• 仕上げや、クラウドの規約で断られやすい絵は手元で作ります。

6-3 絵を見てもらう

• 見る観点を先に渡す（指の数・文字・顔の崩れ・頼んだ物があるか）。
• 1枚に点を付けてもらうより、2枚を比べて理由を言ってもらう。点数だけで判断しないための提案です。
• 声・歌・動画の良し悪しを AI に判断してもらう方法は、まだお勧めできる段階ではありません。自分の耳と目で確かめてください。
• クラウドの規約に触れる絵は見せない。

6-4 調べてから提案してもらう

• 提案の前に、必ず調べてもらう（提案の根拠を確かめるため）。調べる機能（ChatGPT の deep research、Claude の Research など）を使う。
• 何案か出してもらい、案ごとの意図も説明してもらう。案どうしの違いの軸をそろえてもらうと比べやすくなります。
• 生成のための文（プロンプト）も作ってもらえます。