そんなところから、ComfyUIを使ったローカル画像生成に挑戦してみました。
使ったのは、最新の高性能パソコンではありません。Core i7-10700、メモリ32GB、GTX 1660 SUPER 6GBのデスクトップです。パソコン初心者の私が、ChatGPTに画面を見せながら、モデルを入れてノードをつないでいきました。
画像は作れました。ただ、「作れる」と「欲しい画像を安定して増やせる」は、思った以上に別の話でした。
今回の結論
このPCでも画像生成と追加機能の動作は試せました。ただし、お気に入りのキャラクターを崩さず、表情・ポーズ違いを高品質で自動量産するところまでは未完成です。現時点では、手動で良い基準画像を作り、繰り返す作業をローカル側に任せる方向が、自分には合いそうだと感じています。
※2026年9月の手元環境での体験記です。生成時間は操作画面の記録に基づくもので、条件を統一したベンチマークではありません。ツールの評価も、今回試した範囲での感想です。
1．保存容量には余裕。でも、画像生成ではGPUが気になる
今回使ったPCの構成は、次のとおりです。
| 項目 | 今回の環境 |
|---|---|
| CPU | Intel Core i7-10700 |
| メモリ | 32GB |
| GPU | NVIDIA GeForce GTX 1660 SUPER／VRAM 6GB |
| ストレージ | SSD 1TB。ほかに保存用の3TB・4TBストレージあり |
| OS・操作環境 | Windows／ComfyUI Desktop |
保存先の容量には余裕があるので、最初は「モデルをいくつか入れて試せばいい」と考えていました。実際に動かすと、保存容量とは別に、生成中の負荷が気になります。
タスクマネージャーでは、ある生成中の画面でGPU使用率99％、CPU11％、メモリ58％という表示になっていました。
ただし、これは一時点の数字です。メモリ58％はPC全体のメモリで、GPU専用メモリの使用量ではありません。この画面だけで「追加機能をいくらでも載せられる」「長時間でも安定する」とまでは判断していません。
少なくとも、この構成でも画像生成は動いた。まずは、それが確認できたのが収穫でした。
2．初心者がつまずいたのは、画像を作る前の準備
ComfyUIは、処理を担当する箱のような「ノード」を線でつないで使います。今回は、モデルを読み込み、文章を入力し、画像を生成して保存する構成から始めました。
ここにたどり着くまでが、意外と長かったです。
ドライバー更新からスタート
インストール中に、NVIDIAドライバーが古いという警告が出ました。先にドライバーを更新し、PCを再起動してからセットアップを再開しました。
モデルの性能を試す以前に、まず動作環境を整える必要があったわけです。
「画像生成用」でも、テンプレートが違えば動かない
テンプレートを選んだら、手元にない別モデルを要求されてエラーになりました。さらに、似た名前のテンプレートを選ぶと、今度は参照画像や追加モデルが必要でした。
結局、最初は標準的なノードを手動でつないで、最小構成を作ることにしました。名前がそれらしいだけで選ぶと、目的と違う構成を開いてしまう。これは初心者には分かりにくかったところです。
ファイルを置いたのに「見つからない」
IP-Adapterの導入では、モデルを保存しているのに「IPAdapter model not found」というエラーが出ました。ログを確認し、今回の環境で検索先に登録されていた共有モデルフォルダへコピーして先に進みました。
また、CLIP Visionでは、最初のファイル名が「model.safetensors」だったため、自動読み込み用の名前に変更しました。
今回の経験では、モデルを入手することより、正しい名前・場所・組み合わせで読み込ませることに時間がかかりました。
3．実際の生成時間は？ 約15秒の画像も、約5分の画像も
最初に使ったモデルはDreamShaper XL Lightning。その後、画の方向性を変えるためにAnimagine XL 4.0 Optも試しました。
操作画面で確認できた時間を並べると、次のようになります。
| 試した条件 | 画像サイズ | 画面に表示された時間 |
|---|---|---|
| DreamShaper XL Lightning／初回 | 768×768 | 68.47秒 |
| 同モデル／その後の生成 | 768×768 | 14.36～15.99秒 |
| 同モデル／大きめサイズ | 1024×1024 | 29.10秒・31.03秒 |
| Animagine XL 4.0 Optを試したとき | 1024×1024 | 302.72秒という表示 |
DreamShaperでは初回だけ長く、その後は短くなりました。モデル読み込みや初回準備の影響は考えられますが、時間の内訳までは測っていません。
また、DreamShaperでは主に4ステップ、Animagineでは28ステップを試しており、モデル以外の設定も異なります。この表は「どちらが何倍速い」という公平な比較ではなく、このPCで実際に待った時間の記録です。
速い方では十数秒。品質を狙って設定とモデルを変えると、約5分。その差は、使っていてかなり大きく感じました。
4．使ったモデル・追加ツールの出来を振り返る
DreamShaper XL Lightning：背景は好印象。ただしキャラ作りで苦戦
最初に生成した、山と川に囲まれたファンタジー風の村は、かなり良い雰囲気でした。明かりや空の色もきれいで、「このPCでもここまで出るのか」と感じました。
一方、キャラクター作りに移ると、虹色の縁取り、白飛び、金属のような色ムラが目立つ画像が続きました。プロンプトや参照の強さを変えても、納得できる状態にするのは難しかったです。
ただし、原因をモデルだけに特定できたわけではありません。設定や参照画像の影響も十分に切り分けていないため、「このモデルはキャラクターが苦手」と一般化するのではなく、今回はこの組み合わせで苦戦した、という記録です。
Animagine XL 4.0 Opt：待ち時間は増えたが、欲しい絵に近づいた
こちらでは、前の出力より線と配色が整理された、平面的でかわいらしいキャラクターが出ました。虹色のノイズが目立っていた状態から、見た目は明確に改善しました。
モデルと生成設定を同時に変えているので、改善のすべてをモデル単独の効果とは言えません。それでも、「少し待っても、こちらの画の方が欲しい」と感じたのは確かです。
IP-Adapter：参考画像を使える。ただし「完全固定ボタン」ではない
IP-Adapterでは、参考キャラクターの画像を読み込んで生成するところまで進めました。参照の強さを変えると、出力の見た目も変わりました。
一方で、同じ外見を守りながら表情・ポーズだけを自在に変えられた、とはまだ言えません。微妙な基準画像を使っても、それを自動的に魅力的なキャラへ直してくれるわけではありませんでした。
背景除去：便利だけれど、元画像の出来に左右された
ComfyUI-RMBGを追加して、背景付きの原画と、切り抜き後の画像を見比べました。
白飛びの強い原画ではキャラ本体まで大きく消えてしまい、形がはっきりした原画では、キャラクターを残した切り抜きができました。元絵の問題と切り抜きの問題は、分けて考える必要があると感じました。
なお、ここで評価しているのは今回の切り抜き結果です。使用した背景除去モデルの商用利用条件まで、この動作結果で確認できたという意味ではありません。
ControlNetのCanny：元の輪郭を参考にする用途を試せた
参考画像から輪郭を取り出し、それを生成時に使う構成も試しました。元画像に近い立ち姿や全身構図の出力を得られました。
ただし、試したのは主に元画像の形を参考にする使い方です。自由に違うポーズへ変更して、同じキャラを維持できることまで検証できたわけではありません。
5．一番の気づきは「大量の没画像では意味がない」
途中までは、軽い設定でたくさん出せば、その中に当たりがあるだろうと考えていました。
でも、似た頭身、似た顔、気になる色ムラの画像が並ぶと、少し違っていても採用したいとは思えません。
速く作れることと、欲しい画像が増えることは別。
ここで優先順位が変わりました。「1時間に何枚作れるか」より、「その中に使いたい1枚があるか」の方が、自分にとっては重要でした。
軽いモデルへ下げることだけが解決ではありません。待ち時間が増えても、好みに合う出力が得られるなら、その方が価値があります。
ただし、数枚試しただけで採用率を数字にできるほどの検証ではありません。今回分かったのは、自分が求めているのは速度だけではない、ということです。
6．自動化はどこまで進んだのか
タイトルでは「自動化に挑戦」としていますが、ここは区別しておきます。
| 作業 | 今回の到達点 |
|---|---|
| 文章から画像を生成・保存 | 複数の画像で実行できた |
| 参考画像を使った生成 | IP-Adapterを導入し、出力を確認した |
| 輪郭を使った生成・背景除去 | ノードを接続し、処理結果を確認した |
| 表情・ポーズ一覧の自動投入 | 導入方法の検討段階。完了は確認できていない |
| 同一キャラの高品質な差分量産 | まだ検証が必要 |
| 選別・仕上げまでの完全自動化 | 未完成 |
処理をつないで動かすところまでは進みました。しかし、放っておけば完成品だけが増える状態にはなっていません。
今は、キャラの外見、手足、表情、切り抜きの欠けなどを、自分の目で確認しています。少なくとも今回の運用では、この選別を省けるとは感じませんでした。
7．結局、基準キャラ作りは「チャッピー手動」がしっくりきた
いろいろ試して出てきた感想が、これでした。
「キャラの原案は、チャッピーとやり取りしながら作った方が、自分の好みに合う」
ここでいうチャッピーはChatGPTのことです。これは同じ条件で比較した性能評価ではなく、実際に見た画像に対する、私自身の好みと使いやすさの話です。
そこから、目標を少し変えることにしました。ローカル側に「魅力的な新キャラを考えるところ」から全部任せるのではなく、気に入った参考画像を先に決めて、その表情やポーズを変える方向です。
これから試したい役割分担
ChatGPTとの対話で基準キャラを作る
↓
人が気に入った1枚を選ぶ
↓
ComfyUIで表情・ポーズ違いを試す
↓
背景除去・保存などの処理をつなぐ
↓
人が仕上がりを確認して採用する
この分業が完成したわけではありません。良い参考画像を使ったときに、ローカル側でどこまで外見を維持できるかは、これからの検証です。
それでも、全部を一つの方法で済ませようとするより、今の自分には納得できる進め方になりました。
8．まとめ：古いGPUでも試せた。でも、量産より先に品質
今回のPCでも、768×768や1024×1024の画像生成、参考画像の利用、背景除去、輪郭を使った生成まで試せました。最初から高価なGPUを用意しなくても、手元の環境で確認できることはありました。
一方で、今回いちばん時間を使ったのは、単純な生成待ちだけではありません。モデルの置き場所、ノードの選択、配線、設定、そして出力の選別です。
これから自分が同じ環境を作り直すなら、まず目的に合うモデルで1枚を作り、気に入った基準画像を決めます。その後に追加機能を一つずつ試し、動作と品質を確認してから自動実行へ進むと思います。
ここまで試してみて、考え方は「とにかく大量に作る」から「採用したい画像ができる方法を見つけて、その繰り返しを自動化する」へ変わりました。
自動化はまだ途中です。ただ、その前に何を整えるべきかが分かったことは、今回の大きな収穫でした。
