家庭用PCで最新画像や動画AIを操作できる「ComfyUI」メモリ4GBでも動作

オープンソースのAI推論エンジンおよび作成環境である「ComfyUI」の仕様と開発体制が公開されている。ComfyUIは、画面上でノードと呼ばれる要素をつなぎ合わせる視覚的なインターフェースを通じて、画像や動画、3Dモデル、音声、テキストなどの生成手順をコードを書かずに構築・再利用できるツールだ。出力結果やパラメータを細部まで制御したいクリエイター向けに設計されている。

一般消費者向けのパソコン環境での動作最適化に重点が置かれており、非同期の重みストリーミング技術やメモリ管理手法を採用している。これにより、大規模なオープンソースモデルであっても、最低4GBのビデオメモリ（VRAM）と8GBのシステムメモリ（RAM）という比較的小さな構成で稼働させることが可能とされている。ハードウェアはNVIDIAだけでなく、AMD、Intel、Apple Silicon（M1〜M4）、Ascendなど多様なプロセッサに対応し、Windows、Linux、macOS上で動作する。

機能面では、モデルのオフロードや量子化モデルのサポート、変更箇所のみを計算する部分的な再実行機能を備える。また、外部通信を行わずに完全にオフラインで動作させる設定も用意されている。扱えるモデルは幅広く、画像生成向けの「Stable Diffusion」「Flux.1」「Flux.2」のほか、動画生成の「Wan 2.1」「HunyuanVideo」、音声生成の「Stable Audio 3」、テキスト生成の「Gemma」「Qwen」シリーズなどを網羅する。画像や動画の保存・読み込みでは、16ビットPNGや32ビットEXR、10ビットAVIFなどの高ビット深度形式にも対応している。

開発体制としては、中核となる「ComfyUI Core」がおよそ2週間ごとにメジャーな安定版（例：v0.7.0）をリリースする運用を行っている。v0.4.0以降は安定版への修正をパッチバージョンとして提供する方式が導入されており、フロントエンドの更新も2週間以上の間隔でコアに取り込まれている。月曜日を目標とする週次のリリースサイクルを基本としつつ、新たなモデルの登場や大幅な変更に合わせて更新が続けられている。