AnimateDiffでStable Diffusionを動画化：2026年ガイド

AnimateDiffは単体の動画生成モデルではなく、モーションモジュールです。 すでに持っているStable Diffusion 1.5またはSDXLチェックポイント（コミュニティのファインチューンやLoRAを含む）に接続し、フレーム間の時間的一貫性を付加することで、そのモデルがチェックポイント自体を再学習することなく、既存のビジュアルスタイルのまま短いアニメーションクリップを生成できるようにします。

このプロジェクトは論文Guo et al., 「AnimateDiff: Animate Your Personalized Text-to-Image Diffusion Models without Specific Tuning」, ICLR 2024 Spotlight, arXiv:2307.04725の公式実装で、GitHub上のgithub.com/guoyww/AnimateDiffで保守されています。

これは、動画データからゼロから学習された、Wan 2.2、LTX-2、HunyuanVideoなどの新しいネイティブ動画生成モデルとは異なる系統です——その比較についてはローカルAI動画生成 vs. クラウドを参照してください。AnimateDiff特有の価値はスタイルの保持にあります：個別に学習された動画モデルではなく、すでに持っているチェックポイントを再利用するため、出力は静止画ですでに使っている特定のキャラクター、アートスタイル、LoRAをそのまま維持します。

別系統の蒸留版であるAnimateDiff-Lightning（Lin & Yang, ByteDance, 「Cross-Model Diffusion Distillation」, arXiv:2403.12706）は、段階的な敵対的拡散蒸留を用いて、通常の20-50ステップではなく最短1、2、4、8ステップで生成でき、速度と引き換えに多少の品質を犠牲にします。

モーションモジュールは、チェックポイントの既存レイヤーと並んでStable DiffusionのU-Netに挿入される、別途学習された重みのセットであり、そのチェックポイント自体は変更しません。 生成中、モーションモジュールの時間的アテンションレイヤーが、本来なら独立した静止画生成のバッチになるはずのものを、一貫性のあるフレームシーケンスへと調整します。

SD1.5向けには3つのモーションモジュールが存在します：mm_sd_v15_v2.ckpt（約1.7GB）と、より新しいv3_sd15_mm.ckpt（約1.56GB）で、後者は動きの振幅を改善し、モーションLoRAとの互換性を追加しています。別のSDXL用モーションモジュールmm_sdxl_v10_beta.ckpt（約950MB）は、ベータブランチを通じてより大きなSDXLチェックポイント群を対象としています。

モーションモジュールはチェックポイントのファインチューンではなくドロップイン型のコンポーネントであるため、すでにインストール済みの互換性のあるSD1.5チェックポイントやほとんどのSD1.5 LoRAは、その「動画版」を別途ダウンロードすることなく直接アニメーション化できます——ただしトレードオフとして、出力がどれだけ動きを表現できるかは、チェックポイントではなくモーションモジュール自体が決定します。

2026年時点でのAnimateDiff利用の大半は、2つのコミュニティ統合のいずれかを経由しています。ベースリポジトリは洗練されたアプリではなく研究用コードベースだからです。 ComfyUI-AnimateDiff-Evolvedはより活発に開発されている選択肢であり、AUTOMATIC1111拡張はそのWebUIをすでに標準として使っている読者をカバーします。

SD1.5ベースのAnimateDiffワークフローは、中程度の解像度（モジュールのネイティブな16フレームウィンドウで約512x512）での基本的なテキスト動画生成であれば、8-12GBのVRAMで動作するのが一般的です。SDXL対応にはかなり多くが必要です。

公式リポジトリによると、SDXL推論は「通常約13GBのVRAM」を必要とし、これは使用するパーソナライズされたチェックポイントや生成設定によって異なります。SD1.5ワークフローに関するコミュニティの報告は、解像度、フレーム数、ControlNetを組み合わせるかどうかによってばらつきがあります——標準設定での短いクリップ1本であれば8-12GBの範囲の下限を、高解像度・多フレーム・video-to-videoパイプラインでの複数ControlNet併用であれば上限（あるいはそれ以上、16GB超）を想定してください。これらは単一の検証済みベンチマークではなく、実際のワークフローに大きく左右される、慎重に幅を持たせたコミュニティ報告値です。

実用的な目安：8GBカードは標準設定でのSD1.5テキスト動画生成の実験には十分な出発点であり、12GBカードはControlNetを併用するSD1.5ワークフローに快適な余裕を与え、16GBカード（例：RTX 4070 Ti Super）はSDXLベースのAnimateDiffやより重いvideo-to-videoパイプラインに移行する際のより快適な最低ラインです。GPUがこれらの水準に届かない、あるいはローカルGPUを持たない読者は、クラウドGPUレンタルガイド2026でのレンタルと、ローカルLLM向けベストGPU購入ガイド2026での購入を比較検討してください（同じVRAM水準のガイダンスが、他のローカル生成AIワークロードと同様にAnimateDiffにも当てはまります）。

**モーションLoRAは、AnimateDiffを特定のカメラワーク——ズームイン、ズームアウト、左パン、右パン、上チルト、下チルト、時計回りロール、反時計回りロール——に誘導する小型（約77MB）の追加重みで、mm_sd_v15_v2モーションモジュールと互換性があります。** これらは画像用LoRAと同じ仕組みで動作し、モーションモジュールと並べて読み込むことで、チェックポイントのビジュアルスタイルを変えずに出力をその動きに寄せることができます。

プロジェクト自体のイシュートラッカーやコミュニティのレビューから最も頻繁に挙げられる限界は、大きく3つの領域に集約されます：

AnimateDiffのコード自体はApache 2.0ライセンスで公開されていますが、プロジェクト自体のREADMEには本リリースは学術用途向けと明記されているため、さらなる確認なしに「完全に商用利用無料」と主張するのは正確ではありません。 これはまさに避けるべき過大な主張の典型例です：Apache 2.0は通常コードの商用利用を許可しますが、著者ら自身が加えた学術用途という枠組みがあるため、出力を販売または商用配布する予定の読者は、Apache 2.0というラベルだけに頼らず、リポジトリの最新のライセンス条項を直接読むべきです。

2つ目の別のライセンス層は、アニメーション化に使うStable Diffusionチェックポイントに適用されます。オリジナルのStable Diffusion 1.5チェックポイント（およびそこから派生した多くのコミュニティファインチューン）はCreativeML OpenRAIL-Mライセンスの下で配布されており、商用利用は許可されているものの、独自の使用条件に基づく制限（例えば特定のカテゴリの有害コンテンツの生成禁止など）を伴います。これはAnimateDiff自体のライセンスとは別であり、それによって上書きされることもありません。

実務上：商用利用の前に両方のライセンスを確認してください——リポジトリ内のAnimateDiffのリリース条項と、アニメーション化する特定のチェックポイントに付随するライセンス（オリジナルのSD1.5チェックポイントであればOpenRAIL-M条項、特定のコミュニティファインチューンであればそのファインチューンが指定するライセンス、ファインチューンはベースモデルと異なる条項を持つ場合があるため）。これは法的助言ではありません。商用展開の前に、最新のライセンス条文または法律の専門家に相談してください。

AnimateDiffは、すでに気に入っているStable Diffusionチェックポイントを、何も再学習せず、自分のハードウェアから離れることもなくアニメーション化する最も直接的な方法として、その地位を確立しています。トレードオフは実在し具体的です：クリップはデフォルトで短く（16フレーム、約2秒、延長は可能だが長くなるほど品質が低下する）、動きの範囲とプロンプト追従性は同じチェックポイントの静止画と比べてやや低下し、商用利用の前にはライセンスの状況について2つの別々の確認——Apache 2.0コードに加えたプロジェクト自体の学術用途という枠組み、そしてアニメーション化するチェックポイントが持つライセンス——が必要です。すでにスタイル調のSD1.5またはSDXLチェックポイントを持ち、継続コストゼロで自分のGPU上で短いスタイル一致の動きのループを求める読者にとって、ComfyUI-AnimateDiff-EvolvedまたはAUTOMATIC1111拡張経由のAnimateDiffは実用的な出発点です。より長く、一貫性が高く、フォトリアルな動画が必要な読者は、代わりにローカルAI動画生成 vs. クラウドで新しいネイティブ動画モデルと比較すべきです。