0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Day 12

身の回りの困りごとを楽しく解決！ by Works Human Intelligence Advent Calendar 2025

@baku2san(taka)

研究開発用途 Python GUIフレームワーク 調査 - ちょっぱやアプリ開発に最適なのは？

Last updated at Posted at 2025-12-10

何のため？

研究用途に AI/MLアプリケーションを開発する際に、ユーザーが簡単に操作できるGUIが必要になることがある。特に、モデルのパラメータ調整や結果の可視化、プロトタイピング時に

公式ドキュメントと各プロジェクトのGitHubリポジトリを確認し、主要な変更点と導入のためのポイントを調査した結果

とりあえず今回は、 Gradio 使うことにしたけど :laughing:

調査対象フレームワーク

以下の8つのフレームワークを比較対象：

正直知らないものがほとんどだったけど・・ :sweat:

  1. Tkinter (標準ライブラリ)
  2. PyQt / PySide (Qt for Python)
  3. Kivy
  4. Dear PyGui
  5. Streamlit
  6. Gradio
  7. CustomTkinter
  8. PySimpleGUI

結論（先に言う）

  • プロトタイプ / MLデモ: Gradio（v6系が安定、Blocks/ChatInterfaceが成熟）
  • データ可視化 / ダッシュボード: Streamlit（Community Cloud と GenAI向け機能強化）
  • 高速ネイティブUI / プロツール: Dear PyGui（GPUレンダリングで高速プロット）
  • クロスプラットフォームなネイティブUI: PySide6（Qt for Python）
  • 軽量で標準: Tkinter / CustomTkinter
  • 維持方針注意: PySimpleGUI はプロジェクト終了/移行が発表されたため慎重に選定

ポイント

  • Gradio: 2025年時点で活発に開発が続き、gradio@6.1.0 等のリリースが行われている。Hugging Face Spacesとの統合、gr.Blocks と gr.ChatInterface の採用事例が増加。
  • Streamlit: 1.x 系が継続して改善。GenAI向けガイドや音声入力などの新ウィジェット追加。Streamlit Community Cloud の機能強化。
    うちの研究開発では去年からよく聞く。だからこそ、他のを探したくなったりもする :sweat_smile:
  • Dear PyGui: GPUベースの高速描画、1M点オーダーのプロットで60fpsを出す実例があり、ドキュメント・デモが充実。
    orin とかで使うならこういうのもあり？ :thinking:
  • Kivy: 引き続きモバイル対応やSDLの更新（SDL3移行）などメンテナンスが活発。
  • CustomTkinter: Tkinterをモダンにする軽量ライブラリとして活発に保守。
  • PySimpleGUI: 公式アナウンスでプロジェクトの縮小/終了とパッケージ配布の変化が報告されている。商用キー周りの注意。
    使わないのが無難かも :thinking:

詳細比較（6観点）

1) 人気度とコミュニティ

  • Gradio: 40.9k⭐（GitHub） — 活発、企業/研究で採用増っぽいので、今回はこれにした
  • Streamlit: 42.6k⭐ — データサイエンス界隈で圧倒的採用。背中の人も使ってた :laughing:
  • Dear PyGui: 15k⭐ — ゲーム/ツール用途で根強い
  • Kivy: 18.8k⭐ — モバイル向け需要
  • CustomTkinter: 13k⭐ — デスクトップの手軽さ重視
  • PySimpleGUI: ~13.7k⭐（ただしプロジェクトの将来不確定）
  • PySide / PyQt: Qt関連で別リポジトリだがプロダクションで堅牢
  • Tkinter: 標準ライブラリ（スター数では測れないがユーザベースは広いみたい）

2) 学習曲線と使いやすさ

  • Gradio / Streamlit / PySimpleGUI / CustomTkinter が易
    • やっぱりサクッと書けるのがいいよね。とはいえ、書かせるようになったら・・どうなん？
  • Dear PyGui / Kivy / Tkinter が中〜やや高め
  • PySide(PyQt) が高（Qtの学習が必要）

3) パフォーマンス

  • Dear PyGui: GPUで高速（大規模プロット向け）
  • PySide / PyQt: ネイティブで高性能
  • Kivy: 高（OpenGLベース）
  • Gradio / Streamlit: Webサーバー型のためUIのレスポンスはネットワーク/ブラウザ依存
  • Tkinter / CustomTkinter: 軽量だが描画は旧来の方式

4) クロスプラットフォーム

  • ほぼ全て Windows/macOS/Linux 対応
  • Kivy は iOS/Android も公式サポート
  • Web系（Gradio/Streamlit）はブラウザ経由でプラットフォーム非依存

5) デザインとモダンさ

  • Gradio / Streamlit / PySide / CustomTkinter / Dear PyGui が現代的
  • Tkinter は ttk で改善されたが古風な外観が残る

6) AI/MLとの相性

  • Gradio: ベスト。関数をラップしてすぐにモデルデモを公開可能。Hugging Face 連携が強力。
  • Streamlit: データ処理・可視化に強く、GenAI関連のテンプレやコンポーネントが増加。
  • Dear PyGui: 高速可視化や大容量データのリアルタイム表示に向く。
  • PySide/Tkinter: 手動で統合可能

速習サンプル（Gradio と Streamlit の最小例）

Gradio（Blocks を使ったチャット風デモ）

import gradio as gr

def reply(message, history=[]):
    history = history + [("user", message)]
    # ここでモデル呼び出し
    history.append(("bot", f"Echo: {message}"))
    return history, history

with gr.Blocks() as demo:
    chat = gr.Chatbot()
    txt = gr.Textbox(placeholder="メッセージを入力")
    txt.submit(reply, [txt, chat], [chat, chat])

demo.launch()

Streamlit（最小ダッシュボード）

import streamlit as st
import numpy as np
import pandas as pd

st.title("簡単ダッシュボード")
val = st.slider("閾値", 0, 100, 50)
st.write("閾値の2乗:", val*val)

# DataFrame 表示
st.dataframe(pd.DataFrame(np.random.randn(10, 3), columns=list("ABC")))

導入のポイント

  • Gradio/Streamlit は pip install gradio / pip install streamlit で簡単に始められる。Gradio は Python 3.10 以上を要求する点に注意。
    • とはいえ、自分は最新派なので、あんまり気にしてない :laughing:
  • ネットワーク共有が必要な場合は gr.Interface(...).launch(share=True) のような共有オプションが便利。
  • ネイティブ配布（exe/app）を考える場合は PyInstaller 等のビルド手順が必要。
  • PySimpleGUI は公式アナウンスを確認し、商用キーや配布方法に注意する。

テストと検証

  • 本稿のデータは各公式ドキュメントと GitHub リポジトリの 2025年12月時点のページを参照している。
  • 最新バージョンやリリースノートは各プロジェクトの Releases を確認してね

あとがき

個人的にはプロトタイプやMLモデル公開の観点では Gradio が使いやすく、社内PoCや共有には最適だと感じた。
Streamlit はダッシュボード用途で外せない選択肢。High-performance な可視化が必要なら Dear PyGui を検討してください。

とはいえ、 Vibe Coding でやるなら、Python/Typescript で柔軟にやってしまうってのもありだし、実際直近まで StreamLit でやってたやつをサクッと書き換えたりもした。

ただ、本当の研究者はまだ Vibe Coding 環境もってなかったりもするので、そういう場合には、選択肢として必要なのかな、なんて。応答待ってるより、サクサク書いて結果見たいってのはあるし

参考リンク

0
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?