この記事は、Claude Code(Anthropic の AI コーディングツール)と一緒に実験して書きました。生成の実行、測定のスクリプト、比較図の作成は Claude Code が行い、何を測るかの選定と、映像の良し悪しの判定は私が行っています。判定はすべて、私が目で見て決めました。時間は、生成のたびに残した実行記録のファイルから転記した値です。

動画生成をやっている方には、当たり前かもしれません。私も測ってみた、という記録です。

先に結論

補助重みなしの 20 ステップが 626.6 秒でした。これに対して、いちばん速かった TaoMate の 3 ステップは 86.4 秒で、7.3 倍です。私の目では、映像も問題ありませんでした。
カットなしで続きを作る場合(前のクリップの最後の 5 コマを固定)も、831.1 秒が 100.6 秒(8.3 倍)になり、自然に見えました。
私の実験環境で既定にしていた補助重み(ckpt850 の 4 ステップ)は、141.5 秒(4.4 倍)と速いものの、この場面では映像がにじんで使えませんでした。
EasyCache は、補助重みなしの 20 ステップで 1.9 倍になり、構図は変わりませんでした。SageAttention は 2.0 倍ですが、構図や人物が別のものになりました。

試したのは 1 つの場面で、乱数種も 1 つです。倍率は私の環境での値で、他の環境にそのまま当てはまるとは限りません。理由は、後の節に書きました。

用語

語	意味
MiniMax H3	動画と音声を一緒に作る、330 億パラメータのモデル。重みが公開されています
ステップ	映像を少しずつ仕上げていくサンプリングの回数。少ないほど速くなります
補助重み(蒸留 LoRA)	少ないステップでも映像が崩れないように学習した、追加の重み。LoRA は、本体に重ねて使う小さな追加の重みのことです
乱数種(seed)	生成に使う乱数の初期値。同じ文面でも、乱数種が違うと別の動画になります
EasyCache	似たステップの出力を再利用して、計算を飛ばす仕組み。ComfyUI の本体に入っています
SageAttention	画面の各部分の関係を計算する部分(attention)を、速くするライブラリ
ComfyUI	ノードをつないで生成の手順を組む実行環境。0.33.0 を使いました

測った環境と場面

GPU は RTX 4080(16GB)の 1 枚で、ホストメモリは 125GB です。ComfyUI は --lowvram で動かしました。使い終わった重みを都度メモリへ逃がすので、重みの転送が生成の時間に入ります。
重みは、刈り込み(pruned)版の fp8 です。テキストエンコーダは 4 ビットの nvfp4 で、RTX 4080 では模擬実行になります。
場面は、アメリカンダイナーでウェイトレスが配膳する、文章だけからの生成です。832×480、192 コマ(8 秒)、乱数種 101、音声なしで揃えました。
測定は、1 条件につき 1 回です。同じ条件の繰り返しは測っていないので、測るたびの時間のばらつきは分かりません。

結果

倍率は、補助重みなしの 20 ステップ(626.6 秒)との比です。映像の判定は、私の目視です。

条件	所要時間	倍率	私の判定
基準(補助重みなし、20 ステップ)	626.6 秒	1.0	(基準)
ckpt850 の 4 ステップ	141.5 秒	4.4	完全に NG(にじみ、二重像)
ckpt850 の 6 ステップ	160.4 秒	3.9	NG(ノイズが入る)
ckpt850 の 8 ステップ	196.4 秒	3.2	悪くない
lightx2v の 4 ステップ	176.6 秒	3.5	悪くない
Turbo v4 の 8 ステップ	151.8 秒	4.1	OK
TaoMate の 3 ステップ	86.4 秒	7.3	OK
FastH3 の 8 ステップ(別の重み)	221.5 秒	2.8	OK
基準に EasyCache	336.0 秒	1.9	問題ない
基準に EasyCache(終了位置 0.95)	242.2 秒	2.6	OK
ckpt850 の 8 ステップに EasyCache	170.1 秒	3.7	問題ない
lightx2v の 4 ステップに EasyCache	107.0 秒	5.9	OK
基準に SageAttention	316.7 秒	2.0	問題ない
ckpt850 の 8 ステップに SageAttention	140.1 秒	4.5	問題ない
ckpt850 の 8 ステップで、テキストエンコーダを int8 に	170.7 秒	3.7	OK

補助重みは、種類ごとに、重みの強さやサンプラーなどの組み合わせが決まっています。それぞれの推奨の設定のまま使ったので、比べているのは、その組み合わせ全体です。

補助重みの結果

ステップ数を減らす補助重みは、いちばん大きく効きました。

TaoMate-H3 は、Alibaba の TaoLive AIGC が公開した 3 ステップ用の LoRA で、ComfyUI 用に変換された版を使いました。強度 1.0、サンプラーは euler、スケジューラは simple で、3 ステップの生成が 86.4 秒でした。

ckpt850 は、larryvrh の Turbo LoRA の系統のものです。配布されているファイルと同じものかは、確認していません。4 ステップではにじみ、6 ステップでもノイズが残りました。8 ステップにして、悪くない映像になりました。

補助重みを替えると、同じ乱数種でも、構図と人物が別のものになりました。速さは比べられますが、映像の良し悪しは、1 本ずつ目で見るしかありません。

私の実験環境で既定にしていた ckpt850 の 4 ステップは、別の条件(544×736、先頭のコマを指定する方式、124 コマ)で測って決めたものでした。今回の 832×480、文章のみ、192 コマという条件では、使えませんでした。

EasyCache — 絵を保ったままの高速化

EasyCache は、似たステップの出力を再利用して、計算を飛ばします。ComfyUI の本体にノード(EasyCache)があります。設定は、再利用のしきい値を 0.2、開始位置を 0.15、終了位置を 0.70 にしました。開始と終了は、全ステップのうち何割目から何割目までを、再利用の対象にするかを表します。

構図、人物、料理の位置は、EasyCache を掛けない版とほぼ同じでした。補助重みを替えたときのように、別のものにはなりません。

補助重みなしの 20 ステップでは 1.9 倍になりました。ただ、ステップが少ないほど飛ばせる回が減るので、8 ステップでは 1.15 倍に下がり、TaoMate の 3 ステップでは 1.00 倍で、速くなりませんでした。

終了位置を 0.95 まで延ばすと、終盤に格子状の模様が出るという報告があります。この場面では、模様は気にならず OK でした(2.6 倍)。

SageAttention — 速さと引き換えに変わる構図と人物

SageAttention は、pip で環境に入れ、ComfyUI を --use-sage-attention で起動し直すと使えます。私の環境にはコンパイラ(nvcc)が無かったので、triton で動く 1.0.6 版を入れました。

補助重みなしの 20 ステップで 2.0 倍、ckpt850 の 8 ステップで 1.4 倍でした。構図や人物は別のものになりましたが、映像の質は、私の目で問題ありませんでした。同じ乱数種で同じ絵を作り直したいときは、この点に注意が要ります。

動かなかったもの

comfy-kitchen の INT8 attention(ComfyUI 本体の ModelAttentionBackend ノード)は、「CUDA driver version is insufficient for CUDA runtime version」というエラーで落ちました。私の環境のドライバは 570 で、CUDA 12.8 までしか対応していません。参考にした記事は RTX 5090 での測定で、新しいドライバの環境を想定しているようでした。

FastH3 の 8 ステップは、配布元の FastVideo が、専用の注意の仕組み(VSA)を前提にしています。ComfyUI にはそれが無いので、配布元と同じ条件では動かせていません。表の FastH3 は、別の重みとして測っただけです。

カットなしの続きでの確認

別の記事に書いた、前のクリップの最後の 5 コマを先頭に固定して続ける方式でも、速い設定が使えるかを測りました。

条件	所要時間	基準(831.1 秒)との比	私の判定
ckpt850 の 8 ステップ	201.0 秒	4.1	自然で OK
TaoMate の 3 ステップ	100.6 秒	8.3	自然で OK
lightx2v の 4 ステップに EasyCache	121.2 秒	6.9	自然で OK

前のコマを固定するので、補助重みで構図が変わる心配は、あまりありませんでした。

倍率が大きく出た理由と、他の測定との比較

参考にした記事(松尾公也さん、techno-edge.net、2026 年 9 月 6 日、RTX 5090 での測定。測定の記録は GitHub)では、20 ステップで約 270 秒かかっていた生成が、補助重みと INT8 attention などで 79 秒になっています(約 3.4 倍)。私の環境では、626.6 秒が 86.4 秒になり、倍率は 7.3 倍と大きく出ました。

ただし、解像度、コマ数、場面が違うので、倍率どうしは比べられません。私の環境は、--lowvram で重みを都度転送するため、基準が遅く出ています。ステップを減らすと転送の回数も減るので、倍率が大きくなったと考えています。絶対の時間で見ると、私の 86.4 秒は、記事の 79 秒に近い値です。

限界

試したのは、1 つの場面、1 つの乱数種、1 つの解像度です。
判定は、私一人の目視です。
測定は 1 条件につき 1 回で、繰り返しがありません。時間は、他の利用者もいる共有の機械での値なので、ばらつきが入っている可能性があります。実際、TaoMate の 3 ステップに EasyCache、テキストエンコーダ int8、SageAttention を重ねた 6 本の追加測定では、ほかの条件が 76〜90 秒だったのに、テキストエンコーダ int8 を足した 3 本は、100.8 秒、86.3 秒、130.5 秒とばらつきました。

私が使うことにした設定

速く生成するときは、TaoMate の 3 ステップだけを使うことにしました(強度 1.0、euler、simple)。EasyCache などを重ねても、速さの得は最大で 1.14 倍と小さかったためです。

追記の予定

同じ条件の繰り返しを測って、ばらつきを見ます。
別の場面と乱数種で確かめます。

参考

MiniMax H3(MiniMaxAI、Hugging Face): 元のモデルと、配布元のライセンス
ComfyUI: 実行環境。EasyCache のノードは nodes_easycache.py
SageAttention と、triton 版の PyPI のページ
TaoMate-H3(TaoLiveAIGC) と、ComfyUI 用に変換した版(CZMartin22)
FastH3 8-Step V2(FastVideo) と、FastVideo のリポジトリ
lightx2v の H3 用 Turbo LoRA、larryvrh の Turbo LoRA
MiniMax H3 を 4 分 30 秒から 79 秒に縮めた記録(松尾公也さん、techno-edge.net)と、その測定の記録(GitHub)
同じ場面で人物を保つ方法は、別の記事にまとめた。