ローカル画像・動画生成性能比較

比較可能な項目

• 1つの結果を生成する予想時間
• 出力解像度と動画の長さによる違い
• GPUメモリへのロード有無およびオフロードの必要性
• 予想電力消費量（1回の生成あたり）

ローカルで実行できるタスク

• スムーズなスケールアップとスケールダウンを実現するため、チャンクごとに画像を分割し、各チャンクに対してプリフィルとデコードを実行することで、複数のスケールアップとスケールダウンを効率的に実行できます。
• 文字が入ったポスターと製品画像の作成
• 変形・合成を行うために参考画像をもとにする
• 一枚の写真を短い動画に変換する
• 対話と効果音を含むショートフォームの作成

画像生成モデル

• FLUX.2 [klein] 4B高速シアン、スムージー、リピート生成
• FLUX.2 [klein] 9B9Bモデルで画像生成
• Qwen-Image-2512: Poster, image with mixed Korean-English text, realistic representation
• FLUX.2 [dev] 32B複数のピサチが存在する画像

ビデオ生成モデル

• MiniMax H3-Base対話・効果音を含むショートフォーム、最初・最後のフレーム制御
• LTX-2.5 Audio Videoローカルパイプラインで音声と動画を一度に生成する
• HunyuanVideo-1.51枚の画像に動きを加える短い動画
• Wan2.2 TI2V-5B24GBグラフィックカードで720p動画生成

MiniMax H3 ローカル範囲

この比較は、公開H3-Baseの768pローカル実行についてのみを扱います。文脈解釈および2K再生成ステージはローカル生成時間から除外します。