HunyuanVideo 1.5レビュー｜画質・必要VRAM・ComfyUI・料金・NSFW制限

更新日：2026年10月23日

HunyuanVideo 1.5は、重みを入手して短い動画をローカルで作りたい人にとって、比較する価値のあるモデルです。文章からの生成と画像からの生成に対応する一方、音声付きの会話や長い場面をワンクリックで完成させたい用途では、別工程の負担が大きくなります。

83億パラメータの生成モデルは初代より小型ですが、軽量という言葉だけでPCへの負荷を判断できません。エンコーダー、VAEの復号、超解像、メインメモリへの転送まで含めて、制作に使える速度かを考える必要があります。

地域ごとの利用条件も先に確認したい点です。海外向けの公開や共同制作では、自分の所在地だけでなく案件全体の扱いを確認しましょう。ホスト型サービスの画面を開けることだけでは、利用許可があるとは判断できません。

評価の要点と、対象バージョンの整理

強みは工程を自分で組めることです。チェックポイントを選び、適切に構成したローカル環境で参照画像を扱い、1回ごとのクラウド生成料金を気にせず試行できます。その代わり、導入、メモリ管理、動画全体の確認は自分の作業になります。

HunyuanVideo 1.5の1.5は2025年11月の公開です。本稿で確認できた汎用の公開動画生成モデルはこの版であり、混元の言語モデル、初代HunyuanVideo、コミュニティの追加学習版を新しい公式動画モデルと混同しないようにしてください。

短いBロール、イラストのアニメーション、画像からの動き付け、調整可能なローカル工程に関心がある人に向いています。納期の厳しい音声付き広告なら、重みの公開だけでなく、完成までに必要な工程で判断しましょう。

画質と動き：きれいな静止画だけでは評価できない

HunyuanVideo 1.5 Technical Reportでは、画質、動作、指示との一致を重視した設計が説明されています。ただし比較評価は開発元によるもので、競合も2025年当時の構成です。現在の有料サービスすべてを上回る証拠としては扱えません。

顔を横に向けたときの本人らしさ、物に触れる指、服の質感のちらつき、パン中の直線、物体の大きさを確認します。冒頭・中盤・最後を止めて見たうえで、通常速度でも再生してください。1枚の鮮明さと時間方向の安定性は別です。

最初の課題は、主役1つ、動作1つ、カメラの動き1つに絞ると原因を探しやすくなります。複雑な動作が不可能という意味ではなく、失敗時に人物・構図・動きのどこを直すべきかを分けるためです。

T2V・I2V、長さ、解像度と音声の違い

T2Vは文章から場面を作り、I2Vは入力画像を出発点に動きを加えます。人物や構図が承認済みならI2Vが検討しやすくなりますが、顔、ロゴ、物の形を最後まで固定する保証にはなりません。

ComfyUIでは生成と超解像が分かれています。1080pは仕上げの出力として考え、すべての動画を最初から1080pで生成するという説明に置き換えないことが重要です。長いほど顔や背景が変わる機会も増えるので、使える長さで判断します。

標準の1.5は音声を同時生成するワークフローではありません。HunyuanVideo-Avatarは音声を入力して人物を動かす別プロジェクトで、1.5の音声機能をオンにする設定ではありません。会話では発声、タイミング、口の動きを別途計画します。2026年8月のYicai Globalも音声との同時生成に関する課題を指摘しています。

必要VRAMと速度：動くことと快適なことは別

公式の最低条件はオフロードを有効にしたVRAM 14GBです。一方、ComfyUIの案内は24GBの一般向けGPUを想定しています。構成が異なるためで、16GBなら小さいジョブを先に試すのが現実的です。高解像度も余裕で動くという保証ではありません。

83億という数字は生成部分の規模です。文章エンコーダー、I2Vの画像エンコーダー、VAE、超解像まで含む全体の消費量ではありません。オフロードではメインメモリと転送速度も効き、スワップが発生するとGPUの容量を満たしていても待ち時間が伸びます。

480p I2Vのステップ蒸留版について、開発元はRTX 4090で75秒以内という例を示しています。通常の720pやノートPCの目安にはできません。ロード、プロンプト拡張、サンプリング、VAE復号、超解像を別々に測ると、遅い工程が分かります。

参照実装はLinuxとNVIDIA CUDAが中心です。WindowsではComfyUIの対応構成を確認し、公式の導入手順がそのまま通ると決めつけないでください。AMDやAppleでも、メモリ容量だけでなく実行環境の対応状況を確認します。

推奨設定：CFG蒸留とステップ蒸留を区別する

HunyuanVideo 1.5の表は、ファイルごとの出発点です。設定表に名前があることだけで配布済みとは判断せず、実際のダウンロード先を確認してください。

CFG蒸留版と低ステップの蒸留版は別物です。公式のCFG蒸留チェックポイントは参照設定で50ステップを使います。480p I2Vのステップ蒸留版は8または12が想定され、4では速度と引き換えに品質が落ちる場合があります。同じ設定を全版に流用すると比較を誤ります。

高速化は1項目ずつ追加し、ファイル名、精度、キャッシュ、フレーム数、縦横サイズ、seed、実行環境を記録します。結果が悪くなったら既知の基本構成へ戻し、さらに別の高速化を重ねて原因を隠さないようにしましょう。

ComfyUIでの使い方と日本語プロンプト

まずComfyUIの公式テンプレートで、T2VかI2Vかを選びます。生成モデルに加えQwen2.5-VL／ByT5とVAEが必要で、I2Vには画像エンコーダーと対応チェックポイントも使います。生成部分だけのダウンロードでは一式になりません。各ローダーの想定ファイルをそろえます。

I2Vでは、目的の比率、見える手、整理された背景の画像から始めると確認しやすくなります。「成人の人物が窓の方へ少し顔を向け、1回まばたきする。両手は動かさない。カメラは固定」のように、時間とともに変える部分を明確にします。

T2Vなら、人物・場所・動き・カメラ・光の順で指定します。例は「夕暮れの山の湖に沿って赤い列車がゆっくり進む。岸からカメラが連続した1ショットで追う。水面の反射は安定し、自然な薄暮の光がある」です。

公式が明示する言語の強みは中国語・英語です。日本語で動きが伝わらなければ、内容を変えずに英訳して比較します。日本語字幕や正確なブランド文字は後入れが確実です。自動拡張を使うときは、追加された動作や外部サービスへの送信も確認してください。

無料の重みと、実際にかかる費用

ローカルの公開重みを使う場合も、機材、保存容量、電力、構築時間、失敗テイクにはコストがあります。GPUレンタルではロードや転送の時間も考えます。APIの成功回数より、採用できた1カットの費用で比べましょう。

10月23日確認時点のfalのT2Vエンドポイントは、出力1秒あたりUS$0.075です。この提供枠には独自の480p・フレーム数制限があります。課金対象5秒ならUS$0.375の計算で、モデル群全体の10秒対応をそのエンドポイントに当てはめることはできません。

5秒を10回試すと生成費は約US$3.75で、採用が1回ならそれが1カット分の生成コストになります。地域、契約、モデル名を確認し、サービスの「商用利用」表示だけでコミュニティライセンスの条件まで解決したと考えないようにします。

商用利用、地域条件、NSFWの制限

Tencent Hunyuan Community LicenseはEU、英国、韓国を適用地域から除外しています。別途の許可があると推測せず、案件に応じて確認してください。それ以外の地域でも、ダウンロード可能という理由だけで無制限のライセンスと扱わず、利用条件と素材の権利を確かめます。

NSFWは、モデルが出せる内容、画面のモデレーション、許可された利用を分けて考えます。公開重みは露骨な表現の安定生成や安全対策を外す許可を意味しません。本稿はNSFWの点数付けを行わず、非公式の作例を製品保証にはしていません。

顧客案件では人物写真や素材の許可を取り、版と条件を残しましょう。本人の演技と誤解される可能性のあるI2Vでは、制作後の公開方法も含めて確認する必要があります。

コミュニティの評価は、設定と時点を添えて読む

Redditでは指示への追従やスタイライズされた動きを評価する声がある一方、物理的な接触、カメラ制御、重いVAE処理、Wanと比べた追加学習資産の少なさを指摘する声もあります。異なる構成の体験であり、全員が一致した評価ではありません。

2025年11月のRedditには、最初のテストで設定を誤ったという訂正が付いています。万能な勝敗を示す資料ではなく、ワークフローが結果を左右する例として読むべきです。古い学習ツールの未対応報告も、その後の公式学習コードを無視する根拠にはできません。

自分のカットを適切なファイルと設定で試し、普段使う代替案との採用率を比較するのが現実的です。過去の低VRAM動作報告を、現在の自分のPCに対する保証には置き換えないでください。

他の動画モデルと比較するときの判断軸

ローカルで調整できることや無音の短いカットが大切なら、候補に残す価値があります。すでにWanの工程と必要なLoRAが整っているなら、移行前に採用カットができるまでの総時間を比べましょう。

クラウド中心ならKling 4.0やSeedance 2.5も参考になります。自分のアカウントで使える長さ、参照制御、音声、地域条件、料金を比較します。論文の古い競合は、現在の製品比較の代わりにはなりません。

顔の小さな動き、手と物の接触、横方向のカメラ移動、イラストの動画化という4題で、同じ参照素材と最終表示サイズを使って比べると有用です。無関係な宣伝作例を並べるより、失敗率と仕上げの手間を含めた評価ができます。

導入前によくある質問

今から試す価値はありますか？

利用条件を満たし、調整可能なローカルの無音動画工程を求めるならあります。作りたいカットと導入の負担次第で、会話付き広告を1回で完成させる最短の方法とは限りません。

VRAM 8GBや12GBでも動きますか？

コミュニティには低メモリ構成がありますが、公式の14GBオフロード条件とは別です。自分のGPUとフレーム数で一式の手順を確認し、解像度、精度、転送、待ち時間の取捨選択を見てください。

1080pや4Kを直接生成できますか？

ここで扱う工程は480p・720p生成と追加の1080p超解像です。後から4Kに拡大しただけでは、4Kの細部を直接生成した証拠にはなりません。中間の出力も確認しましょう。

会話やリップシンクに対応していますか？

標準モデルは同期した音声を生成しません。Avatarは別の音声駆動プロジェクトで、導入も分かれます。同じ名前のシリーズという理由だけで必要な機能が一式そろうとは判断できません。

LoRAは学習できますか？古いLoRAは使えますか？

公式の学習・LoRAスクリプトはあります。ただし初代や別系統のLoRAは1.5に自動対応しません。構造と用途、学習手順を合わせる必要があり、推論が動くVRAMだけで学習可能とは判断できません。

ステップを減らしたら画質が落ちたのはなぜですか？

CFG蒸留とステップ蒸留を混同したり、想定外の高速化設定を使ったりした可能性があります。まず公式の版別基本構成へ戻し、1項目ずつ変更すると原因を追いやすくなります。

総評：使える基盤だが、制作工程の設計が必要

HunyuanVideo 1.5は完成した映像制作サービスというより、調整できる動画生成の基盤です。公開チェックポイントとT2V・I2V、ローカルでの工夫の余地に価値があり、音声、物理表現、全体の負荷、利用条件が判断の分かれ目になります。

機材やAPI残高に投資する前に、許可の範囲を確認して小さな比較用カットを作ります。採用率と仕上げ時間が仕事に合えば有力です。導入や音声処理が作業の大部分を占めるなら、パラメータ数だけで選ばず統合型サービスと比較しましょう。

評価の範囲と参照情報

公式資料、公開モデル、出典を示したユーザー報告を基にした編集上の評価です。当サイトでGPUベンチマークを実行したという意味ではありません。品質や速度の開発元の数値はそのように区別し、表紙も生成結果の実例ではなくイメージとして使用しています。

主な参照先はHunyuanVideo 1.5、Hugging Face、HunyuanVideo 1.5 Technical Report、ComfyUI、HunyuanVideo 1.5、Tencent Hunyuan Community License、エンドポイント固有のfalです。背景情報はYicai Global、ユーザー報告はRedditとRedditを参照しています。料金や公開状態は2026年10月23日に確認しており、最新の提供条件を優先してください。