はじめてのFramePack：画像1枚から動画を作るよ！初心者でも迷わない超ていねいガイド（2025/10/12）

この記事でできること

• そもそも FramePackって何者？ が分かる。
• Windows と Linux で インストール〜初回起動 まで迷わず進める。
• 画像1枚を読み込んで、最初の短い動画 を完成させる。
• WebUIにある 主要パラメータ（設定項目）の意味 がサクッと理解できる。
• つまづいたときの 対処法（FAQ） と、品質と速度のコツ が分かる。

※情報は 2025年10月12日 時点。ツールはよくアップデートされるので、名称や見た目が少し変わることがあります。

FramePackってなに？

1. 画像や短いフレームから、次のフレームを予測して動画をどんどん伸ばすAI。
2. 長い動画でも計算量が爆増しにくい工夫があって、わりと軽めに動くのが推しポイント。
3. ノートPCのRTXでも条件次第でいける。まずは短い秒数で試してみるのがコツだよ。

大事な注意：公式はGitHubだけ。framepack.ai みたいなサイトは 偽物注意 とされてます。ダウンロードやお金はぜったいNG！

事前準備（最低限これがあればOK）

• GPU：RTX 30/40/50シリーズ推奨（fp16/bf16対応）。
• OS：Windows か Linux。
• VRAM：目安は 6GB以上。長尺は余裕あるほど安定。
• 速度の目安：初期設定だと1フレームあたり数秒〜。最適化すると速くなるけど、画質が落ちやすいこともあるので本番は標準推し。

体感はPCごとにけっこう変わるから、まずは5〜10秒で作ってみて、手応えを掴もう！

まずはインストールから

Windows（いちばん簡単：One-Clickパッケージ）

1. 公式GitHubで “Windows One-Click Package” をダウンロード。
2. 解凍したフォルダで update.bat を実行（初回の不具合修正が入ることがあるから念のため）。
3. run.bat を実行。初回はモデルを自動ダウンロード（数十GBあるので、ストレージと回線に注意）。

もし英語の黒い画面（ターミナル）が怖くても、待てばOK。止まってるように見えても裏で準備してること、よくあります。

Linux（Pythonでセットアップ派のあなたに）

# できれば独立した Python 3.10 環境で
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install -r requirements.txt

# GUI起動（ローカル用）
python demo_gradio.py  # 公開したいなら --share / ポート番号は --port

• アテンション実装（PyTorch / xFormers / flash-attn / sage-attention）は後で切替OK。まずはPyTorchで安定確認してから。

はじめての起動〜最初の動画まで（いっしょにやろ）

1. 起動：Windowsは run.bat、Linuxは python demo_gradio.py。
2. 画面が開いたら、左側で 画像を1枚アップロード。
3. Prompt（プロンプト） に簡単な指示を書こう。
   • 例：“A girl waves her hand gently; hair sways a little.”
   • 長文よりも 「誰/何が → どう動く」 をシンプルに。
4. Video Length / Duration を 5〜10秒にして、まずはテスト生成！
5. 右側でプレビューが 区間ごとに伸びて いくよ。最初はちょっと時間がかかっても普通。

うまくいったら、同じ画像・同じプロンプトで 長さを30〜60秒 に伸ばしていこう。少しずつ慣れるのがいちばん。

WebUIのボタン＆パラメータ、ぜんぶ噛みくだき解説

「この用語、正直よく分からない…」をゼロにしたいから、意味＋使いどころ の2点セットで説明するね。

Input Image（入力画像）

• 意味：動画のスタートになる1枚の画像。
• コツ：ピントが合ってて主役が分かりやすい画像ほど、動きの説得力が出やすいよ。

Prompt（プロンプト）

• 意味：AIへの指示文。誰/何が → どう動く → 補足 の順で短く。
• 例：
  • 人物：“A boy runs along the beach, splashes, laughing.”
  • 人物：“The girl dances gracefully, with clear movements, full of charm.”
  • 人物：“She walks over to me while talking.”
  • 風景：“Clouds drift slowly over mountains; sunlight flickers.”
• 注意：装飾語を盛りすぎると迷子になりがち。動き中心でOK。

Video Length / Duration（動画の長さ）

• 意味：最終的な動画の秒数。
• 使いどころ：最初は 5〜10秒 → 成功したら 30秒 → 余裕があれば 60秒 へ。

FPS（フレームレート）

• 意味：1秒あたりの画像枚数。一般的には 30fps が目安。
• 使いどころ：fpsを上げるほど滑らかだけど、負荷＆時間 も増えるので初心者は既定値のままでOK。

TeaCache（テキャッシュ）

• 意味：高速化オプション。生成がサクサクになる代わりに、
  • 画質がブレたり 表情が不安定になることも。
• 使いどころ：
  • 試行錯誤・下書き：ONにしてスピード重視。
  • 保存版・公開用：OFFに戻して品質重視。

Attention Backend（注意機構の実装）

• 意味：内部の計算エンジンを切り替える感じ。
• 選択肢：PyTorch / xFormers / flash-attn / sage-attention など。
• 使いどころ：まずは PyTorch でOK。調子が悪いときに他を試す、くらいの気持ちで。

Server / Share オプション

• 意味：--share で一時URLを出したり、--port でポートを指定したり。
• 使いどころ：ローカルで自分だけ使うなら 何もしなくてOK。誰かに見せたいときだけ。

プロンプト作り、これだけ覚えれば十分！

• 主語（誰/何） → 動詞（どう動く） → ちょい補足 の3点。
• 短く断言 がコツ。「やさしく」「ゆっくり」「小さく」みたいな 動きの形容詞 が効果的。
• 迷ったら：
  • “The cat tilts its head; ears twitch a little.”
  • “Leaves rustle slightly; light flickers through branches.”

モデルの種類：F1と通常版のちがい

• FramePack-F1（単方向）：過去→未来だけを見るモデル。動きが大きめ になりやすく、実験やアイデア出しに向くよ。
  • 起動例：demo_gradio_f1.py
• 通常版（双方向）：安定志向。まずはこっちで品質を確認してからF1を試すのが安心。

品質と速度を両立するレシピ

1. 標準設定＋TeaCache OFF で短い秒数をテスト。
2. 問題なければ 長さ→解像度 の順で少しずつ上げる。
3. どうしても遅いときは一時的に TeaCache ON でアイデア検証。
4. 公開用を作るときは TeaCacheをOFFに戻す（安定・高品質狙い）。

トラブル対策（よくある質問）

Q. 生成が遅すぎて不安…
A. まずは 5〜10秒 で比べてみて。GPUドライバや電源設定、Attentionの種類で体感が変わるよ。

Q. 1〜2秒で終わって「え？」ってなる
A. FramePackは 区間ごとに動画が伸びる方式。少し待つと次の区間が生成されて、ちゃんと長くなっていきます。

Q. それっぽい配布サイトを見つけた
A. 使わないで！公式はGitHubだけ。安全第一でいこ。

まずはここまで：最短ゴールのおさらい

Windows

1. GitHubで One-Click をDL → 解凍。
2. update.bat → run.bat。
3. 画像アップロード → 短いプロンプト → 5〜10秒でテスト → 良さげなら徐々に長尺へ。

Linux

1. pip install torch ...cu126 → pip install -r requirements.txt
2. python demo_gradio.py（必要なら --share）。
3. あとはWindowsと同じ流れでOK。

参考リンク（ブクマ推奨）

• 公式GitHub（README / One-Click / 注意喚起）: https://github.com/lllyasviel/FramePack
• 論文や図解のリンクは、公式READMEから最新を確認してね（ツールはよく更新されます）。

ここまで読んでくれてありがとう。この記事は初心者さん最優先で書きました。分かりにくいところがあったら、追記するので気軽に教えてね！🙌