🤖 SeedVR2 v2.5: ComfyUI向け動画アップスケーラーの進化

LHKJACKY · November 8, 2025, 4:32am

SeedVR2 v2.5は、ByteDanceが開発したAIベースの動画復元モデルをComfyUIに統合した最新バージョンである。このアップデートは、速度、メモリ効率、品質、使いやすさの大幅な向上を実現し、特に低スペックGPUでの運用を可能にした。従来のバージョンでは、メモリ不足や処理の不安定さが課題だったが、v2.5ではモジュラー設計を採用し、7億パラメータモデルを8GB VRAMのGPUで動作させることを達成した。これにより、消費者向けハードウェアでプロフェッショナルな動画アップスケーリングが可能になり、VFXやコンテンツ制作の現場で実用性が高まった。

動画アップスケーリングとは、低解像度の映像を高解像度に変換し、詳細を追加するプロセスだ。SeedVR2は、拡散モデルを基盤とし、一度のステップで復元を行う点が特徴で、従来の多ステップ手法に比べて効率的である。v2.5のリリースは、コミュニティからのフィードバックを反映し、ブロックスワッピングやtorch.compileの統合により、処理時間を短縮しながら品質を維持する。たとえば、長い動画の処理では、メモリ使用量を安定させ、VRAMの積み重ねを防ぐストリーミングアーキテクチャが導入された。これにより、ユーザーはハードウェアの制約を超えた柔軟なワークフローを構築できる。

さらに、RGBAサポートの強化により、透明チャネルの処理が自然になり、エッジガイド付きアップスケーリングでクリーンな結果が得られる。解像度の柔軟性も向上し、2で割り切れる任意の解像度に対応可能だ。このバージョンは、ComfyUIのV3移行にも対応し、無状態ノード設計を採用している。全体として、SeedVR2 v2.5はAIツールの民主化を象徴し、専門家から趣味ユーザーまで幅広い層にアクセスしやすくした。以下では、その詳細を順に解説する。

概要

SeedVR2は、ByteDanceの研究チームが提案した拡散トランスフォーマーベースの動画復元モデルである。従来の動画生成パイプラインを活用し、任意の解像度と長さの動画を扱うことを目的としている。v2.5では、ComfyUI統合が全面的に再設計され、モジュラーアーキテクチャを導入した。これにより、DiT（Diffusion Transformer）モデルとVAE（Variational Autoencoder）のローディングを分離し、ユーザーが個別に設定を調整できるようになった。

このバージョンの核心は、低VRAM環境での運用最適化だ。たとえば、7億パラメータのモデルを8GB GPUで実行可能にし、GGUF量子化によりメモリ消費を大幅に削減した。処理フローは4つのフェーズ—エンコード、アップスケール、デコード、ポストプロセス—に分けられ、各フェーズでリソースを効率的に解放する。これにより、長時間動画の処理でもVRAM使用量が安定し、メモリリークを防ぐ。

また、品質面ではLABカラーマッチングをデフォルトとし、HSVやウェーブレット適応などの追加手法をサポート。時間的整合性を保つためのハン窓ブレンディングも実装され、バッチ間の遷移が滑らかになった。CLI（コマンドラインインターフェース）も強化され、バッチ処理やマルチGPU対応が追加されている。これらの変更は、コミュニティの貢献により実現し、SeedVR2をより実用的なツールに進化させた。

インストール方法

SeedVR2 v2.5のインストールは、ComfyUIマネージャーを通じて容易に行える。まず、ComfyUIのカスタムノードマネージャーで「SeedVR2」を検索し、AInVFXバージョンを選択する。このバージョンは最多のスター数を誇り、最新の2.5以上を確認しよう。インストール後、ComfyUIを再起動し、シェルでエラーをチェックする。Flash AttentionやTritonが検出されなくても動作可能だが、これらは推論速度を向上させる。

手動インストールが必要な場合、公式GitHubリポジトリにアクセスし、ドキュメントに従う。依存関係をインストールし、環境の競合を解決する。モデルファイルはHugging Faceから自動ダウンロードされるが、手動で入手する場合はAInVFX、numz、cmekaのリポジトリを利用。モデルをComfyUIのmodels/SeedVR2フォルダに配置する。

カスタムディレクトリを使用する場合、extra_model_paths.yamlを編集し、モデルパスを指定。ComfyUI再起動後、新規モデルが認識される。ダウンロード中断機能も追加され、再開時にファイル整合性をチェックする。これにより、安定したセットアップが可能になり、ユーザーはすぐにテンプレートワークフローをロードしてテストできる。

モデルバリエーション

SeedVR2のモデルは、3億パラメータ（3B）と7億パラメータ（7B）の2バリエーションがあり、それぞれに量子化オプションが用意されている。3Bモデルは軽量で、低VRAM環境に適し、迅速な処理を優先する場合に有効。一方、7Bモデルは詳細な復元が可能で、シャープバリアントを選択するとエッジの明瞭度が向上する。

量子化オプションとして、FP8、FP16、GGUF（4ビットQ4_K_M、8ビットQ8_0）をサポート。GGUFはメモリ効率が高く、7Bモデルを8GB VRAMで動作させる鍵となる。ブロック数は3Bが36、7Bが66で、ブロックスワッピングによりメモリを最適化。

以下は主なモデルの比較表：

モデル	パラメータ数	量子化オプション	VRAM要件（最小）	特徴	弱点
3B	3億	FP8, FP16, GGUF	5GB以上	高速処理、低メモリ消費	詳細復元が7Bに劣る
7B	7億	FP8, FP16, GGUF	8GB以上 (GGUF時)	高品質、シャープバリアントあり	大規模モデルでメモリ負荷が高い
7B Sharp	7億	FP16	8GB以上	エッジ強調	標準7Bよりシャープだが、ノイズが増す可能性

この表から、用途に応じた選択が可能だ。たとえば、消費者向けGPUではGGUF量子化の3Bを推奨し、高品質を求める場合に7Bを活用する。公式Hugging Faceリポジトリで確認されたスペックに基づき、任意解像度（2で割り切れる）に対応する。

モデル選択時は、ハードウェアを考慮。VAEは単一だが、タイルリングを有効化可能で、torch.compileと組み合わせることで効率を高める。

特徴:
- 3B: 36ブロック、軽量でモバイルデバイス向き。
- 7B: 66ブロック、詳細追加に優れる。
- GGUF: 4/8ビット量子化でVRAMを3分の1に削減。
良い点:
- 多様な量子化で柔軟性が高い。
- シャープバリアントで視覚効果向上。
悪い点:
- 7Bで高解像度時、VRAM不足が発生しやすい。
- 量子化により微細な品質劣化の可能性。

パフォーマンス最適化

v2.5の最大の進化は、パフォーマンスの最適化にある。torch.compileのサポートにより、DiTの速度が20-40%、VAEが15-25%向上する。これは、グラフ全体をコンパイルし、CUDAカーネルを最適化するためだ。ただし、初回コンパイルに2-5分かかるため、長動画やバッチ処理向き。短い動画ではオフに推奨。

ブロックスワッピングは、モデルを小塊に分け、CPUにオフロード。7Bモデルで36ブロックをスワップすると、ピークVRAMを2GB以内に抑えられる。Flash Attentionをインストールすれば、推論を10%高速化。タイルリングも強化され、エンコード/デコードを独立制御。

モデルキャッシングにより、複数アップスケーラー間でモデルを共有。設定変更時も自動更新され、ロード時間をゼロに近づける。CLIでは、マルチGPU対応でワークロードを分散し、時間的オーバーラップでブレンド。

これらの最適化により、消費者ハードウェアで4Kアップスケーリングが可能になった。たとえば、バッチサイズを5に設定すると、ほとんどのGPUで動作し、処理時間を短縮する。

特徴:
- torch.compile: モード調整可能（デフォルトからmax-autotune）。
- ブロックスワッピング: アダプティブメモリクリア（5%閾値）。
良い点:
- 長動画で大幅時間短縮。
- マルチGPUでスケーラブル。
悪い点:
- コンパイルオーバーヘッドで短タスクに不向き。
- Flash Attention未インストール時、速度低下。

メモリ管理

メモリ管理の改善がv2.5の鍵だ。従来のVRAM積み上げを防ぐストリーミングアーキテクチャを採用し、各バッチをCPU RAMにオフロード。オフロードデバイスを独立設定可能で、DiT、VAE、テンソルをCPU/GPU/なしから選択。

4フェーズパイプラインにより、各段階でリソースを解放。ピークVRAM追跡機能で、フェーズごとの使用量を監視。GGUF量子化でVRAMを削減し、7Bモデルを8GBで運用。

長動画では、オフロードを有効にするとVRAMを11GB前後に固定。CPU RAMは最終出力分必要だが、重複を避けるストリーミングで効率化。

特徴:
- オフロード: DiT/VAE/テンソル独立。
- ピーク追跡: ログで詳細表示。
良い点:
- 長時間動画の安定処理。
- 低VRAM GPU対応。
悪い点:
- CPU RAM不足で制限。
- オフロード時の速度低下。

品質向上

品質面では、LAB色修正をデフォルトとし、知覚的色転送で精度向上。HSV飽和マッチングやウェーブレット適応も追加。決定論的生成で、シードベースの再現性確保。

時間的一貫性は、ハン窓ブレンディングでバッチ遷移を滑らかに。RGBAサポートでアルファチャネルをエッジガイド付きアップスケーリング。解像度パディングで損失なし。

特徴:
- 色修正: LAB, HSV, ウェーブレット。
- ブレンディング: ハン窓。
良い点:
- 自然な色再現。
- 透明チャネル対応。
悪い点:
- アルファ処理は開発中。
- 高解像度で微細ノイズ。

CLI機能

CLIはバッチ処理に特化。フォルダ全体を処理し、モデルキャッシングで効率化。出力形式を自動検知（MP4/PNG）。マルチGPUでワークロード分散、時間的オーバーラップブレンド。

パラメータはComfyUIと統一。例: 解像度1080、最大1920、バッチサイズ21、ブロックスワップ16。

特徴:
- バッチ処理: 画像/動画混合。
- キャッシング: DiT/VAE。
良い点:
- 生産パイプライン向き。
- ヘルプ表示充実。
悪い点:
- ComfyUI未ユーザーには学習曲線。
- エラー処理のさらなる強化。

使用例

使用例として、単一画像アップスケーリングから始める。ComfyUIでテンプレートをロードし、DiTを7B FP16、VAEをタイルリング有効に設定。シードを固定し、解像度を調整。

動画の場合、バッチサイズを4n+1（例:5）にし、オフロードをCPUに。CLIでフォルダ処理: python inference_cli.py media_folder/ --output processed/ 等。

これにより、Pixabay画像のような商用素材を高品質にアップスケール可能。デバッグモードでメモリを監視し、最適化。

SeedVR2 v2.5は、AI動画復元の未来を切り開く。消費者ハードウェアでの高品質処理が可能になり、VFX業界の効率化を促進する。バランスの取れた選択として、3Bモデルから始め、必要に応じて7Bへ移行を推奨。業界全体では、こうしたツールがクリエイティブの障壁を下げ、より革新的なコンテンツを生むだろう。

LHKJACKY · November 8, 2025, 5:06am

Official Comfy UI Workflow Example:

SeedVR2_simple_image_upscale.json (9.3 KB)

SeedVR2_HD_video_upscale.json (10.7 KB)

SeedVR2_4K_image_upscale.json (9.3 KB)