編集メモ： この記事のモデル情報、VRAM目安、ライセンス、実行環境に関わる内容は、2026年7月下旬時点で確認できる公式情報と公開ドキュメントをもとに整理しています。動画生成モデル、ComfyUI workflow、量子化版、クラウドGPU料金は変わるため、実際に使う前には必ず公式repositoryやmodel cardで最新条件を確認してください。
こんにちは。相沢なおです。 夜中に動画モデルを続けて試していたとき、最初から分かっていたはずのことにやっと気づきました。いわゆる無料で使えるNSFW image-to-video AIは、実際には「無料ではない」「オープンソースではない」「少しでもcontent filterの外側に出ると急に止まる」のどれかに当たりやすいです。
marketing文が完全に嘘というわけではありません。ただ、大事な条件がかなり省略されています。
そこで今回は、2026年7月下旬時点で現実的に使える選択肢を、local setup、open-source model、third-party benchmark、hosted optionの限界まで含めて整理します。どこまで根拠が強く、どこからは慎重に見た方がいいのかも分けて書きます。
無料のNSFW Image-to-Video AIが見つけにくい理由
短く言うと、商用動画プラットフォーマー側のリスクが大きすぎるからです。
Runway、Pika、Klingのような商用cloud toolは、platform termsでexplicit contentを禁止または強く制限しています。filterはserver-sideで動くため、ユーザー側で外すことはできません。model自体が技術的に生成できるとしても、hosted infrastructureが許可しないという状態です。
ここがlocal generationとの大きな違いです。open-sourceまたはopen-weightのvideo modelを自分のmachine上で動かす場合、weightsは手元にあり、生成処理もlocalで進みます。その代わり、GPU、setup時間、storage、license確認、そして法的・倫理的な判断を自分で持つ必要があります。
第三者benchmarkを見ると、今のopen modelはper-frame qualityや短いclipのtemporal coherenceではかなり強くなっています。ただし、5秒を超える複雑なmotion、physics plausibility、手足の自然さ、長いcamera movementではまだ崩れが出やすいです。2026年7月下旬時点の正直な天井はここです。使えないわけではありませんが、plug-and-publishできるものではなく、反復前提の制作になります。
無料・オープンソース寄りのルート
Wan系workflow
まず見るなら、Wan系のworkflowが現実的です。Wan2.2 GitHub repositoryでは、Wan2.2のinference codeとmodel weightsが公開されており、Apache 2.0 licenseで扱われています。text-to-video、image-to-video、text-image-to-videoの複数taskが用意されているため、静止画から動画を作るI2V用途でも候補になります。
Wan 2.1は、比較的軽い入口として使われてきました。小型variantはconsumer GPUでも試しやすく、まずI2Vの流れを確認したい人には向いています。一方で、品質を重視するなら14B級やWan2.2系を見たくなります。ただし、modelが大きくなるほどVRAM、storage、生成時間の負担も上がります。
Wan 2.2は、2025年7月に公開されたupgradeです。公開modelにはT2V-A14B、I2V-A14B、TI2V-5Bなどがあり、TI2V-5Bはtextとimageの両方から動画生成できるmodelです。Hugging Face上のWan2.2 TI2V-5B model cardでは、720P・24fps対応が説明されています。公式のsingle-GPU例ではRTX 4090級、つまり24GB VRAMが目安として示されています。
一方で、ComfyUIのWan2.2公式workflowでは、native offloadingを使うことでWan2.2 5B版が8GB VRAMに収まると説明されています。ここは少し注意が必要です。公式repositoryのCLI実行例と、ComfyUIのoffloading前提workflowでは、必要なVRAMの見え方が違います。低VRAMで動く可能性はありますが、速度や安定性は環境にかなり左右されます。
NSFW寄りの用途では、community側で追加LoRAや調整済みworkflowが出回っています。ただし、ここは慎重に扱うべき領域です。LoRAのlicense、source dataset、公開条件、生成物の利用範囲はモデルごとに違います。実在人物、同意のないlikeness、未成年に見える素材には使わないでください。
HunyuanVideo系workflow
TencentのHunyuanVideo-1.5も、2026年7月下旬時点で検討したいvideo modelです。公式READMEでは、8.3B parametersの軽量video generation modelとして紹介され、text-to-videoとimage-to-videoの両方に対応しています。
HunyuanVideo-1.5の特徴は、元の大きなHunyuanVideoより扱いやすくなっている点です。公式READMEでは、model offloadingを有効にした場合の最低GPU VRAMとして14GBが示されています。つまり、RTX 4070 Ti 16GBのようなmid-range以上のcardなら、現実的に試せる範囲に入ります。
また、SSTA（Selective Sliding Tile Attention）などの設計により、長いvideo sequenceの計算負荷を下げる方向で作られています。公式READMEでは、10秒720p video synthesisでFlashAttention-3比のend-to-end speedupも説明されています。I2Vでは、静止画のidentityや雰囲気を保ちやすい場面があり、キャラクター画像を短く動かす用途では候補になります。
ただし、HunyuanVideo-1.5は「無制限のNSFW model」として見るべきではありません。公式モデルには利用条件があり、各配布先のライセンスや条件を確認する必要があります。community variantや量子化buildもありますが、そこから先は公式保証ではありません。品質、ライセンス、安全性、再現性を分けて見た方がいいです。
ComfyUI custom setup
ComfyUIは、このあたりのworkflowをつなぐ中心的なinterfaceです。node-based workflowなので、image input、model loader、prompt、sampler、VAE、outputなどを視覚的につないで使います。Wan2.2やHunyuanVideo-1.5にはComfyUI向けのworkflowやcommunity integrationがあり、最初から全部組むより早く試せます。
I2Vでの実務感は、source imageをimage input nodeに入れ、motion directionをpromptで指定し、resolution、steps、frame lengthを決めてqueueに入れる流れです。localで実行する場合、画像やpromptは外部サーバーに送られません。ここがprivacy面で大きな違いです。
LoRAは、modelとsamplerの間に追加して出力傾向を寄せる小さなadapterです。adult-orientedなcommunity LoRAも存在しますが、品質差はかなり大きく、licenseやdataset由来の問題もあります。preview、license、利用条件を見ずに入れるのは避けた方がいいです。
RTX 4090のような24GB級GPUがあると、Wan2.2 TI2V-5BやHunyuanVideo-1.5をかなり試しやすくなります。VRAMが厳しい場合は、FP8、GGUF、offloading、cache系のoptimizationを検討します。ただし、低VRAM化は速度や品質とのtrade-offです。動くことと、制作で安定して使えることは別です。
ローカル実行に必要なもの
GPU、VRAM、setup時間、storage
I2Vは、画像生成よりもハードウェア負荷が高いです。ここを甘く見ると、setup後に「動くけれど使う気にならない速度」になります。以下は2026年7月下旬時点の公式情報とcommunity reportを合わせた目安です。環境、workflow、steps、resolution、offloadingで大きく変わります。
| GPU | I2Vに使えるか | 現実的なmodel候補 | 5秒clipの目安 |
| RTX 3060（12GB） | 条件付き | Wan 2.1小型版、量子化workflow、低解像度 | 15〜25分以上になることもある |
| RTX 3080 / 4070 Ti（16GB） | 使える | HunyuanVideo 1.5、Wan 2.2量子化・offload構成 | 8〜15分前後 |
| RTX 4090（24GB） | かなり現実的 | Wan 2.2 TI2V-5B、HunyuanVideo 1.5 | 5〜10分前後 |
| RTX 5090（32GB） | 余裕が出る | 現行の多くのvideo workflow | 3〜6分前後 |
8GB VRAMでも、ComfyUIのoffloadingや小型modelで試せる場合はあります。ただ、快適さまで求めるなら期待値は下げた方がいいです。動画生成を継続するなら、12GB以上、できれば16GB以上を見たいです。realisticなI2Vや720P以上を安定して回すなら、24GB級のGPUがまだかなり強いです。
初回セットアップには2〜4時間ほど見ておくと安心です。ComfyUIのinstall、Python環境、model weightsのdownload、workflow fileの読み込み、missing nodeやdependency errorの修正で時間を使います。WanやHunyuanVideoのmodel filesは大きく、ひとつのmodelだけで数十GBになることがあります。
Storageも重要です。Wan 14B級、HunyuanVideo、VAE、text encoder、LoRA、workflow別のcheckpointを入れていくと、100GBはすぐ埋まります。複数モデルを比較するなら、最初から200GB以上の余裕を見た方が楽です。
無料hosted optionと限界
一部のbrowser platformでは、Wan系やcommunity workflowをホスト環境で動かせます。無料枠として、1日数回、短い待機時間、credit card不要、一定時間後に生成物が削除される、という形のサービスもあります。
ただし、ここには大きなtrade-offがあります。data handlingが不透明な場合があること、promptやupload画像がどこまでloggedされるか分からないこと、policyが急に変わること、modelやLoRAの中身を自分で確認しにくいことです。privacyや商用利用を重視するなら、hostedの「無料」は慎重に見た方がいいです。
Cloud GPU rentalも選択肢です。RunpodやVast.aiのようなplatformでは、RTX 4090級のGPUを時間単位で借りてComfyUIを動かせます。料金は時期や在庫で変わりますが、たまに使うだけなら4090を買うより安い場合があります。逆に、週に何十本も生成するなら、自分のGPUを持つ方が読みやすくなります。
無料と有料のtrade-off
| 項目 | Local / open-source | Hosted NSFW platform | Commercial cloud tool |
| Cost | hardware費用が中心 | free tier + paid upgrade | monthly subscription |
| Content restrictions | platform filterなし。ただし法律と利用責任あり | platformごとに異なる | 強く管理され、NSFW不可が多い |
| Privacy | localなら高い | platform次第 | promptやusageがloggedされる可能性 |
| Quality ceiling | hardwareとworkflow次第で高い | 中程度 | 高いが制限も強い |
| Setup effort | 高い | ほぼ不要 | ほぼ不要 |
| Reliability | 自分の環境次第で安定 | policyや混雑で変動 | 比較的安定 |
local routeは、privacy、creative freedom、methodologyの透明性では強いです。負けるのは摩擦です。install、model管理、VRAM調整、workflow debugを受け入れられる人向けです。
制限、リスク、コンプライアンス境界
ここは、技術より大事です。
Model license： open-sourceやopen-weightは、何をしてもよいという意味ではありません。Apache 2.0のようなpermissive licenseは、改変や商用利用を許す場合がありますが、法律を上書きするものではありません。HunyuanVideo系のように、公式repositoryやmodel cardごとにtermsを確認すべきものもあります。
Platform terms： localで生成しても、social platform、adult site、広告network、client delivery環境に出す時点で、各platformのtermsに従う必要があります。age verification、model release、consent documentation、content complianceが必要になる場合があります。
Synthetic media disclosure： AI生成であることの開示を求める流れは強くなっています。特にadult contentやrealistic synthetic mediaでは、EU AI Actや米国州法レベルの動きも含め、開示・ラベリングの要件を確認した方が安全です。
Deepfakeとlikeness： 実在人物のreference imageを同意なく使うことは、架空キャラクター生成とはまったく別のリスクです。相手がpublic figureでもprivate individualでも、安全線にはなりません。real person likenessを使った性的・誤認的な生成は避けてください。
2026年7月下旬時点の品質上限： Wan2.2やHunyuanVideo-1.5はかなり良い結果を出せます。5秒程度のmotion consistencyは実用に近づいています。ただし、長いclip、複雑なmotion、手足の細かい動き、物理的な整合性ではdriftやartifactが出ます。高品質な公開物には、まだ反復と人間の確認が必要です。
FAQ
無料でNSFW image-to-videoは本当に可能ですか？
可能です。ただし、現実的にはlocal open-source setupが中心です。Wan2.2やHunyuanVideo-1.5は、2026年7月下旬時点でI2V用途の有力候補です。ただし「無料」はsoftwareやmodel accessの話で、GPU、storage、setup時間は別に必要です。
どのhardwareが必要ですか？
本格的に使うなら、RTX 4090の24GB VRAMが今でもかなり扱いやすい目安です。Wan2.2 TI2V-5Bは公式例で24GB級GPUが示されており、ComfyUIのoffloadingではより低VRAMでも動く可能性があります。HunyuanVideo-1.5は公式READMEで最低14GB VRAMが示されています。8GB VRAMでは選択肢がかなり限られ、速度や品質も厳しくなりやすいです。
local workflowはprivacy面で安全ですか？
Cloud toolよりは明確に安全です。local generationなら、prompt、source image、output videoが外部serverに送られません。これはNSFWに限らず、client assetや未公開素材を扱う場合にも大きな利点です。ただし、downloadするmodelやLoRAのlicense、source dataset、実行環境の安全性は別に確認してください。
hosted optionは使わない方がいいですか？
軽いテストなら便利です。setup不要で、GPUを持っていなくてもI2Vを試せます。ただし、upload画像、prompt、生成物の保存期間、ログ、商用利用条件、policy変更のリスクがあります。privacyや長期workflowを重視するなら、localまたはcloud GPU上に自分で環境を作る方が読みやすいです。
結論
2026年7月下旬時点での正直な見方は、こうです。無料でNSFW image-to-videoを本気で使いたいなら、browser toolを探し続けるより、ComfyUIでWan2.2やHunyuanVideo-1.5を動かす方向が一番現実的です。
Wan2.2は、TI2V-5BやI2V-A14Bなどの選択肢があり、ComfyUI workflowも整ってきています。HunyuanVideo-1.5は、8.3B parametersで比較的軽く、14GB VRAM以上の環境なら試しやすい候補です。ただし、どちらも「すぐ商用品質で出せる魔法のtool」ではありません。短いclipでも、motion、identity、physics、artifactの確認は必要です。
local setupは面倒です。model filesも大きいです。最初はエラーも出ます。
それでも、プライバシー、自由度、長期コスト、生成条件の透明性を考えると、今のところ一番納得しやすい選択肢です。
