Anima公式5構成の生成速度をEVO-X2とM1 Maxで比べた
目次
先日のAnima公式のTurbo v1.1とAesthetic v1.1の比較はM1 Max 64GBで出力していて、モデル読み込み後の1枚あたりTurbo系で約38秒、BaseとAesthetic v1.1では約260秒かかった。
30ステップ側を10枚回すと40分を超える。
もう1台、VRAM（GPUが使うメモリ）を48GB割り当てたEVO-X2がある。
6月にFastWanとWan 14Bを動かしたときのPyTorch環境が残っているので、同じ5構成を同じプロンプト・seed（乱数の種）・解像度で動かして、秒数を並べてみた。
Baseで学習したキャラLoRA（特定のキャラを描くための追加の重み）の効き方も、同じ条件で数え直している。
テスト環境
| 項目 | EVO-X2（今回） | M1 Max（前回の記事） |
|---|---|---|
| マシン | GMKtec EVO-X2 | MacBook Pro（M1 Max） |
| GPU | Radeon 8060S（ROCm） | M1 Max（Metal） |
| メモリ | 64GB（BIOSでVRAM 48GB / RAM 16GBに分割） | 64GB（CPUとGPUで共有） |
| OS | Windows 11 Pro 26200 | macOS |
| PyTorch | 2.11.0+rocm7.13.0 | 記録なし |
| ComfyUI | 0.43.0（コミット b5a4321） | 記録なし |
ComfyUIとPyTorchの版はそろえていない。
導入
PyTorchのROCm版（ROCmはAMD GPU向けの計算環境）は公式配布にWindows向けがなく、6月の記事で入れたAMD TheRockのgfx1151向けホイール（pipで入れるパッケージファイル）をそのまま使った。
動画生成の環境を壊さないように、conda環境（Pythonとパッケージをまとめた実行環境）をコピーしてからComfyUI（ノードをつないで画像生成を動かすツール）の依存を入れている。
conda create -y -n comfyui --clone fastwan
git clone --depth 1 https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
conda run -n comfyui pip install -r requirements.txt
conda run -n comfyui python main.py --listen 127.0.0.1 --bf16-vae --bf16-unetrequirements.txt を入れてもtorchは2.11.0+rocm7.13.0のまま上書きされなかった。
起動ログには Device: cuda:0 AMD Radeon(TM) 8060S Graphics : native、Total VRAM 55161 MB, total RAM 16023 MB と出る。
PyTorchのROCm版はCUDA用の torch.cuda の名前でGPUを扱うので、表記は cuda:0 のままになる。
アニメ調の画像生成モデルAnimaの本体はHugging Faceのcirclestone-labs/Animaから、Turbo LoRAはCivitaiから取得した。
比較対象
前回と同じ5構成で、キャラLoRAは「キャラLoRA」「4つのseedでのLoRAの効き」「背景の描き込み」の節で当てた。
| ラベル | モデル | 役割 |
|---|---|---|
| Base＋Turbo LoRA | anima-base-v1.0 ＋ anima-turbo-lora-v0.1（strength 1.0） | Turbo系の基準 |
| Turbo v1.0 | anima-turbo-v1.0 | 公式Turboの初版 |
| Turbo v1.1 | anima-turbo-v1.1 | 公式Turboの新版 |
| Base | anima-base-v1.0 | 30ステップ系の基準 |
| Aesthetic v1.1 | anima-aesthetic-v1.1 | 公式の画風調整版 |
生成条件
| 項目 | Turbo系3本 | Base / Aesthetic v1.1 |
|---|---|---|
| 解像度 | 832×1216（バストアップは832×1024、2キャラは1216×832） | 同左 |
| ステップ | 8 | 30 |
| CFG（プロンプトに従わせる強さ） | 1.0 | 4.5 |
| サンプラー / スケジューラー | er_sde / simple | 同左 |
| seed | 42（速度の揺れの確認に100、200、LoRAの集計に100、200、300も） | 同左 |
| キャラLoRA | keikana-animabase-v2_epoch140（strength_model 1.0、strength_clip 1.0） | 同左 |
| プロンプトの先頭に付ける語 | masterpiece, best quality, safe | 同左 |
| 起動オプション | --bf16-unet --bf16-vae | 同左 |
生成速度
ComfyUIの実行記録に残る処理時間で、Mac側の数字は前回の記事の表をそのまま使った。
テスト1（白背景の立ち絵）は各モデルの1枚目でモデル読み込みを含み、テスト2（草原を走るシーン）は読み込み後の同解像度になる。
| モデル | ステップ | テスト1 M1 Max → EVO-X2 | テスト2 M1 Max → EVO-X2 | キャラLoRAのバストアップ M1 Max → EVO-X2 |
|---|---|---|---|---|
| Base＋Turbo LoRA | 8 | 42.3秒 → 18.0秒 | 38.1秒 → 9.0秒 | 30.2秒 → 7.4秒 |
| Turbo v1.0 | 8 | 40.2秒 → 13.3秒 | 38.1秒 → 9.0秒 | 30.2秒 → 7.4秒 |
| Turbo v1.1 | 8 | 40.2秒 → 13.4秒 | 38.2秒 → 9.1秒 | 30.2秒 → 7.5秒 |
| Base | 30 | 262.8秒 → 68.9秒 | 258.7秒 → 64.9秒 | 210.7秒 → 52.3秒 |
| Aesthetic v1.1 | 30 | 261.2秒 → 69.3秒 | 259.1秒 → 64.8秒 | 208.9秒 → 52.2秒 |
読み込み後の生成は、どのモデルでもEVO-X2がM1 Maxの約4倍速かった。
Turbo系は4.2倍、30ステップ側は4.0倍で、1時間あたりに直すとBaseで約14枚から約55枚になる。
バストアップは832×1024で、EVO-X2の数字はキャラLoRAを一度当てたあとの2枚目の秒数になる。
キャラLoRAを当てても倍率は約4倍のままだった。
最初に当てる1枚だけは2〜3秒増え、Turbo系で9.45〜10.23秒、30ステップ側で54.20〜54.28秒かかった。
832×1216と1216×832でキャラLoRAを当てた秒数も、Turbo系が9.06〜9.17秒、30ステップ側が64.86〜65.08秒で、LoRAなしのテスト2に近い。
秒数の揺れを確かめるためにテスト2をseed 100と200でも出したところ、Turbo系は8.97〜9.06秒、30ステップ側は64.81〜64.99秒だった。
キャラLoRA込みで76枚を連続で生成しても、秒数の伸びはなかった。
EVO-X2の中でのTurbo系と30ステップ側の差は約7.2倍だった。
CFG 1.0ではネガティブプロンプト（描かせたくない要素の指定）側の計算が省かれ、CFG 4.5では1ステップにプロンプトとネガティブプロンプトの2回を計算するので、モデルの計算回数はTurbo系が8回、30ステップ側が60回になる。
約7.2倍は、前回の記事の計算と同じくこの回数の比におおむね沿っている。
素の画風
絵が崩れていないかを、前回と同じプロンプトで比べた。
テスト1（白背景の立ち絵）
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 青い前垂れと金の縁取りで、5本の中で色数が一番多い。前回のMac出力も同じ傾向 |
| Turbo v1.0 | 白とくすんだ金だけで、全体に色が淡い |
| Turbo v1.1 | 影が濃く刺繍も出るが、背景に同じ人物の大きな顔が重なる |
| Base | 黄色の強い金で、両手を体の前に下ろしている |
| Aesthetic v1.1 | 金がくすみ、ケープが長く下がる。両手は体の前 |
モデルごとの配色の傾向はMacの出力と同じで、人物の向きや手の位置、衣装の細部はMacと別の絵になった。
er_sde というサンプラー（ノイズから絵を作る計算手順）はステップごとにノイズを足す方式で、ComfyUIの default_noise_sampler はそのノイズをGPU上の乱数で作っている。
同じseedでも乱数の列がGPUによって変わるので、同じ絵にならないのだと思う。
同じマシンなら再現できて、EVO-X2で出し直した49枚は全ピクセルが前の出力と一致した。
Turbo v1.1のseed 42に出た大きな顔は、設定の問題かを確かめた。
データ型を変えても同じ構図で出て（後半の「データ型（dtype）ごとの速度」の節に画像を載せた）、CLIPLoader（テキストエンコーダーを読み込むノード）の種類を変えても同じだった。
seed 100では出なかったので、このseedの偶然の構図だと考えている。
ただしseed 2つだけの確認で、Turbo v1.1でこの重なりがどれくらいの割合で出るかは数えていない。
プロンプト
masterpiece, best quality, safe, 1girl, solo, long blonde hair, blue eyes, white robe, gold embroidery, capelet, gold sash, long sleeves, long dress, standing, looking at viewer, full body, white backgroundネガティブ
worst quality, low quality, artist name, blurry, jpeg artifacts, chromatic aberrationテスト2（草原を走るシーン）
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 左下に黒っぽい城、夕焼けの雲、手前の草 |
| Turbo v1.0 | 城は左奥。人物が大きく中央に寄る |
| Turbo v1.1 | 城の配置はBase＋Turbo LoRAに近く、輪郭がはっきりする |
| Base | 大きな白い積雲を背に、左奥に城。人物は右向きに走る |
| Aesthetic v1.1 | Baseとほぼ同じ構図で、ケープと裾が大きくなびく |
Turbo系3本は配置が近く、30ステップの2本は互いに同じ構図になった。
組み合わせの傾向はMacと同じで、絵そのものはテスト1と同じ理由で別物になっている。
プロンプト
masterpiece, best quality, safe, 1girl, solo, long blonde hair, blue eyes, white robe, gold embroidery, capelet, gold sash, long sleeves, long dress, running, wind, hair blowing, dynamic pose, fantasy landscape, castle in background, sunset sky, dramatic clouds, grass fieldネガティブはテスト1と同じ。
キャラLoRA
Baseで学習した合体LoRA v2を、前回と同じ適用の強さ（strength）1.0で当てた。
画像ごとに、この特徴が出ているかを確かめた。
| キャラ | 特徴 |
|---|---|
| かなちゃん | 茶髪、アホ毛、向かって右のサイドポニー、青いシュシュ、茶色の目、白シャツ＋赤ネクタイ |
| けいちゃん | 金髪ロング、ぱっつん前髪、横の編み込み、後ろ髪の青リボン、青い目、赤いリボンタイ |
かなちゃん
全身の立ち絵を出力した。
バストアップはプロンプトの指定を upper body, portrait に変更して出力した。
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 全身は特徴がすべて出て、黒のハイソックス。バストアップはネクタイが大きな赤リボンになる |
| Turbo v1.0 | 特徴はすべて出る。全身は白い短めのソックスで、両腕を少し開く |
| Turbo v1.1 | 特徴はすべて出る。全身は白い膝下ソックス |
| Base | 全身は特徴がすべて出て、チェックのスカート。バストアップは紺ブレザー＋赤い大きなリボン |
| Aesthetic v1.1 | 髪と目の特徴は出る。全身はベスト＋細い赤リボンで、両手を体の前で組む。バストアップは紺ブレザー＋赤いリボン |
けいちゃん
全身の立ち絵を出力した。
バストアップはプロンプトの指定を upper body, portrait に変更して出力した。
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 髪の特徴と赤リボンタイがそろう。バストアップは紺ブレザー |
| Turbo v1.0 | 髪は出るが、首元のリボンが全身もバストアップも紺になる |
| Turbo v1.1 | 髪は出るが、首元のリボンが紺になる。全身は上着も紺 |
| Base | 髪の特徴と赤リボンタイがそろう。スカートはチェック柄 |
| Aesthetic v1.1 | 髪の特徴と赤リボンタイがそろう。全身は両手を体の前で組む。バストアップは上着なしの白シャツ |
seed 42でTurbo専用モデルの2本だけ首元が紺になるのは、絵が別物になったEVO-X2でも前回と同じだった。
プロンプト（かな・けい）
かな全身
masterpiece, best quality, safe, 1girl, solo, kanachan, brown hair, side ponytail, ahoge, brown eyes, school uniform, full body, standing, looking at viewer, white background, simple backgroundけい全身
masterpiece, best quality, safe, 1girl, solo, keichan, blonde hair, long hair, blunt bangs, blue ribbon, blue eyes, school uniform, full body, standing, looking at viewer, white background, simple backgroundバストアップは full body, standing を upper body, portrait に替え、ネガティブに full body, knees, feet, lower body を足した。
ネガティブ
worst quality, low quality, blurry, lowres, jpeg artifacts, bad hands, bad anatomy, fused fingers, fused legs, fused limbs, extra arms, extra legs, conjoined twins, deformed face2キャラ
接触ポーズにはせず、standing side by side, full body で横に並べた。
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 左けい・右かなで分かれ、アホ毛の混ざりなし。けいは赤リボン、かなは黒タイツ |
| Turbo v1.0 | 描き分けとアホ毛は同じ。けいのリボンが紺になる |
| Turbo v1.1 | 描き分けとアホ毛は同じ。けいは赤リボン |
| Base | 描き分けとアホ毛は同じ。けいは赤リボンで、スカートは茶色のチェック |
| Aesthetic v1.1 | 描き分けとアホ毛は同じ。けいは細い赤リボンで、両手を体の前で組む |
プロンプト
masterpiece, best quality, safe, 2girls, multiple girls, two different girls, kanachan, keichan, standing side by side, full body, looking at viewer, smile, school uniform, keichan on the left has long blonde hair with blunt bangs and a blue ribbon, kanachan on the right has brown hair with a side ponytail and an ahoge, white background, simple backgroundネガティブはかな・けいと同じものに 1girl, solo を足した。
4つのseedでのLoRAの効き
seed 42、100、200、300の4枚ずつを出力し、本人として出た枚数を画像を開いて数えた。
服と髪型の変更はseed 42と100の2枚ずつで、カッコ内は前回のM1 Maxの結果になる。
| 項目 | Base＋Turbo LoRA | Turbo v1.0 | Turbo v1.1 | Base | Aesthetic v1.1 |
|---|---|---|---|---|---|
| かな（特徴指定：茶髪・アホ毛・右サイドポニー・青シュシュ・赤ネクタイ） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） | 2/4（4/4） |
| けい（特徴指定：金髪・ぱっつん・編み込み・青リボン） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） |
| けい（首元の赤リボンタイ） | 4/4（4/4） | 2/4（1/4） | 2/4（3/4） | 4/4（4/4） | 4/4（4/4） |
| 2キャラ（人数：2人のみ） | 4/4（4/4） | 3/4（4/4） | 4/4（4/4） | 4/4（4/4） | 3/4（1/4） |
| 2キャラ（描き分け：左右分離、アホ毛混ざりなし） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） |
| 2キャラのけいの首元（赤リボンタイ） | 4/4（4/4） | 1/4（1/4） | 4/4（4/4） | 4/4（4/4） | 4/4（4/4） |
| かなの服変更（指定服になり特徴維持） | 2/2（2/2） | 2/2（2/2） | 2/2（2/2） | 2/2（2/2） | 2/2（2/2） |
| けいの髪型変更（ツインテールになり特徴維持） | 0/2（1/2） | 1/2（2/2） | 1/2（2/2） | 2/2（1/2） | 2/2（1/2） |
トリガー語（kanachan のようにキャラを呼び出す語）だけのプロンプトは、今回は試していない。
服の指定がないので、前回はLoRAありで裸体や下着の画像が出た条件になる。
特徴を書いた場合
かなちゃん
Base＋Turbo LoRA
Turbo v1.0
Turbo v1.1
Base
Aesthetic v1.1
けいちゃん
Base＋Turbo LoRA
Turbo v1.0
Turbo v1.1
Base
Aesthetic v1.1
2キャラ
Base＋Turbo LoRA
Turbo v1.0
Turbo v1.1
Base
Aesthetic v1.1
髪と目を指定すると、かなもけいも髪型と顔立ちは全枚数で本人として出た。
かなの2/4はAesthetic v1.1のseed 42と100で、赤ネクタイが細い赤リボンに変わった分になる。
Aesthetic v1.1は、プロンプトにないのに両手を体の前で組むポーズが、かな1人とけい1人の8枚すべてで出た。
前回も8枚中7枚がこのポーズだった。
差が出たのは首元のリボンで、Base＋Turbo LoRA、Base、Aesthetic v1.1は1人でも2キャラでも赤が4/4だった。
Turbo v1.0は1人で2/4、2キャラで1/4、Turbo v1.1は1人で2/4、2キャラで4/4で、Turbo専用モデルで紺が混ざるのは前回と同じだった。
Turbo v1.0のseed 200は、けい2人＋かな1人の3人になった。
Aesthetic v1.1はseed 100だけ、けい2人＋かな2人の4人になった。
前回のM1 Maxと比べると、人が増えた枚数はTurbo v1.0で0枚から1枚に増え、Aesthetic v1.1で3枚から1枚に減っている。
人が増えた画像でも、1人ずつ確かめるとキャラは混ざっていなかった。
どちらも4枚ずつの結果なので、前回書いた「Aesthetic v1.1の追加学習で人数の指定が効きにくくなったのかもしれない」という推測は、今回の枚数だと確かめられなかった。
服と髪型の指定を変えたとき
かなの服とけいの髪型の指定を変えて、seed 42と100の2枚ずつ出力した。
服の変更（かなちゃん）
黒パーカー＋デニムショートパンツ＋スニーカーを指定した。
Base＋Turbo LoRA
Turbo v1.0
Turbo v1.1
Base
Aesthetic v1.1
髪型の変更（けいちゃん）
ツインテールを指定した。
Base＋Turbo LoRA
Turbo v1.0
Turbo v1.1
Base
Aesthetic v1.1
服の指定は10枚すべてで反映され、茶髪・アホ毛・サイドポニー・青シュシュもそのまま出た。
髪型の変更は前回と結果が入れ替わり、BaseとAesthetic v1.1が2/2、Turbo v1.0とv1.1が1/2、Base＋Turbo LoRAが0/2だった。
Turbo v1.0とv1.1のseed 100は高い位置で結んだツーサイドアップ寄りだったが、前回の数え方に合わせてツインテールとした。
前回はTurbo専用モデルの2本が2枚ともツインテールになったが、今回は1枚ずつで、同じ傾向は出ていない。
1項目2枚ずつなので、モデルの差というよりseedの揺れの範囲だと思う。
プロンプト（指定変更）
かなの服を変える
masterpiece, best quality, safe, 1girl, solo, kanachan, brown hair, side ponytail, ahoge, brown eyes, black hoodie, denim shorts, sneakers, full body, standing, looking at viewer, white background, simple backgroundけいの髪型を変える
masterpiece, best quality, safe, 1girl, solo, keichan, blonde hair, twintails, blue eyes, school uniform, full body, standing, looking at viewer, white background, simple backgroundネガティブはかな・けいの節と同じ。
背景の描き込み
喫茶店の窓際にかなちゃんを座らせた。
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 窓、植物、本棚、ティーカップに加え、天井のランプと奥の椅子まで描く。カップを口元に運ぶ |
| Turbo v1.0 | 手を組んだ寄りの構図。窓の花と本棚で、物の数は少なめ |
| Turbo v1.1 | 頬杖の寄り構図。本棚にティーポットが並ぶ |
| Base | 頬杖の構図。窓際に並ぶ鉢植え、棚の小物、ランプ、奥の椅子まで描くが、右端に黒い帯が入る |
| Aesthetic v1.1 | 両手でカップを持つ正面の構図。窓際の鉢植え、奥の本棚とランプ、別のテーブルと椅子まで描く |
Baseの右端の黒い帯は幅128ピクセルで、保存した133枚の中でこの1枚だけだった。
ComfyUIを起動し直して同じ条件で出すと、全ピクセルが一致する同じ画像になった。
実行のたびに起きる乱れではなく、このseedで決まる出力だった。
同じ条件のseed 100と200には帯が出なかったので、モデルがこの構図の一部として描いたのだと思うが、原因は確かめていない。
プロンプト
masterpiece, best quality, safe, 1girl, solo, kanachan, brown hair, side ponytail, ahoge, brown eyes, school uniform, sitting at a cafe table by the window, potted plants, bookshelf, teacup, warm afternoon sunlight, detailed background, intricate details, looking at viewerネガティブ
worst quality, low quality, blurry, lowres, jpeg artifacts, bad hands, bad anatomy, deformed face画像変換（i2i）
前回と同じWAI-Illustrious v160＋かなちゃんLoRAの元画像を、denoise（元画像をどれだけ描き直すかの強さ）0.5で通した。
キャラLoRAは当てていない。
| モデル | 画像で確認したこと |
|---|---|
| Base＋Turbo LoRA | 構図と金色の円はそのままで、円の中に花の模様が入る |
| Turbo v1.0 | 円は無地のまま。5本の中で元画像に一番近い |
| Turbo v1.1 | 円に模様が入って輪郭が崩れる |
| Base | 円の中に模様が入る |
| Aesthetic v1.1 | 模様が入り、円の輪郭が少し波打つ |
i2iは元画像が同じなので、テスト1・2よりMacの出力にずっと近かった。
Turbo v1.0だけ円が無地で残り、Turbo v1.1は輪郭が崩れるという違いも前回と同じ形で出ている。
処理時間はTurbo系が9.41〜9.42秒、30ステップ側が65.07〜65.10秒だった。
プロンプト
masterpiece, best quality, safe, 1girl, solo, brown hair, side ponytail, ahoge, brown eyes, white robe, gold embroidery, capelet, gold sash, long sleeves, long dress, standing, looking at viewer, full bodyネガティブは素の画風と同じ。
データ型（dtype）ごとの速度
Macのときと同じく --bf16-unet --bf16-vae を付けていたが、Radeonでも得なのか分からなかったので、Turbo v1.1で起動オプションだけ変えて比べた。
dtypeはモデルの重みを計算するときの数値の型で、ビット数が小さいほどメモリと計算量が減り、精度は下がる。
| 起動オプション | 実際のdtype | 1ステップ | 読み込み後の1枚（seed 100） |
|---|---|---|---|
--bf16-unet --bf16-vae | bfloat16 | 1.04秒 | 9.01秒 |
| なし | bfloat16 | 1.04秒 | 9.02秒 |
--fp16-unet --fp16-vae | float16 | 1.18秒 | 10.11秒 |
--fp32-unet --fp32-vae | float32 | 9.42秒 | 77.79秒 |
この環境では何も指定しなくてもbfloat16が選ばれるので、フラグは付けなくても同じだった。
画像は4つとも同じ構図で、刺繍の模様など細部だけが変わる。
float32だけ1ステップ9.42秒と約9倍遅い。ビット数が2倍になる分を大きく超える差で、原因はまだ調べていない。