動画生成AIのVRAMは何GB必要？
16GBを入口に、8GB〜32GBの違いを判断

動画生成AIをローカルPCで使うとき、「VRAMは何GBあれば足りるのか」という問いに、一つの数字だけで答えることはできません。

軽量モデルや省メモリ構成なら8GB〜12GBで動作する場合がある一方、16GB以上を前提とする実装や、24GB、さらに80GB級のGPUを公式要件とするモデルもあります。

この違いは、モデルの規模だけでなく、解像度、フレーム数、量子化、CPUオフロード、使用する実装によって必要VRAMが大きく変わるためです。

そのうえで、新しくPCを購入し、特定の軽量モデルだけでなく複数の動画生成AIを試したいなら、CORE SPECではVRAM 16GBを実用的な入口として考えます。

24GBや32GBになると、より大きなモデルや高解像度、複雑なワークフローを選びやすくなります。ただし、RTX 5090の32GBであっても、すべての動画生成モデルを標準構成のまま動かせるわけではありません。

この記事では、8GB・12GB・16GB・24GB・32GBの違いと、Wan2.2、HunyuanVideo-1.5、LTX系などの公開要件をもとに、自分の用途に必要なVRAM容量を判断します。

※本記事は、各モデルの開発元・公式ドキュメントが公表している要件をもとに、PC購入時の判断材料として整理しています。同一条件での実測比較ではありません。必要VRAMは、モデルのバージョン、実装、解像度、フレーム数、量子化、オフロード設定などによって変わります。

結論：必要VRAMはモデル次第。新規購入なら16GBを入口に考える

ローカル動画生成AIにおけるVRAM容量の位置づけをまとめると、次のようになります。

この表は、すべての動画生成AIに共通する最低動作要件ではありません。

たとえば、DiffusersにはLTX-Videoを約10GBのVRAMで動かす省メモリ構成例があります。一方、HunyuanVideo-1.5の公式実装はモデルオフロード有効時で最低14GB、LTX Desktopは16GB以上を要件としています。

さらにWan2.2では、TI2V-5Bの720p構成に最低24GB、T2V・I2Vの14Bモデルでは公式の単一GPU構成に最低80GBが示されています。

つまり、「動画生成AIには16GB必要」「32GBあれば何でも動く」と単純化することはできません。

それでも新しいPCを購入するときに一つの基準を置くなら、8GB・12GBより扱える範囲を広げやすく、16GB対応GPUも現実的に選べることから、16GBを実用的な入口として考えます。

なぜ動画生成AIは画像生成より重いのか

画像生成AIでは、基本的に一枚の画像を生成します。

一方、動画生成AIでは、複数の画像に相当するフレームを処理しながら、被写体の形、動き、カメラワーク、背景などを時間方向に維持する必要があります。

Hugging FaceのDiffusersでは、動画生成は多数のフレームをまとめて生成するため、画像生成で大きなバッチを処理する場合に近く、メモリ負荷が高いと説明されています。フレームを分割してデコードする方法もありますが、メモリ削減と引き換えに処理時間や映像の安定性へ影響する場合があります。

動画生成AIの負荷を左右する主な要素は、次のとおりです。

• 使用するモデルの規模
• 動画の解像度
• 生成するフレーム数
• 動画の長さ
• Text-to-VideoかImage-to-Videoか
• 音声も同時に生成するか
• Control系モデルやLoRAを併用するか
• モデルをどの精度で読み込むか
• CPUオフロードや量子化を使うか

特に、解像度とフレーム数を上げると、処理しなければならないデータ量が増えます。

低解像度の数秒動画を1本生成できたとしても、解像度を720pへ上げたり、より長い動画を作ったり、複数のモデルを組み合わせたりすると、同じGPUではVRAM不足が発生する可能性があります。

そのため、

動画を1本出力できたことと、動画生成AIを制作環境として継続的に使えることは別

と考える必要があります。

動画生成AIの「必要VRAM」が一つに決まらない理由

動画生成AIについて調べると、

• 10GBで動いた
• 16GB以上必要
• 24GBが最低ライン
• 80GBのGPUが必要

といった、異なる情報が見つかります。

これらは必ずしも矛盾しているわけではありません。使用しているモデルや実装条件が異なるためです。

モデルの規模が違う

動画生成モデルには、比較的軽量なものから、数十億～百億規模のパラメータを持つ大型モデルまであります。

同じWan2.2でも、TI2V-5Bと14Bモデルでは必要なVRAMが大きく異なります。Wan2.2の公式リポジトリでは、5Bモデルの720p生成は24GB以上、14Bモデルは80GB以上のGPUを要件としています。

数値精度や量子化方法が違う

AIモデルは、FP32、FP16、BF16、FP8、8bit、4bitなど、異なる精度で読み込めます。

精度を下げたり量子化したりすることで、モデルが使用するメモリを削減できます。ただし、モデルや量子化方式によっては、画質、安定性、処理速度、利用できる機能に影響する可能性があります。

CPUオフロードの有無が違う

モデル全体をVRAMへ置けない場合、一部をメインメモリへ移すCPUオフロードを利用できます。

CPUオフロードによって必要VRAMを減らせますが、CPUとGPUの間でデータを移動するため、処理速度は低下します。つまり、

オフロードを使えば動かせることと、VRAM内で高速に処理できることは同じではない

ということです。

解像度とフレーム数が違う

同じモデルでも、480pと720pでは必要なメモリ量が異なります。

「生成できた」という報告を見るときは、モデル名だけでなく、解像度、フレーム数、秒数、FPS、量子化、オフロード、使用したUIや実装まで確認する必要があります。

主要モデルの公式VRAM要件は10GB〜80GB以上まで差がある

公開されている公式情報を整理すると、モデルによって必要なVRAMには大きな差があります。

ここで注意したいのは、この表が単純な性能ランキングではないことです。

約10GBで動くLTX-Videoの例がある一方、Wan2.2の14Bモデルは80GBを必要とします。したがって、「VRAM 16GBなら動画生成AIがすべて動く」「VRAM 32GBならどのモデルでも自由に使える」とはいえません。

一方で、VRAM容量が多いほど、

• オフロードへの依存を減らせる
• より大きなモデルを選びやすい
• 解像度やフレーム数を上げやすい
• 複数の処理を組み合わせやすい
• 設定上の制約を減らしやすい

というメリットがあります。

VRAM 8GBで動画生成AIはできる？

VRAM 8GBは、ゲームや一般作業を主目的にしながら、軽量モデルや省メモリ構成で動画生成AIも試してみたい場合の選択肢です。

新しくローカル動画生成AIを主目的としたPCを購入する場合は、8GBより上のVRAM容量から検討した方が選択肢を広げやすくなります。

8GB VRAMで重量級モデルを無理にローカル実行するのではなく、生成処理をクラウドへ移し、ローカルPCを編集に使う方法もあります。RTX 5050を例にした具体的な構成は「クラウド生成＋ローカル編集のAI動画制作フロー」で解説しています。

VRAM 12GBで動画生成AIはできる？

VRAM 12GBでは、8GBより利用できるモデルや設定の選択肢が広がります。

DiffusersにはLTX-Videoを約10GBで動かす省メモリ構成例があるため、軽量モデルや最適化された構成であれば12GBでも動画生成を試せます。

一方、高解像度化、フレーム数の増加、複数モデルの組み合わせではVRAM不足が起こりやすく、オフロードや設定調整への依存が大きくなります。

そのため、新規購入時に動画生成AIを主目的とするなら、12GBは「使えない容量」ではありませんが、16GBとの違いを確認してから選ぶことをおすすめします。

たとえばRTX 5070は12GB、RTX 5060 Tiには16GBモデルがあります。処理速度を優先するか、VRAM容量を優先するかで選択が変わります。

VRAM 16GB：新規購入時に検討しやすい実用的な入口

CORE SPECでは、ローカル動画生成AIを主目的に新しいPCを購入する場合、VRAM 16GBを実用的な入口として考えます。

これは「16GBあればすべてのモデルが動く」という意味ではありません。

HunyuanVideo-1.5の公式実装はモデルオフロード有効時で最低14GB、LTX Desktopは16GB以上を要件としており、16GBは複数の動画生成AIを試すための現実的な選択肢になっています。

• 軽量モデルを選びやすい
• 480pを中心とした動画生成を試しやすい
• オフロードへの依存を減らしやすい
• ComfyUIのワークフローを拡張しやすい
• 生成AI以外の映像制作にも使いやすい

という違いがあります。

RTX 50シリーズでは、以下のGPUに16GB構成があります。

RTX 5060 Ti 16GB

予算を抑えて16GB環境を作れることが最大の利点です。生成速度よりも、まず動画生成AIを動かせる範囲を広げたい人に向いています。

RTX 5070 Ti 16GB

VRAM容量と演算性能のバランスがよく、動画生成AIだけでなく、動画編集、3DCG、ゲームなども幅広く扱いやすいGPUです。クリエイター向けPCとしては現実的な上位選択肢です。

RTX 5080 16GB

演算性能が高いため、同じモデルや設定をより高速に処理できることが期待できます。ただしVRAMが16GBであることは変わりません。動かせるモデルの上限を大幅に増やすというより、16GBに収まる動画生成処理をより高速に行うGPUとして考えると分かりやすいでしょう。

VRAM 24GB：16GBでは収まりにくい処理の選択肢が広がる

VRAM 24GBになると、16GBでは収まりにくいモデルや高解像度設定を選びやすくなります。

Wan2.2の公式実装では、TI2V-5Bモデルを720pで生成する構成に最低24GBのVRAMが示されています。

ただし、24GBあればすべての動画生成AIをVRAM内だけで実行できるわけではありません。モデルによってはCPUオフロードや量子化が必要です。

24GBは「動画生成AIの最低条件」ではなく、16GBよりモデルや設定の選択肢を広げたい人が検討する容量と考えてください。

代表的な24GB GPUとして、前世代のRTX 4090があります。

VRAM 32GB：制約を減らしたい場合の上位選択肢

VRAM 32GBでは、24GBよりさらに大きなモデルや複雑なComfyUIワークフローを扱いやすくなり、オフロードへの依存を減らせる場面が増えます。

現在のGeForceではRTX 5090 Desktopが32GB GDDR7を搭載しており、個人向けPCで大容量VRAMを確保したい場合の代表的な選択肢です。

ただし、32GBでも万能ではありません。Wan2.2の14Bモデルは、公式の単一GPU実装で最低80GBを要件としています。

そのため32GBは、「すべての動画生成AIを動かせる容量」ではなく、「個人向けGPUで設定やモデル選択の制約を減らしやすい容量」と考えるのが適切です。

必要VRAMが決まった後にRTX 50シリーズを選ぶ

VRAMが足りないときにできること

• CPUオフロードを使う：メインメモリにデータを逃がしVRAMを節約しますが、転送のたびに処理速度が低下します。
• モデルオフロードを使う：モデル全体を構成要素ごとにGPUへ移動し、速度とのバランスを取ります。
• 量子化モデルを使う：FP8や4bitなどに変換してメモリを節約します。
• フレーム数や解像度を下げる：試行錯誤の速度を上げ、採用する動画だけをアップスケールします。

まとめ：新しく始めるなら16GBが入口。必要容量はモデルで変わる

ローカル動画生成AIに必要なVRAMは、一つの数字だけでは決まりません。

軽量モデルや省メモリ構成なら8GB〜12GBで動作する場合があります。一方、HunyuanVideo-1.5のように14GB以上を前提とする実装、24GBを要件とするWan2.2の構成、80GB級GPUを必要とする大型モデルもあります。

そのため、新しくPCを購入するときは「最低何GBで動くか」だけではなく、自分がどの程度の制約を許容できるかで考えることが重要です。

目安としては、

• 8GB：軽量モデルや実験向け
• 12GB：軽量・省メモリ構成を中心に使う
• 16GB：新規購入時の実用的な入口
• 24GB：モデルや高解像度設定の選択肢を広げる
• 32GB：個人向けGPUで制約をさらに減らす

と考えると分かりやすいでしょう。

ただし、VRAM容量が多ければすべてのモデルを標準設定で動かせるわけではありません。モデル、解像度、フレーム数、量子化、オフロードなどを含めて判断してください。

ローカル動画生成ではVRAMだけでなく、モデルファイルや生成動画を保存するSSD容量も必要です。ストレージについては、ローカル動画生成に必要なSSD容量の目安を確認してください。

動画生成AIだけでなく、Premiere Pro、After Effects、DaVinci Resolve、3DCGまで同じPCで扱う場合は、GPU単体ではなく制作環境全体で判断する必要があります。映像クリエイター向けPCの選び方もあわせて確認してください。

よくある質問