エラー解決

【ComfyUI】AnimateDiffで動画生成時のフレーム数・長さ制御エラーを解決する方法

· 13分で読めます · 1 閲覧

問題の概要：AnimateDiffで生成される動画のフレーム数が想定と異なる

ComfyUIのAnimateDiffを使用して動画を生成する際、多くのユーザーが以下のような問題に遭遇します。

  • 設定したフレーム数（例：16フレーム）で生成したはずなのに、出力される動画が8フレームしかない
  • 動画の長さが期待した秒数よりも短い、または長くなりすぎる
  • 「ValueError: video_frames must be divisible by context_length」といったエラーメッセージが表示される
  • 生成された動画がカクカクして滑らかでない

これらの問題は、AnimateDiffのフレーム制御に関する複数の設定が連動しており、初心者だけでなく中級者でも混乱しやすいポイントです。特に、context_length、frame_number、batch_sizeといったパラメータの関係を理解していないと、意図した通りの動画を生成することが難しくなります。

原因の解説：複数のパラメータが絡み合うフレーム生成の仕組み

AnimateDiffにおける動画生成は、単純に「フレーム数を指定する」だけでは完了しません。主に以下の3つの要素が生成される動画のフレーム数と品質に影響を与えます。

1. コンテキスト長（context_length）の制約

AnimateDiffモデルは、連続するフレームの塊（コンテキスト）を一度に処理するように設計されています。この塊のサイズがcontext_lengthです。多くのAnimateDiffモデル（例：mm_sd_v15_v2.ckpt）のデフォルトcontext_lengthは16です。これは、モデルが16フレームを1つの単位として動きを学習・生成することを意味します。したがって、生成したい総フレーム数はcontext_lengthで割り切れる必要があります。割り切れない数を指定すると、エラーが発生したり、自動的に調整されたりします。

2. バッチサイズ（batch_size）と繰り返し（loop）の影響

ComfyUIのAnimateDiffノードでは、batch_sizeというパラメータで一度に処理するコンテキストの数を指定します。また、closed_loopオプションは、最初と最後のフレームを滑らかにつなげるかどうかを制御します。これらの設定とframe_number（目標総フレーム数）が整合していないと、実際に生成されるフレーム数がずれてしまいます。

3. ワークフロー内の他のノードとの連携

動画生成ワークフローには、Load Images（画像読み込み）ノード、VAE Encode、KSamplerなど、多くのノードが関わります。特に、動画を画像シーケンスとして保存・読み込みする際の設定ミス（フレームレートやインデックス番号の付け方）も、最終的な動画の長さや滑らかさに影響を与える原因となります。

解決方法：ステップバイステップでのフレーム数制御

ここからは、AnimateDiffで正確なフレーム数の動画を生成するための具体的な手順を説明します。

ステップ1：使用するモデルとcontext_lengthの確認

まず、使用するAnimateDiffモデルの仕様を確認します。モデルファイル（.ckpt）によって推奨されるcontext_lengthが異なります。

例：
- mm_sd_v15_v2.ckpt -> context_length: 16 (推奨)
- mm_sd_v14.ckpt -> context_length: 16 (推奨)
- カスタムトレーニングモデル -> トレーニング時の設定を確認

「AnimateDiff Loader」ノードのcontext_length欄には、モデルに合わせた値を入力します。

ステップ2：フレーム数の計算と設定

生成したい動画の総フレーム数（N）を決めます。この数は、ステップ1で確認したcontext_length（C）で割り切れる数である必要があります。

計算式：目標フレーム数 N = C × k (kは正整数)

例えば、context_length=16で24フレームの動画を作りたい場合、16で割り切れないのでエラーになります。代わりに、16フレーム(k=1)または32フレーム(k=2)を目標とします。

この計算されたフレーム数Nを、「Empty Latent Image」ノードのbatch_sizeフィールドに入力します。ここでのbatch_sizeは、生成する画像（フレーム）の枚数を意味します。

例：32フレーム生成したい場合
Empty Latent Image ノード設定：
width: 512
height: 512
batch_size: 32  ← ここに総フレーム数を入力

ステップ3：AnimateDiffノードのパラメータ設定

「AnimateDiff Loader」でモデルを読み込んだ後、「Apply AnimateDiff Model」ノードの設定が重要です。

  • batch_size: ここでのバッチサイズは「何個のコンテキストを一度に処理するか」を意味します。目標フレーム数Nをcontext_lengthCで割った値（k）を設定します。
  • frame_number: 基本的に空白（デフォルト）のままにします。ここに値を入れると、Empty Latent Imageで設定したbatch_sizeを上書きしてしまう可能性があります。フレーム数はステップ2で設定したbatch_sizeで制御するのが確実です。
  • closed_loop: ループ動画を作りたい場合は有効にします。有効にすると、モデルが最初と最後のフレームのつながりを考慮するようになります。
例：context_length=16, 目標フレーム数=32の場合
Apply AnimateDiff Model ノード設定：
batch_size: 2   （∵ 32 ÷ 16 = 2）
frame_number: (空白)
closed_loop: (好みで選択)

ステップ4：サンプラー（KSampler）の設定

KSamplerのbatch_sizeは1に設定します。AnimateDiffによるフレーム生成のバッチ処理は「Apply AnimateDiff Model」ノードが担当するため、KSampler側では通常の画像生成と同様に1を指定します。

ステップ5：動画の保存と確認

「VAE Decode」と「Save Image」ノードを使用する場合、バッチとして出力された全フレームが連番画像として保存されます。「Preview Image」ノードで確認すると、最初の1枚だけが表示されることがありますが、保存される画像ファイルはバッチ全体（全フレーム）です。

動画ファイルとして出力したい場合は、「ComfyUI-FFmpeg」などの動画エンコードノードを導入し、フレームレート（fps）を設定します。これにより、動画の長さ（秒数）を正確にコントロールできます。

動画の長さ（秒） = 総フレーム数（N） ÷ フレームレート（fps）
例：32フレーム、fps=8の場合 -> 32 ÷ 8 = 4秒の動画

コード例・ワークフロー例

以下は、ComfyUIのAPI（またはワークフローJSONの一部）を想定した、16フレームの動画を生成するための主要ノードの設定例です。

{
  "3": { // Empty Latent Image ノード
    "inputs": {
      "width": 512,
      "height": 512,
      "batch_size": 16 // 総フレーム数 = 16
    },
    "class_type": "EmptyLatentImage"
  },
  "5": { // AnimateDiff Loader ノード
    "inputs": {
      "model_name": "mm_sd_v15_v2.ckpt",
      "context_length": 16 // モデル推奨値
    },
    "class_type": "AnimateDiffLoaderV1"
  },
  "7": { // Apply AnimateDiff Model ノード
    "inputs": {
      "model": ["5", 0], // AnimateDiff Loaderから接続
      "latent": ["3", 0], // Empty Latent Imageから接続
      "batch_size": 1, // 16 ÷ 16 = 1
      "frame_number": null, // 空白（null）
      "closed_loop": false
    },
    "class_type": "AnimateDiffApplyV1"
  },
  "10": { // KSampler ノード
    "inputs": {
      "seed": 123456,
      "steps": 20,
      "cfg": 8,
      "sampler_name": "euler",
      "scheduler": "normal",
      "denoise": 1,
      "model": ["1", 0], // 安定拡散モデル
      "positive": ["2", 0], // プロンプト
      "negative": ["2", 1], // ネガティブプロンプト
      "latent": ["7", 0], // Apply AnimateDiff Modelから接続
      "batch_size": 1 // 必ず1に設定
    },
    "class_type": "KSampler"
  }
}

まとめ・補足情報

AnimateDiffのフレーム制御で最も重要なポイントは、「総フレーム数は『Empty Latent Image』のbatch_sizeで設定し、それはcontext_lengthの倍数であること」 です。そして、そのフレーム数を実現するためのコンテキストのバッチ数を「Apply AnimateDiff Model」ノードのbatch_sizeで設定します。

トラブルが発生した場合は、次のチェックリストを確認してください。

  1. エラーメッセージを読む：「divisible by context_length」とあれば、フレーム数がcontext_lengthで割り切れていないことが原因です。
  2. ノードの接続を確認する：「Apply AnimateDiff Model」ノードが「Empty Latent Image」ノードとKSamplerの間に正しく挟まれているか確認します。
  3. パラメータの上書きを防ぐ：「Apply AnimateDiff Model」のframe_numberは空白推奨です。複数の場所でフレーム数を設定すると矛盾が生じます。
  4. モデルと設定の一致：カスタムトレーニングしたAnimateDiffモデルを使用する場合は、そのモデルが学習されたcontext_lengthを必ず使用してください。

これらの原則を理解し、設定を見直せば、AnimateDiffで思い通りの長さと滑らかさの動画を生成できるようになります。最初は単純なフレーム数（16, 32, 48など）から試し、仕組みに慣れてから複雑なワークフローに挑戦することをおすすめします。

この記事は役に立ちましたか？