メインコンテンツへスキップ
見出し画像

[ネットカフェで生成AI] RTX 5060でComfyUI画像生成はどこまでできる?ネットカフェマンボーのeスポーツルームで試してみた(Anima・Qwen-Image 2.1)+ローカルLLM小説【2026秋】

    家に高性能なPCがない。でも画像生成AIを一度触ってみたい。そう感じたことはありませんか。

    それと、ゲーミングPCを買うか迷っている人。買ってからローカルAIが思ったより動かなかった、は高い買い物なだけに避けたいところです。

    AIの勉強や研究はしているけれど、手元のPCがMacだけという人もいると思います。NVIDIAのGPUが前提のソフトは、Macでは動かせません。

    この3つとも、ネットカフェで解決します。時間いくらで、ゲーミングPCをまるごと占有できます。買う前のお試しにもちょうどいい。

    夏に快活CLUB(RTX 4080 SUPER)で同じことをやった記事がこちら。今回はその続きで、別のネットカフェを試します。

    今回のマシンはRTX 5060、VRAM 8GB。前回より一段下の、いわゆる入門クラスです。なので今回のテーマはこの2つ。

    1. 入門クラスのGPUで、ComfyUIの画像生成はどこまで動くのか。速度はどれくらいか

    2. ついでにローカルLLMの小説生成(Inkubus)も回るのか

    なぜネットカフェマンボーか

    前回の記事は快活CLUB(RTX 4080・VRAM 16GB)を紹介したので、別のカフェを試してみます。

    前回と同じく、以下の基準で探しました。

    • 個室ルームである(むふふな画像を作っても恥ずかしくない)

    • eスポーツカフェではない(eスポーツカフェは基本仕切りがなく、団体客が予約すると一般客が使える時間が限られる)

    • 店舗が複数ある(1店舗だけだと、紹介したら殺到して私が困るので😅)

    これに合うのは、快活CLUBの次点だとマンボーでした。

    マンボーは8月に4店舗でeスポーツルームを開設しています(公式のお知らせ https://manboo.co.jp/stores/news-detail.php?id=194 )。なので現時点では関東のみです。

    スペックはRTX 5060、VRAM 8GB / PCメモリ32GB

    画像

    スペックはRTX 5060、VRAM 8GBのエントリークラスです。

    少しだけ用語の話。画像生成AIが動くかどうかと速さを決めるのは、GPUの型番よりVRAM(GPUに載っているメモリ)の大きさです。画像のモデルはVRAMに丸ごと載せて動かすので、ここが足りないと遅くなるか、動きません。

    目安としては、8GBは画像生成ができるかどうかの境目。16GBあればだいたいの画像モデルが回ります。動画生成は8GBだと難しいです。

    ゲームをするには十分なスペックです。生成AIとしては入門レベル。なので今回は「画像生成ができるのか」「速度はどれくらいか」を中心に試しました。

    ちなみに快活CLUBの高スペックPCはRTX 4080 / RTX 4080 SUPERでVRAM 16GBなので、生成AI的には快活CLUBのほうが上です。型番の数字よりVRAMの大きさを見る。これだけ覚えておくといいです。

    今なら10月末まで500円引き×2

    ネットカフェマンボーは現在アプリをリニューアル中で、旧アプリから新アプリに切り替えてもらう手間をかけている、ということで、お詫びとして10月末まで使える500円割引クーポンを2枚、アプリで配っています(誰でも使えます)。

    なので10月末までに行くとかなりお得です。

    画像

    いってみた

    紅はるかアイスが食べられるのは本店だけ、ということで池袋に行きました。場所は東口です。

    画像

    外観。

    画像

    値段表。そんなに高くなく、eスポーツルームも一般席と同じ価格のようです。料金は使った時間に応じて、自動でお得なパックに変わってくれます。

    画像

    店内

    画像

    かなり綺麗です。快活CLUBは店舗が多い分当たり外れがありますが、私が行ったことのあるマンボーは綺麗なところが多い印象。

    マンボーは外観がヤバい雰囲気なのに店内が綺麗なのが面白い。外観で損してるだろ(笑)。

    紙の漫画は少なめですが、店内WiFiで大人向け動画や漫画が見放題です。

    画像

    ドリンクバー。

    画像

    アイスは3種類(本店だけっぽい)。紅はるか、ハイブリッド、バニラ。来月からいちごになるそうです。

    紅はるか、食べまくりました。美味しかった😋

    画像

    ホテルのフロアみたいなオシャレさ。

    eスポーツルームの紹介。綺麗すぎてやばい

    画像

    綺麗すぎてカルチャーショックを受けました。綺麗というよりシック。まずかなり広いです。後ろに簡易ソファーもあって、そこに足も置けます。

    ビジネスマンが作業するにもかなりうってつけだと思います。8月にできたばかりなので新品の香りがします。

    画像

    マシンはドスパラのガレリア。私は家でもガレリアなので実家のような安心感。快活CLUBもガレリアですし、ドスパラ(サードウェーブ)は個人だけでなくこういう場所でも強いですね。

    画像

    キーボードもゲーミング仕様。ゲームはしないプログラマーの私でも使いやすいです。

    画像

    タスクマネージャーでRTX 5060が確認できます。

    PCそのものは快活CLUBのものより使いやすいです。まだ新品なのでキビキビ動く。Chromeに変な検索エンジンが設定されていることもなく、家のPCと変わりません。ドライブの空きも十分でした。

    ComfyUIで画像生成AIするまで

    ここからは画像生成が初めての人向けに書きます。ネカフェの席でこの記事を見ながらセットアップできる順にしてあります。

    ComfyUIのセットアップ(10分で完了)

    ComfyUI(ノードをつないで画像を作る、画像生成の定番ソフト)を落とします。

    ダウンロードできたら起動。

    画像

    「ローカル」を押します。

    画像

    セットアップが始まります。

    画像

    セットアップ完了。今回のバージョンはComfyUI v0.43.0。

    Animaで画像生成(10分で完了)

    ComfyUIを入れただけでは画像は作れません。モデル(絵を描く本体)が要ります。まずアニメ系に強いAnima(アニメ調の画像生成モデル)を入れましょう。

    メニューの「テンプレート」から「画像」を開く。

    画像

    Animaを検索。

    画像

    足りないモデルが一覧で出るので、まとめてダウンロードします。合計5.38GBです。

    回線が爆速すぎる。速攻でダウンロードが終わります。ネカフェのマシンによっては、回線は速いのにSSDがボロボロで同時ダウンロードの負荷に耐えられない、ということがありますが、マンボーのeスポーツマシンだとそんなこともありません。

    ダウンロードできたらRボタンを押します。

    画像

    マウスホイールでノードを拡大。

    実行ボタンを押します。作るのはテンプレートに入っている英語のプロンプトそのままで。

    画像

    生成中のタスクマネージャーの様子。

    画像

    10秒ぐらいで画像生成ができました!

    驚いたのは、ガレリアでよくあるGPU処理中の「ぶーんぶーん」という爆音が鳴らなかったことですね。低スペックのモデルだからなのか、マシンが優秀なのかは分からないですが。かなり快適。

    好きな画像を作りたいときは、テンプレートの英語の部分を書き換えることになります。

    Qwen-Image 2.1で画像生成(10分で完了)

    今度は最新トレンドの画像生成モデル。画像のキャラクターを維持して衣装だけ変えられる、Qwen-Image 2.1(Alibabaの画像生成・画像編集モデル)を入れてみましょう。

    先ほどと同じようにテンプレートを探してモデルをダウンロード。Qwen-Image 2.1には「テキストから画像生成」と「画像編集」の2つのテンプレートがあるので、両方落としてみます。画像編集だけしたい場合は左だけでもOK。

    画像

    モデルは本体6.8GB、テキストエンコーダー8.7GB、VAE 0.6GBで合計約16GB(int8版・ComfyUIの画面に出る数字)。Animaの3倍ほどあります。テンプレートにはこのほかに、プロンプトを整える補助モデル(Prompt Enhancer)が付くので、実際のダウンロードはもう少し増えます。

    画像編集のテンプレートは本体を共有しますが、補助モデルが別ファイル(8.82GB)なので、そこだけ追加で落とします。

    画像

    Qwen-Image 2.1のテキストから画像生成も問題なくできました。

    画像

    画像編集もやってみます。足りない補助モデルが出るので、同じく「すべてダウンロード」。

    このテンプレートには、最初から2枚の画像が入っています。緑のニットを着た男性の写真と、ハンガーにかかった水色のデニムシャツ。この男性にデニムシャツを着せる、というのがテンプレートの中身です。

    画像

    16GB超のモデルはVRAM 8GBには丸ごと載りません。ComfyUIがテキストエンコーダーと本体を入れ替えながら動かすので、動きはしますが、その分遅くなります。

    画像

    画像編集も問題なくできました! 緑のニットが、ちゃんとデニムシャツに替わっています。顔と姿勢はそのままです。

    ここまでの感想

    入室から30分で、ソフトのセットアップと2モデルでの画像生成ができました。1モデルだけ(Animaだけ、Qwen-Image 2.1だけ)なら15〜20分でいけるでしょう。快適すぎます。

    次に時間を取られるのがプロンプト作りです。ネカフェは時間課金なので、席に着いてから画像生成AIの英語タグの書き方を調べていると、料金だけが溶けていきます。

    簡単に、最速で画像生成するならPixubus。私が作っているツールで、キャラ設定を日本語で渡すと、ローカルLLMのGemma 4(Googleの公開モデル)がComfyUI用のプロンプトを書いて、そのまま画像生成まで回します。タグの書き方を席で調べずに済むので、時間課金の場所に向いています。

    もうひとつ、Pixubusは生成のたびにモデルと1枚あたりの秒数を記録して、ベンチマークとして一覧にできます。この記事の速度の話も、その画面から取っています。ネカフェのPCと家のPCを同じ条件で比べたいときに便利です。

    Pixubusで画像生成してみた

    あらためてPixubusの説明をします。「英語のタグは、知らなくていい」ソフトです。

    ComfyUIで絵を出すには、さっきのテンプレートにあったような英語のタグを自分で書く必要があります。髪の色、目の色、服、ポーズ、構図。慣れるまでは、ここで何時間も溶けます。

    Pixubusでは、キャラクターの絵を1枚入れると、Ollama(ローカルLLMを動かすソフト。モデルはここではGemma 4)が外見を読み取って、そのタグを自動で作ります。あとは「グラビアポスターふうに。寝そべって、こちらに顔をむけて」と日本語で書くだけ。英語はPixubusが書いて、そのままComfyUIに送って絵が出てきます。外見のタグは自動、要望は日本語のまま、ComfyUIまでひと続き。この3つが売りです。

    公式サイトはこちら。

    画像
    画像

    Pixubusの画面です。Node.js(JavaScriptの実行環境。公式サイトから入れるだけ)を入れて起動します。

    Ollamaのモデルサイズの選び方

    Pixubusは、日本語をローカルLLMのOllamaに渡して英語のプロンプトにしてもらいます。なので何かしらのLLMのモデルが要ります。Pixubusが推奨しているのはGemma 4のqatシリーズ(精度を保ったまま軽くした版)です。

    推奨は31bや26b-a4bですが、VRAMが8GBしかないので今回は12bを使います。Ollamaのモデル一覧で見ると、ファイルサイズはこうです。

    • gemma4:12b-it-qat 7.2GB

    • gemma4:26b-a4b-it-qat 16GB

    • gemma4:31b-it-qat 19GB

    目安は「モデルのファイルサイズがVRAMに収まるか」。8GBなら12bの7.2GBがぎりぎり入ります。26bと31bはVRAMに載りきらず、PCのメモリにあふれて一気に遅くなります。

    ollama pull gemma4:12b-it-qat

    キャラクター生成(Anima)

    日本語でキャラクターを作ります。Pixubusにはプルダウンの補助があって、髪の色や服や性格を選ぶだけでも指定できます。

    画像

    「部活のマネージャーをしている超ミニスカの女学生」という設定で作りました。

    画像

    できたキャラクター。簡単にかわいい子ができました。

    衣装を切り替える(Qwen-Image 2.1の画像編集)

    Qwen-Image 2.1の画像編集を使って、同じキャラのまま衣装だけ変えてみます。

    画像

    キャラクターデザインは保ったまま、衣装だけ自然に変わっています。私服、メイド服、水着。

    イベントCG(同じく画像編集)

    イベントCGも作れます。

    画像

    体育倉庫で…というシチュエーションのCG。

    RTX 5060での画像生成とローカルLLMの速度

    ここからが本題の速度です。Pixubusの「ComfyUI生成履歴」と「ベンチマーク」の画面から取りました。

    画像

    Animaは30ステップの標準設定で、1枚57秒(1104×1472)。

    画像

    Qwen-Image 2.1は40ステップのリファレンス生成(キャラの絵を参照して描く生成)で、1枚47秒(896×1184)。

    画像

    Ollamaのgemma4:12b-it-qatは14tok/s(1秒に出せる単語の数)。1回の処理に2〜4分かかります。処理時間はプロンプトと処理の中身で変わります。

    ここで見るべきは、12bですら14tok/sというところでしょう。これは遅いです。

    なのでVRAM 8GBのRTX 5060でComfyUIとOllamaを組み合わせる使い方だと、画像生成モデルよりOllamaの処理がボトルネックになります。

    Inkubusでエッチ小説を書いてみた

    小説のほうはInkubusです。こちらも私のツールで、Ollamaの上で小説を自動生成します。

    コンセプトは「夜寝てる間に、小説が何本も完成」。ジャンルと設定とキャラを決めて実行しておくと、1回の実行で数十本から数百本の小説ができあがります。朝起きたら100本できている、という使い方です。

    ローカルLLMなので外部に何も送りません。検閲もないので、何でも書けます。エッチな小説も含めて。

    ネカフェだと寝る代わりに、生成をセットしてアイスを食べて待つ、という使い方になります。

    公式サイトはこちら。

    画像

    Ollamaのモデルは、Pixubusで使ったgemma4:12b-it-qatをそのまま使います。

    画像

    先ほどPixubusで作ったキャラクターの画像を、登場人物として読み込みます。見た目と衣装の文章は、画像を見てInkubusが書き起こしたものです。

    そのキャラクターを元に小説を書かせました。

    画像

    生成中の様子。

    画像

    思考なし(no think)で書かせて、1万文字で14分。LLMが出力しながら読み進めるには十分な速度です。

    ただ、品質のほうは12bだとやはり頼りない。変ではないですが、物足りない小説になりました。

    体感感想まとめ

    • マンボーのRTX 5060で画像生成AIはできる

    • 画像生成の速度は、そこまでストレスを感じない

    • 快活CLUBのPCより快適。変な検索エンジンの設定もない

    • VRAMの制約で、Ollamaのテキスト生成は小さいモデルしか快適に使えない。速度は遅い

    • OllamaとComfyUIを組み合わせると速度がネック。Pixubusのようなアプリでも、ComfyUIのワークフローからOllamaを呼ぶときも、同じ速度の問題は起きるはず

    入門クラスのRTX 5060でも、画像生成は回りました。ゲーミングPCを買う前のお試しとして、ネカフェは使えます。

    Zimoto Creative Studioとメンバーシップ

    PixubusとInkubusは、私が作っているローカルLLMのツール群の絵と小説の担当です。ネタを広げるMycelink、小説を書くInkubus、絵を描くPixubus、そして動画のVidubus。この4つをまとめてZimoto Creative Studioと呼んでいます。どれも手元のPCだけで動きます。

    画像

    それぞれの紹介と販売はこちらです。

    全部つなげると、アイデアから本や動画まで、あなたのパソコンの中だけで作品になります。

    画像

    4つとも、メンバーシップに入っていれば手に入ります。続きの改善も、メンバーシップから出していきます。ツールを2つ以上使うなら、メンバーシップのほうが早いです。

     
     
    ローカルLLMで小説・イラスト・動画を作りたい人に、ツールと作り方を届けます。"オタクとしての創作AI活用"が中心。小説のInkubus、イラストのPixubus、動画のVidubusは自作。OllamaとComfyUIは自宅のGPUで実機検証。メンバーシップは200人を突破。

    あなたへのおすすめ