
(ComfyUI・動画生成AI初心者でもできる!)Ollamaでエッチな動画プロンプトを作って、そのまま動画生成まで完結するツール「Vidubus」を作った
【2026-10-18 更新】Vidubus 1.1を配布しています。この記事のzipは1.1に差し替えました。変わったところは記事の最後の「更新の記録」と、使い方サイトの変更履歴にまとめています。
以前、Gemma 4でエッチな画像プロンプトを作って、そのままComfyUIで画像生成までできるツール「Pixubus」を出しました。おかげさまで今も読まれています。
その動画版ができました。名前はVidubus(ヴィドバス)です。Node.jsとOllamaで動く、自分のPCで使うソフトです。
日本語で頼むと、手元のOllamaが動画生成AI用の英語プロンプトを書いて、ComfyUIのMiniMax H3が声つきの動画を作ります。ここまでが1つの画面で終わります。
画面はこれです。

欄に書いたのはこれです。
夜の静かな楽屋で、バニーガールの女性が背中のジッパーをゆっくり下げられるが、「まだ、ダメ」と呟いて相手の手をそっと止める。衣類が少しだけずり落ちる肩のラインが強調され、緊張感が漂う。
「作る」を押すと、こうなります。

この1本は、こだわりモードで解像度を1344×768に上げて作ったものです。既定の864×480・turboなら1分ほどで出ます。

使い方は無料のサイトに載せています。どんなツールか先に見たい方は、買う前に覗いてみてください。
まずはComfyUIでMiniMax H3の動画を作ってみる
先に、ComfyUIだけでMiniMax H3の動画を作るところまでやります。Vidubusを使うにも、ここまでは同じ手順です。
ComfyUI Desktopを入れる
ここからComfyUI Desktopを入れます。0.32〜0.34には動画の生成が遅くなる不具合があった(ComfyUIのIssueで報告され、0.35で解消)ので、0.35以上にしてください。私は0.39.2で検証して、0.40.0でも動くのを確かめています。
VRAMは16GB(RTX 5070 Ti)で確かめています。12GBで動いたという話もありますが、私は確かめていません。ほかのGPUで足りるかは、自分で調べてみてください。空き容量は、モデルだけで70GB前後見ておいてください。
テンプレートからMiniMax H3を開く
左のバーの「テンプレート」を開いて、右上の検索欄に「H3」と入れます。


使うのは「MiniMax H3:画像から動画へ」と「MiniMax H3: 参照から動画」の2つです。画像から動画へは、その絵から動画を始めます。参照から動画は、絵の見た目のまま別の場面を作ります。
足りないモデルを、まとめてダウンロード
テンプレートを開くと「セットアップが必要です」の一覧が出るので、「すべてダウンロード」を押します。ファイル名も置き場所も、ComfyUIが揃えてくれます。


2つで約60GB。回線次第で時間がかかります。
サンプルのまま実行する

テンプレートの英文は、決まった3枚のサンプル画像用です。画像から動画へはtransparent_rgb_gaming_mouse.png(透明なゲーミングマウス)、参照から動画はred_superboy_on_city_roof.pngとmecha_dragon_lightning.pngの2枚。
手元に無いと、開いたときに「Load Image に必要なメディアファイルが不足しています」と出ることがあります。モデルの不足ではありません。上のリンク(ComfyUI公式のテンプレートの置き場)から落として、「画像を読み込む」のノードにドロップするか、ノードの「ファイルを選択」で選びます。ファイル名は変えなくて大丈夫です。
公式の手順ページにも、入力画像のダウンロードがあります。
https://docs.comfy.org/ja/tutorials/video/minimax/minimax-h3-native
上のバーの「実行する」を押すと、サンプルのまま動画が出てきます。


自分のキャラで作ってみる
「画像を読み込む」の欄を自分のキャラの画像に差し替えます。ここではCAのキャラの絵を入れました。この絵は、後で有料パートの作例にも使います。
プロンプトの欄の英語は、Vidubusで書いたものを貼りました(Vidubusのことは、後で説明します)。



H3の「画像から動画へ」は、絵をそのまま動かすというより、絵の人物や絵柄を引き継いで、場面は英文のとおりに描き直します。
参照から動画(キャラの見た目を揃える)
もう1つのテンプレート「参照から動画」は、画像を読み込む欄が2つあります。


画像を読み込む欄は2つあるので、両方に画像を入れてから実行します。これができたら無事動いています。Vidubusからも同じモデルで動きます。
次に、画像のノードを1つ消して自分のキャラの絵を入れ、Vidubusで作った英語のプロンプトを付けて実行します。


でも、英語のプロンプトは分からないですよね
テンプレートの英文は、サンプル画像のための文です。自分のキャラで自分の場面を作るなら、英文を書き直すしかありません。
しかもH3の英文には書き方があります。ショットの区切り、台詞、聞こえる音、参照する画像の呼び方。それを英語で、です。「放課後の音楽室で、楽器を片付けながら振り向いて…」を英語で書ける人は、たぶん多くないと思います。私は書けません(笑)。
逃げ道もあります。
コーディングエージェントにComfyUIを操作させる手。ただ、月額がかかりますし、題材によっては断られます。
ComfyUIにOllamaのノードを繋ぐ手。これなら日本語でも書けます。ただ、作った動画は出力フォルダに並ぶだけで、何を作るかは自分で考えるしかありません。
解決します — Vidubus
断られない動画生成を、手元に。
日本語で頼めば、ローカルLLMが台本を書いて、声つきの動画が出てくる。契約も、英語の台本も、ターミナルも要らない。外には何も出ない。
Vidubusはそういうツールです。言いたいことを3枚の絵にしました。



できることを1枚の図にすると、こうなります。

中で何が起きているか(アプリでのOllamaとComfyUIの関係)

ComfyUIだけで作った時と比べると
さっきと同じ画像を、Vidubusに入れて日本語で頼んだ画面です。

英文は1行も書いていません。絵の人物と絵柄はそのままで、場面は頼んだとおりになります。
最後に、Vidubusだけで作った作例集を1本。
12カットとも、日本語で頼んだだけです。全部、手元のPCで作りました。
Vidubusでできること
日本語で頼むだけ

欄に日本語を書いて「作る」。これだけで1本できます。
このシンプルモードはSora2並の簡単さを目指してつくりました。
縦動画の例。欄に書いたのはこれです。
体育の授業。紺色のスクール水着の美少女たちが体育館で準備体操をしている。手前の一人が座ってストレッチしながら「いち、に、さん、し」と号令をかける。

縦動画(9:16)も、縦横比を選ぶだけで作れます。スマホ向けのショートにどうぞ。
英語プロンプトから動画まで、続けて進みます。細かく決めたい時は「こだわりモード」へ。

こだわりモードで見ると、英語はこう自動で出ます。読めなくても、そのまま③へ進めます。
外で断られる題材も、手元なら書ける
英語を書くのは手元のOllamaです。外のサービスに投げないので、外の審査で止められることはありません。月額もかからない。どこまで出すかは、使う方にお任せします。
例えば、こういう頼み方です。
昼下がりの日差しが差し込む部屋で、バニーガールの太ももに頭を預け、心地よさそうに目を閉じて耳かきをされている。耳元で「気持ちいいでしょ?」と囁かれ、身を委ねる。耳かきのカサカサという音が聞こえる。

提案のカテゴリには、最初からこういう題材が並んでいます(触手 · 異形、戦闘敗北 · 捕縛、吸血鬼 · 魔族 など)。足りなければ自分で足せます。私はバニーガールや体操服ブルマを足しました。

シチュエーション提案
日本語で書けるようになっても、「で、何を作ろう」で手が止まります。作ってみて気づきました。
なので提案を付けました。カテゴリとセクシーさを選んで押すと、作れそうな場面をOllamaが6件出します。


押せば依頼の欄に入って、すぐ作れます。迷ったら「おまかせ」で。
キャラを管理できる

画像と名前を入れるだけでキャラになります。キャラを選んで作ると、同じ見た目のまま別の場面になります。

作った動画を管理できる

作った動画は全部ギャラリーへ。頼んだ日本語、キャラ、日付で探せます。

カードのアイコンから、静止画にする、音声だけ、ダウンロード、「この設定で作る」。


静止画にできる

気に入った場面を、pngの静止画で何枚でも残せます。



音声だけ取り出せる
声と音だけを、wavかmp3で保存できます。ASMRを作る時の素材にどうぞ。

例として、1本の音声をそのまま置いておきます。

外からスマホでも
TailscaleのようなVPNがあれば、外のスマホから家のVidubusを使えます。私はスマホのホーム画面に入れています。Inkubus、Pixubus、Vidubus、Mycelinkの4つを並べています。


動画を作る時間の目安が分かる
作る前に「864×480 · 10秒 → 約7分(この接続先の直近3本)」のような、そのPCの記録から出した目安が出ます。

買う前に確認してほしいこと
買ってから「動かない…」となるともったいないので、先に書いておきます。
確かめた環境

いつものRTX 5070 Ti(16GB)の他に、同じPCからOllamaだけ、ComfyUIだけをRunPodに置いた形、Mac(M1 · 16GB · OllamaはMac、ComfyUIはRunPod)、ネットカフェのRTX 4080 SUPER(16GB)で動かしました。ネットカフェのPCは、使い方サイトの手順どおりに入れて、そのまま動きました。RunPodの2つは別々に試したもので、両方を同時にRunPodに置いたことはありません。
Mac(Apple Silicon)でComfyUIを動かす構成は、私の手元では確かめていません。利用者の方から「M5 Maxでは映像のVAEをfp16版にすると動いた」と報告をもらい、1.1で動画モデルに「MiniMax H3 fp16」の行を足しました。Macの方はこの行を選んでください。動くかどうかは環境によります。
VRAM 16GBのNVIDIAのGPUがあれば手元で動きます。GPUが無くても、RunPod(時間課金のクラウドGPU)に繋げば動きます。やり方は使い方サイトの「リモート環境」に。
それと、お願いが1つ。買う前に、記事の最初の手順でMiniMax H3が動くことを確かめてください。ComfyUIで動かないPCでは、Vidubusからも動きません。
ComfyUIの速さ

RTX 5070 Ti(16GB)で、5秒・turboの1本が864×480で約1分、1888×1056で約10分です。
Ollamaのモデルの選び方

おすすめはGemma 4の12b QAT(「gemma4:12b-it-qat」)。Vidubusはこれで確かめていて、これが動くことを必須にしています。英語プロンプト1回が、RTX 5070 Ti(16GB)で約15〜35秒です。
26bはおすすめしません(理由は使い方サイトの「Ollamaのモデルと設定」に)。
なぜGemma 4なのか。Inkubus、Pixubusで使ってきた経験では、Qwenは日本語が弱く、センシティブな判定も強めでした。Gemma 4は日本語が自然で、縛りも緩いです。
すべては、あなたの想像を作品にするために
Vidubusは単体でも使えますが、私は姉妹のソフトと組み合わせて使っています。Vidubusは、その最後の動画の担当です。
本を書くのはInkubus。寝ている間にローカルLLMが小説を書いて、縦書きのEPUBにする所までやります。
絵を描くのはPixubus。この記事のCAのキャラも、Pixubusで日本語から作ったものです。Vidubusで参照させたいキャラは、Pixubusなら日本語で描けます。

ネタが広がらない時はMycelink。1つのワードから連想を枝分かれさせて、マインドマップを描きます。
どれも手元のPCだけで動きます。クラウドに送らないので、題材も表現も思いのままです。
Zimoto Creative Studio

この4つを合わせて、Zimoto Creative Studioと呼ぶことにしました。
名前は、英語圏の「ローカルLLM」がXの自動翻訳で「地元LLM」になっていたのが元です。ローカル=地元=Zimoto。
MiniMax H3の精度や労力を考えると今はまだ、小説のCMや数分ほどの宣伝映像が限界です。でもAIが進化すれば、もっと作れるようになるはず。そう思って作っています。
将来的にZimoto Creative Studioで一気通貫で映画まで作れるようになるのを目指しています。
メンバーシップのこと
それと、メンバーシップをやっています。

4つとも、メンバーシップに入っていれば手に入ります。
買う前に1つ。この記事は買い切りで、以後のアップデートは付きません。次の版が出ても、ここに置くzipは1.1のままです(1.1は、Macで動画が作れない報告を受けて差し替えたものです)。動かなくなるような致命的な不具合のみ差し替えます。以後の改善はメンバーシップから出していきます。
Vidubusは初期リリースで、これからも改善していく予定です。なので、メンバーシップへの加入をおすすめします。
この記事のあとにv1.5をだしています(メンバーシップ限定)
ここから先で手に入るもの
Vidubus v1.1本体のzipと、動かすまでの手順
1本の動画(夜の楽屋のバニーガール)を作る手順を、起動から画面つきで
実際にできた動画と、その設定と頼んだ日本語。真似できます