ComfyUIとMLX-Serveを比較｜MiniMax H3の10秒動画が同じMacで約4.5倍早く

結論：MLX-Serveのほうが約4.5倍早く仕上がりました

同じMac Studioで、同じAIに同じ10秒の動画を作らせたところ、ComfyUIでは約15分、MLX-Serveでは約3分20秒かかりました。差は約4.5倍です。Macで動画のAIを動かしたい方が、どちらの道具を選ぶか決められるように、測った数字をまとめました。

使ったAIはMiniMax H3です。文章を渡すと、音の付いた動画を作ってくれます。中身（重み）が公開されているので、自分のMacの中で動かせるんです。

10秒の動画1本にかかった時間

• ComfyUI：900.5秒（約15分）
• MLX-Serve：200.3秒（約3分20秒）
• MLX-Serveのターボ：116.7秒（約2分）

（どれも同じMac Studioで、ほかの重い作業をしていないときに1回ずつ測った値です）

ComfyUIとMLX-Serveは、どちらもAIに動画を作らせるためのソフトです。AIの中身は同じで、動かす道具だけが違います。ターボはMLX-Serveの中にある、速く仕上げる設定です。

比べた2つの道具

どちらも、AIの中身を読み込んで動画を作るためのアプリです。

• ComfyUI：画像や動画のAIを動かすアプリとして、いちばんよく使われているもののひとつです。部品をつないで手順を組み立てます。MacではPyTorchという仕組みの上で動きます
• MLX-Serve：Appleが作ったMLXという仕組みの上で、AIを動かすアプリです。MLXはAppleのチップに合わせて作られています
  • 配布元：https://github.com/ddalcu/mlx-serve

AIの中身は、どちらも8bit（数字を小さくまとめて軽くした版）を使いました。ComfyUI用とMLX-Serve用でファイルの形が違うので、まったく同じファイルではありません。

測った条件

そろえたところ

• Mac：Mac Studio（M5 Ultra・メモリ96GB）
• 動画：832×480・243コマ（10.125秒）・音声あり
• 工程（ステップ）：20回
• 指示文：夕暮れの穏やかな海、浜に寄せる波、遠くのカモメ、映画のような雰囲気、波の音
• シード（乱数の出発点）：1

工程は、ぼんやりした絵を少しずつ動画に仕上げていく回数のことです。回数が多いほどきれいになりやすいですが、そのぶん時間がかかります。

ターボはMLX-Serveにある速く仕上げる設定で、工程を4回に減らして作ります。

結果：時間とメモリ

かかった時間

• ComfyUI：900.5秒（読み込みと仕上げを除くと、1工程あたり約41秒）
• MLX-Serve：200.3秒
• MLX-Serveのターボ：116.7秒

使ったメモリ

• ComfyUI：約34GB（記録の中でいちばん多かった量）
• MLX-Serve：約26GB（MLX-Serve自身の見積もり。動画を作っている間は約20GB）

時間だけでなく、メモリもMLX-Serveのほうが少なく済みました。

できあがった動画は、3本とも夕暮れの海と波で、絵が崩れたところはありませんでした。MLX-Serveのふつうの設定は色が暗く沈んだ感じで、カモメはほとんど見えません。ターボはカモメが多く、明るい絵になりました。シードを同じにしても、道具や設定が違うと絵は変わります。

約4.5倍の中身

実はこの約4.5倍、計算の速さだけの差ではないんです。

MLX-Serveの進み具合の記録を見ると、20工程のうち8工程は、ほぼ0秒で終わっていました。前の工程の計算を使い回して、手間を省いているようです。ComfyUIは20工程を毎回きちんと計算していました。

なので、「同じ計算を4.5倍速くこなした」というより、「同じ設定で頼んだら、4.5倍早く仕上がった」と読んでいただくのが正確です。使う側からすれば、同じ設定で待ち時間が4分の1より短くなるのは大きいです。

MLX-Serveを試すときの注意

私が試したときに気づいたところを書いておきます。

• 起動するときは、--host 127.0.0.1を付けるのがおすすめです。付けないと、同じネットワークにいるほかの機械からもつながる設定で立ち上がります
• --timeout（初めは300秒）は、念のため長めにしておくと安心です。私は5400秒にして測りました
• AIの中身は約65GBあります。ダウンロードの時間と、空き容量に気をつけてくださいね
• 動かす前に、メモリが足りるかを厳しく確かめる仕組みがあります。ほかのAIを同時に動かしていると、断られることがありました

メモリ96GBのMac Studioで試した値なので、メモリが少ないMacでは、同じようには動かないかもしれません。

今回の動画のAIは、どちらの道具でも、文章を読む部品だけで約26GBを使いました。32GBのMac miniでは厳しく、動画まで手元で作るなら64GB以上が安心です（試してはいません）。Macの選び方は、前に書いた記事にまとめています。

https://kiko-an.com/ai-mac-erabikata/

まとめ

10秒の動画1本（同じMac Studio）

• ComfyUI：約15分
• MLX-Serve：約3分20秒（約4.5倍早く仕上がった）
• MLX-Serveのターボ：約2分

ローカルでの動画の作成もソフトウェアが増えてきて、かなり楽になりました。
Mac miniでも大容量メモリを積めば、作ることができそうです。
今回のような難しい操作もAIがやってくれるので、表現の幅が広がりますね。