メインコンテンツへスキップ
見出し画像

【有料級】ローカルPCで動作する「AIアップスケーラー」を簡単制作!

    2026年半ば、動画生成モデルの Seedance 2.5 が特に人気ですが、高性能であるがゆえに、消費コストが大きいのが悩ましいところ。
    1080p で 30秒尺 を生成しようものなら、かなりのクレジット消費となるのが、クリエイター泣かせですよね…😭

    クレジット消費が少ない 480p の解像度での生成という手段もありますが、低解像度ゆえの低画質になってしまう…😭😭

    そこで「アップスケーラー」を使う方法を思いつくわけですが、有償のアプリやサービスが多いので、なかなか手を出しにくいという方も多いでしょう …😭😭😭

    よろしい、ならばAI活用して自作してしまおう、というのが今回の趣旨です👍

    画像

    MiniMax H3 などを活用する AI 動画生成のローカル処理はまだまだ厳しいですが、AIアップスケーリング処理であれば、ローカル処理でもなんとか実用レベルで動かせます。

    相応の時間はかかりますしCPU負荷も高いので、動作させている間はおそらく他の作業は厳しいですが、動画生成よりは全然軽いです。

    画像

    ローカル処理には次のメリットがあります。

    • 動画を外部サービスへアップロードしない

    • APIの従量課金を気にせず試行できる

    • モデル、圧縮率、シャープネスなどを自由に調整できる

    • 短い素材単位なら、失敗時のやり直しコストを抑えられる

    AIアップスケールはAIモデルがもっともらしい細部を推定して加える処理です。ピンぼけや激しいモーションブラーまで完全に直せるわけではない点には注意が必要です。

    Upscayl公式も、低解像度化やピクセル化した画像の改善を主用途とし、フォーカス調整や完全なぼけ除去には向かないと説明しています。


    AIアップスケーラーの基本的な仕組み

    今回のアプリは、次の順番で動画を処理します。

    画像
    1. FFprobeで動画を分析する
      解像度、平均フレームレート、再生時間、フレーム数、コーデック、音声の有無などをJSONで取得します。FFprobeは、メディアストリームを解析して、人間またはプログラムが読める形式で情報を出力する公式ツールです。

    2. FFmpegで動画をフレームへ分解する
      先頭の映像ストリームを、`00000001.png`のような連番PNGとして一時フォルダへ展開します。音声はアップスケールせず、最後に元動画から合流させます。

    3. Upscayl で各フレームをアップスケールする
      PNG画像のフォルダをUpscayl のCLIへ渡し、GPUで一括処理します。Upscayl は Real-ESRGAN 系モデルと Vulkan を利用するローカル画像アップスケーラーで、公式ガイド によると標準モデルは基本的に4倍出力です。

    4. FFmpegで目標サイズへ調整する
      AIが生成した4倍フレームを、2倍、4K、8Kなどの指定寸法へ Lanczos で整えます。

    5. 映像と音声を再構成する
      連番画像を元動画の平均 FPS で動画化し、元音声とメタデータを結合する、というところまでをやるのが、今回の動画アップスケーリング処理の流れです。


    実際の作り方:プロンプトだけでOK!

    AIコーディングエージェントへプロンプトを渡すだけです👍

    画像

    次のようなプロンプトを Codex / Claude Code / Grok Build に渡します。

    オープンソースの ffmpeg, ffprobe, upscayl を使って動画のアップスケーラーアプリを作成。
    参考となるアプリのスクショを渡すのでUIデザインの参考にせよ。
    必要な機能 / 仕様 / UI / UX の検討と設計から開始、
    実装とテストまですべて自動で完遂すること。
    特に UI / UX の異常系のテストは入念に実施

    👆のプロンプト中にある「参考となるアプリのスクショ」は、次のどちらか・もしくは両方をダウンロードして渡します。

    画像
    画像

    AI側の開発作業が終わったら、動かしてみましょう。


    動作確認と、うまくいかない場合の修正方法

    Codex / Claude Code / Grok に「動かして」と頼むのが早いですが、手動なら次のような形。

    npm run build
    または
    npm run dev

    ローカルwebサーバーが起動するはずなので、表示されるURLをブラウザで開きます。

    不具合が出たら、「うまく動かないから直して」だけで済ませず、具体的な操作やログをAIへ渡します。

    画像

    Electronアプリとしてインストールする

    ブラウザだけではローカルの実行ファイルや動画ファイルを扱いにくい場合は、アプリ化してしまうという手もあります。

    うまく動いたら、そのまま AI エージェントに

    この状態のwebアプリを、ネイティブアプリ化せよ。

    と指示します。
    Windows側はテストしてませんが、macOS だと Electron 製アプリとして、.app ファイルが生成されました。実際に動作も確認できてます。

    画像

    使い方のポイント:長尺化する前にアップスケールする

    おすすめは、5〜15秒程度の動画素材単位でアップスケールし、その後に編集ソフトで長尺へつなぐスタイルです。

    理由は単純で、処理量(処理時間)がほぼフレーム数に比例するからです。30fpsなら、5秒で約150枚、15秒で約450枚の画像をAI処理します。
    さらに元フレーム / 4倍化したフレーム / 最終出力用フレームを一時保存するため、長尺動画では処理時間だけでなくディスク使用量も急増します。

    短尺単位なら、次のメリットがあります。

    • 完了時刻を予測しやすい

    • モデルやシャープネス設定による結果の画質が確認しやすい

    • 編集で不採用になる素材へGPU時間を使わずに済む

    反対に、編集済みの長尺動画を最後に丸ごとアップスケールする方法は、おすすめしません。
    完了までの時間が読みづらく、仮に終盤でエラーが起きた場合の損失も大きいためです。
    どうしても長尺を処理する場合は、先に同じ設定で10秒ほどの代表区間を試し、1フレームあたりの処理時間と一時ファイル容量を測ってから全体を見積もりましょう。

    画像

    画質面では、素材に合わせたモデル選びも重要です。

    • 実写・一般映像:自然さを優先する標準系モデル

    • アニメ・イラスト:Digital Art系モデル

    • 輪郭を強く見せたい素材:UltraSharp系。ただし過剰な輪郭強調に注意

    • 圧縮ノイズの多い素材:弱めのノイズ軽減から試す

    最初から8Kや最大シャープネスを選ぶのではなく、代表フレームで2〜3パターンを比較し、必要十分な設定を選ぶのが近道です。


    まとめ

    動画AIアップスケーラーは、FFprobe、FFmpeg に加えて、AIアップスケーラーの「Upscayl」というオープンソースツールを順番につなぐことで作れます。
    まずは5〜15秒の素材でアップスケーリングを試してみましょう。うまく動かなければ、手順とログをAIに渡せばだいたい動くようにしてくれます。

    画像

    参考資料

     
     
    一次ソース特化最新AIニュース「NeuralWire.org」開発運営中|先端モデル&ローカルLLM実践|YouTube登録者数2万人AI音楽ch運営|AI音楽コミュ"AI Music Labo"管理人|メンバーシップではAIコンテンツ最先端ノウハウとメンバー専用ツール発信中

    あなたへのおすすめ