FramePack-eichi セットアップガイド: すべての環境向け総合インストールマニュアル | English | 繁體中文 | Русский

免責事項: このドキュメントはインターネットから収集した情報をまとめたものであり、すべての環境での機能を保証するものではありません。環境やバージョンの違いにより、記載された手順が正常に機能しない場合があります。必要に応じて、ご使用の環境に合わせて調整してください。また、公式リポジトリの最新情報を常に参照することをお勧めします。

FramePack-eichiは、テキストプロンプトを使用して1枚の画像から短い動画を作成するAI動画生成システムです。これはスタンフォード大学のLvmin ZhangとManeesh Agrawalaによって開発されたオリジナルのFramePackをフォークし、多数の追加機能と強化を施したものです。このガイドでは、各環境に対する正確なセットアップ手順、システム要件、およびトラブルシューティングのヒントを提供します。

システム要件

RAM要件

最小: 16GB（動作するが、パフォーマンスに制限あり）
推奨: 32GB（標準的な操作に十分）
最適: 64GB（長い動画、LoRAの使用、高解像度処理に理想的）
十分なRAMがない場合、システムはSSDスワップスペースを使用しますが、SSDの寿命を縮める可能性があります

VRAM要件

最小: 8GB VRAM（FramePack-eichiの推奨最小値）
低VRAMモード: 自動的に有効化され、効率的にメモリを管理
- gpu_memory_preservation設定で調整可能（デフォルト: 10GB）
- 値を下げる = 処理に使用するVRAMが増える = 高速だがリスクも高い
- 値を上げる = 処理に使用するVRAMが減る = 低速だが安定性が高い
高VRAMモード: 100GB以上の空きVRAMが検出されると自動的に有効化
- モデルがGPUメモリに常駐（約20%高速）
- 定期的なモデルのロード/アンロードが不要

CPU要件

明示的な最小CPUモデルは指定されていません
推奨: 8コア以上の最新のマルチコアCPU
CPUパフォーマンスはロード時間や前処理/後処理に影響します
実際の生成処理のほとんどはGPUで実行されます

ストレージ要件

アプリケーションコード: 通常1-2GB
モデル: 約30GB（初回起動時に自動的にダウンロード）
出力と一時ファイル: 動画の長さ、解像度、圧縮設定によって異なる
推奨総容量: 150GB以上
頻繁な読み書き操作のためSSDを推奨

サポートされるGPUモデル

公式サポート: NVIDIA RTX 30XX、40XX、50XXシリーズ（fp16およびbf16データフォーマットをサポート）
推奨最小: RTX 3060（または同等の8GB以上のVRAM）
動作確認済み: RTX 3060、3070Ti、4060Ti、4090
非公式/未テスト: GTX 10XX/20XXシリーズ
AMD GPU: 明示的なサポートの言及なし
Intel GPU: 明示的なサポートの言及なし

Windowsセットアップ手順

前提条件

Windows 10/11
CUDA 12.6をサポートするドライバーを備えたNVIDIA GPU
Python 3.10.x
7-Zip（インストールパッケージの展開用）

手順

基本FramePackのインストール:
- 公式FramePackリポジトリにアクセス
- 「Download One-Click Package (CUDA 12.6 + PyTorch 2.6)」をクリック
- 7zパッケージをダウンロードし、任意の場所に展開
- update.batを実行（最新のバグ修正を取得するために重要）
- run.batを実行して初めてFramePackを起動
- 必要なモデル（約30GB）は初回実行時に自動的にダウンロードされます
FramePack-eichiのインストール:
- FramePack-eichiリポジトリをクローンまたはダウンロード
- 適切な言語のバッチファイル（日本語はrun_endframe_ichi.bat、英語はrun_endframe_ichi_en.bat、繁体字中国語はrun_endframe_ichi_zh-tw.bat）をFramePackのルートディレクトリにコピー
- FramePack-eichiから以下のファイル/フォルダをFramePackのwebuiフォルダにコピー:
  - endframe_ichi.py
  - eichi_utilsフォルダ
  - lora_utilsフォルダ
  - diffusers_helperフォルダ
  - localesフォルダ
高速化ライブラリのインストール（オプションだが推奨）:
- FramePack Issue #138から高速化パッケージインストーラーをダウンロード
- package_installer.zipファイルをFramePackのルートディレクトリに展開
- package_installer.batを実行し、画面の指示に従う（通常はEnterキーを押すだけ）
- FramePackを再起動し、コンソールに以下のメッセージが表示されることを確認:
```
Xformers is installed!
Flash Attn is not installed! (This is normal)
Sage Attn is installed!
```
FramePack-eichiの起動:
- FramePackのルートディレクトリからrun_endframe_ichi.bat（または適切な言語バージョン）を実行
- WebUIがデフォルトブラウザで開きます
動作確認:
- WebUIに画像をアップロード
- 希望する動きを説明するプロンプトを入力
- 「生成開始」をクリックして動画生成が機能していることを確認

Linuxセットアップ手順

サポートされるLinuxディストリビューション

Ubuntu 22.04 LTS以降（主要サポート）
Python 3.10をサポートする他のディストリビューションも動作するはず

必要なパッケージと依存関係

CUDA 12.6をサポートするNVIDIA GPUドライバー
Python 3.10.x
CUDA Toolkit 12.6
CUDAサポート付きPyTorch 2.6

インストール手順

Python環境のセットアップ:

python -m venv venv
source venv/bin/activate

CUDAサポート付きPyTorchのインストール:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

FramePackのクローンとセットアップ:

git clone https://github.com/lllyasviel/FramePack.git
cd FramePack
pip install -r requirements.txt

FramePack-eichiのクローンとセットアップ:

git clone https://github.com/git-ai-code/FramePack-eichi.git
# 必要なファイルをコピー
cp FramePack-eichi/webui/endframe_ichi.py FramePack/
cp FramePack-eichi/webui/endframe_ichi_f1.py FramePack/
cp -r FramePack-eichi/webui/eichi_utils FramePack/
cp -r FramePack-eichi/webui/lora_utils FramePack/
cp -r FramePack-eichi/webui/diffusers_helper FramePack/
cp -r FramePack-eichi/webui/locales FramePack/

高速化ライブラリのインストール（オプション）:

# sage-attention（推奨）
pip install sageattention==1.0.6

# xformers（サポートされている場合）
pip install xformers

FramePack-eichiの起動:

cd FramePack
python endframe_ichi.py  # デフォルトは日本語UI
python endframe_ichi_f1.py  # デフォルトは日本語UI
# 英語UIの場合:
python endframe_ichi.py --lang en
python endframe_ichi_f1.py --lang en
# 繁体字中国語UIの場合:
python endframe_ichi.py --lang zh-tw
python endframe_ichi_f1.py --lang zh-tw

Dockerセットアップ手順

前提条件

システムにDockerがインストールされている
Docker Composeがインストールされている
GPU使用のためのNVIDIA Container Toolkitがインストールされている

Dockerセットアッププロセス

akitaonrailsのDocker実装を使用:

git clone https://github.com/akitaonrails/FramePack-Docker-CUDA.git
cd FramePack-Docker-CUDA
mkdir outputs
mkdir hf_download

# Dockerイメージのビルド
docker build -t framepack-torch26-cu124:latest .

# GPUサポート付きでコンテナを実行
docker run -it --rm --gpus all -p 7860:7860 \
-v ./outputs:/app/outputs \
-v ./hf_download:/app/hf_download \
framepack-torch26-cu124:latest

代替Docker Compose設定:

以下の内容でdocker-compose.ymlファイルを作成:

version: '3'
services:
  framepack:
    build: .
    ports:
      - "7860:7860"
    volumes:
      - ./outputs:/app/outputs
      - ./hf_download:/app/hf_download
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    # 言語選択（デフォルトは英語）
    command: ["--lang", "en"]  # オプション: "ja"（日本語）、"zh-tw"（繁体字中国語）、"en"（英語）

同じディレクトリにDockerfileを作成:

FROM python:3.10-slim

ENV DEBIAN_FRONTEND=noninteractive

# システム依存関係のインストール
RUN apt-get update && apt-get install -y \
    git \
    wget \
    ffmpeg \
    && rm -rf /var/lib/apt/lists/*

# 作業ディレクトリの設定
WORKDIR /app

# リポジトリのクローン
RUN git clone https://github.com/lllyasviel/FramePack.git . && \
    git clone https://github.com/git-ai-code/FramePack-eichi.git /tmp/FramePack-eichi

# FramePack-eichiファイルのコピー（Linuxセットアップ手順と同様にルートディレクトリに配置）
RUN cp /tmp/FramePack-eichi/webui/endframe_ichi.py . && \
    cp /tmp/FramePack-eichi/webui/endframe_ichi_f1.py . && \
    cp -r /tmp/FramePack-eichi/webui/eichi_utils . && \
    cp -r /tmp/FramePack-eichi/webui/lora_utils . && \
    cp -r /tmp/FramePack-eichi/webui/diffusers_helper . && \
    cp -r /tmp/FramePack-eichi/webui/locales . && \
    rm -rf /tmp/FramePack-eichi

# PyTorchと依存関係のインストール
RUN pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
RUN pip install -r requirements.txt
RUN pip install sageattention==1.0.6

# 出力ディレクトリの作成
RUN mkdir -p outputs hf_download

# HuggingFaceキャッシュディレクトリの設定
ENV HF_HOME=/app/hf_download

# WebUI用のポートを公開
EXPOSE 7860

# FramePack-eichiの起動（Linuxセットアップ手順と同様にルートディレクトリから実行）
ENTRYPOINT ["python", "endframe_ichi.py", "--listen"]

Docker Composeでビルドして実行:

docker-compose build
docker-compose up

WebUIへのアクセス:
- コンテナが実行されると、WebUIはhttp://localhost:7860で利用可能になります
GPUパススルー設定:
- NVIDIA Container Toolkitが適切にインストールされていることを確認
- GPU渡しには--gpus allパラメータ（またはdocker-compose.ymlの同等の設定）が必要
- コンテナ内でGPUにアクセスできるか以下のコマンドで確認:
```
docker exec -it [container_id] nvidia-smi
```

macOS（Apple Silicon）セットアップ手順

FramePack-eichiは、CUDAの代わりにMetal Performance Shadersを使用するbrandon929/FramePackフォークを通じてApple SiliconのMacで使用できます。

前提条件

Apple Silicon（M1、M2、またはM3チップ）搭載のmacOS
Homebrew（macOSパッケージマネージャー）
Python 3.10
メモリ要件: 最小16GB RAM、推奨32GB+
- 8GBモデルは深刻なパフォーマンス低下と処理エラーを経験する可能性が高い
- 16GBモデルは短い動画（3-5秒）と低解像度設定に制限される
- 32GB+モデルで快適な処理が可能（M2/M3 Ultra推奨）

インストール手順

Homebrewのインストール（まだインストールされていない場合）:
```
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
```
- Homebrewをパスに追加するための追加指示に従ってください。
Python 3.10のインストール:
```
brew install python@3.10
```

macOS互換フォークのクローン:

git clone https://github.com/brandon929/FramePack.git
cd FramePack

Metal対応PyTorchのインストール（CPUバージョン、PyTorch MPSを介したMetalサポートが追加される）:
```
pip3.10 install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu
```
依存関係のインストール:
```
pip3.10 install -r requirements.txt
```
Webインターフェースの起動:
```
python3.10 demo_gradio.py --fp32
```
--fp32フラグはApple Siliconの互換性のために重要です。M1/M2/M3プロセッサは、元のモデルで使用されているfloat16およびbfloat16を完全にサポートしていない場合があります。
起動後、Webブラウザを開き、ターミナルに表示されるURL（通常はhttp://127.0.0.1:7860）にアクセスします。

Apple Siliconの特別な考慮事項

Metalパフォーマンス:
- Apple Siliconとの互換性のために--fp32フラグを使用
解像度設定:
- 16GB RAM: 最大416×416解像度を推奨
- 32GB RAM: 最大512×512解像度を推奨
- 64GB RAM: 最大640×640解像度を試すことが可能
パフォーマンス比較:
- 生成速度はNVIDIA GPUと比較して大幅に遅い
- 5秒の動画生成時間比較:
  - RTX 4090: 約6分
  - M2 Max: 約25-30分
  - M3 Max: 約20-25分
  - M2 Ultra: 約15-20分
  - M3 Ultra: 約12-15分
メモリ管理:
- Apple Siliconの統合メモリアーキテクチャはGPU/CPUが同じメモリプールを共有することを意味する
- アクティビティモニタで「メモリプレッシャー」を監視し、圧縮が高い場合は設定を下げる
- スワップ使用量の増加はパフォーマンスを大幅に低下させ、SSDの寿命に影響する
- 生成中は他のリソース集約型アプリを閉じることを強く推奨
- メモリリークを解決するために長時間使用後はアプリケーションを再起動する

WSLセットアップ手順

WSLでFramePack-eichiをセットアップすると、NVIDIAのWSLドライバーを通じてGPUアクセラレーションを備えたWindowsでLinux環境を提供します。

前提条件

Windows 10（バージョン2004以降）またはWindows 11
NVIDIA GPU（RTX 30XX、40XX、または50XXシリーズ推奨、最小8GB VRAM）
管理者アクセス
WSL2をサポートする更新されたNVIDIAドライバー

インストール手順

WSL2のインストール:

管理者としてPowerShellを開き、以下を実行:
```
wsl --install
```
このコマンドはデフォルトのLinuxディストリビューションとしてUbuntuを使用してWSL2をインストールします。指示があればコンピュータを再起動してください。
WSL2が適切にインストールされていることを確認:
```
wsl --status
```
デフォルトバージョンとして「WSL 2」が表示されていることを確認してください。
WSLカーネルの更新（必要な場合）:
```
wsl --update
```
WSL用NVIDIAドライバーのインストール:

NVIDIAのWebサイトからWSLをサポートする最新のNVIDIAドライバーをダウンロードしてインストールします。WSL環境内にNVIDIAドライバーをインストールしないでください - WSLはWindowsのドライバーを使用します。
Ubuntuを起動してGPUアクセスを確認:

スタートメニューからUbuntuを起動するか、PowerShellでwslを実行し、NVIDIA GPU検出を確認:
```
nvidia-smi
```
GPUの情報が表示されるはずです。

WSLで環境をセットアップ:

# パッケージリストの更新
sudo apt update && sudo apt upgrade -y

# Pythonと開発ツールのインストール
sudo apt install -y python3.10 python3.10-venv python3-pip git

# FramePack-eichiリポジトリのクローン
git clone https://github.com/git-ai-code/FramePack-eichi.git
cd FramePack-eichi

# 仮想環境の作成と有効化
python3.10 -m venv venv
source venv/bin/activate

# CUDAサポート付きPyTorchのインストール
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

# 依存関係のインストール
pip install -r requirements.txt

FramePack-eichiの起動:

python endframe_ichi.py

言語を指定することもできます:

python endframe_ichi.py --lang en  # 英語の場合

Webインターフェースにアクセスするには、Windowsでブラウザを開き、ターミナルに表示されるURL（通常はhttp://127.0.0.1:7860）に移動します。

Anaconda環境セットアップ手順

新しいConda環境の作成

# Python 3.10を使用して新しいconda環境を作成
conda create -n framepack-eichi python=3.10
conda activate framepack-eichi

# CUDAサポート付きPyTorchのインストール
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

ソースからの手動インストール

# オリジナルのFramePackリポジトリをクローン
git clone https://github.com/lllyasviel/FramePack.git
cd FramePack

# FramePack-eichiリポジトリを一時的な場所にクローン
git clone https://github.com/git-ai-code/FramePack-eichi.git temp_eichi

# 拡張webファイルをコピー（Linuxセットアップ手順と同様にルートディレクトリに配置）
cp temp_eichi/webui/endframe_ichi.py .
cp temp_eichi/webui/endframe_ichi_f1.py .
cp -r temp_eichi/webui/eichi_utils .
cp -r temp_eichi/webui/lora_utils .
cp -r temp_eichi/webui/diffusers_helper .
cp -r temp_eichi/webui/locales .

# 言語固有のバッチファイルをルートディレクトリにコピー（適切なファイルを選択）
cp temp_eichi/run_endframe_ichi.bat .  # 日本語（デフォルト）
# cp temp_eichi/run_endframe_ichi_en.bat .  # 英語
# cp temp_eichi/run_endframe_ichi_zh-tw.bat .  # 繁体字中国語

# 依存関係のインストール
pip install -r requirements.txt

# 一時ディレクトリの削除
rm -rf temp_eichi

Condaの特別な考慮事項

condaを介してインストールする場合、PyTorchパッケージとの依存関係の競合が発生する可能性があります
最良の結果を得るには、condaチャネルではなく、公式インデックスURLを使用してpip経由でPyTorch、torchvision、およびtorchaudioをインストールしてください
xformers、flash-attn、sageattentionなどのオプションの高速化パッケージは、メイン環境が作成された後に個別にインストールする必要があります

Google Colabセットアップ手順

2025年5月最新Colabセットアップ（最も安定）

以下のスクリプトは、Colabの最新環境（2025年5月現在）向けの最も安定したセットアップを提供します。これはA100 GPU環境で特にテストされています。

# gitがまだインストールされていない場合はインストール
!apt-get update && apt-get install -y git

# FramePackリポジトリをクローン
!git clone https://github.com/lllyasviel/FramePack.git
%cd FramePack

# PyTorch（CUDA対応バージョン）のインストール
!pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

# Colab環境用にRequestsとNumPyをアップグレード
!pip install requests==2.32.3 numpy==2.0.0

# FramePack依存関係のインストール
!pip install -r requirements.txt

# 速度最適化用のSageAttentionをインストール（オプション）
!pip install sageattention==1.0.6

# FramePackデモを開始（実行するにはコメントを解除）
# !python demo_gradio.py --share

# FramePack-eichiをインストール
!git clone https://github.com/git-ai-code/FramePack-eichi.git tmp
!rsync -av --exclude='diffusers_helper' tmp/webui/ ./
!cp tmp/webui/diffusers_helper/bucket_tools.py diffusers_helper/
!cp tmp/webui/diffusers_helper/memory.py diffusers_helper/
!rm -rf tmp

# FramePack-eichiを実行
!python endframe_ichi.py --share

重要: 上記の方法ではdiffusers_helper/bucket_tools.pyファイルを個別にコピーしています。これは一般的な「ImportError: cannot import name 'SAFE_RESOLUTIONS' from 'diffusers_helper.bucket_tools'」エラーを回避するために必要です。

代替Colabセットアップ方法

以下は代替のセットアップ方法です。より新しい環境では上記の方法を優先してください。

# FramePack-eichiリポジトリをクローン
!git clone https://github.com/git-ai-code/FramePack-eichi.git tmp

# 基本FramePackをクローン
!git clone https://github.com/lllyasviel/FramePack.git
%cd /content/FramePack

# 依存関係のインストール
!pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
!pip install -r requirements.txt

# eichi拡張のセットアップ
!mkdir -p webui 
!cp -r /content/tmp/webui/* webui/
!cp /content/tmp/run_endframe_ichi.bat .

# PYTHONPATH環境変数の設定
%env PYTHONPATH=/content/FramePack:$PYTHONPATH

# 公開URLでWebUIを起動
%cd /content/FramePack
!python endframe_ichi.py --share

Google Driveの統合と出力設定

生成された動画をGoogle Driveに保存するには:

# Google Driveをマウント
from google.colab import drive
drive.mount('/content/drive')

# 出力ディレクトリを設定
import os
OUTPUT_DIR = "/content/drive/MyDrive/FramePack-eichi-outputs"
os.makedirs(OUTPUT_DIR, exist_ok=True)

# 出力ディレクトリを指定してframeppackを起動
!python endframe_ichi.py --share --output_dir={OUTPUT_DIR}

Colabの一般的なトラブルシューティング

'SAFE_RESOLUTIONS'インポートエラー:
```
ImportError: cannot import name 'SAFE_RESOLUTIONS' from 'diffusers_helper.bucket_tools'
```
- 解決策: diffusers_helperファイルの個別コピーを含む2025年5月の最新セットアップスクリプトを使用
メモリ不足エラー:
```
RuntimeError: CUDA out of memory
```
- 解決策:
  - 解像度を下げる（例: 416×416）
  - キーフレーム数を減らす
  - バッチサイズを減らす
  - GPU推論保存メモリ設定を調整する
セッション切断:
- 解決策:
  - 長い処理時間を避ける
  - 進行状況をGoogle Driveに保存する
  - ブラウザタブをアクティブに保つ

異なるColabティアのVRAM/RAM考慮事項

Colabティア	GPUタイプ	VRAM	パフォーマンス	備考
無料	T4	16GB	制限あり	短い動画（1-5秒）の基本的な使用に十分
Pro	A100	40GB	良好	より長い動画と複数のキーフレームを処理可能
Pro+	A100	80GB	優れている	最高のパフォーマンス、複雑な生成が可能

Colabの最適設定

ハードウェアアクセラレータ設定:
- メニュー「ランタイム」→「ランタイムのタイプを変更」→「ハードウェアアクセラレータ」を「GPU」に設定
- Pro/Pro+ユーザーは、可能であれば「高RAM」または「高メモリ」オプションを選択すべき
推奨バッチサイズと解像度設定:
- T4 GPU（無料）: バッチサイズ4、解像度416x416
- A100 GPU（Pro）: バッチサイズ8、解像度最大640x640
- A100 GPU（Pro+/高メモリ）: バッチサイズ16、解像度最大768x768

クラウド環境（AWS/GCP/Azure）セットアップ手順

AWS EC2セットアップ

推奨インスタンスタイプ:

g4dn.xlarge: 1 NVIDIA T4 GPU（16GB）、4 vCPU、16GB RAM
g4dn.2xlarge: 1 NVIDIA T4 GPU（16GB）、8 vCPU、32GB RAM
g5.xlarge: 1 NVIDIA A10G GPU（24GB）、4 vCPU、16GB RAM
p3.2xlarge: 1 NVIDIA V100 GPU（16GB）、8 vCPU、61GB RAM

セットアップ手順:

EC2インスタンスの起動 - 選択したインスタンスタイプを使用してDeep Learning AMI（Ubuntu）を使用

SSHでインスタンスに接続:

ssh -i your-key.pem ubuntu@your-instance-ip

システムパッケージの更新:
```
sudo apt update && sudo apt upgrade -y
```

リポジトリのクローン:

git clone https://github.com/lllyasviel/FramePack.git
cd FramePack
git clone https://github.com/git-ai-code/FramePack-eichi.git temp_eichi
# Linuxセットアップ手順と同様にルートディレクトリに配置
cp temp_eichi/webui/endframe_ichi.py .
cp temp_eichi/webui/endframe_ichi_f1.py .
cp -r temp_eichi/webui/eichi_utils .
cp -r temp_eichi/webui/lora_utils .
cp -r temp_eichi/webui/diffusers_helper .
cp -r temp_eichi/webui/locales .
cp temp_eichi/run_endframe_ichi_en.bat .  # 英語バージョン
rm -rf temp_eichi

依存関係のインストール:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install -r requirements.txt

セキュリティグループの設定 - ポート7860への着信トラフィックを許可

公開表示で実行:

python endframe_ichi.py --server --listen --port 7860

UIへのアクセス - http://your-instance-ip:7860

Google Cloud Platform（GCP）セットアップ

推奨インスタンスタイプ:

n1-standard-8 + 1 NVIDIA T4 GPU
n1-standard-8 + 1 NVIDIA V100 GPU
n1-standard-8 + 1 NVIDIA A100 GPU

セットアップ手順:

Deep Learning VMイメージでVMインスタンスを作成
GPUを有効化し、適切なGPUタイプを選択
SSHでインスタンスに接続
AWS EC2と同じ手順に従ってFramePack-eichiをセットアップ
ファイアウォールルールの設定 - ポート7860への着信トラフィックを許可

Microsoft Azureセットアップ

推奨VMサイズ:

Standard_NC6s_v3: 1 NVIDIA V100 GPU（16GB）
Standard_NC4as_T4_v3: 1 NVIDIA T4 GPU（16GB）
Standard_NC24ads_A100_v4: 1 NVIDIA A100 GPU（80GB）

セットアップ手順:

Data Science Virtual Machine（Ubuntu）でVMを作成
SSHでVMに接続
AWS EC2と同じ手順に従ってFramePack-eichiをセットアップ
ネットワークセキュリティグループの設定 - ポート7860への着信トラフィックを許可

一般的なエラーとトラブルシューティング手順

インストールエラー

Python依存関係の競合

症状: 互換性のないパッケージバージョンに関するエラーメッセージ
解決策:
- 明示的にPython 3.10を使用（3.11、3.12、またはそれ以上ではない）
- 正しいCUDAバージョンでPyTorchをインストール
- 依存関係エラーが発生した場合は新しい仮想環境を作成

CUDAインストールと互換性の問題

症状: 「CUDAは利用できません」エラー、CPUでの実行に関する警告
解決策:
- サポートされているGPU（RTX 30XX、40XX、または50XXシリーズ推奨）を使用していることを確認
- 正しいCUDAツールキット（12.6推奨）をインストール
- Pythonでトラブルシューティング:
```
import torch
print(torch.cuda.is_available())
print(torch.version.cuda)
```

パッケージインストールの失敗

症状: PIPインストールエラー、ホイールビルドの失敗
解決策:
- Windows向けのワンクリックインストーラーを使用（手動インストールの代わりに）
- Linux向け: 必要なビルド依存関係をインストール
- SageAttentionのインストールが失敗しても、それなしで続行できる
- Issue #138からpackage_installer.zipを使用して高度な最適化パッケージをインストール

ランタイムエラー

CUDAメモリ不足エラー

症状: 「CUDA out of memory」エラーメッセージ、生成の高メモリフェーズでのクラッシュ
解決策:
- gpu_memory_preservation値を増やす（6〜16GBの間の値を試す）
- 他のGPU集約型アプリケーションを閉じる
- 再起動して再試行
- 画像解像度を下げる（低VRAMには512x512を推奨）
- より大きなWindowsページファイルを設定（物理RAMの3倍）
- 十分なシステムRAM（32GB+推奨）を確保

モデルロードの失敗

症状: モデルシャードのロード時のエラーメッセージ、モデル初期化時のプロセスクラッシュ
解決策:
- アプリケーションを開始する前にupdate.batを実行
- すべてのモデルがwebui/hf_downloadフォルダに適切にダウンロードされていることを確認
- モデルが不足している場合は自動ダウンロードが完了するのを許可（約30GB）
- モデルを手動で配置する場合は、ファイルを正しいframepack\webui\hf_downloadフォルダにコピー

WebUI起動の問題

症状: 起動後にGradioインターフェースが表示されない、ブラウザに「接続できません」エラーが表示される
解決策:
- --port XXXXコマンドラインオプションで別のポートを試す
- ポート7860（Gradioのデフォルト）を使用している他のアプリケーションがないことを確認
- --inbrowserオプションを使用して自動的にブラウザを開く
- 特定のエラーメッセージについてコンソール出力を確認

プラットフォーム固有の問題

Windows固有の問題

症状: パス関連のエラー、DLLロードの失敗、バッチファイルが適切に実行されない
解決策:
- パス長の制限を避けるために、短いパス（例：C:\FramePack）にインストール
- 権限の問題が発生した場合は、管理者としてバッチファイルを実行
- DLLロードエラーが表示される場合:
  - Visual C++ Redistributableパッケージをインストール
  - アンチウイルスソフトウェアが実行をブロックしていないか確認

Linux固有の問題

症状: ライブラリ不足エラー、パッケージビルドの失敗、GUI表示の問題
解決策:
- Debian/Ubuntuでは、必要なシステムライブラリをインストール:
```
sudo apt-get install libavformat-dev libavdevice-dev libavfilter-dev libswscale-dev libopenblas-dev
```
- GPU検出の問題については、NVIDIAドライバーが正しくインストールされていることを確認:
```
nvidia-smi
```

macOS固有の問題

症状: Metal/MPS関連のエラー、Apple Siliconでの低パフォーマンス
解決策:
- --fp32フラグで実行（M1/M2はfp16/bf16を完全にサポートしていない可能性がある）
- 動画フォーマットの問題については、MP4圧縮設定を約16（デフォルト）に調整
- NVIDIAハードウェアと比較して大幅に性能が低下することを認識

WSLセットアップの問題

症状: WSLでGPUが検出されない、WSLで非常に低いパフォーマンス
解決策:
- WSL2を使用していることを確認（WSL1ではない）: wsl --set-version <Distro> 2
- WSL専用のNVIDIAドライバーをインストール
- Windowsユーザーディレクトリに.wslconfigファイルを作成:
```
[wsl2]
memory=16GB  # システムに基づいて調整
processors=8  # システムに基づいて調整
gpumemory=8GB  # GPUに基づいて調整
```

パフォーマンスの問題

遅い生成時間と最適化テクニック

症状: 過度に長い生成時間、ベンチマークと比較して予想よりも低いパフォーマンス
解決策:
- 最適化ライブラリをインストール:
  - Issue #138からpackage_installer.zipをダウンロードしてpackage_installer.batを実行
  - これにより可能な場合はxformers、flash-attn、sage-attnがインストールされる
- より高速な（ただし潜在的に品質の低い）生成のためにteacacheを有効にする
- 他のGPU集約型アプリケーションを閉じる
- より高速な生成のために解像度を下げる（品質を犠牲にする）

メモリリークと管理

症状: 時間の経過とともに増加するメモリ使用量、複数の生成にわたるパフォーマンスの低下
解決策:
- 長い生成セッションの間にアプリケーションを再起動
- GPUメモリ使用量を監視:
```
nvidia-smi -l 1
```
- CPU/メモリリークが発生した場合はPythonプロセスを再起動
- 設定を切り替える際に明示的なモデルアンロードを使用
- 必要でない場合は複数のLoRAを同時にロードしない

情報源

公式リポジトリ:
- FramePack-eichi: https://github.com/git-ai-code/FramePack-eichi
- オリジナルFramePack: https://github.com/lllyasviel/FramePack
コミュニティリソース:
- FramePack Docker実装: https://github.com/akitaonrails/FramePack-Docker-CUDA
- Apple Silicon互換フォーク: https://github.com/brandon929/FramePack
公式ドキュメント:
- FramePack-eichi GitHubリポジトリのREADMEとwiki
- GitHub Issuesの開発者コメント
トラブルシューティングリソース:
- FramePack Issue #138（高速化ライブラリ）: lllyasviel/FramePack#138
- WSL CUDA設定ドキュメント: https://learn.microsoft.com/en-us/windows/ai/directml/gpu-cuda-in-wsl

このガイドはFramePack-eichiの包括的なセットアップ手順と、様々な環境での運用のためのベストプラクティスを提供します。環境に最適なセットアップパスを選択し、必要に応じてトラブルシューティング手順を参照してください。

FilesExpand file tree

README_setup.md

Latest commit

History

README_setup.md

File metadata and controls

FramePack-eichi セットアップガイド: すべての環境向け総合インストールマニュアル | English | 繁體中文 | Русский

システム要件

RAM要件

VRAM要件

CPU要件

ストレージ要件

サポートされるGPUモデル

Windowsセットアップ手順

前提条件

手順

Linuxセットアップ手順

サポートされるLinuxディストリビューション

必要なパッケージと依存関係

インストール手順

Dockerセットアップ手順

前提条件

Dockerセットアッププロセス

macOS（Apple Silicon）セットアップ手順

前提条件

インストール手順

Apple Siliconの特別な考慮事項

WSLセットアップ手順

前提条件

インストール手順

Anaconda環境セットアップ手順

新しいConda環境の作成

ソースからの手動インストール

Condaの特別な考慮事項

Google Colabセットアップ手順

2025年5月最新Colabセットアップ（最も安定）

代替Colabセットアップ方法

Google Driveの統合と出力設定

Colabの一般的なトラブルシューティング

異なるColabティアのVRAM/RAM考慮事項

Colabの最適設定

クラウド環境（AWS/GCP/Azure）セットアップ手順

AWS EC2セットアップ

推奨インスタンスタイプ:

セットアップ手順:

Google Cloud Platform（GCP）セットアップ

推奨インスタンスタイプ:

セットアップ手順:

Microsoft Azureセットアップ

推奨VMサイズ:

セットアップ手順:

一般的なエラーとトラブルシューティング手順

インストールエラー

Python依存関係の競合

CUDAインストールと互換性の問題

パッケージインストールの失敗

ランタイムエラー

CUDAメモリ不足エラー

モデルロードの失敗

WebUI起動の問題

プラットフォーム固有の問題

Windows固有の問題

Linux固有の問題

macOS固有の問題

WSLセットアップの問題

パフォーマンスの問題

遅い生成時間と最適化テクニック

メモリリークと管理

情報源