無料AI動画アップスケールFlashVSR・SeedVR2を実測、25分と3分の映像は同じだった
投稿日 動画公開
無料のアップスケールAI、FlashVSRとSeedVR2を8GBノートPCとRTX 5090で測りました。tiny-longはtinyと同じ映像で8.7倍速く、設定は効果がありませんでした。
無料のAI動画アップスケーラーであるFlashVSRとSeedVR2を、同じ3.5秒のクリップで実際に動かしたところ、名前だけでは分からない結果になりました。8GBのノートPCでFlashVSRの三つのモードは、最も遅いもので36分50秒、最も速いもので2分54秒かかり、最速のtiny-longはtinyとピクセル一つまで同じ映像を出しました。この記事は、YouTube動画の測定値を条件と限界までまとめて整理し直したものです。動画の公開日は2026-09-16で、その日時点の値です。
結論から
- 8GBのノートPCでは、FlashVSRはtiny-longだけで十分です。 tinyとtiny-longはPSNRが無限大（完全に同じ映像）で、ファイルサイズも5バイト違うだけなのに、tiny-longが8.7倍速いです（25分12秒対2分54秒）。
- SeedVR2は設定を触っても映像が変わりませんでした。 バッチ、色補正、入力ノイズは効果がなく、変わったのはモデルサイズ（3B対7B）だけでした。色補正を切ると、映像はそのままで時間が半分になりました。
- メモリが足りないときは、バッチを下げる前にVAEタイルをオンにしてください。 長い動画は借りるほうが安いというのが動画の判断です（計算・推定：15分の短編に換算すると、ノートPCのFlashVSR fullが159時間、借りたRTX 5090が6.8時間で約5ドル）。
数字の種類
この記事の時間とPSNRはすべて当チャンネルが直接測った値です（当チャンネルの測定）。「15分の短編」への換算は、測った時間をフレーム数で引き延ばした計算・推定です。レビューでの実測、他者の実測、公式の数値は使っていません。
測定条件
| 項目 | 内容 |
|---|---|
| テストクリップ | 960×544、84フレーム、3.5秒、顔のクローズアップ1本 |
| 倍率 | すべて2倍（1920×1088） |
| マシン | RTX 4070 Laptop 8GB、レンタルのRTX 5090 32GB |
| 測ったもの | 秒単位の時間、VRAMのピーク、ピクセルの差（PSNR） |
二つのツールはどちらも無料で、ComfyUIで動きます。画質は目だけで判断せず、PSNRでも数値にしました。
動画の基準では、PSNRは二つの映像がピクセル単位でどれだけ違うかを表し、高いほど同じです。おおよそ40dBを超えると目では区別がつかず、35dB前後なら違いが見えるとされています。
ラウンド1：どちらがより鮮明か
元の映像を2倍に引き延ばしたもの、SeedVR2 3B、FlashVSR fullを並べ、顔の部分を元のピクセルのまま1:1で切り出して（拡大ではなく）比べました。引き延ばした元の映像はぼやけ、残りの二つは髪の毛が一本ずつ見え、眼鏡のフレームの輪郭がシャープでした。二つのうちではFlashVSRのほうが少し鮮明だった、というのが動画の目視での判定です。ただし動画は、まだ時間を見ていないので「半分だけの答え」だと付け加えています。
ラウンド2：FlashVSRの三つのモード、名前にだまされないで
同じクリップを8GBのノートPCで三つのモードで動かしました。
| モード | 時間 |
|---|---|
| full | 36分50秒 |
| tiny | 25分12秒 |
| tiny-long | 2分54秒 |
tinyとtiny-longは、どれだけ見ても違いが見つからず、ピクセルで測るとPSNRは無限大でした。ファイルサイズは3,094,579バイトと3,094,584バイトで、5バイトの差でした。
したがって、tinyを使う理由はありません。fullとtiny-longのPSNRは38.6dBで、目では区別しにくい水準でした。fullはtiny-longの12.7倍の時間がかかります。それだけの価値があるかどうかは見る人が決めればよい、というのが動画の立場です。
ラウンド3：SeedVR2はオプションを触っても変わらない
最初に出た結果が期待よりぼやけていたので、設定を一つずつ変えてみました。
| 変えたもの | 結果 |
|---|---|
| バッチ（5、21、41） | 見た目の差なし、時間は94秒、98秒、98秒 |
| 色補正（lab、wavelet、なし） | 映像は同じ、PSNR 39.1dB |
| 入力ノイズ | 映像を変えられなかった |
| モデルサイズ（3B対7B） | PSNR 35.3dBで明確に違う |
7Bは、髪、眼鏡のフレーム、肌の質感が目で見ても良くなっていました。そして色補正を切ると時間が半分になりました（7Bで208秒が112秒）。動画の判定は、設定を触って時間を使わず、画質を変えたいならモデルを大きくし、時間を減らしたいなら色補正を切る、というものです。
ラウンド4：8GBの壁
アップスケールは画面をまるごとメモリに載せるため、8GBでは画面を細かく分けて一つずつ処理してつなぎ直すタイリングを使います。
FlashVSR fullは8GBで15個に分割され、1個あたり約90秒かかって、3.5秒のクリップが36分50秒になったと動画のカードは書いています（15分割×90秒は約22分30秒で、この三つの数字がどうかみ合うのかは動画から確認できませんでした。計算）。VRAMは8,188MB中7,932MBでほぼ満杯でした。
32GBのRTX 5090でもメモリが足りなくなりました。
バッチ41までは動き（VRAM 16GB）、61、77、85はクラッシュし、タイルをオフにしたバッチ33も30GBを超えてクラッシュしました。そのため動画は、メモリが足りないときはバッチを下げる前にVAEタイルをオンにするよう勧めています。8GBでも動きますが、タイリングの代償を払うことになります。
ラウンド5：自宅でやるか、借りるか
同じクリップと同じSeedVR2 3Bで測ると、8GBのノートPCは11分24秒、レンタルのRTX 5090は1分38秒で、約7倍の差でした。ノートPC版では動くところに残像が残りました。
短いクリップなら問題ありませんが、長い動画が問題です。動画は、173カット、21,791フレームの15分の短編に換算しました（計算・推定）。
| 方法 | 15分の短編への換算時間 |
|---|---|
| ノートPC FlashVSR full | 159時間（約6日半） |
| ノートPC SeedVR2 3B | 50時間 |
| ノートPC tiny-long | 12.4時間 |
| レンタルRTX 5090 | 6.8時間、料金は約5ドル |
動画の判定は、10秒前後は自宅で、数分を超えるなら借りるほうがよい、というものです。
動画が整理した一枚の表
限界と確認できなかったこと
- クリップ1本、顔のクローズアップ1つだけで測った値です。風景、文字、速い動きでは結果が違う可能性があります。
- 元の映像がAIで作ったものなので、実写の映像とも違う可能性があります。動画の言葉どおり「この条件ではこうなった」として見てください。
- 動画は風景と韓国語の文字で同じテストをする続編を予告しましたが、説明欄には、チャンネルの方向が変わったため作らないことにしたと書かれています。
- ツールのバージョンや設定ファイルの名前は、動画の画面からは確認できませんでした。
- 人の顔が出る場面（AIで作ったクリップ）は、この記事では使っていません。