2026年のおすすめオープンソース画像・動画AIツール

当サイトでレビューした14件のオープンソース画像・動画AIツールのうち、現在のおすすめはComfyUI、Hugging Face Diffusers、HyperFramesです。各製品を当サイトの評価順に並べ、料金、評価のまとめ、向いている人を記載しています。

執筆： Sheela · 2026年11月3日更新 · レビューの方法

ランキングの方法：各製品の料金、ドキュメント、ポリシー、さらに独立したベンチマークがある場合はそれも基にしたレビューで、5点満点の評価順に並べています。各情報はレビューに記載の日付に確認したものです。アフィリエイト報酬は受け取っていません。

1. 1
   

   ComfyUI

   新しいオープンな画像・動画モデルは、まずここで使えるようになります。ノードグラフと認証のないサーバーが、その入場料です。

   おすすめの人： ローカルでの画像・動画生成を完全に制御したいアーティストと開発者。

   料金： GPL-3.0ライセンスの無料オープンソースです。Comfy Cloudは月20ドルから（年払いなら16ドル）で、Partner Nodesは従量課金です。

   ComfyUIのレビューを読む
   4.7/5
2. 2
   

   Hugging Face Diffusers

   Diffusers は、オープンな画像や動画のモデルをコードから動かすための標準的な手段です。ただし、大きなものを動かす前にメモリのガイドを読むことが前提になっています。

   おすすめの人： 拡散モデルを使って開発する Python の開発者と研究者。

   料金： Apache 2.0 ライセンスの無料オープンソースです。

   Hugging Face Diffusersのレビューを読む
   4.4/5
3. 3
   

   HyperFrames

   HyperFramesは動画をコーディングエージェントが作成できるものにし、そのApacheライセンスはRemotionに伴う請求を取り除きます。

   おすすめの人： コードから短尺の製品動画、データ動画、ドキュメント動画を制作する開発者およびエージェントパイプライン。

   料金： Apache 2.0の下で無料であり、レンダリングごとの料金や商用利用の制限はありません。HeyGenのクラウプレンダリングおよびHeyGenメディア（アバター、生成クリップ）はHeyGenクレジットによる有料となります。4Kクラウプレンダリングの費用は1.5倍です。

   HyperFramesのレビューを読む
   4.4/5
4. 4
   

   AI Toolkit

   新しいオープンな画像や動画のモデルへの対応がたいてい最初に入るのが AI Toolkit です。GPU と忍耐は自分で用意する前提です。

   おすすめの人： オープンな画像や動画のモデル向けに LoRA を学習させるクリエイター。

   料金： MIT の無料オープンソースです。Ostris Cloud は設定済みの GPU を秒単位で貸し出しており、$0.71/時（A40 48 GB）から $2.99/時（RTX PRO 6000 96 GB）です。

   AI Toolkitのレビューを読む
   4.2/5
5. 5
   

   InvokeAI

   運営会社がなくなった後も生き残った、アーティストに使いやすいローカルの画像アプリです。現在はリスクのある v7 の書き直しの途中にあります。

   おすすめの人： 自分のマシンでキャンバス形式の画像生成と編集を行いたいアーティスト。

   料金： Apache 2.0 ライセンスの無料のオープンソースです。2025年10月にホスト型サービスが終了して以来、有料プランはありません。

   InvokeAIのレビューを読む
   3.9/5
6. 6
   

   Concat

   Concat はすでに、人々が CapCut を使う目的の大半をアカウントもアップロードもなしにこなしますが、主な開発者が1人の生後2か月のベータ版で、クラッシュの報告もそれ相応にあります。

   おすすめの人： マシンの外に何も出さずに、CapCut 風の編集とエージェントによる自動化を行いたいショート動画の制作者と開発者に向いています。

   料金： 無料のオープンソース（AGPL-3.0）です。有料の階層、アカウント、透かしはなく、プロジェクトは Patreon での寄付を募っています。

   Concatのレビューを読む
   3.8/5
7. 7
   

   Freefield

   Freefieldは、Higgsfieldのカタログをオープンウェイトで丁寧に写し取った、まれに見るほど文書の整ったComfyUIプロジェクトです。ただし大きなGPUかModalのアカウントと、モデルのライセンスに付き合う根気が要ります。

   おすすめの人： クレジットなしでHiggsfield風のエフェクトを使いたく、24 GBのGPUかModalのアカウントを持つComfyUIユーザーや小規模スタジオ。

   料金： MITで無料。費用はGPU時間です。Modalでは、人物画像1枚にラボでL40Sの時間を13.0秒使い、Modalの基本料金1時間$1.95で約$0.007でした。ローカルなら自分のハードウェアだけです。

   Freefieldのレビューを読む
   3.8/5
8. 8
   

   Upscayl

   Upscaylは、画像をアップロードせずに拡大するための最も簡便な無料の手段であり続けていますが、現在ダウンロードできるアプリは2024年のクリスマスのバージョンです。

   おすすめの人： 鮮明であるものの解像度が小さい画像を、無料かつ非公開で4倍に拡大したいと考えている、専用GPUまたは比較的新しい内蔵GPUを所有する写真家、デザイナー、アーキビストに適しています。

   料金： GitHubおよびウェブサイトからは無料でオープンソース（AGPL-3.0）として入手可能です。Mac App Storeでは$12.99です。Upscayl Cloudには10クレジットの無料試用版があり、Proプランは月額$24.99で月300クレジットが提供されます。

   Upscaylのレビューを読む
   3.8/5
9. 9
   

   VoiceStudio

   VoiceStudioはElevenLabsの本格的なローカル代替手段ですが、デフォルトの音声モデルは非商用利用に限定されたライセンスとなっており、インストーラーの実行には相応の信頼が求められます。

   おすすめの人： 自身のハードウェア上で音声クローニング、吹き替え、文字起こしを実行したいと考え、商用利用の前に各モデルのライセンスを確認できる個人や小規模チームに適しています。

   料金： オープンソースアプリはAGPL-3.0のもとで無料です。Proは1ユーザーあたり年額99ドル、またはLifetimeが1回払いで299ドルで、いずれも1ユーザーあたり最大3台のデバイスで使用でき、商用ライセンスとバッチ機能が含まれます。Enterpriseは個別見積もりです。モデルの重みファイルにはそれぞれ独自のライセンスが適用されます。

   VoiceStudioのレビューを読む
   3.8/5
10. 10
    

    ArtCraft

    ArtCraft は AI のショットを制御するための本当に役立つステージングツールですが、有料のクレジットサービス向けのオープンなクライアントであって、モデルを自分で動かす手段ではありません。

    おすすめの人： ホスト型の画像・動画モデルで構図を制御したいストーリーボードアーティスト、プリビズのチーム、小規模なスタジオ。

    料金： アプリは無料のオープンソース（MIT または Apache-2.0）です。ホスト型の生成にはクレジットを使います。Basic は月 $10（1,000 クレジット）、Pro は月 $35（3,750）、Max は月 $60（6,600）で、20% 割引の期間中は年払いでそれぞれ $8、$28、$48 と表示されています。Enterprise は個別見積もりです。接続した Grok、Midjourney、Sora、World Labs のアカウントは別途請求されます。

    ArtCraftのレビューを読む
    3.7/5
11. 11
    

    OpenMontage

    OpenMontageは、コーディングエージェントを制作クルーのように動作させる試みとして、これまでで最も完成度が高いものです。ただし、保守者が1名である点、リリース版がない点、そしてホスト型での利用を制限するAGPLライセンスに依存している点には留意が必要です。

    おすすめの人： すでにコーディングエージェントに料金を支払っており、コストの推移を可視化しながら再現性のあるショート動画を作成したい個人クリエイターや小規模なマーケティングチームに適しています。

    料金： 無料かつオープンソース（AGPL-3.0）です。APIキーを使用しない構成は無料です。有料の生成機能はユーザー自身のプロバイダーキーで実行され、READMEの例では完成したショート動画1本あたり1.33ドルから約5ドルとなっています。デフォルトの予算上限は10ドルです。

    OpenMontageのレビューを読む
    3.7/5
12. 12
    

    editonny

    話し中心の動画のための丁寧なローカル編集ワークフローですが、公開から 12 日で、テストは Mac 上だけ、Windows ではすでにつまずいています。

    おすすめの人： すでに Claude Code か Codex を使っている Mac のクリエイターや小規模チームで、映像をアップロードせずに話し中心のクリップをカットし字幕を付けたい人。

    料金： 無料のオープンソース（MIT）です。Claude Code や Codex の契約は別で、オプションの外部生成サービスは直接請求されます。

    editonnyのレビューを読む
    3.4/5
13. 13
    

    SketchVLM

    SketchVLMは、視覚モデルに画像上で考えの筋道を見せさせる巧妙で安上がりな方法で、読んでアイデアを借りる価値はあります。ただしライセンスのない論文用コードで、改善幅は概要が示すより狭いものです。

    おすすめの人： 視覚モデルが画像上で推論を見せる方法を探っていて、出発点として検証済みのプロンプトとグリッドの手順がほしい研究者や製品チーム。

    料金： コードはGitHubで公開されていますがライセンスファイルがなく、再利用の権利ははっきりしません。実行にはGPT-5、Gemini、Claude、OpenRouterのモデルのAPI料金がかかります。

    SketchVLMのレビューを読む
    3.3/5
14. 14
    

    VideoAgent

    VideoAgentは印象的な論文デモである一方、実行には手間がかかり、4つのAPIキーと2つの非商用モデルライセンスによって維持されています。

    おすすめの人： 信頼性の高い編集ツールを必要とするチームよりも、マルチエージェントによる動画パイプラインの計画手法を研究する研究者やエンジニアに適しています。

    料金： MITライセンスのもとで無料です。実行にはClaudeの有料APIキーに加え、機能ごとにDeepSeek、OpenAI、Geminiのキーが必要です。同梱されている一部のモデルは非商用利用に限定されています。

    VideoAgentのレビューを読む
    3.2/5