画像生成AI・動画生成AIのオープンスタンダード「ComfyUI」が使える環境を さくらインターネットのサーバーで構築してみよう

さくらインターネットの H100のおかげで
めちゃ速い ComfyUIができたよ〜#さくらインターネット #高火力VRT #H100 pic.twitter.com/1LZ3hg28TJ

— AICU - つくる人をつくる (@AICUai)

Loading tweet component...

?ref_src=twsrc%5Etfw">September 19, 2025

さくらインターネットの高火力VRT （=GPUを使えるVM）を使って、世界の画像生成・動画生成でのオープンなスタンダードになりつつあるGUIツール「ComfyUI」で動画生成ができる環境を構築してみました。GPUはさくらの高火力VRT で利用できるV100、そしてH100。メモリ56GBそしてVRAMが32GBといったサーバー環境で、オープンなAIモデル「Wan2.2」での動画生成を中心に構築してみます。本稿ではSSH接続からドライバ、PyTorch、ComfyUIの導入までの手順をまとめます。ComfyUIのセットアップや操作についてはAICUのほか記事をご参照ください。

画像・動画生成AI ComfyUI マスターガイド (Generative AI イラストレーション) __ j.aicu.ai 3,850 円 (2025年09月18日 13:13時点 詳しくはこちら) Amazon.co.jpで購入する

検証に使用した環境

さくらの高火力VRT V100

• CPU: 4コア

• RAM: 56GB

• GPU: NVIDIA Tesla V100 (32GB)

• Disk: 250GB

• OS: Ubuntu 24.04LTS

さくらの高火力VRT H100

• CPU: 24コア

• RAM: 240 GB

• GPU: NVIDIA H100 SXM 80GB x1

• Disk: 500GB

• OS: Ubuntu 24.04LTS

GPUリソースの安定的な供給体制を確立し、VM型GPUクラウドサービス「高火力 VRT」にて、「NVIDIA H100」を正式版として提供開始 | さくらインターネット さくらインターネットは、生成AI向けクラウドサービス「高火力」のVMシリーズ「高火力 VRT（バート）」において、β版とし www.sakura.ad.jp

1. 「さくらのクラウド」ホームからの設定

IDを作成したら、プロジェクトを作成します。課金単位は「プロジェクト」ごとになり、GPUインスタンスは各プロジェクトで1件になります。

まずは「さくらのクラウド」を選びます。これは意外と忘れやすい。

ゾーンは「石狩第1」を選びます。

左側メニューはこんな感じなります。

「サーバー」の右上で「追加」

サーバープランが選べます。下の方に行くと、V100かH100のいずれかが選べます。

Ubuntu Server 24.04.2 LTSを選びます。

ディスクサイズは静止画なら200GB以上、動画生成なら500GB以上は確保したいところですが、ご予算次第です。

続いて管理ユーザーのパスワードです。パスワードはSSHでログインしつつもsudoで使用しますので、高難度にしすぎると後で大変です。ここではenpassを使って生成しました。

**Enpass: Secure Passkey & Password Manager That Keeps Your Data On Your Cloud Storage ** With Enpass, choose where your passwords and passkeys are sec www.enpass.io

公開鍵をGitHubから取得します。管理者のユーザー名を使って取得できます。

「パスワード/チャレンジレスポンスでのSSHログインを許可しない」は自信がない時はOFF、つまり「許可する」にしておいてもいいです。これを失敗すると、SSHで入れなくなると、サーバーを作り直すことになります。

usacloudについては別の機会に紹介します。
さくらインターネットをコマンドライン(CLI)で利用するツールです。
https://docs.usacloud.jp/usacloud/

サーバー名、タグについては簡単で。

キーボードはUSキーボードを使っている場合はチェックONしておきましょう。

いざここで作成！なのですが、
「GPUプランの上限を超えました」というエラーが出ることがあります。

リソース上限変更依頼が必要です。前もってメールを送りましょう。

宛先 support@sakura.ad.jp
件名 さくらのクラウド リソース上限変更依頼
本文・会員ID：
    ・会員名（法人・契約者名）：
    ・プロジェクト名： 会員IDに続いて
    ・利用ゾーン：石狩第1
    ・項目：GPU
    　※ディスク数上限の引き上げをご希望の場合は、標準プラン/SSDプラン/大容量プラン(2TB以上のディスク)
    　　それぞれのご利用見込み容量もご記入ください。
    　　例: 標準プラン 10TB, SSDプラン 5TB, 大容量プラン 0
    ・変更後の値：（100・200などご希望の上限値）
    ・利用用途：（背景/用途）
    ・消費ペース：（○ヶ月で△くらい使用する見込み）※6ヶ月以内での消費ペースをご記入ください

無事にサーバー構築が始まるとこんな感じになります。

できあがったらお手持ちのSSHからログインしてみます。

サーバーにログイン

ssh ubuntu@IPアドレスです。設定が終わっていれば、ED25519 key fingerprintが表示され、
Are you sure you wan to continue connecting (yes/no/[fingerprint])? と表示されます。

これでEnterキーを押すと「fingerprint」で入ろうとしますが、GitHubに鍵が登録されている場合、つまり鍵を作成されている人は [yes]で入ります。
公開鍵をGitHubに登録していない人は登録しましょう。
以下のコマンドを叩き公開鍵の中身を表示して全文コピーします。

cat ~/.ssh/id_rsa.pub

GitHubの「Settings > SSH and GPG keys」で追加します。
「New SSH key」と進み、先ほどコピーした公開鍵を登録します。
Titleはわかりやすい名前であればなんでも大丈夫です。

.sshディレクトリのパーミッションを変更しておきます。
chmod 700 ~/.ssh/
chmod 600 ~/.ssh/id_rsa

「入力」公開鍵を選んで、現在使っているshellの「.ssh/id_rsa.pub」の中身を貼り付けます。
詳しくはさくらインターネットの公式サポート情報をどうぞ！

SSH を利用したい | さくらのサポート情報 SSH(SecureShell)とは、物理的に遠いところから、サーバーを操るための手段のひとつです。例えば、サーバーへログ help.sakura.ad.jp

[ GitHub アカウントへの新しい SSH キーの追加 - GitHub Docs 新しい (または既存の) SSH キーを使用するように GitHub.com でアカウントを構成するには、そのキーをアカウ docs.github.com ](https://docs.github.com/ja/authentication/connecting-to-github-with- ssh/adding-a-new-ssh-key-to-your-github- account)[](https://docs.github.com/ja/authentication/connecting-to-github- with-ssh/adding-a-new-ssh-key-to-your-github-account)

[ SSH 接続をテストする - GitHub Docs SSH キーを設定し、GitHub.com のアカウントに追加すると、接続をテストできます。 docs.github.com ](https://docs.github.com/ja/authentication/connecting-to-github-with- ssh/testing-your-ssh- connection)[](https://docs.github.com/ja/authentication/connecting-to-github- with-ssh/testing-your-ssh-connection)

~/.ssh/config を作成して簡略化ログイン

SSHを使ってログインできる環境ができると、ログインも簡単になります。

~/.ssh/config というファイルにこんなふうに書いてあげてください。

Host github.com
  HostName github.com
  IdentityFile ~/.ssh/id_rsa
  User git

さらにAICU AIDX Labの場合は、2台管理しているさくらインターネットのGPUサーバーを以下のように登録していきます。

~/.ssh/config

Host v100
HostName XXX.XXX.XXX.XXX
User ubuntu
IdentifyFile ~/.ssh/id_rsa

Host h100
HostName XXX.XXX.XXX.XXX
User ubuntu
IdentifyFile ~/.ssh/id_rsa

これで ssh h100 とすればログインできるようになります。パスワードは不要です！

2. NVIDIAドライバ導入

次にGPUドライバのインストールを行っていきます。
その前に、sudoでのパスワードを打つのが大変なので、

sudo vi /etc/sudoers.d/ubuntu
に
**ubuntu ALL=NOPASSWD: ALL
** と書くと、ユーザー「ubuntu」がパスワードなしでsudoできるようになります。

まずはドライバー選択

https://developer.nvidia.com に行ってLinux, x86_64, Ubuntu, 24_04, debを選びましょう。

[ CUDA Toolkit 12.1 Downloads Get the latest feature updates to NVIDIA's proprietary comput developer.nvidia.com ](https://developer.nvidia.com/cuda- downloads?target_os=Linux&target_arch=x86_64)[](https://developer.nvidia.com/cuda- downloads?target_os=Linux&target_arch=x86_64)

下の方に「CUDA Toolkit Installer」の手順が表示されますので従っていきます。
[https://developer.nvidia.com/cuda- downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=24.04&target_type=deb_network](https://developer.nvidia.com/cuda- downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=24.04&target_type=deb_network)

[ CUDA Toolkit 12.1 Downloads Get the latest feature updates to NVIDIA's proprietary comput developer.nvidia.com ](https://developer.nvidia.com/cuda- downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=24.04&target_type=deb_network)[](https://developer.nvidia.com/cuda- downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=24.04&target_type=deb_network)

ダウンロードして、管理者権限で、キーリングをインストールして、apt-getで cuda-toolkit-13.0をインストールしています。

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-13-0

続いてドライバー本体をインストールします。
実はここに2つの選択肢があります。

sudo apt-get install -y nvidia-open
sudo apt-get install -y cuda-drivers

上がオープンソース版のドライバー、下が旧来のプロプライエタリー版、つまりNVIDIAが製品として管理してきたバージョンがあります。いろいろなトラブルも多いのですが、せっかくLinux版ですのでここはオープン版を選びます。

Ubuntu 22.04 の場合はこんな感じです。いろいろやってみたのですが、古いUbuntuにはそれなりに手間もあるので、今であればUbuntu 24.04LTSを使うでいいかなと思いました。

sudo apt update && sudo apt install -y gcc gnupg
sudo dpkg -i nvidia-driver-local-repo-ubuntu2204-515.48.07_1.0-1_amd64.deb
sudo cp /var/nvidia-driver-local-repo-*/nvidia-driver-local-*-keyring.gpg /usr/share/keyrings/
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt update
sudo apt install -y nvidia-driver-515
sudo reboot

ドライバーの確認です。

nvidia-smi

やったぜ！H100, VRAM 80GBです。HBM3とは High Bandwidth Memory 3、メモリチップを縦方向に積層する3D設計を採用した次世代メモリ規格で、特にAI、ハイパフォーマンスコンピューティング（HPC）、データセンター向けに設計されています。従来のDRAM技術と比較して帯域幅と容量が大幅に向上しており、1ピンあたりの速度、総帯域幅、消費電力効率を向上させています。

3. Python環境とPyTorch

仮想環境を作成し、PyTorchをGPU対応でインストールしていきます。

sudo apt install -y python3-venv python3-full
python3 -m venv ~/venv-comfyui
source ~/venv-comfyui/bin/activate

pip install --upgrade pip
pip install "numpy<2.0.0"
pip install torch==2.2.2+cu118 torchvision==0.17.2+cu118 torchaudio==2.2.2 \
  --extra-index-url https://download.pytorch.org/whl/cu118

動作確認として、torchのコードで確認です。torch_test.py を作ってみます。

import torch
print(torch.__version__, torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

python3で NVIDIA H100 80GB HBM3が使えることが確認できました！

---

4. ComfyUI導入

さていよいよComfyUIを導入していきます。ComfyUIのインストールはソースから入れます。

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

モデルは動作確認なので SD1.5とVAEのみインストールします。

mkdir -p models/checkpoints models/vae
wget -c https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt -P ./models/checkpoints/
wget -c https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors -P ./models/vae/

---

5. 動作確認

ここから先は、インターネットへの公開になります。非常に注意が必要なので知識や責任、予算がない方が迂闊に公開することは後悔することになるのでお勧め致しません。本来は認証、ファイヤーウォールの設定などを行うべきですが、ここは動作試験のみを行います。もし設定を間違えた場合の費用規模感としてはこんな感じでかかりますので覚悟しましょう。

ネットワークの設定は不安…ちょっと遊んでみたいな、という人はぜひ、AICUのサービス「AICU Lab+」でお試しください(宣伝)。

業務的なサーバー構築の案件も歓迎です。

UFW（Uncomplicated Firewall）の設定

ufwはUbuntu標準の簡易ファイアウォールです。内部ではiptables/nftablesを使いますが、コマンドがシンプルなので動作確認に向いています。

sudo ufw allow 22/tcp
sudo ufw allow 8188/tcp
sudo ufw enable

既存プロセス停止
pkill -f "python3 main.py" || true
0.0.0.0 で起動（外部から受ける）

source ~/venv-comfyui/bin/activate
cd ~/ComfyUI
nohup python3 main.py --listen 0.0.0.0 --port 8188 --multi-user --dont-print-server \
  > ~/comfyui.log 2>&1 &

サーバ内から疎通確認
curl -sI http://127.0.0.1:8188 | head -n1 # 200 OK想定
curl -sI http://133.242.17.83:8188 | head -n1 # これも 200 OK なら外部公開OK
sudo ufw status verbose
これで http://(IP address):8188 に入れるはずです。

秒速 37イテレーション、プロンプトあたりの実行速度が 0.63秒という速度です。これは速い！！

TryCloudflareでの実験

次にGoogle Colabと同様にCloudFlareのVPNを使って動作測定をしてみました。

1) ComfyUI をローカル束縛で起動（マルチユーザーONの例）

source ~/venv-comfyui/bin/activate
cd ~/ComfyUI
nohup python3 main.py --listen 127.0.0.1 --port 8188 --multi-user --dont- print-server \

~/comfyui.log 2>&1 &

2) ローカルで本当に立ってるか確認（ここがOKならトンネルに乗る）

until nc -z 127.0.0.1 8188; do sleep 0.5; done
curl -sI http://127.0.0.1:8188 | head -n1 # HTTP/1.1 200 OK 等が返る想定

3) 一時URLで外部公開（trycloudflare）

cloudflared tunnel --url http://127.0.0.1:8188

→ 出力に *.trycloudflare.com のURLが出る

こちらも秒速 37イテレーション、プロンプトあたりの実行速度が 0.63秒！