FastVideo-FastH3-Trim-8-Step をクラウド GPU で動かす
FastVideo-FastH3-Trim-8-Step は FastVideo によるAI 動画生成モデルです。必要な GPU メモリ、今日動かせる GPU、自分で動かした場合の費用（秒単位課金）を確認できます。
CMP 170HX をレンタル $0.70/時間から
パラメータ数
19B
必要な GPU メモリ
≈ 46 GB
ライセンス
—
ダウンロード数
565
更新日 2026/10/05
今日動かせる GPU
BF16 の重みで推論する場合、作業用メモリを含めて約 46 GB と見積もっています。実際の使用量は解像度、バッチサイズ、コンテキスト長によって変わります。
| GPU | メモリ | 1 時間あたり | 10 時間 | |
|---|---|---|---|---|
| CMP 170HX | 64 GB | $0.70 | $7.00 | レンタル |
| A100 SXM4 | 80 GB | $0.81 | $8.10 | レンタル |
| RTX A6000 | 48 GB | $0.81 | $8.10 | レンタル |
| RTX 5880Ada | 48 GB | $1.04 | $10.40 | レンタル |
| L40S | 48 GB | $1.14 | $11.40 | レンタル |
カタログのリアルタイム開始価格です。マシンが動いている間だけ秒単位で支払います。
FastVideo-FastH3-Trim-8-Step の動かし方
- 01
GPU をレンタル
上の GPU から 1 つ選びます。課金は秒単位で、マシンを停止すれば課金も止まります。
- 02
ターミナルか Jupyter を開く
SSH で接続するか、ブラウザで Jupyter を開きます。PyTorch と CUDA は準備済みです。
- 03
モデルをダウンロードして実行
下のコマンドを実行します。重みは Hugging Face からマシンへ直接ダウンロードされます。
pip install -U diffusers transformers accelerate
huggingface-cli download FastVideo/FastVideo-FastH3-Trim-8-Step --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"なぜ自分で動かすのか
ホスト型の動画ツールはクリップごとや月額で課金され、順番待ちもあります。自分の GPU なら動かした時間だけの支払いで好きなだけクリップを作れ、プロンプトもファイルも自分のマシンに残ります。
よくある質問
- FastVideo-FastH3-Trim-8-Step にはどれくらいの GPU メモリが必要ですか？
- 推定では推論に約 46 GB（19B パラメータ）です。高解像度、長いコンテキスト、大きなバッチではさらに必要です。
- FastVideo-FastH3-Trim-8-Step を動かす費用は？
- CMP 170HX で 1 時間 $0.70 から、秒単位の課金です。10 時間で約 $7.00 です。
- サブスクリプションは必要ですか？
- いいえ。マシンが動いた時間分だけを USD 残高から支払います。終わったら停止してください。
自分の GPU で数分で試せます
GPU を選び、Jupyter か SSH を開いて、好きなオープンモデルを動かしましょう。秒単位の支払いで、いつでも停止できます。サブスクリプションも初期費用もありません。
- USD で秒単位の課金
- PyTorch と CUDA が数分で準備完了
- ChatGPT や Claude からもレンタル可能