SwarmUIとは｜Stable Diffusion・ComfyUIを統合するWebUIの使い方とプロンプト構文

この記事ではUIデザインに特化して解説します。デザインシステム・UI生成全般は デザインシステムとは？仕組み・構成要素・有名事例をエンジニア向けに整理する【2026年版】 をご覧ください。

SwarmUI概要：AI画像生成の「統合プラットフォーム」が誕生した背景

SwarmUI（GitHub Stars: 4,391／2026年7月30日時点、旧称StableSwarmUI）は、Stable Diffusion・Flux・ComfyUI・Qwen Imageなど複数のAI画像生成モデルを一つのWebインターフェースから統合管理・操作できるオープンソースプラットフォームです。「A Modular AI Image Generation Web-User-Interface, with an emphasis on making powertools easily accessible, high performance, and extensibility」という公式説明のとおり、パワーユーザー向けの高度な機能を初心者にも使えるUIで提供することを目指しています。

AI画像生成ツールの普及とともに、ユーザーは複数の問題に直面してきました。「Stable Diffusionを動かすにはコマンドラインが必要」「ComfyUIのノードグラフが複雑すぎる」「モデルを切り替えるたびに別のツールを開く」という痛点です。SwarmUIはこれを解決するために、Generateタブ（初心者向けシンプルUI）とComfyUIタブ（上級者向けノードグラフ）を同一アプリ内に共存させるという設計を採用しました。

開発はC#（.NET 8）とJavaScript/Pythonのハイブリッドスタックで行われており、複数GPUを使った並列生成（Grid Generator）や動画生成モデル（Wan Video、Hunyuan Video）への対応も進んでいます。MITライセンスで公開されており、商用利用も可能です。

技術アーキテクチャ：モジュラー設計で拡張性を最大化

SwarmUIのアーキテクチャは「バックエンド（.NET）」「フロントエンド（JavaScript）」「生成バックエンド（Python/ComfyUI）」の3層で構成されています。

主要技術スタック

SwarmUIは単一プロセスで完結せず、ComfyUIをサブプロセスとして起動する設計のため、ComfyUIのカスタムノードやコミュニティプラグインも内部的に活用できます。Generateタブで生成したワークフローを「ComfyUIタブで開く」機能があり、シンプルUIから高度なカスタマイズへのシームレスな移行が可能です。

インストール・セットアップ：OSごとの導入手順

Windowsへのインストール

Windows向けの最も簡単な方法はバッチファイルによる自動インストールです。

# 1. GitHubリリースページから Install-Windows.bat をダウンロード
# 2. インストールしたいフォルダ（Program Files以外）に配置
# 3. ダブルクリックして実行

# Windows 10の場合、事前に以下が必要:
# - Git for Windows
# - .NET 8 SDK (https://dotnet.microsoft.com/download)

Linuxへのインストール

# 必要パッケージをインストール（Ubuntu/Debian系）
sudo apt-get install -y dotnet-sdk-8.0 python3 python3-pip git

# リポジトリをクローン
git clone https://github.com/mcmonkeyprojects/SwarmUI.git
cd SwarmUI

# 起動スクリプトを実行（初回起動時にモデル設定UIが表示される）
bash launch-linux.sh

macOSへのインストール（Apple Silicon）

# Homebrewで.NETとPythonをインストール
brew install dotnet [email protected]

# リポジトリをクローン
git clone https://github.com/mcmonkeyprojects/SwarmUI.git
cd SwarmUI

# 起動
bash launch-macos.sh

Dockerによるデプロイ（GPU対応）

# docker-compose.yml例（NVIDIA GPU使用）
version: '3.8'
services:
  swarmui:
    image: ghcr.io/mcmonkeyprojects/swarmui:latest
    ports:
      - "7801:7801"
    volumes:
      - ./models:/SwarmUI/Models
      - ./output:/SwarmUI/Output
      - ./data:/SwarmUI/Data
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    environment:
      - SWARM_NO_LAUNCH=true

起動後の初期設定フロー

初回起動時にブラウザで http://localhost:7801 にアクセスすると、セットアップウィザードが表示されます。

1. バックエンド選択：ComfyUI（推奨）またはAuto1111を選択
2. モデルフォルダ設定：既存のモデルデータが入ったフォルダを指定
3. 初期モデルダウンロード：Stable Diffusion XLなどの推奨モデルを自動取得（オプション）
4. GPU設定：使用するGPUを選択（複数GPU環境では並列設定も可能）

プロンプト構文：SwarmUI独自の記法で生成をコントロールする

SwarmUIが「パワーツールを使いやすく」を掲げる理由が最もはっきり出るのが、プロンプト構文です。公式ドキュメント（docs/Features/Prompt Syntax.md）には20種類以上の記法が定義されており、ノードグラフを組まずにテキストだけで細かい制御ができます。

このほか、変数（Variables）・マクロ（Macros）・トリガーフレーズ・繰り返し（Repeat）・Textual Inversion埋め込み・プリセット・自動セグメンテーションとリファイン・透過（Clear）・リージョン単位のオブジェクト指定・Base/Refinerの切り替え・動画用の記法・コメントまでが同じ構文体系に載っています。

ComfyUIのノードグラフでも同じことは実現できますが、都度グラフを組み直す必要があります。SwarmUIの強みは、この制御をテキストの1行として書き、そのまま履歴に残せる点にあります。

動画生成：対応している動画モデルと、text2video / image2video の違い

SwarmUIは画像だけでなく動画生成モデルにも対応しており、公式ドキュメントには専用の docs/Video Model Support.md が置かれています。対応系統は大きく次の通りです。

・Wan 2.1 / 2.2 — 公式ドキュメントの「Current Recommendations」では、14B版のWan 2.2または2.1がローカルで使える中では最良と明記されています。高速化版のCausVidや、静止画生成にWanを使う構成にも触れられています
・Hunyuan Video / Hunyuan Video 1.5 — 基本のインストール、パラメータ、性能最適化、FastVideo、Image2Video、SkyReelsのtext2video/image2videoまで章立てされています。1.5には超解像モデルの項目もあります
・Lightricks LTX Video / LTX Video 2（LTX-2.3） — インストール、パラメータ、Image To Video、性能の各項目が用意されています
・Kandinsky 19B — ドキュメントは「興味深いが新しく、まだポテンシャルを出し切れていない。試す価値はある」という評価にとどめています

使い方の分かれ目は text-to-video（テキストだけから動画を作る） と image-to-video（静止画を起点に動かす） の2系統で、公式ドキュメントも「Basic Usage」をこの2つに分けて説明しています。狙った構図を先に画像生成で作り込み、それをimage-to-videoに渡す流れは、SwarmUIのように画像生成と動画生成が同じUIに同居している環境ならではの回し方です。

リポジトリの基本情報とGitからの導入

「swarmui github」「swarmui git」で探している方向けに、リポジトリ側の実測値をまとめておきます（2026年7月30日時点）。

リリースタグは0.9.8-Betaのままですが、リポジトリ自体は活発に更新されています。 タグの日付だけを見て「開発が止まっている」と判断すると誤ります。導入スクリプトは基本的にGitからクローンして実行する形なので、実質的には常に最新のmainに追随する運用になります。

実践的ユースケース：どんな制作現場で使われるか

ユースケース1：キャラクターイラストの量産ワークフロー

Generateタブでベースとなるキャラクタープロンプトを設定し、Grid Generatorでシード値・スタイル・ライティングの組み合わせを一括生成できます。64パターンの画像を一度に生成し、最良のものを選ぶという「大量生成→選別」ワークフローが数クリックで実現します。個別にプロンプトを変えて何度も実行する手作業に比べて大幅に効率が上がります。

ユースケース2：動画コンテンツ向けのビジュアル素材制作

Wan VideoやHunyuan Videoに対応したSwarmUIを使えば、静止画の生成から短尺動画の生成まで同じUIから操作できます。SNS向けのモーションビジュアルやプレゼンテーション用のアニメーション素材を、動画編集ソフトを別途開かずに作成できます。

ユースケース3：モデル比較テスト

新しいモデルがリリースされた際、同じプロンプトを複数のモデルで実行して品質を比較する作業があります。SwarmUIのマルチバックエンド対応を使えば、モデルAとモデルBを画面上で切り替えながら同一条件で比較生成できます。LoRAの効果検証にも同様のアプローチが使えます。

ユースケース4：APIによるワークフロー自動化

SwarmUIが提供するREST APIを使えば、Pythonスクリプトから画像生成を自動化できます。

import requests
import json

# SwarmUI APIで画像生成
SWARM_URL = "http://localhost:7801"

def generate_image(prompt, model="OfficialStableDiffusion/sd_xl_base_1.0"):
    payload = {
        "session_id": "my-session",
        "images": 1,
        "prompt": prompt,
        "model": model,
        "width": 1024,
        "height": 1024,
        "steps": 30,
        "cfgscale": 7.0,
        "seed": -1
    }
    response = requests.post(
        f"{SWARM_URL}/API/GenerateText2Image",
        json=payload
    )
    result = response.json()
    return result.get("images", [])

# バッチ生成例
prompts = [
    "a futuristic city at sunset, photorealistic",
    "a serene forest lake in morning mist",
    "abstract geometric patterns in vibrant colors"
]

for p in prompts:
    images = generate_image(p)
    print(f"Generated: {images}")

ユースケース5：クラウドGPUへのデプロイ

RunpodやVast.aiなどのクラウドGPUプラットフォームには、コミュニティが提供するSwarmUIのテンプレートが存在します。ローカルGPUなしでも高品質な画像生成環境を即座に立ち上げることができ、一時的な大量生成タスクに活用できます。

複数GPUとグリッド生成：SwarmUIが「Swarm」を名乗る理由

名前の「Swarm（群れ）」が示すとおり、SwarmUIは複数のバックエンドを束ねて並列に走らせることを最初から前提に作られています。公式ドキュメントにも Using More GPUs.md、AutoScalingBackend.md、Sharing Your Swarm.md といった専用ページが用意されています。

・複数GPUの並列利用 — 1台に複数枚挿している場合も、LAN内の別マシンをバックエンドとして登録する場合も、同じ「バックエンド」という抽象で束ねられます
・オートスケーリングバックエンド — 負荷に応じてバックエンドを増減させる仕組み。常時起動しておく必要がない構成に向きます
・Swarmの共有 — 自分のSwarmをLAN内の他メンバーへ公開する手順が独立したドキュメントになっています。チームで1台の生成マシンを共有する使い方が想定されています

Grid Generator は、パラメータの組み合わせを総当たりで生成し、格子状に並べて比較する機能です。「CFGはいくつが良いか」「サンプラーで何が変わるか」を感覚ではなく並べて判断できるため、モデルを新しく導入したときの当たりを付ける作業が一気に短くなります。並列バックエンドと組み合わせると、この総当たりが実用的な時間で終わります。

どんな人に向くか・向かないか

導入判断の材料として、公式ドキュメントの Why Use Swarm.md / Motivations.md の位置づけを踏まえつつ整理します。

競合ツールとの詳細比較

SwarmUIの最大の差別化ポイントは「初心者向けシンプルUIと上級者向け高度機能の両立」です。