
G4 GPUでMYCOE学習してみた結果【Google Colab】
こんがも~、しゅがもあです。
Google Colabに毎月課金している人間です。
先日、MYCOEIROINKの音源学習をしようとした時、ランタイムのGPU一覧に新しい「G4 GPU」が追加されていました。
せっかくなので、MYCOEIROINKの学習でどの程度の速度と効率になるのか試してきました。
※この記事は、Google Colabに課金しており、MYCOEIROINK学習の基本的な流れを理解している方向けです。
また知らない間にGoogle Colabに「G4 GPU」という新しいGPUが増えている・・・。前回見たのが12月なのでそれ以降か。
— しゅがもあ@最愛をすこれ! (@SUGAmoremusic) May 20, 2026
また検証が必要がんも・・・?
ノイズ除去が全然進んでない。いやコンピューティングユニットだだ余りなんで、いっそテストしまくるのもありがんもね。 pic.twitter.com/4H8nrW7HQZ
G4 GPUの追加

GPU一覧の並び順を見ると、
H100 GPU > G4 GPU > A100 GPU > L4 GPU >T4 GPU
という配置になっているので、少なくとも「A100より上位寄りの扱い」をされている可能性はありそうです。
Google Colabのヘルプ > リリースノートを確認したところ、G4 GPUは2026年3月25日に追加されたようですね。
前回私が学習したのが25年12月でした。
今夜でまたCPU追加されるので、急いでノイズ除去して学習始めようと思ったら、新しいランタイムが増えている。
— しゅがもあ@最愛をすこれ! (@SUGAmoremusic) December 21, 2025
「H100 GPU」見るからに強そう感。
割り当て出来るか挑戦して、CPU消費量や学習時間を調査してみたいがんもね。 pic.twitter.com/NmmPz4dgQM
実際にG4 GPUを割り当てて学習してみた
今回の割り当て結果はこんな感じでした。
1回目:0時台にG4 GPUを選択
→ G4が割り当てられずA100に2回目:23時台にH100を選択
→ H100が割り当てられずG4に
割り当ては・・・まぁ運次第でしょうね。
コンピューティングユニット消費量
G4 GPUの消費コンピューティングユニットは、1時間あたり約8.9。
A100 GPUと比較すると、


G4 GPU:約8.9 / h
A100 GPU:約7.52 / h
なので、A100より若干多い程度。あまり差がないですね。
実際の学習速度は?
学習前の準備段階で凄さを実感。
A100やL4では「モデル作成のための環境構築1」が毎回10分前後かかっていたのですが、G4 GPUでは約3分で終了。
早いな・・・。

注意点:CUDA設定の変更が必要
ここはかなり重要。
環境構築が終わって学習開始ボタンを押したところ、学習が即終了。
エラーコードをGeminiに読ませたところ、
「CUDAのバージョンが合ってない」とのことでした。
MYCOEIROINK作成コード_ベータ版のv.0.5.0から追加された「cudaのバージョン指定」という項目があり、説明文では「基本的には11.3を選べば問題ありません。ローカルPCで学習する際に関係してきます。」とあります。
Google Colabであっても、G4 GPU選択時では変更が必要なようです。
G4 GPUとCUDAのバージョン指定
バージョンを試したところ、
11.3 → 学習開始時に即終了
11.8 → これも即終了
12.8 → 正常動作
G4 GPUを選んだ時はCUDA 12.8への変更が必須。
(A100で実行した際は変更不要でした。H100、L4、T4は未確認です。)

G4 GPUの学習速度
環境構築1の時点で驚いていたが、1epochあたりの生成時間が凄まじかったです。
G4 GPU:約3分30秒
A100:約9分
L4:約14分
今回の学習データは、ITA74文+MANA52文=126文で、これまでの普段の学習とそんなに変わらないコーパス数です。
圧倒的に早い。1時間で18epoch生成されました。
これまではA100でも1時間に6epochだったのに驚き。
100epoch完了時の結果
最終的な学習結果です。
学習時間
学習開始時 0epoch:2026/5/22 0:04
学習完了時 100epoch:2026/5/22 5:35
学習時間:約5時間30分
消費コンピューティングユニット
約53コンピューティングユニット
(ランタイム接続開始含めた推測。今回は月毎のチャージを挟んだため正確な数値不明)
結論:割り当て運次第だが、とても早い
現状の印象としては、
環境構築、学習速度はかなり高速で完了
コンピューティングユニットの消費はA100とそこまで差がない
ランタイムの割り当てが通れば、かなりコスパが良いGPUだと思いました。
今まではA100でも100epochの完成まで最低15時間の学習が必要だったので、これならColab Proに課金する意味もあると思えますねぇ。
CUDAのバージョン設定の他、あと気を付けるとすれば、Google Driveの残り容量ですね。1時間で6GB埋まります。
一気に学習する際、Driveは余裕持って40GBほど空けるのを忘れないようにしましょう。容量が足りないとepochが生成されなくなります。
宣伝① 効率的なMYCOE課金学習の記事を公開中
Google Colabに課金して効率的なMYCOEIROINK学習をする記事を書いています。
(いずれG4 GPUについて更新する予定です)
宣伝② 合成音声キャラクター「祝賀最愛」配布中
UTAU、MYCOEIROINKで使用可能な合成音声キャラクター「祝賀最愛」を配布しています。
穏やか/セクシーお姉さん、キュートな少女声、生意気なショタ声・・・など、かなり幅広い声色を収録しています。
また、MYCOEIROINKでは30スタイル以上の感情表現付き関西弁の女性声も配布しています。
歌唱・動画制作・TRPG・配信など、色々遊べる音源になっているので、興味があればぜひ触ってみてください。