【i2vで”静止画キャラから動画生成”】【t2vで”テキストから動画生成”】

現在、動画生成AIの領域で「実写・アニメ問わず、キャラクターの再現性がズバ抜けて高い」と猛烈に注目を集めているのが、Alibaba（阿里巴巴集団）のAI研究部門「DAMO Academy（達摩院）」が開発したオープンウェイトモデル「Wan（ワン）」シリーズです。

従来の動画AI（KlingやLeonardo AIなど）で頻発していた「動かすとキャラの顔や服が別人になってしまう」という問題をクリアし、自作イラストを思い通りに動かせる時代が到来しました。

この記事では、最新のWan2.2を中心に、その圧倒的な機能と、クラウドGPUのRunpodで「ComfyUI」を使って最高環境で動画を生成する方法を徹底解説します！

WAN（VACE）とは？

Wanは、Alibabaが提唱する次世代の動画・音声統合フレームワーク「VACE（Video-Audio-Content Engine）」の核となる動画生成モデルシリーズです。

商用利用可能な Apache 2.0 ライセンスで公開されており、1080pから4Kクオリティの出力、そして極めて自然な物理挙動と質感を表現できることから「映画級のオープンソース動画AI」と評されています。

関連用語の整理

• VACE (Video-Audio-Content Engine): 動画・音声・編集を1つのアーキテクチャで統合するAlibabaの全体フレームワーク。
• Wan2.1 / Wan2.2: VACEに対応した具体的な動画生成モデルのバージョン。最新のWan2.2では、さらに高精細かつ意図通りの制御が可能になりました。

ComfyUIなどの環境では、以下の多彩なワークフロー（テンプレート）を選択して動画を生成・編集できます。

1. I2V（Image-to-Video / 画像 → 動画）

一枚の静止画（イラストや写真）を原画として、プロンプトで指示した動きを与えます。

2. MV2V（マスク付き動画編集）

動画の特定部分（例：人物だけ）をマスクで指定し、衣装の入れ替え、カラー変更、モーションの追加などを部分修正します。

3. V2V（Video-to-Video / 動画 → 動画変換）

既存の動画の構図や動きを維持したまま、実写をアニメ風に、あるいはサイバーパンク風にスタイル変換します。

4. T2V（Text-to-Video / テキスト → 動画）

「ジャンプする猫」など、テキストプロンプトのみからゼロベースで動画を生み出します。

5. F2V（First-and-Last-to-Video / 前後画像補間）

「開始画像」と「終了画像」の2枚を入力し、AIがその間の「中割りの動き」を自然に補間生成します。

WANの機能

 右は、Runpodの
Public Endpoints内の
Wan 2.2 I2V 720pで
左の画像から、ワンクリック生成した8秒動画。
この、画像からの動画生成では、プロンプトのみを指定した。
生成時間は4分20秒

• 自作イラストを読み込んで、動きやアニメーションを付けられます。

RunpodのPublic Endpointsに関しては後ほど、Runpodでの使用方法の欄にて解説しています。

Wan2.2 + i2v + high noise

特定のキャラクターを固定して動画を作りたいクリエイターにとって、現状「Wan2.2 14B (I2V) + High Noise設定」以上の選択肢はありません。

他の商用動画AIでは、1フレームごとに顔の造形が微妙に変化して（モーフィング現象）美化されたり崩れたりしがちですが、Wanは「1枚目のキャラクターの顔、服装、特徴を頑なにキープ」して動かしてくれます。

最新の検証トレンド ComfyUI上では、GGUF形式（Q8_0など）に軽量化された14Bモデルを用い、Wan専用に開発されたLoRA（例: LightX2Vなど）を組み合わせることで、わずか数ステップの高速生成でも、驚異的なキャラクター再現性を維持した動画制作が可能になっています。

キャラクターの再現性

下の動画では、Wanのキャラクター再現性の高さが分かりやすいとおもいます。
他ツールで良く起こる、”キャラクターが変わってしまう”という問題が起こりにくいというのが特徴です。

必要なVRAM目安と目的別おすすめGPU

主力である最高画質の「14B（140億パラメータ）」モデルは非常に巨大で、ローカルのRTX 4090（24GB）でもVRAMの限界に達します。そのため、多くのクリエイターがクラウドGPUサービス「RunPod」（※後ほど解説）などで大容量VRAMをレンタルして運用しています。

SAKASA

SAKASAはクラウドGPUのRunpodで30GB以上のGPUを使用しています。

 GPU 選択の際の目安

動画生成の時間感覚

長尺 → 15秒以上（高VRAM GPU必須、生成時間が現実的でなくなる場合も）
中尺 → 8〜12秒（挑戦レベル、設定調整や工夫が必要）
短尺 → 3〜5秒（試し撮りサイズ、安定して動作）

コスパで中尺を狙う → RTX 4090
安定性と余裕で中尺をやる → L40S (48GB)
本格的に長尺・高解像度も → A100 / H100 (40GB以上)

Runpodの使用方法

Runpodでの使用方法は、大きく三通りあります。

アカウントの作成などについてはこちらの記事で書いています 【Runpodの使い方と料金】Stable Diffusionを使用して画像生成とLoRA学習をする方法【②実践編】

①RunpodのPublic Endpointsで使用する方法

 Runpod公式ホームページのPublic EndpointsからWan 2.2 I2V 720p

未来

RunpodのPublic Endpointsは、好きなツールを選択するだけで、すぐに生成できる手軽さがおすすめポイントです。

②Runpodのテンプレート（ComfyUI + Wan）を使用する方法

WanはRunpod内のComfyUIテンプレートを用いて使用できます。

時間をかけずに確実に動かしたい方へ

RunPodの最適なリージョン選びや、Templateの選び方・おすすめテンプレート
無駄な課金を防ぐ「コスト節約チェックリスト」、すぐに動くComfyUIの特製テンプレート設定は、SAKASAのnote記事【2026年最新版 Runpod使い方とコスト節約のコツ】にて限定公開中です。

試行錯誤の時間をショートカットしたい方はぜひチェックしてみてください！

note（ノート）

2026年最新【Runpod】使い方とコスト節約のコツと注意点|ComfyUIがすぐ使える版｜SAKASA この記事では、完全初心者の方でも迷わずRunpodでComfyUIをセットアップできるよう、普段RunPodを使い倒している筆者が、スクリーンショットと解説動画とを組みあわせ、 Ru…

アカウントの作成などについてはこちらの記事をご覧ください 【RunPodの使い方と料金】Stable Diffusionを使用して画像生成とLoRA学習をする方法【②実践編】

ComfyUでは、テキスト・画像・動画元素材から簡単に動画を生成できるテンプレートが沢山用意されています。

ComfyUIの画面を立ち上げるとノードのテンプレートがワンクリックで選択が出来るようになっています。

モデルのインストール方法はこちらの記事をご覧ください

ComfyUIとは？使い方・モデル・テンプレート・基本機能を解説【2026年版】 ComfyUI 使い方導入ガイド｜モデル・テンプレート ComfyUIは、画像・動画・3D生成をノードベースのワークフロー形式で操作できる生成AIツールです。「モデルは何を使え…

初期セットアップの手順

便利設定・Tips

• モデルのダウンロード設定：テンプレートデプロイ時に「環境変数でモデルをダウンロードするよう設定」してください。さもないと、実行時にエラーになります 。
• リアルタイムプレビューを有効に
  • ComfyUIの VHS設定で Advanced Previews を “Always”、Preview method を “Auto” にすると、動画生成途中でもプレビューが表示され、失敗パラメータに気づきやすいです。引用元： reddit.com。

i2v（画像→動画）の基本手順

1. ComfyUI内で i2vワークフロー を選択。
2. 「Load Image」ノードに、自分の絵のファイルを接続。
3. フレーム数・解像度・プロンプトなどを設定。
4. 実行ボタン（▶）を押すと、一定時間後に ComfyUI/output/video に mp4 が出力されます。

t2v（テキスト→動画）の基本

• プロンプトを「キャラが動いてる様子」など具体的に記述。
• フレーム数や解像度を指定。
• ▶を押せば動画が生成され、処理後は同じく output/video に保存されます 。

どのテンプレートを選んだ後も、ComfyUIの画面ではフローを編集できます。また、フロータブからいつでもテンプレートを変更できますので、気軽に選んでみまし

• 解像度変更
• フレーム数の増減
• 動きのスムーズさの調整（interp系）

もカスタマイズ可能です！

「Start image」「End image」がある場合の設定

この2枚を指定すると、AIがその間の動きを「補完」して動画を生成します。

• 例：
  • Start image → 女性が前を向いている絵
  • End image → 同じ人物が少し横を向いている絵

→ その間の動きを自然に繋いでくれるようなショート動画になります。

2つのCLIP Text Encode

ComfyUIフロー内に「CLIP Text Encode（Clipテキストエンコード）」ノードが 2つあります。

画像生成・動画生成系のAIでは、複数のプロンプト入力を使い分けるためにエンコードノードが複数使われます。

例：

CLIP Text Encode（Positive）  ← "a woman walking in the wind, smooth, cinematic"
CLIP Text Encode（Negative）  ← "blurry, deformed, extra limbs, low quality"

最低限の手順（i2vで Start / End を使う）

• プロンプトは「動きの方向性」を示す程度にする。
  （例：「歩き出す」「振り返る」「風になびく」など）
• StartとEndの絵が似すぎていると、あまり動かない。
  → ポーズや視線を少し変えてみる。
• 出力がカクつく場合は、「interpolation（補間）」のオプションを増やしてみる。

ここに変換結果が表示されます

その他のオプション

LoRAモデルをWanで使う方法

既に学習済みのLoRAモデルを使う場合、Wanでも特別な操作は不要です。基本は モデルを所定のフォルダに入れるだけ で利用可能です。

手順

 models/LoRA/

注意点

• 互換性
  • SD 2.x系モデル用のLoRAはWanでも問題なく使用可能
  • SD 1.x系の場合、精度や出力の雰囲気が微妙に変わることがあります
• 精度
  • 重みによって生成結果が変化します。最初は1.0で試し、必要に応じて0.5なども試すとよいです
• 出力の違い
  • Wanの独自処理（ノイズスケジューリングやサンプラーの違い）により、微妙に絵柄が変わることがある

エラー/トラブル

最近のトラブル”2つ目のKサンプラーでクラッシュする件”についてこちらで書いています

あわせて読みたい

【Reconnectingエラー】ComfyUI Wan 2.2 I2V：2つ目のKSamplerでクラッシュする問題と解決法 ComfyUI Wan 2.2 I2Vのエラー Reconnecting 最近（2026年4月上旬）【video_wan_2_2_14B_i2v】WanのI2Vで２つ目のKサンプラーで毎回、停止してしまうようになりました。 …

ComfyUIで動画の背景だけを再生成する方法３選

こちらの記事では、ComfyUIで動画の背景だけを再生成する方法について、３通りの方法を紹介しています。

SAKASA AI

【Wan、BiRefNet】ComfyUIで動画の背景を差し替える3つの方法【比較まとめ】 | SAKASA AI ComfyUIで動画の背景を差し替える3つの方法を解説。BiRefNetによるマスク生成から合成、Wan Video2Video、インペインティングまで、用途別に「速さ・自然さ・手間」で比較…

動画の背景をComfyUIで削除（透明背景）する方法

動画の背景を消して高精度の背景透過動画を作りたい時に活躍！

SAKASA AI

【ComfyUI】ZhengPeng7/BiRefNetを使用して動画の背景を高精度で削除する方法 | SAKASA AI ZhengPeng7/BiRefNet BiRefNetは画像処理の“AIモデル（＝処理エンジン本体）で、 最大の特徴は、髪の毛・レース・細いパーツなどの再現が強く、2K〜4Kでも劣化しにくい事（…

賢い運用のコツと使い方まとめ

こちらの記事では、Runpodの基本的な使い方から、お得な使用方法、確実に立ち上げるコツや最新情報をPDF付きで販売しています。

最速でお得にRunpodを使用したい方は是非ご活用ください！

note（ノート）

2026年最新【Runpod】使い方とコスト節約のコツと注意点|ComfyUIがすぐ使える版｜SAKASA この記事では、完全初心者の方でも迷わずRunpodでComfyUIをセットアップできるよう、普段RunPodを使い倒している筆者が、スクリーンショットと解説動画とを組みあわせ、 Ru…