Pruna P-Video-2: ComfyUIでのテキストおよび画像からビデオへの生成

Pruna P-Video-2 は、Pruna の品質重視のビデオ生成モデルで、ComfyUI では 2 つのパートナーノード Pruna P-Video-2 Text to Video と Pruna P-Video-2 Image to Video として利用できます。1～20 秒のクリップを 720p または 1080p、24 または 48 fps で生成し、7 つのアスペクト比（16:9、9:16、4:3、3:4、3:2、2:3、1:1）に対応しています。さらにネイティブオーディオとして、環境音、サウンドエフェクト、プロンプトから生成されるリップシンク済みのセリフを含みます。 画像から動画へのノードは、最初のフレームをオプションの最後のフレームとともにアニメーション化します。どちらのノードもオプションのオーディオ入力を受け付け、そのオーディオがモーションを駆動し、サウンドトラックになります。ドラフトモードでは、より高速で詳細度の低いプレビューをスタンダード料金の 60% でレンダリングできるため、フル品質のレンダリングに進む前に構図をじっくり検討できます。 これらのノードは、Comfy API を介して Pruna のサーバー上で完全に実行されます。モデルのダウンロードやローカル GPU は必須ではありません。必要なのは、クレジットを保有する Comfy API アカウントだけです。

​

P-Video-2 が得意なこと

• ネイティブオーディオ: 環境音、サウンドエフェクト、リップシンクされたセリフを含むサウンドトラックを生成するか、接続されたオーディオトラックに従います
• 柔軟な出力: 720p または 1080p、24 または 48 fps、1～20 秒（またはプロンプトから選ばれる auto の再生時間）、7 つのアスペクト比
• ドラフトモード: スタンダードの 60% の料金で、より高速かつ詳細さを抑えたプレビュー
• 最初と最後のフレーム: 画像から動画へは、アスペクト比が近い 2 枚の画像間でアニメーションします

料金は解像度とドラフトモードによって異なり、秒単位で課金されます。詳細は料金をご覧ください。

​

P-Video-2: テキストからビデオ

テキストプロンプトからビデオを生成します。

​

実行手順

1. プロンプトを入力: Pruna P-Video-2 Text to Video ノードでシーン、その動き、サウンドを説明します（最大 5000 文字）
2. 再生時間と解像度を設定: 1～20 秒または auto を選択し、次に 720p（約 0.9 メガピクセル）または 1080p（約 2 メガピクセル）を選びます
3. フレームレートを選択: 24 または 48 fps。1080p のドラフトでは 48 fps は利用不可です
4. 任意: オーディオを接続: オーディオ入力が動きを制御し、duration の代わりにビデオの長さを設定します（1～20 秒。それより長いオーディオは切り詰められます）
5. キューをクリック: Ctrl+Enter を押して生成します

​

ヒント

• enhance_prompt（デフォルトでオン）は短いプロンプトをより詳細に書き換えます。同じシードで結果を正確に再現したい場合はオフにしてください
• generate_audio をオフにすると、無音のクリップになります

​

P-Video-2: 画像からビデオ

画像をアニメートしてビデオにします。最後のフレームはオプションで指定できます。

​

実行手順

1. 最初のフレームをアップロード: LoadImage ノードを接続します。出力はこの画像のアスペクト比を維持します
2. オプション: 最後のフレームをアップロード: ビデオはこの画像で終了します。そのアスペクト比は最初のフレームのものに近い必要があります
3. 動きとサウンドを記述: プロンプトでシーンがどのように動き、どのように鳴るかを記述します（最大 5000 文字）
4. 再生時間、解像度、フレームレートを設定: テキストからビデオと同じオプションです
5. キューをクリック: Ctrl+Enter を押して生成します

​

入力アセット

このサンプルワークフローでは、次のサンプル画像を使用します:

• alien_mothership_foggy_megacity.png

​

ノードオプションのリファレンス