> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.
# Causal Forcing 画像から動画 ComfyUI ワークフロー例
> Wan2.1 の Causal Forcing または Causal Forcing++ を使用して、画像から動画を生成します。わずか 1 ステップの推論で滑らかで時間的に一貫性のある動画を実現します。
**Causal Forcing（因果強制）** は、推論時に **リカレント条件付け** を適用する動画生成技術です。各フレームが生成されるたびにモデルにフィードバックされ、次のフレームを予測するために使用されます。たった **1 〜 4 ステップの推論** で、1 枚の開始画像から滑らかで時間的に一貫性のある動画を生成できます。
このワークフローは **Wan2.1** をベースにしており、**Causal Forcing**（標準）と **Causal Forcing++**（拡張）の両方のモードをサポートしています。
ComfyUI が最新版に更新されていることを確認してください。
* [ComfyUI のダウンロード](https://www.comfy.org/download)
* [更新手順](/ja/installation/update_comfyui)
このガイドで紹介するワークフローは、[ワークフローテンプレート](/ja/interface/features/template)から入手できます。\
テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。（デスクトップ版の更新は若干遅れることがあります）
ワークフローを読み込んだ際にノードが欠落している場合の主な原因：
1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している
* デスクトップ版は ComfyUI の安定版（Stable Release）をベースとしており、新しいデスクトップ安定版がリリースされると自動的に更新されます。
* [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。
したがって、このドキュメントで記載されているコアノードのうち、一部が利用できない場合は、そのノード機能がまだ最新の安定版に含まれていないためです。次回の安定版リリースをお待ちください。
JSON をダウンロード、またはテンプレートライブラリで "Causal Forcing" を検索
## 仕組み
標準的な動画生成がすべてのフレームを並列処理するのに対し、Causal Forcing は動画生成を **逐次プロセス** として扱います：
1. モデルは入力画像を **最初のフレーム** として受け取る
2. 前のフレームに条件付けされて次のフレームを生成する
3. 生成されたフレームが次の予測の入力となる
4. 目的のフレーム数に達するまで繰り返す
このリカレントアプローチにより **強い時間的一貫性** が生まれ、わずか 1〜4 ステップの推論で高品質な結果が得られます。
このワークフローはサブグラフノードを使用してモジュール化された処理を行います。サブグラフのドキュメントを参照して、ワークフローをカスタマイズおよび拡張する方法を学んでください。
### Causal Forcing と Causal Forcing++
| モード | 説明 |
| -------------------- | ------------------------------------------ |
| **Causal Forcing** | 標準のリカレント条件付け。2〜4 ステップで良好な品質。 |
| **Causal Forcing++** | 拡張モード。追加の条件付けにより時間的コヒーレンスが向上。1〜2 ステップでも良好。 |
## ワークフローの使用
### 入力
ワークフローは 1 枚の入力画像（最初のフレーム）と、動画内容を説明するテキストプロンプト（オプション）を受け付けます。
| 設定 | 説明 |
| --------------------------- | ------------------------------------------- |
| **first\_frame**（必須） | 動画の開始画像。**LoadImage** ノードで PNG/JPG を読み込みます。 |
| **positive\_prompt**（オプション） | 希望する動画内容のテキスト説明。空欄の場合は条件付けなし。 |
| **duration**（オプション） | 生成するフレーム数。デフォルトはモデルが期待する出力フレーム数。 |
### WAN I2V サブグラフパラメータ
これらのパラメータはブループリントサブグラフノード上で直接操作できます：
| パラメータ | デフォルト | 説明 |
| ------------ | ----- | ---------------------------- |
| `unet_name` | — | 使用する Wan2.1 I2V モデルチェックポイント |
| `clip_name` | — | プロンプト用の CLIP / テキストエンコーダーモデル |
| `vae_name` | — | エンコード/デコード用の VAE モデル |
| `width` | — | 出力動画の幅 |
| `height` | — | 出力動画の高さ |
| `noise_seed` | — | 再現性のためのシード値 |
## 実行手順
1. **画像を読み込む** — **LoadImage** ノードで開始フレームを読み込みます
2. **プロンプトを入力**（オプション）— 希望する動画内容を記述します
3. **フレーム数を設定** — 生成するフレーム数を指定します
4. **モデルを選択** — Wan2.1 I2V チェックポイント、CLIP、VAE を選択します
5. **モードを選択** — Causal Forcing または Causal Forcing++
6. **実行** — フレームが逐次生成され `ComfyUI/output/` に保存されます
## モデルダウンロード
Wan2.1 I2V モデルと必要なファイルをダウンロードします。対応する `models/` サブディレクトリに配置してください。
### Wan2.1 I2V
wan2.1\_i2v\_480p\_14B\_fp16.safetensors — Wan2.1 I2V 14B チェックポイント
wan2.1\_t2v\_1.3B\_fp16.safetensors — Wan2.1 1.3B チェックポイント（最小 8GB VRAM）
### CLIP と VAE
google-bert/bert-base-uncased — CLIP テキストエンコーダー
Wan2.1\_VAE\_bf16.safetensors — Wan2.1 VAE
### モデル保存場所
```
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── wan2.1_i2v_480p_14B_fp16.safetensors（または 1.3B 版）
│ ├── 📂 text_encoders/
│ │ └── bert-base-uncased（フォルダ、model.safetensors を含む）
│ └── 📂 vae/
│ └── Wan2.1_VAE_bf16.safetensors
```