メインコンテンツへスキップ
Wan2.1 Video シリーズは、アリババ社が 2025 年 2 月に Apache 2.0 ライセンス の下でオープンソース化した動画生成モデルです。
このモデルには以下の 2 つのバージョンがあります：
  • 14B（140 億パラメータ）
  • 1.3B（13 億パラメータ）
    テキストから動画を生成する「テキスト→動画（T2V）」や画像から動画を生成する「画像→動画（I2V）」など、複数のタスクに対応しています。
    このモデルは既存のオープンソースモデルを性能面で上回るだけでなく、特に軽量版はわずか 8GB の VRAM で実行可能であり、導入ハードルを大幅に低減しています。

​
Wan2.1 ComfyUI ネイティブワークフローのサンプル

サンプルを開始する前に、ComfyUI を最新版に更新し、ネイティブな Wan Video 対応が有効になっていることを確認してください。

​
モデルのインストール

このガイドで言及されるすべてのモデルは、こちら から入手できます。以下は、このガイドのサンプルで使用する共通のモデルであり、事前にダウンロードしておくことを推奨します： Text encoders からいずれか 1 つのバージョンを選択してダウンロードしてください： VAE CLIP Vision ファイルの保存先ディレクトリ構成： 
ComfyUI/
├── models/
│   ├── diffusion_models/
│   ├── ...                  # 各ワークフローに応じて対応するモデルを配置します
│   ├── text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors
│   └── vae/
│   │   └──  wan_2.1_vae.safetensors
│   └── clip_vision/
│       └──  clip_vision_h.safetensors
diffusion モデルについては、本ガイドでは fp16 精度のモデルを使用します。これは bf16 版と比較して性能が優れているためです。他の精度のモデルが必要な場合は、こちら からダウンロードしてください。

​
Wan2.1 テキスト→動画（T2V）ワークフロー

ワークフローを開始する前に、wan2.1_t2v_1.3B_fp16.safetensors をダウンロードし、ComfyUI/models/diffusion_models/ ディレクトリに保存してください。
他の T2V 精度バージョンが必要な場合は、こちら からダウンロードしてください。

​
1. ワークフローファイルのダウンロード

以下のファイルをダウンロードし、ComfyUI にドラッグ＆ドロップして、対応するワークフローを読み込んでください： Wan2.1 テキスト→動画ワークフロー

​
2. ワークフローをステップごとに実行

ComfyUI Wan2.1 ワークフロー手順
  1. Load Diffusion Model ノードが wan2.1_t2v_1.3B_fp16.safetensors モデルを正しく読み込んでいることを確認してください
  2. Load CLIP ノードが umt5_xxl_fp8_e4m3fn_scaled.safetensors モデルを正しく読み込んでいることを確認してください
  3. Load VAE ノードが wan_2.1_vae.safetensors モデルを正しく読み込んでいることを確認してください
  4. （任意）必要に応じて、EmptyHunyuanLatentVideo ノードで動画の解像度を変更できます
  5. （任意）プロンプト（ポジティブ／ネガティブ）を変更したい場合は、番号 5 の CLIP Text Encoder ノードで編集してください
  6. Run ボタンをクリックするか、ショートカットキー Ctrl（Mac の場合 Cmd） + Enter を押して動画生成を実行してください

​
Wan2.1 画像→動画（I2V）ワークフロー

Wan Video では 480P と 720P のモデルが別々に提供されているため、本ガイドではそれぞれの解像度について個別にサンプルを示します。モデルが異なることに加え、若干のパラメーター設定の違いもあります。

​
480P バージョン

​
1. ワークフローおよび入力画像

以下の画像をダウンロードし、ComfyUI にドラッグ＆ドロップして対応するワークフローを読み込んでください：
Wan2.1 画像→動画ワークフロー（14B、480P）の入力画像サンプル 入力として以下の画像を使用します： Wan2.1 画像→動画ワークフロー（14B、480P）の入力画像サンプル

​
2. モデルのダウンロード

wan2.1_i2v_480p_14B_fp16.safetensors をダウンロードし、ComfyUI/models/diffusion_models/ ディレクトリに保存してください。

​
3. ワークフローをステップごとに実行

ComfyUI Wan2.1 ワークフロー手順
  1. Load Diffusion Model ノードが wan2.1_i2v_480p_14B_fp16.safetensors モデルを正しく読み込んでいることを確認してください
  2. Load CLIP ノードが umt5_xxl_fp8_e4m3fn_scaled.safetensors モデルを正しく読み込んでいることを確認してください
  3. Load VAE ノードが wan_2.1_vae.safetensors モデルを正しく読み込んでいることを確認してください
  4. Load CLIP Vision ノードが clip_vision_h.safetensors モデルを正しく読み込んでいることを確認してください
  5. Load Image ノードで提供された入力画像をアップロードしてください
  6. （任意）生成したい動画の説明文を CLIP Text Encoder ノードに入力してください
  7. （任意）必要に応じて、WanImageToVideo ノードで動画の解像度を変更できます
  8. Run ボタンをクリックするか、ショートカットキー Ctrl（Mac の場合 Cmd） + Enter を押して動画生成を実行してください

​
720P バージョン

​
1. ワークフローおよび入力画像

以下の画像をダウンロードし、ComfyUI にドラッグ＆ドロップして対応するワークフローを読み込んでください：
Wan2.1 画像→動画ワークフロー（14B、720P）の入力画像サンプル 入力として以下の画像を使用します： Wan2.1 画像→動画ワークフロー（14B、720P）の入力画像サンプル

​
2. モデルのダウンロード

wan2.1_i2v_720p_14B_fp16.safetensors をダウンロードし、ComfyUI/models/diffusion_models/ ディレクトリに保存してください。

​
3. ワークフローをステップごとに実行

ComfyUI Wan2.1 ワークフロー手順
  1. Load Diffusion Model ノードが wan2.1_i2v_720p_14B_fp16.safetensors モデルを正しく読み込んでいることを確認してください
  2. Load CLIP ノードが umt5_xxl_fp8_e4m3fn_scaled.safetensors モデルを正しく読み込んでいることを確認してください
  3. Load VAE ノードが wan_2.1_vae.safetensors モデルを正しく読み込んでいることを確認してください
  4. Load CLIP Vision ノードが clip_vision_h.safetensors モデルを正しく読み込んでいることを確認してください
  5. Load Image ノードで提供された入力画像をアップロードしてください
  6. （任意）生成したい動画の説明文を CLIP Text Encoder ノードに入力してください
  7. （任意）必要に応じて、WanImageToVideo ノードで動画の解像度を変更できます
  8. Run ボタンをクリックするか、ショートカットキー Ctrl（Mac の場合 Cmd） + Enter を押して動画生成を実行してください