メインコンテンツへスキップ
Wan2.2-Fun-Inp は、Alibaba PAI チームが開発・公開した首尾フレーム制御型動画生成モデルです。ユーザーは開始フレーム画像と終了フレーム画像を入力することで、それらの間を滑らかに遷移する中間動画を生成できます。これにより、クリエイターはより高度な創造的コントロールを実現できます。本モデルは Apache 2.0 ライセンスのもとで公開されており、商用利用も可能です。 主な特徴：
  • 首尾フレーム制御機能：開始フレームと終了フレームの画像を入力し、その間の自然な遷移動画を生成。動画の一貫性と創作の自由度を向上
  • 高品質動画生成：Wan2.2 アーキテクチャを基盤とし、映画レベルの高精細動画を出力
  • マルチ解像度対応：512×512、768×768、1024×1024 など複数の解像度での動画生成をサポートし、さまざまな用途に対応
モデルバージョン：
  • 14B 高性能版：モデルサイズは32GB以上。高品質な結果を提供しますが、大量のVRAMを必要とします
関連するモデル重みおよびコードリポジトリは以下の通りです：

​
ComfyOrg Wan2.2 Fun InP & Control YouTube ライブ配信アーカイブ動画

​
Wan2.2 Fun Inp 首尾フレーム制御動画生成ワークフローの例

Make sure your ComfyUI is updated.Workflows in this guide can be found in the Workflow Templates. If you can’t find them in the template, your ComfyUI may be outdated. (Desktop version’s update will delay sometime)If nodes are missing when loading a workflow, possible reasons:
  1. You are not using the latest ComfyUI version (Nightly version)
  2. Some nodes failed to import at startup
本ワークフローには以下の2つのバージョンが含まれています：
  1. lightx2v が提供する Wan2.2-Lightning の4ステップLoRAを活用した高速化バージョン（動画の動きに若干の損失が出る可能性あり）
  2. 加速用LoRAを含まない、標準の fp8_scaled バージョン
以下は、RTX4090D（24GB VRAM）GPUを用いたテスト結果（解像度：640×640、フレーム数：81）です。
モデルタイプVRAM使用率初回生成時間2回目以降の生成時間
fp8_scaled83%≈ 524秒≈ 520秒
fp8_scaled + 4ステップLoRA89%≈ 138秒≈ 79秒
LoRAによる高速化効果は非常に顕著ですが、動画のダイナミクスに若干の劣化が生じる場合があります。そのため、本ワークフローでは、高速化LoRAを有効化したバージョンをデフォルトで提供しています。他のバージョン（非LoRA版）を使用したい場合は、該当ノードを選択して Ctrl+B ショートカットで有効化してください。

​
1. ワークフローファイルのダウンロード

ComfyUI を最新版に更新した後、メニュー Workflow → Browse Templates → Video から「Wan2.2 Fun Inp」を選択してワークフローを読み込んでください。 または、ComfyUI を最新版に更新した上で、以下のリンクからワークフローファイルをダウンロードし、ComfyUI の画面にドラッグ＆ドロップして読み込んでください。

JSON形式ワークフローをダウンロード

Comfy Cloud で実行

 以下の画像を開始フレームおよび終了フレームの素材としてご使用ください。 Wan2.2 Fun Control ComfyUI ワークフロー 開始フレーム素材 Wan2.2 Fun Control ComfyUI ワークフロー 終了フレーム素材

​
2. モデルの準備

Diffusion モデル Lightning LoRA（任意：高速化用） VAE テキストエンコーダー 
ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_fun_inpaint_high_noise_14B_fp8_scaled.safetensors
│   │   └─── wan2.2_fun_inpaint_low_noise_14B_fp8_scaled.safetensors
│   ├───📂 loras/
│   │   ├─── wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors
│   │   └─── wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   └───📂 vae/
│       └── wan_2.1_vae.safetensors

​
3. ワークフローの手順ガイド

ワークフロー手順図
本ワークフローはLoRAを用いた構成です。対応するDiffusionモデルとLoRAが正しく一致していることを確認してください。
  1. High noise モデルおよび LoRA の読み込み
    • Load Diffusion Model ノードが wan2.2_fun_inpaint_high_noise_14B_fp8_scaled.safetensors を読み込んでいることを確認
    • LoraLoaderModelOnly ノードが wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors を読み込んでいることを確認
  2. Low noise モデルおよび LoRA の読み込み
    • Load Diffusion Model ノードが wan2.2_fun_inpaint_low_noise_14B_fp8_scaled.safetensors を読み込んでいることを確認
    • LoraLoaderModelOnly ノードが wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors を読み込んでいることを確認
  3. Load CLIP ノードが umt5_xxl_fp8_e4m3fn_scaled.safetensors を読み込んでいることを確認
  4. Load VAE ノードが wan_2.1_vae.safetensors を読み込んでいることを確認
  5. 開始フレームおよび終了フレームの画像をそれぞれアップロード
  6. 「Prompt」グループ内にプロンプトを入力
  7. WanFunInpaintToVideo ノードで解像度および動画長を調整
    • width および height パラメータを調整（デフォルト値は 640）。小さめのサイズを設定していますが、必要に応じて変更可能です。
    • length（総フレーム数）を調整。現在のワークフローのFPSは16です。たとえば5秒間の動画を生成したい場合は、5 × 16 = 80 と設定してください。
  8. Run ボタンをクリックするか、ショートカットキー Ctrl（macOSの場合はCmd） + Enter を押して動画生成を実行