> ## 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.

# Wan2.2-S2V 音声駆動型動画生成のための ComfyUI ネイティブワークフロー例

> これは、ComfyUI における Wan2.2-S2V 音声駆動型動画生成のネイティブワークフローの例です。

先進的な音声駆動型動画生成モデル「Wan2.2-S2V」が、ComfyUI でネイティブ対応となりました！この強力な AI モデルは、静止画像と音声入力をもとに、ダイナミックな動画コンテンツを生成します。対話、歌唱、パフォーマンスなど、さまざまなクリエイティブな用途に対応可能です。

**モデルの主な特長**

* **音声駆動型動画生成**: 静止画像と音声を同期した動画に変換
* **映画級の高品質出力**: 自然な表情や動きを伴う高精細動画を生成
* **分単位の動画生成**: 長尺動画の作成をサポート
* **多様なフォーマット対応**: 全身および上半身のキャラクターに対応
* **高度なモーション制御**: テキストによる指示で動作や背景環境を生成可能

Wan2.2 S2V ソースコード: [GitHub](https://github.com/aigc-apps/VideoX-Fun)\
Wan2.2 S2V モデル: [Hugging Face](https://huggingface.co/Wan-AI/Wan2.2-S2V-14B)

## Wan2.2 S2V の ComfyUI ネイティブワークフロー

<Tip>
  <Tabs>
    <Tab title="ポータブル版または自宅サーバーで実行しているユーザー">
      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
    </Tab>

    <Tab title="デスクトップ版またはクラウド版ユーザー">
      * 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。
    </Tab>
  </Tabs>
</Tip>

### 1. ワークフローファイルのダウンロード

以下のワークフローファイルをダウンロードし、ComfyUI へドラッグ＆ドロップしてワークフローを読み込んでください。

<video controls className="w-full aspect-video" src="https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/video/wan/wan2.2_s2v/wan2.2-s2v.mp4" />

<a className="prose" target="_blank" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/video_wan2_2_14B_s2v.json" style={{ display: 'inline-block', backgroundColor: '#0078D6', color: '#ffffff', padding: '10px 20px', borderRadius: '8px', borderColor: "transparent", textDecoration: 'none', fontWeight: 'bold'}}>
  <p className="prose" style={{ margin: 0, fontSize: "0.8rem" }}>JSON ワークフローをダウンロード</p>
</a>

<a className="prose" target="_blank" href="https://cloud.comfy.org/?template=video_wan2_2_14B_s2v&utm_source=docs" style={{ display: 'inline-block', backgroundColor: '#28A745', color: '#FFFFFF', padding: '10px 20px', borderRadius: '8px', borderColor: "transparent", textDecoration: 'none', fontWeight: 'bold'}}>
  <p className="prose" style={{ margin: 0, fontSize: "0.8rem" }}>Comfy Cloud で実行</p>
</a>

以下の画像および音声ファイルを入力としてダウンロードしてください:
![input](https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/video/wan/wan2.2_s2v/input.jpg)

<a className="prose" target="_blank" href="https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/video/wan/wan2.2_s2v/input_audio.MP3" style={{ display: 'inline-block', backgroundColor: '#0078D6', color: '#ffffff', padding: '10px 20px', borderRadius: '8px', borderColor: "transparent", textDecoration: 'none', fontWeight: 'bold'}}>
  <p className="prose" style={{ margin: 0, fontSize: "0.8rem" }}>入力音声をダウンロード</p>
</a>

### 2. モデルのダウンロードリンク

すべてのモデルは、[当社のリポジトリ](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged) から入手できます。

**diffusion\_models**

* [wan2.2\_s2v\_14B\_fp8\_scaled.safetensors](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_s2v_14B_fp8_scaled.safetensors)
* [wan2.2\_s2v\_14B\_bf16.safetensors](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_s2v_14B_bf16.safetensors)

**audio\_encoders**

* [wav2vec2\_large\_english\_fp16.safetensors](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/audio_encoders/wav2vec2_large_english_fp16.safetensors)

**vae**

* [wan\_2.1\_vae.safetensors](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan_2.1_vae.safetensors)

**text\_encoders**

* [umt5\_xxl\_fp8\_e4m3fn\_scaled.safetensors](https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/resolve/main/split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors)

```
ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_s2v_14B_fp8_scaled.safetensors
│   │   └─── wan2.2_s2v_14B_bf16.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   ├───📂 audio_encoders/ # フォルダーが存在しない場合は手動で作成してください
│   │   └─── wav2vec2_large_english_fp16.safetensors 
│   └───📂 vae/
│       └── wan_2.1_vae.safetensors
```

### 3. ワークフローの操作手順

<img src="https://mintcdn.com/dripart/ht3vzHrjy1qaRsl9/images/tutorial/video/wan/wan_2.2_14b_s2v.jpg?fit=max&auto=format&n=ht3vzHrjy1qaRsl9&q=85&s=295f87179e12d937cbfbcc3e21d474c0" alt="ワークフローの操作手順" width="4000" height="2131" data-path="images/tutorial/video/wan/wan_2.2_14b_s2v.jpg" />

#### 3.1 Lightning LoRA について

#### 3.2 fp8\_scaled および bf16 モデルについて

両方のモデルは、[こちらのページ](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/tree/main/split_files/diffusion_models) から入手可能です：

* [wan2.2\_s2v\_14B\_fp8\_scaled.safetensors](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_s2v_14B_fp8_scaled.safetensors)
* [wan2.2\_s2v\_14B\_bf16.safetensors](https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_s2v_14B_bf16.safetensors)

本テンプレートでは `wan2.2_s2v_14B_fp8_scaled.safetensors` を使用しており、VRAM 使用量が少ないのが特徴です。ただし、品質劣化を抑えるために `wan2.2_s2v_14B_bf16.safetensors` を試すことも可能です。

#### 3.3 ステップごとの操作手順

**ステップ 1：モデルの読み込み**

1. **Diffusion モデルの読み込み**: `wan2.2_s2v_14B_fp8_scaled.safetensors` または `wan2.2_s2v_14B_bf16.safetensors` を読み込みます
   * 提供されているワークフローでは VRAM 使用量が少ない `wan2.2_s2v_14B_fp8_scaled.safetensors` を使用しています
   * ただし、品質劣化を抑えたい場合は `wan2.2_s2v_14B_bf16.safetensors` を試すことができます

2. **CLIP の読み込み**: `umt5_xxl_fp8_e4m3fn_scaled.safetensors` を読み込みます

3. **VAE の読み込み**: `wan_2.1_vae.safetensors` を読み込みます

4. **AudioEncoderLoader**: `wav2vec2_large_english_fp16.safetensors` を読み込みます

5. **LoraLoaderModelOnly**: `wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors`（Lightning LoRA）を読み込みます
   * Wan2.2 のすべての Lightning LoRA をテストしましたが、これは Wan2.2 S2V 専用に学習された LoRA ではないため、多くのキー値が一致しません。ただし、生成時間を大幅に短縮できるため、本テンプレートに含めています。今後も最適化を継続していきます
   * この LoRA を使用すると、動きの自然さおよび画質に著しい劣化が生じます
   * 出力品質が不十分と感じた場合は、元の 20 ステップワークフローをお試しください

6. **LoadAudio**: 提供済みの音声ファイル、またはユーザー自身の音声ファイルをアップロードします

7. **Load Image**: 参照用の画像をアップロードします

8. **バッチサイズ**: 追加する「Video S2V Extend」サブグラフノードの数に応じて設定します
   * 各「Video S2V Extend」サブグラフは、最終出力に 77 フレームを追加します
   * 例：「Video S2V Extend」サブグラフを 2 個追加した場合、バッチサイズは 3 に設定します（これは全サンプリング反復回数を意味します）
   * **Chunk Length**: デフォルト値の 77 のままにしてください

9. **サンプラー設定**: Lightning LoRA の使用有無に応じて異なる設定を選択します
   * 4 ステップ Lightning LoRA を使用する場合: `steps: 4`, `cfg: 1.0`
   * 4 ステップ Lightning LoRA を使用しない場合: `steps: 20`, `cfg: 6.0`

10. **サイズ設定**: 出力動画の解像度を設定します

11. **Video S2V Extend**: 動画拡張用のサブグラフノードです。デフォルトのサンプリングフレーム数は 77 であり、本モデルは 16fps であるため、各拡張により `77 / 16 = 4.8125` 秒の動画が生成されます
    * 入力音声の長さに合わせて「Video S2V Extend」サブグラフノードの数を計算する必要があります。例：入力音声が 14 秒の場合、必要な総フレーム数は `14 × 16 = 224`、各拡張は 77 フレームであるため、必要なノード数は `224 / 77 ≈ 2.9` → 切り上げて 3 個となります

12. `Ctrl + Enter` キーを押すか、\[実行] ボタンをクリックしてワークフローを実行します