Wan 2.1のインストールと使用方法（同人動画生成）

これは、Wanをインストールし、ビデオ生成の速度を最大化するために利用可能なすべての最適化を実装するための初心者向けガイドです。

これを達成するには、品質とのトレードオフが伴いますが、速度を優先する場合は、最適化を簡単に無効にすることができます。

含まれているガイドとワークフローは、通常生成中に21-23GBを使用する24GB以上のVRAMを持つGPU向けに調整されています。24GB未満のGPUを使用することも可能ですが、調整が必要です。たとえば、16GBのGPUではFP8/Q8モデルを使用できますが、提供されたワークフローでvirtual_vram_gbやブロックスワッピング設定を増やす必要があります。これについては後で説明します。

16GB未満の場合、Q8未満で量子化されたモデルを使用することをお勧めしますが、低い量子化レベルを使用すると出力の品質が低下することに注意してください。一般的に、下に行くほど得られる品質は低くなります。

1. /ldg/ Wan 2.1 インストールおよび最適化ガイド
   1. 前提条件 - 最初にインストール
   2. 実装の選択
   3. オプション 1 - Kijaiのラッパー
   4. オプション 2 - Comfyネイティブ
   5. 一般的なインストール手順
   6. 生成前の重要な注意事項
   7. サポートされている解像度
   8. 720Pでの生成
   9. 最適化

前提条件 - 最初にインストール

ComfyUI Portable
ComfyUI Manager
CUDA 12.6

実装の選択

Wan 2.1は、ネイティブサポートまたはKijaiのラッパーの2つのアプローチを通じてComfyUIに統合できます。Kijaiのラッパーには、ネイティブにはない追加機能（flowedit、vid2vidなど）があり、ネイティブはKijaiのバージョンにはないいくつかの利点を持っています。これには、ggufモデルのサポート、品質を犠牲にして生成を高速化する方法であるAdaptive Guidance、40XXおよび50XX GPUシリーズだけでなく、30XXシリーズでもTorchCompile互換性が含まれ、生成時間を約30%短縮します。したがって、VRAMが24GB未満である場合や、最速の生成速度を望む場合は、ネイティブがより良い選択肢である可能性が高いです。

方法とそれに関連するワークフローが決まったら、一般的なインストール手順に進んでください。

オプション 1 - Kijaiのラッパー

Kijaiのデフォルトワークフローの修正バージョンをダウンロードしてください。最適化といくつかの追加機能を超えて、Alibabaのデフォルト設定をベースラインとして使用しています。このワークフローは、16 fpsの生のビデオと32 fpsの補間されたバージョンの2つのビデオを出力します。これらを720Pモデル/設定を使用するように簡単に適応させることができます。詳細は720Pでの生成を参照してください。

/ldg/ KJ i2v 480p ワークフロー: ldg_kj_i2v_14b_480p.json
(2025年3月17日更新)

/ldg/ KJ t2v 480p ワークフロー: ldg_kj_t2v_14b_480p.json
(2025年3月17日更新)

1. ComfyUIが最新バージョンに更新されていることを確認してください。(update_comfyui.bat in ComfyUI_windows_portable\update)
2. これらのモデルをダウンロードしてください。

KJのモデルファイルとComfyのモデルファイルを使用しないでください！これらを必ず使用しないと問題が発生します！

• Wan2_1-I2V-14B-480P_fp8_e4m3fn.safetensors は ComfyUI\models\diffusion_models\WanVideo に配置します。
• Wan2_1-I2V-14B-720P_fp8_e4m3fn.safetensors は ComfyUI\models\diffusion_models\WanVideo に配置します。
• Wan2_1-T2V-14B_fp8_e4m3fn.safetensors は ComfyUI\models\diffusion_models\WanVideo に配置します。
• umt5-xxl-enc-bf16.safetensors は ComfyUI\models\text_encoders に配置します。
• open-clip-xlm-roberta-large-vit-huge-14_fp16.safetensors は ComfyUI\models\text_encoders に配置します。
• Wan2_1_VAE_bf16.safetensors は ComfyUI_windows_portable\ComfyUI\models\vae\wanvideo に配置します。

3. 一般的なインストール手順に進んでください。

オプション 2 - Comfyネイティブ

Comfyのワークフローの修正バージョンをダウンロードしてください。これは/ldg/のanonのものに基づいています。最適化といくつかの追加機能を超えて、Alibabaのデフォルト設定をベースラインとして使用しています。このワークフローは、16 fpsの生のビデオと32 fpsの補間されたバージョンの2つのビデオを出力します。これらを720Pモデル/設定を使用するように簡単に適応させることができます。詳細は720Pでの生成を参照してください。

/ldg/ Comfy i2v 480p ワークフロー: ldg_cc_i2v_14b_480p.json
(2025年3月17日更新)

/ldg/ Comfy t2v 480p ワークフロー: ldg_cc_t2v_14b_480p.json
(2025年3月17日更新)

1. ComfyUIが最新バージョンに更新されていることを確認してください。(update_comfyui.bat in ComfyUI_windows_portable\update)
2. これらのモデルをダウンロードしてください。VRAMが24GB未満の場合、Q8モデルをQ6/Q5/Q4に置き換えることもできますが、下に行くほど出力品質が徐々に低下します。

Kijaiのテキストエンコーダーファイルをこれらのモデルと一緒に使用しないでください！これらのテキストエンコーダーを必ず使用しないと、Exception during processing !!! mat1 and mat2 shapes cannot be multiplied (77x768 and 4096x5120)というエラーが発生します。

• wan2.1-i2v-14b-480p-Q8_0.gguf は ComfyUI\models\diffusion_models\ に配置します。
• wan2.1-i2v-14b-720p-Q8_0.gguf は ComfyUI\models\diffusion_models\ に配置します。
• wan2.1-t2v-14b-Q8_0.gguf は ComfyUI\models\diffusion_models\ に配置します。
• umt5_xxl_fp16.safetensors は ComfyUI\models\text_encoders に配置します。
• clip_vision_h.safetensors は ComfyUI\models\clip_vision\ に配置します。
• wan_2.1_vae.safetensors は ComfyUI_windows_portable\ComfyUI\models\vae\ に配置します。

3. 一般的なインストール手順に進んでください。

一般的なインストール手順

4. 指示に従ってこれをダウンロードして実行し、TritonとSageを自動的にインストールします。これにより、生成速度が大幅に向上します。
5. ComfyUI_windows_portable\内でcmd.exeプロンプトを開き、次のコマンドを実行します。これにより、CUDA 12.6用の最近のpytorchナイトリービルドがインストールされ、fp16蓄積を使用できるようになり、生成時間が短縮されます。..\python_embeded\python.exe -s -m pip install torch==2.7.0.dev20250306+cu126 torchvision torchaudio –index-url https://download.pytorch.org/whl/nightly/cu126 –force-reinstall
6. ComfyUI_windows_portable内のrun_nvidia_gpu.batを編集し、最初の行を次のように変更します: .\python_embeded\python.exe -s ComfyUI\main.py –windows-standalone-build –use-sage-attention –fast
7. ComfyUIを実行します。cmd.exeコンソールウィンドウで、起動中にpytorch version: 2.7.0.dev20250306+cu126が表示されることを確認してください。また、Enabled fp16 accumulationおよびUsing sage attentionも表示されるはずです。

拡張機能を更新したり再起動したりすると、pytorchの不正確なバージョンが報告される可能性があります。その場合は、Comfyを閉じて再起動してください。これは、拡張機能を更新した後にComfyの「再起動」ボタンを使用した場合に最も頻繁に発生するようですので、手動で閉じてから手動で再起動してください。また、Comfyを更新した後にも発生する可能性があります。2回目の再起動でも2.7.0devでない場合は、再度ステップ5を実行してください。

8. ワークフローの1つを開きます。マネージャーを開いて、欠落しているカスタムノードをインストールします。最後に、ComfyUI-GGUF拡張機能をインストールします。

インストール後にノードが不足しているとまだ文句を言う場合は、欠落しているノードを手動でインストールする必要があります。KJのラッパーを使用している場合は、彼のリポジトリからラッパーを手動でインストールし、事前にカスタムノードから古いバージョンを削除してください。同様に、KJNodesについても、WanVideoEnhanceAVideoKJが不足していると文句を言う場合は、手動でインストールしてください。ポータブルインストールのインストール手順に従ってください。

9. ビデオ補間モデルについては、このリポジトリに行き、film_net_fp32.ptをダウンロードし、ComfyUI\custom_nodes\comfyui-frame-interpolation\ckpts\filmに配置します。
10. Comfyを起動するたびにpytorchのバージョンが2.7.0devと表示されることを確認してください。そうでないと、fp16_fast / fp16 accumulationは機能しません。
11. 最初の生成を実行します。モデルの読み込み中にcmd.exeウィンドウに「任意のキーを押して続行」と表示されてフリーズする場合は、コンピュータを再起動する必要があります。このワークフローを実行する際に、ImportError: DLL load failed while importing cuda_utils: The specified module could not be foundというエラーが発生した場合は、\users\username\に移動し、.tritonディレクトリを開きます。その中のキャッシュサブディレクトリを削除します。全体の.tritonディレクトリを削除しないでください。

生成前の重要な注意事項

最初の生成時間は正確ではありません。Teacacheは生成中に作動し、AdaptiveはComfyネイティブ/Coreを使用している場合は途中で作動します。

ビデオの生成が完了すると、それぞれのi2vまたはt2vディレクトリとサブディレクトリに2つのファイルが生成されます。生のファイルは16フレームの出力であり、intファイルは32フレームに補間され、より滑らかな動きを提供します。

生成中にプレビューを有効にすることを強くお勧めします。ガイドに従った場合、必要な拡張機能がインストールされているはずです。ComfyUI設定（左下の歯車アイコン）に移動し、「サンプリング時にアニメーションプレビューを表示」を検索して有効にします。次に、Comfyマネージャーを開き、プレビューメソッドをTAESD（遅い）に設定します。出力は約ステップ10で明確になり、構成や動きの一般的な感覚を得ることができます。これにより、見た目が気に入らない場合は早期に生成をキャンセルできるため、多くの時間を節約できます。

絶対に720p i2vモデルを480p解像度で使用しないでください。その逆も同様です。たとえば、720p i2vモデルを使用して解像度を832×480に設定すると、出力は480p i2vモデルを使用するよりもはるかに悪化します。720pモデルで480pを生成しても品質は向上しないので、絶対にやめてください。480pと720p解像度を混在させることができる唯一のモデルはt2v 14Bです。

サポートされている解像度

各モデルは特定の解像度に対してトレーニングされ、微調整されています。理論的には、これらの正確な解像度から逸脱すると、サポートされている解像度に従った場合よりも結果が悪化する可能性があります。特にi2vの場合です。

しかし、私の経験では、i2vで非標準解像度を使用しても目立った問題はなく、調整が合理的であれば成功しています。たとえば、480pまたは720pから大きく逸脱することは避け、常に1つの次元を固定する必要があります - 480pモデルの場合は480、720pモデルの場合は720 - そして、アスペクト比を調整するためにもう一方の次元を下にスケーリングします（決して上にはスケーリングしないでください）。つまり、1つの次元は常に480または720のいずれかに固定され、必要に応じてもう一方の次元を低く調整します。そして、480pの場合は最大832、720pの場合は最大1280を超えないようにしてください。そうしないと、生成時間が大幅に増加し、モデルの開発者が設定した解像度制限を超えてしまいます。

これがWanの公式リポジトリに記載されている「サポートされている」解像度です：

テキストからビデオ - 1.3B	テキストからビデオ - 14B	画像からビデオ - 480p	画像からビデオ - 720p
480*832	720*1280	832*480	1280*720
832*480	1280*720	480*832	720*1280
624*624	960*960
704*544	1088*832
544*704	832*1088
	480*832
	832*480
	624*624
	704*544
	544*704

720Pでの生成

i2vで720pモデルを使用するか、t2vで720p解像度を使用するには、次の手順を実行する必要があります：

• t2vでは、解像度を720p（1280×720 / 720×1280）に増やす必要があります。単一の14B t2vモデルは480pと720pの両方をサポートしています。
• Wanでi2vを使用する場合は、まずモデルローダーでi2v 720Pモデルを選択します。次に、入力画像の幅と高さの設定を1280×720または720×1280に調整します。このモデルは最適化されており、この正確な解像度で最も良く機能しますが、異なるアスペクト比に合わせてわずかに調整することができます。最良の結果を得るためには、常に高さまたは幅のいずれかを720に保ちながら、もう一方の次元を比例的に下げます（例：1152×720、1024×720、または720×960）。どちらの次元も1280を超えないようにしてください。
• Comfyネイティブでは、Teacache係数をi2v_720に設定します。Kijaiのラッパーは自動的に正しい係数を選択します。
• Teacacheのしきい値を0.2に設定します。これは中程度の設定です。出力品質が犠牲になる代わりに、より速い生成のために0.3に増やすことができます。
• 使用する実装に応じて、virtual_vram_gb（Comfyネイティブ）またはブロックスワップ（Kijaiのラッパー）を増やします。
  24GBのGPUでは、合計で23GB未満を使用するまで増やす必要があります。合計で23.5GBを超えないようにしてください。そうしないと、生成時間が大幅に増加します。

最適化

このガイドのいくつかのオプションは、推論時間を短縮します。これらはfp16_fast（fp16蓄積）、TeaCache、Torch Compile、AdaptiveGuidance（Comfyネイティブ専用）、およびSage Attentionです。テストのためにそれらを無効にしたり、時間を犠牲にして品質を向上させたりしたい場合は、次の手順を実行してください：

• fp16_fast : run_nvidia_gpu.batから–fastを削除します。KJを使用している場合は、WanVideoモデルローダーのbase_precisionをfp16_fastからfp16に設定する必要があります。
• Sage Attention : run_nvidia_gpu.batから–use-sage-attentionを削除します。
• AdaptiveGuidance : AdaptiveGuidanceノードのしきい値を1に設定します。
• Torch Compile : TorchCompileModelWanVideoノードを右クリックしてバイパスを選択します。
• TeaCache : TeaCacheノードを右クリックしてバイパスを選択します。