【Wan2.2】RunPodでComfyUIを使う方法（要点解説）

 

【この記事には、RunPodのプロモーションも含まれます】

 

要点解説：はじめに

 

【更新状況】

2026年7月7日（火）
記事ページを公開しました。

 

 

この記事では

✔︎ クラウドGPUサービスの「RunPod」で「Wan2.2」を使いたい方

を対象に

・RunPodの導入方法
・Wan2.2の基本的な使い方

などについて解説していきます。
尚、ComfyUI上でWan2.2を初めて使い始める方の場合には、このページの情報で基本的なことを理解した上で、以下のチュートリアル記事

：【Wan2.2】RunPod編：日本人のためのComfyUIの使い方（設定詳解）

を参照いただくと、Wan2.2の使い方に対する理解が深まるのではないかと思います。

 

 

【動画で解説】ComfyUI：RunPodでWan2.2を使う方法

 

 

【ComfyUI】RunPod編 – Wan2.2の使い方入門：画像・動画生成AI
Wan2.2 – ComfyUI with RunPod – AI Tutorial

公開日：
2026年7月7日19時に公開予定です。

文字情報だけでは理解しにくい場合などにご活用ください。
一度動画を視聴いただき、手順の全体像のイメージを作ってから、記事の内容に沿って手順をすすめていただけると、つまずきにくいかと思います。

 

 

【動画の内容：ComfyUI – Wan2.2チュートリアル】

0:00 オープニング
1:14 はじめに
1:53 手順1：ノートブックのダウンロード
4:49 手順2：RunPodにサインイン
5:47 手順3：RunPodに新規登録
6:53 手順4：RunPodへの課金方法
7:04 ①「Billing」（課金）メニューで課金
10:03 ②ダッシュボード右上の「＋」で課金
12:00 手順5：GPUのコンピュータの構成を設定
12:40 【基本設定】
13:42 【GPUの選択：必要GPU数】
14:32 【GPUの選択：各GPUの処理時間について】
15:35 【GPUの選択：例「RTX 5090 32GB」】
16:36 【テンプレートの選択など】
23:38 手順6：GPUクラウドに接続
26:39 手順7：JupyterLabの起動
27:24 手順8：JupyterLabでWan2.2のワークフローをダウンロード
28:29 ①JupyterLabの日本語化
30:09 ②Wan2.2のワークフローのダウンロード
32:29 手順9：ComfyUIでWan2.2を実行
35:39 画像生成（Text2Image）
42:24 動画生成（Text2Video）
45:32 動画生成（Image2Video）
49:53 動画生成（First & Last Frame2Video）
53:48 動画生成（Animate）
59:39 動画生成（Speech2Video）
1:05:36動画生成（Fun Inpaint）
1:10:34 動画生成（Fun Control）
1:15:27 動画生成（Fun Camera）
1:20:19 手順10：生成したファイルを「FileBrowser」でダウンロード
1:23:30 ディスク容量の管理方法
1:23:42 【残りのディスク容量の確認方法】
1:25:28 【生成ファイルを「FileBrowser」で削除する方法】
1:26:16 【ワークフロー毎に学習モデルなどを一括削除する方法】
1:27:07 ポッドを停止・削除する方法
1:28:18 ディスク容量の変更方法
1:29:30 トラブルシューティング
1:29:39 【対応例】学習モデルのダウンロードエラー
1:32:44 【対応例】メモリ（RAM）オーバー
1:34:38 【対応例】GPUメモリ（VRAM）オーバー
1:35:30 【対応例】ポッドの再起動ができない
1:38:44 おわりに

 

 

RunPodでWan2.2を実行する手順

 

 

①ファイルのダウンロード：

 

 

ノートブックのファイルをダウンロードされていない方は、以下のページ

FP8版（軽量版）
：ダウンロード：Wan2.2（FP8版）- ComfyUIチュートリアル用のノートブック

FP16版（高品質版）
：ダウンロード：Wan2.2（FP16版）- ComfyUIチュートリアル用のノートブック

のどちらかのノートブック（ipynbファイル）を事前にダウンロードします。

 

 

②RunPodのウェブサイトへ：

 

 

その後、RunPodに「Sign in」（サインイン）します。
登録がまだの方は「Sign up」（サインアップ）します

 

 

確認時点の情報では、RunPodでは「Referral Program」（紹介プログラム）を実施中のようです。
紹介リンクから、新規登録をしていただくと

・Pod（ポッド）利用料の3%のクレジット（RunPodアフィリエイトプログラムの参加要件を満たしていない状態の場合）
（〜2026年4月27日まで）
＊Pod：利用するコンピュータの1単位
＊クレジット：RunPodのサービス内のみで使えるお金
＊2025年6月17日からは、紹介者に還元される期限が、新規登録後の最初の6ヶ月間のみに変更されました

・最初の6ヶ月間のみPod（ポッド）利用料の10%の金額
＊ 2026年4月27日からは、おかげさまでRunPodアフィリエイトプログラムの参加要件をクリアしたため、最初の6ヶ月間のみPod（ポッド）利用料の10％の金額が紹介者に還元される仕組みに変更されました

が紹介者に還元される仕組みになっています。

また、このサイトの以下の紹介リンクからRunPodにアカウントを登録し「10ドルを使用」すると「最大500ドル（5ドル〜500ドルの範囲でランダムに報酬額が選ばれるようです）の無料クレジットがもらえる」可能性を秘めた特典の付与が2025年6月から開始されています。
＊ヨーロッパ以外の顧客には、5ドルから500ドルのランダムな加重ボーナスが支給
＊ヨーロッパの顧客には固定5ドルのボーナスが支給

 

新規登録者への特典の対象となりたい方や、このサイトの運営者の活動をご支援いただける心の器の大きな方は、こちら

【PR】RunPod紹介リンク：
RunPod – 子供プログラマー（RehabC – デジタルで、遊ぶ。）の紹介リンク

から新規登録をしていただけますと幸いです。

ご支援いただいたクレジットは、Wan2.2を起動するためのプログラムの保守・点検や、GPUを活用したComfyUIをはじめとした新たなAIプログラムのチュートリアル・コンテンツ作成に向けた検証の際などにご活用させていただきます。

 

また、そういうのはちょっと…
という方は、こちら

RunPodリンク：
RunPod

の通常のRunPodへのリンクや、ご自身で検索したRunPodのページから新規登録をしてみてください。

 

 

③RunPodの登録手順：

 

 

RunPodへの登録は

・GitHubアカウント
・Googleアカウント

などでもできます。

以下は、Eメールアドレスを使った登録方法の手順例です。
（既に、2024年時点でRunPodでアカウント作成済みのため、2024年にメールアドレスで登録をした際の手順をまとめてあります）

登録方法は、まず

・Eメールアドレス
・パスワード

を入力後に「Continue」（続ける）をクリックします。

 

画面が以下の表示に変わります。

 

その後、登録したEメールアドレスに「Sign up Link」（サインアップリンク）が送られてくるので、送られてきたメール内の

・「Sign up to RunPod」（サインアップRunPod）

のボタンをクリックすると認証（Verify）されます。

 

認証後に表示される画面の「Terms of Service」（利用規約）画面内にある

・「Terms of Service」（利用規約）

のテキストリンク先で利用規約を確認後に

・I have read and agree to the RunPod Terms of Service.
（私はRunPodの利用規約に同意します）

にチェックを入れます。
RunPodのニュースレターの希望有無である

・Subscribe to newsletter for latest news from RunPod.
（RunPodの最新ニュースのニュースレターのメール配信を希望する）

は、お好みに応じてチェックを入れます。
チェックを入れた場合には、ニュースレターが配信されます。

 

チェックができたら「Agree」（同意）をクリックします。

これで、RunPodへの新規登録は完了です。

 

 

④RunPodへの課金方法：

 

 

クラウドGPUサービスを使うには、RunPodへの課金が必要です。
RunPodは事前支払い制ですので、思いのほか計算量を使い過ぎてしまった場合に意図しない支払いを防げます。

 

課金するには
　
①ダッシュボードの左側の「Billing」（課金）
②ダッシュボード右上の「＋」

などをクリック後に表示される画面で課金する金額を指定します。

 

 

【①ダッシュボードの左側の「Billing」（課金）で課金する場合】

 

 

「Account balance」（残高）の「Choose an amount to add.」（追加する金額を選択してください。）の

・Other（その他）

をクリック後に表示される入力欄に課金する金額を入力します。

その後、支払い方法を選択します。

・Pay with card（クレジットカード・プリペイドカードで支払いする）
・Pay with crypto（仮想通貨Cryptoで支払いをする）

クレジットカード・プリペイドカードで支払いする場合には

・Pay with card（クレジットカード・プリペイドカードで支払いする）

と表示されている状態でボタンをクリックします。
Cryptoという仮想通貨で支払いをする場合には

・Pay with crypto（仮想通貨Cryptoで支払いをする）

と表示された状態でボタンをクリックします。

 

「Pay with Crypto」（仮想通貨Cryptoで支払いをする）を選択した場合の支払いは、Cryptoのアプリ

を介して支払いを行います。

 

「Pay with Card」（クレジットカード・プリペイドカードで支払いする）を選択した場合の支払いは「stripe」（ストライプ）というサービスを介して行われます。
「Payment details」（お支払いに関する詳細）で

①カードを選択
②クレジットカード・プリペイドカードの必要事項を入力
③「Save Card」（カード情報を保存する）をクリック

します。
「Add $〜 Credits」（〜ドルのクレジットを追加する）の画面で

・Payment Method（支払い方法）

が反映されていることを確認し

・「Pay $〜」（〜ドルを支払う）

のボタンをクリックします。

プリペイドカードで支払いを行われる方の注意点としては

・その時点で「100ドル」換算のお金がチャージされていないと拒否される

ことです。
支払日のレートで100ドル換算のお金をチャージした後に支払いをすると課金ができるようでした。

 

 

課金がうまくいけば「Billing」（課金）のページの表示の

・Account balance（残高）

に課金額が反映されます。

これで、RunPodを使うための最低限の準備ができました。

 

 

【②ダッシュボード右上の「＋」で課金する場合】

 

 

ダッシュボード右上の「＋」ボタンをクリック後に表示される「Add Runpod credits」（RunPodクレジットを追加する）の画面で

①「Choose an amount to add.」（追加する金額を選択してください。）で「Other」（その他）を選択
②「Custom amount」（任意の金額）で10ドル以上の金額を入力
③「Enable auto-pay?」（自動支払いを有効化しますか？）で「No」（いいえ。有効化しません。）を選択

した状態で「Go to Checkout」（お支払いページへ進む）ボタンをクリックします。

 

既にカード情報を登録されている場合には、「Add $〜 Credits」（〜ドルのクレジットを追加する）の画面で

・Payment Method（支払い方法）

が反映されますので

・「Pay $〜」（〜ドルを支払う）

のボタンをクリックし、支払いを実行します。
カード情報をまだ登録されていない場合には、手順に従ってカード情報を登録した後に手順を進めます。

プリペイドカードで支払いを行われる方の注意点としては

・その時点で「100ドル」換算のお金がチャージされていないと拒否される

ことです。
支払日のレートで100ドル換算のお金をチャージした後に支払いをすると課金ができるようでした。

 

 

課金がうまくいけば「Billing」（課金）のページの表示の

・Account balance（残高）

に課金額が反映されます。

これで、RunPodを使うための最低限の準備ができました。

以下に、事前にダウンロードしたノートブックを使ってWan2.2を実行するための基本的な手順を解説していきます。

 

 

⑤RunPodでGPUのコンピュータの構成を設定：

 

 

RunPodでGPUをレンタルするには管理画面の左側の「Pods」

をクリックして手順を進めます。

 

ただ、今回の場合は

・このサイトの運営者がRunPodでWan2.2を使うためのテンプレートを作成して公開

しているため、以下の紹介リンク（共有リンク）をクリック後に表示されるPodの設定画面で、GPUを選択するとサインイン（ログイン）を求められるのでサインイン（ログイン）します。
その後、「Pod Template」で選択される仕様となっています。
テンプレートの紹介リンクを追記しておきました。
また、RunPodにサインイン（ログイン）した状態で紹介リンクをクリックしていただいても、そのまま手順を進められます。
確認時点の情報では「Referral Program」（紹介プログラム）として、紹介リンクから、新規登録をしていただくと

・テンプレート利用料の1%のクレジット
＊ テンプレート：Podを利用する際に設定するコンピュータの環境を規定するテンプレート
＊ 紹介者に還元される期限が、新規登録後の最初の6ヶ月間

が紹介者（このサイトの運営者）に還元される仕組みになっています。

【テンプレートの紹介リンク】

FP8版：
・W2.2 – FP8 – ComfyUI 0.9.2 – 300GB
　注：Container Disk 50GB・Volume Disk 300GB 合計 350GB
【PR】紹介リンク（共有リンク）：
RunPod：テンプレート「W2.2 – FP8 – ComfyUI 0.9.2 – 300GB」- 子供プログラマー（RehabC – デジタルで、遊ぶ。）の紹介リンク
＊「Wan2.2（FP8版）- ComfyUIチュートリアル用のノートブック」をダウンロードされた方はこちらのテンプレートをご利用ください

FP16版：
・W2.2 – FP16 – ComfyUI 0.9.2 – 500GB
　注：Container Disk 50GB・Volume Disk 500GB 合計 550GB
【PR】紹介リンク（共有リンク）：
RunPod：テンプレート「W2.2 – FP16 – ComfyUI 0.9.2 – 500GB」- 子供プログラマー（RehabC – デジタルで、遊ぶ。）の紹介リンク
＊「Wan2.2（FP16版）- ComfyUIチュートリアル用のノートブック」をダウンロードされた方はこちらのテンプレートをご利用ください

 

 

Old flow版（旧手順）

 

 

まずは、2026年7月時点で「Early accesse features」（早期アクセス機能）を無効化されている方向けの設定を解説していきます。

 

 

【基本設定】

 

 

「Select an Instance」（インスタンスの選択）の設定で

・GPU

を選択しておきます。

 

次に、「Cloud Type」（クラウドの種類）の選択メニューで

・Secure Cloud（セキュア・クラウド：安全なクラウド）
＊信頼できるパートナーによってT3/T4データセンターで実行。緊密なパートナーシップにより、冗長性、セキュリティ、およびダウンタイムを軽減する高速応答時間を備えた高い信頼性が実現。機密性の高い環境を求める方は、Secure Cloudがお勧め。

を選択します。
特に、セキュリティ面を気にされない方は

・Community Cloud（コミュニティ・クラウド）
＊RunPodの招待制で、RunPod社の基準を満たした方を採用。電力とネットワークの冗長性はそれほど高くないが、品質と手頃な価格を兼ね備えた優れたサーバーを提供。機密性は求めないが、安価なサーバーを求める方向けのサービス。

の利用も検討してみてください。
また、一部の高性能GPUに限られますが「Global Networking」（グローバル・ネットワーキング）

というオプションもあります。
「Global Networking」を有効化すると、ポッドの管理画面に「Global Network Hostname: 〜.runpod.internal」（グローバル・ネットワークのホストの名前：〜.runpod.internal）というDNSレコードの項目が追加されます。
同じローカル ネットワーク上にあるかのようにポッドが相互に通信できるようになるとのことです。
説明ページの情報を参考に、ターミナルで試行錯誤してみましたが、使い方はわかりませんでした…

このチュートリアルでは、この機能は使わずに手順を進めていきます。

 

 

【GPUの選択：必要GPU数】

 

 

続いて、具体的なGPUを選択していきます。
GPUは「NVIDIA製のGPU」を使います。

今回のチュートリアル作成にあたって、2026年5月時点で「Secure Cloud」（セキュア・クラウド：安全なクラウド）で利用できる「NVIDIA製のGPU」で、各GPUの必要GPU数を検証してみました。
以下の表が、GPUと必要GPU数の関係です。

＊画像をクリックすると拡大されます

注：分類について
2026年7月時点の分類です

注：GPU数について
「FP8」「FP16」のワークフローを初期設定で実行する際に必要なGPU数の目安です
「Text2Image」「Text2Video」で検証した結果です

 

GPUを選択する場合には、事前に上記の表で最低限必要なGPU数を確認し、適切な数のGPU数を指定するようにしてみてください。

 

 

【GPUの選択：各GPUの処理時間について】

 

 

全てのGPUを検証した結果

・GPUメモリ（VRAM）は、主に1つのVRAMの容量自体を使うだけで、後はメモリ（RAM）の使用量が変動する傾向

があることがわかりました。
そのため

・世代によってはかなりの時間がかかる

場合もありましたので、これからWan2.2を始める方の情報収集の利便性を考え、各GPUの処理時間の一例も、以下に列挙しておきます。
2026年7月確認時点では、高頻度で使えない傾向にあるGPUも多数あるようでした。
そのため、これらの情報を参考に、これから使うGPUの情報をチェックし、その時点でのコストパフォーマンスに優れたGPUを選択する際の参考になることがありましたら幸いです。

 

 

【GPUの選択：「FP8版」の各GPUの処理時間（一覧）】

 

 

【FP8】

注：GPU数について
「FP8」「FP16」のワークフローを初期設定で実行する際に必要なGPU数の目安です
「Text2Image」「Text2Video」で検証した結果です
尚、サイズなどの設定を変えると必要なGPU使用量なども変化します

注：実行時間は2回目の実行時間
初回実行時には学習モデルの読み込みなどで時間がかかります

注：「GB」（ギガバイト）- 表記上の容量
1GB = 1,000,000,000バイト（10の9乗）

注：「GiB」（ギビバイド）- コンピュータが認識する容量
1GiB = 1,073,741,824バイト（2の30乗）

 

Featured GPUs（注目GPU）
・B200 180GB（Memory：233.8GiB）× 1
＊Text2Image
：FP8高速版 4秒・FP8高品質版 17秒
＊Text2Video
：FP8高速版 23秒・FP8高品質版 2分15秒

・H200 SXM 141GB（Memory：233.8GiB）× 1
＊Text2Image
：FP8高速版 5秒・FP8高品質版 23秒
＊Text2Video
：FP8高速版 20秒・FP8高品質版 2分43秒

・RTX PRO 6000 96GB（Memory：175.1GiB）× 1
＊Text2Image
：FP8高速版 6秒・FP8高品質版 32秒
＊Text2Video
：FP8高速版 24秒・FP8高品質版 3分22秒

・H100 SXM 80GB（Memory：286.7GiB）× 1
＊Text2Image
：FP8高速版 5秒・FP8高品質版 24秒
＊Text2Video
：FP8高速版 23秒・FP8高品質版 2分49秒

 

NVIDIA latest generation（NVIDIA最新世代）
・NVIDIA H200 NVL 143GB（Memory：263.6GiB）× 1
＊Text2Image
：FP8高速版 5秒・FP8高品質版 24秒
＊Text2Video
：FP8高速版 22秒・FP8高品質版 2分56秒

・RTX PRO 6000 WK 96GB（Memory：262.6GiB）× 1
＊Text2Image
：FP8高速版 7秒・FP8高品質版 35秒
＊Text2Video
：FP8高速版 25秒・FP8高品質版 3分42秒

・H100 NVL 94GB（Memory：167.6GiB）× 1
＊Text2Image
：FP8高速版 10秒・FP8高品質版 43秒
＊Text2Video
：FP8高速版 50秒・FP8高品質版 4分53秒

・H100 PCIe 80GB（Memory：233.8GiB）× 1
＊Text2Image
：FP8高速版 8秒・FP8高品質版 38秒
＊Text2Video
：FP8高速版 38秒・FP8高品質版 4分32秒

・L40S 48GB（Memory：175.1GiB）× 1
＊Text2Image
：FP8高速版 13秒・FP8高品質版 1分5秒
＊Text2Video
：FP8高速版 47秒・FP8高品質版 6分22秒

・RTX 6000 Ada 48GB（Memory：57.74GiB）× 1
＊Text2Image
：FP8高速版 14秒・FP8高品質版 1分11秒
＊Text2Video
：FP8高速版 50秒・FP8高品質版 7分18秒

・RTX 5090 32GB（Memory：109GiB）× 1
＊Text2Image
：FP8高速版 12秒・FP8高品質版 49秒
＊Text2Video
：FP8高速版 32秒・FP8高品質版 2分11秒

・RTX PRO 4500 32GB（Memory：57.74GiB）× 1
＊Text2Image
：FP8高速版 19秒・FP8高品質版 1分23秒
＊Text2Video
：FP8高速版 1分4秒・FP8高品質版 8分14秒

・L4 24GB（Memory：87.54GiB）× 1
＊Text2Image
：FP8高速版 1分25秒・FP8高品質版 4分4秒
＊Text2Video
：FP8高速版 2分43秒・FP8高品質版 19分59秒

・RTX 4090 24GB（Memory：116.4GiB）× 2（VRAMのメモリオーバーのため）
＊Text2Image
：FP8高速版 35秒・FP8高品質版 1分30秒（高速版は、GPU 1つでもできる時があるが2つ必要な時もあり。高品質版は、GPU 1つでも使える）
＊Text2Video
：FP8高速版 57秒・FP8高品質版 7分31秒（GPU 1つでも使える）

・RTX 4000 Ada 20GB（Memory：116.4GiB）× 1
＊Text2Image
：FP8高速版 1分2秒・FP8高品質版 3分9秒
＊Text2Video
：FP8高速版 2分3秒・FP8高品質版 15分50秒

・RTX 2000 Ada 16GB（Memory：32.6GiB）× 2（1つでは通常のメモリオーバーのため）＊ × 2では57.74GiB
＊Text2Image
：FP8高速版 3分33秒・FP8高品質版 6分8秒（高速版は、GPU 1つでも使える。高品質版は、GPU 1つでもできる時があるが2つ必要な時もあり）
＊Text2Video
：FP8高速版 5分20秒・FP8高品質版 29分58秒（高速版は、GPU 1つでも使える。高品質版は、GPU 2つ必要）

 

NVIDIA previous generation（NVIDIA過去世代）
・A100 SXM 80GB（Memory：232.8GiB）× 1
＊Text2Image
：FP8高速版 14秒・FP8高品質版 1分9秒
＊Text2Video
：FP8高速版 1分2秒・FP8高品質版 6分23秒

・A100 PCIe 80GB（Memory：175.1GiB）× 1
＊Text2Image
：FP8高速版 15秒・FP8高品質版 1分14秒
＊Text2Video
：FP8高速版 47秒・FP8高品質版 6分41秒

・L40 48GB（Memory：232.8GiB）× 1
＊Text2Image
：FP8高速版 17秒・FP8高品質版 1分25秒
＊Text2Video
：FP8高速版 59秒・FP8高品質版 8分34秒

・A40 48GB（Memory：46.57GiB）× 1
＊Text2Image
：FP8高速版 29秒・FP8高品質版 2分18秒
＊Text2Video
：FP8高速版 1分29秒・FP8高品質版 12分36秒

・RTX A6000 48GB（Memory：46.57GiB）× 1
＊Text2Image
：FP8高速版 26秒・FP8高品質版 2分14秒
＊Text2Video
：FP8高速版 1分21秒・FP8高品質版 12分33秒

・RTX 3090 24GB（Memory：116.4GiB）× 1
＊Text2Image
：FP8高速版 1分2秒・FP8高品質版 3分25秒
＊Text2Video
：FP8高速版 2分12秒・FP8高品質版 17分54秒

・RTX A5000 24GB（Memory：46.57GiB）× 1
＊Text2Image
：FP8高速版 1分28秒・FP8高品質版 3分15秒
＊Text2Video
：FP8高速版 2分11秒・FP8高品質版 16分46秒

・RTX A4500 20GB（Memory：57.74GiB）× 1
＊Text2Image
：FP8高速版 1分16秒・FP8高品質版 3分53秒
＊Text2Video
：FP8高速版 2分20秒・FP8高品質版 19分41秒

・RTX A4000 16GB（Memory：66.12GiB）× 1
＊Text2Image
：FP8高速版 1分12秒・FP8高品質版 4分45秒
＊Text2Video
：FP8高速版 3分7秒・FP8高品質版 26分38秒

 

 

【GPUの選択：「FP16版」の各GPUの処理時間（一覧）】

 

 

【FP16】

注：GPU数について
「FP8」「FP16」のワークフローを初期設定で実行する際に必要なGPU数の目安です
「Text2Image」「Text2Video」で検証した結果です
尚、サイズなどの設定を変えると必要なGPU使用量なども変化します

注：実行時間は2回目の実行時間
初回実行時には学習モデルの読み込みなどで時間がかかります

注：「GB」（ギガバイト）- 表記上の容量
1GB = 1,000,000,000バイト（10の9乗）

注：「GiB」（ギビバイド）- コンピュータが認識する容量
1GiB = 1,073,741,824バイト（2の30乗）

 

Featured GPUs（注目GPU）
・B200 180GB（Memory：233.8GiB）× 1
＊Text2Image
：FP16高速版 4秒・FP16高品質版 18秒
＊Text2Video
：FP16高速版 16秒・FP16高品質版 2分14秒

・H200 SXM 141GB（Memory：233.8GiB）× 1
＊Text2Image
：FP16高速版 5秒・FP16高品質版 26秒
＊Text2Video
：FP16高速版 21秒・FP16高品質版 2分57秒

・RTX PRO 6000 96GB（Memory：175.1GiB）× 1
＊Text2Image
：FP16高速版 11秒・FP16高品質版 58秒
＊Text2Video
：FP16高速版 34秒・FP16高品質版 4分59秒

・H100 SXM 80GB（Memory：286.7GiB）× 1
＊Text2Image
：FP16高速版 5秒・FP16高品質版 27秒
＊Text2Video
：FP16高速版 25秒・FP16高品質版 3分2秒

 

NVIDIA latest generation（NVIDIA最新世代）
・NVIDIA H200 NVL 143GB（Memory：263.6GiB）× 1
＊Text2Image
：FP16高速版 6秒・FP16高品質版 28秒
＊Text2Video
：FP16高速版 24秒・FP16高品質版 3分14秒

・RTX PRO 6000 WK 96GB（Memory：262.6GiB）× 1
＊Text2Image
：FP16高速版 12秒・FP16高品質版 1分4秒
＊Text2Video
：FP16高速版 36秒・FP16高品質版 5分34秒

・H100 NVL 94GB（Memory：167.6GiB）× 1
＊Text2Image
：FP16高速版 11秒・FP16高品質版 52秒
＊Text2Video
：FP16高速版 55秒・FP16高品質版 5分37秒

・H100 PCIe 80GB（Memory：233.8GiB）× 1
＊Text2Image
：FP16高速版 9秒・FP16高品質版 44秒
＊Text2Video
：FP16高速版 40秒・FP16高品質版 4分54秒

・L40S 48GB（Memory：175.1GiB）× 1
＊Text2Image
：FP16高速版 31秒・FP16高品質版 1分50秒
＊Text2Video
：FP16高速版 1分10秒・FP16高品質版 7分52秒

・RTX 6000 Ada 48GB（Memory：57.74GiB）× 2（1つでは通常のメモリオーバーのため）
＊Text2Image
：FP16高速版 32秒・FP16高品質版 2分25秒
＊Text2Video
：FP16高速版 1分14秒・FP16高品質版 10分27秒

・RTX 5090 32GB（Memory：109GiB）× 1
＊Text2Image
：FP16高速版 32秒・FP16高品質版 2分11秒
＊Text2Video
：FP16高速版 57秒・FP16高品質版 7分22秒

・RTX PRO 4500 32GB（Memory：57.74GiB）× 2（1つでは通常のメモリオーバーのため）
＊Text2Image
：FP16高速版 32秒・FP16高品質版 2分52秒
＊Text2Video
：FP16高速版 1分19秒・FP16高品質版 11分58秒

・L4 24GB（Memory：87.54GiB）× 1
＊Text2Image
：FP16高速版 1分35秒・FP16高品質版 5分23秒
＊Text2Video
：FP16高速版 2分59秒・FP16高品質版 22分20秒

・RTX 4090 24GB（Memory：116.4GiB）× 1
＊Text2Image
：FP16高速版 44秒・FP16高品質版 2分24秒
＊Text2Video
：FP16高速版 1分16秒・FP16高品質版 9分1秒

・RTX 4000 Ada 20GB（Memory：116.4GGiB）× 1
＊Text2Image
：FP16高速版 1分3秒・FP16高品質版 3分58秒
＊Text2Video
：FP16高速版 2分8秒・FP16高品質版 17分48秒

・RTX 2000 Ada 16GB（Memory：32.6GiB）× 3（2つでは通常のメモリオーバーのため）＊ × 3では86.61GiB
＊Text2Image
：FP16高速版 2分2秒・FP16高品質版 7分16秒
＊Text2Video
：FP16高速版 3分58秒・FP16高品質版 35分12秒

 

NVIDIA previous generation（NVIDIA過去世代）
・A100 SXM 80GB（Memory：232.8GiB）× 1
＊Text2Image
：FP16高速版 14秒・FP16高品質版 1分6秒
＊Text2Video
：FP16高速版 1分3秒・FP16高品質版 6分22秒

・A100 PCIe 80GB（Memory：175.1GiB）× 1
＊Text2Image
：FP16高速版 14秒・FP16高品質版 1分12秒
＊Text2Video
：FP16高速版 46秒・FP16高品質版 6分40秒

・L40 48GB（Memory：232.8GiB）× 1
＊Text2Image
：FP16高速版 39秒・FP16高品質版 2分45秒
＊Text2Video
：FP16高速版 1分31秒・FP16高品質版 11分49秒

・A40 48GB（Memory：46.57GiB）× 2（1つでは通常のメモリオーバーのため）
＊Text2Image
：FP16高速版 55秒・FP16高品質版 2分55秒
＊Text2Video
：FP16高速版 1分44秒・FP16高品質版 13分24秒

・RTX A6000 48GB（Memory：46.57GiB）× 2（1つでは通常のメモリオーバーのため）
＊Text2Image
：FP16高速版 39秒・FP16高品質版 2分47秒
＊Text2Video
：FP16高速版 1分51秒・FP16高品質版 12分41秒

・RTX 3090 24GB（Memory：116.4GiB）× 1
＊Text2Image
：FP16高速版 1分14秒・FP16高品質版 3分49秒
＊Text2Video
：FP16高速版 2分15秒・FP16高品質版 18分6秒

・RTX A5000 24GB（Memory：46.57GiB）× 2（1つでは通常のメモリオーバーのため）
＊Text2Image
：FP16高速版 48秒・FP16高品質版 3分22秒
＊Text2Video
：FP16高速版 1分57秒・FP16高品質版 16分51秒

・RTX A4500 20GB（Memory：57.74GiB）× 2（1つでは通常のメモリオーバーのため）＊ × 2では116.4GiB
＊Text2Image
：FP16高速版 51秒・FP16高品質版 3分53秒
＊Text2Video
：FP16高速版 2分12秒・FP16高品質版 19分12秒

・RTX A4000 16GB（Memory：66.12GiB）× 2
＊Text2Image
：FP16高速版 1分8秒・FP16高品質版 4分44秒
＊Text2Video
：FP16高速版 2分47秒・FP16高品質版 24分39秒

 

 

【GPUの選択：チュートリアルでは「RTX 5090 32GB」を使用】

 

 

今回のチュートリアルでは

・RTX 5090（32GB VRAM）
＊NVIDIA製GPU（NVIDIA latest generation：NVIDIA最新世代）

を使っていきます。
参考までに

・RTX A6000（48GB VRAM）
＊NVIDIA製GPU（NVIDIA previous generation：NVIDIA過去世代）

と比較した表を以下に掲載しておきます。

＊画像をクリックすると拡大されます

注：実行時間例について
初期設定の実行時間です（2回目の実行）
尚、初回実行はモデルの読み込みなどにも時間がかかります

注：GPU (VRAM)使用量について初期設定の際に必要な使用量です
尚、サイズなどの設定を変えると必要なGPU使用量なども変化します
FP16の場合にはGPUメモリ(VRAM）は許容範囲ですが、メモリ（RAM：Memory)が足りないためGPU数を2つにすることでメモリを増やしています

 

GPUに関しては、ワークフローの設定を変更すると要求される容量が変わりますので、何回か使う中で、個々の方にとっての（コストパフォーマンス的に）最善のGPUを探してみてください。
設定を変更する中で遭遇するであろう「GPUメモリ（VRAM）不足」や「メモリ（RAM）不足」の状態については、トラブルシューティングの項目の

・【対応例】メモリ（RAM）オーバー
・【対応例】GPUメモリ（VRAM）オーバー

の所で後述します。

尚、試した感じでは、最速は

・B200（180GB VRAM）
＊NVIDIA製GPU（Featured GPUs：注目GPU）

でした。
ただ、お値段が・・・
スピードを求める場合には、お財布事情と相談ですね…

 

 

【テンプレートの選択など】

 

 

RunPodでは通常「Configure Deployment」（デプロイの設定）で、

・Pod Template（ポッドのテンプレート）

を選択します。
今回のチュートリアルの手順では、テンプレートの紹介リンクを活用する方法で実施しているため、手順通り実行していただければ、既に該当するテンプレートが反映されている状態かと思います。
具体的には、FP8版のWan2.2のノートブックをダウンロードし、FP8版のテンプレートの紹介リンクを利用された方は

・W2.2 – FP8 – ComfyUI 0.9.2 – 300GB
注：Container Disk 50GB・Volume Disk 300GB 合計 350GB

のテンプレートが選択された状態であることを確認してください。
FP16版のWan2.2のノートブックをダウンロードし、FP16版のテンプレートの紹介リンクを利用された方は

・W2.2 – FP16 – ComfyUI 0.9.2 – 500GB
注：Container Disk 50GB・Volume Disk 500GB 合計 550GB

のテンプレートが選択された状態になっていることを確認してください。

 

チュートリアルでは

・FP16版のWan2.2のノートブックをダウンロード
・FP16版のテンプレートの紹介リンクを利用

をしていくので

・W2.2 – FP16 – ComfyUI 0.9.2 – 500GB

が選択された状態です。

ここで、ディスク容量に関して、違いを理解しにくいかと思いますので、簡単に解説しておきます。

 

「Container Disk」（コンテナディスク領域）は一時的な保存領域であり、そこに保存したものはすべてポッドを停止するとリセット（削除）されます。

一方、「Volume Disk」（ボリュームディスク領域）は永続的な保存領域で、ポッドを停止後も保持されます。ポッドを削除するとリセット（削除）されますので、ポッドを削除する前に、必要なファイルなどはローカル環境（自分のパソコンなど）にダウンロードしておいてください。

 

暫定的に容量を設定しておきましたが、Wan2.2を使う中で、必要に応じて容量を変更することもできますので、容量の変更方法に関しては、「RunPodでディスク容量の変更方法」の項目で、後ほど解説させていただきます。

【参考情報】

【FP8版】Wan2.2の全てのワークフローを実行するために必要な容量の目安

・「Container Disk」（コンテナディスク領域：一時保存領域）
：1GB
＊「Container Disk」は初期設定では5GB以上を確保する必要がある仕組みのようです
＊「Container Disk」はポッド作成後には、2GB以上を確保する必要があるようです

・「Volume Disk」（ボリュームディスク領域：永続保存領域）
：198GB
＊「Volume Disk」は「workspace」フォルダ内の情報が保持される仕組みのようです
＊「Volume Disk」はポッド作成後には、初期設定の値から追加することはできるようですが、下げることはできない仕組みのようです

【FP16版】Wan2.2の全てのワークフローを実行するために必要な容量の目安

・「Container Disk」（コンテナディスク領域：一時保存領域）
：1GB
＊「Container Disk」は初期設定では5GB以上を確保する必要がある仕組みのようです
＊「Container Disk」はポッド作成後には、2GB以上を確保する必要があるようです

・「Volume Disk」（ボリュームディスク領域：永続保存領域）
：368GB
＊「Volume Disk」は「workspace」フォルダ内の情報が保持される仕組みのようです
＊「Volume Disk」はポッド作成後には、初期設定の値から追加することはできるようですが、下げることはできない仕組みのようです

今回のテンプレートではComfyUI上でカスタムノードを追加するなどと、カスタマイズする方も想定し、「Container Disk」（コンテナディスク領域：一時保存領域）の容量に余裕を持たせた設計にしています。

 

GPUを搭載する数を設定する

・GPU Count（GPUの数）

では、GPU数を指定できます。
チュートリアルでは、「RTX 5090（32 GB VRAM）」のGPUを1つだけ使いますので

・32GB × 1 = 32GB

ということで合計「32GB」のGPUメモリでComfyUI上でWan2.2を使っています。
割り当てられるコンピュータにもよるようですが、GPUの数に関しても後ほど幾らかは調整できる場合もあるようでしたが、始めに割り当てたGPU数が上限と思っておいた方が無難そうでした。

 

「Instance Pricing」（インスタンスの価格）では、2026年4月までは

・On-Demand（オンデマンドプラン）
＊使用者の意思で終了しない限り、基本的に使用中のポッドを使い続けることができるプラン。秒単位で課金されます

・Savings Plan（セービングプラン：お値打ちプラン）
＊所定の期間中（例：1週間分）の料金が一括で要求されますが、24時間使い続ける方の場合には「On-Demand」（オンデマンドプラン）よりはお値打ちになるプラン

・Spot（スポットプラン）
＊余剰分のGPUを安価で使える分、余剰のGPUがなくなった場合に、使用者の意思に反して突然、使用中のポッドが使えなくなることもあるプラン。秒単位で課金されます。

のプランから選択できましたが。
2026年4月末からは

・On-Demand（オンデマンドプラン）
＊使用者の意思で終了しない限り、基本的に使用中のポッドを使い続けることができるプラン。秒単位で課金されます

・Reserved（長期予約プラン）
＊おそらく「Savings Plan（セービングプラン：お値打ちプラン）に変わるプランではないかと推測されます。確認時点では「3ヶ月〜48ヶ月」まで選択できるようでした

などのプランに変更されているようでした。
チュートリアルでは、コンピュータを使った分だけ、支払いが発生し、安定的に使える

・On-Demand（オンデマンドプラン）

を選択していきます。

「Reserved」（長期予約プラン）は、24時間常時プログラムを動かし続けている方にとってはいいかもしれませんが、Wan2.2を自分で使う分には、「On-Demand」（オンデマンドプラン）が妥当ではないかと思われます。

 

「Encrypt Volume」（ボリュームの暗号化）では、ボリュームを暗号化するかどうかを設定できます。
以前のRunPodの画面上に表示されていた説明を読んでみると

【Encrypt Volumeの説明】

Encrypted volumes provide better data security but will incur a performance penalty and CANNOT be resized later.

日本語訳：
暗号化されたボリュームは、より良いデータセキュリティを提供しますが、パフォーマンスペナルティが発生し、後でサイズを変更することはできません。

ということのようです。

チュートリアル作成時点で試した範囲では、一度ポッドを作成後に「Volume Disk」（ボリュームディスク領域：永続保存領域）の容量が変更できなくなりました。
チュートリアルでは「この機能はオフ」にしておきます。

 

「Storage configurationg」（ストレージ構成）では、ストレージの設定ができます。
ストレージの設定では

・Network Volume
（ネットワークボリューム）

説明：

Storage hosted independently of a Pod.
Hosted in a specific data center location (e.g., EU-RO-1) that can be accessed by any Pod in that data center.
Recommended to pick a location with high availability for your desired GPU type.

日本語訳：
ポッドとは独立してホストされるストレージ。
特定のデータセンターロケーション（例：EU-RO-1）にホストされ、そのデータセンター内の任意のポッドからアクセス可能です。
ご希望のGPUタイプに対して高可用性を備えたロケーションを選択することを推奨します。

・Volume disk
（ボリュームディスク）

説明：

Storage located physically on the server your Pod runs on.
If you need storage across multiple Pods & Endpoints or want data to persist beyond Pod termination, use a network volume instead.

日本語訳：
ポッドが実行されているサーバー上に物理的に配置されたストレージです。
複数のポッドやエンドポイントにまたがるストレージが必要な場合や、ポッドの終了後もデータを保持したい場合は、代わりにネットワークボリュームを使用してください。

のどちらかの方式を選択します。
チュートリアルでは

・Volume disk
（ボリュームディスク）

を使って解説していきます。

 

尚、「Volume disk」（ボリュームディスク）は、ここで設定した

・初期設定の数値以下には下げられない仕様

なので、特定のワークフローのみを使う場合には、Wan2.2を何回か使う中で適切な容量が把握できたら、新たにポッドを作り直して、初期設定の「Volume disk」の容量を調整してみてください。

 

ここまでの設定を行うと、最後に以下のサマリー

・Pricing Summary（価格の要約）
・Pod Summary（ポッドの構成の要約）

が確認できます。
確認時点の「Pricing Summary」（価格の要約）では

GPU Cost: $0.99 / hr
Running Pod Disk Cost: $0.076 / hr
Stopped Pod Disk Cost: $0.139 / hr

ということで

・GPU使用量はポッド “起動中” に “1時間あたり0.99ドル” を秒換算で請求
・容量の使用量はポッドの “起動中” に “1時間あたり0.076ドル” を秒換算で請求
・容量の使用量はポッドの “停止中” に “1時間あたり0.139ドル” を秒換算で請求

とのことでした。
注意点としては、容量の使用料金は、事前に設定した容量の確保量

・「Container Disk」（コンテナディスク領域：一時保存領域）：50GB
＊「Running Pod Disk Cost」（ポッド稼働中の使用料）に反映

・「Volume Disk」（ボリュームディスク領域：永続保存領域）：500GB
＊「Running Pod Disk Cost」（ポッド稼働中の使用料）「Stopped Pod Disk Cost」（ポッド停止中の使用料）に反映

に依存するという点です。

 

「Volume Disk」（ボリュームディスク領域：永続保存領域）を「500GB」とした場合に

・0.139ドル × 24時間 × 31日 = 103.416ドル/月
＊価格は一例です。

ということで、維持費に月換算で約「100ドル」（一例）かかります。
例えば「500GB」を「1000GB」に変更した場合には約2倍の維持費になります。

今回のように、これだけ確保する容量が大きい場合には、ポッド停止期間中の維持費が現実的ではないので、その都度、ポッドを削除し、また使う際にポッドを新規作成する方が、コストパフォーマンス的に優れるのではないかと思います。
また、どうしても、ポッドを停止し一定期間環境を保持し続けたい方は

・適宜作成したファイルをローカル環境にダウンロードしポッド上からファイルを削除する

・使わないWan2.2のワークフローの学習モデルはダウンロードしない、もしくは、削除する

などの対応をし、ポッドを停止した際には、必要最低限の「Volume Disk」（ボリュームディスク領域：永続保存領域）の容量を把握した上で、その数値を反映させた新たなポッドを作成するといいかと思います。
今回の「チュートリアル用のノートブック」にも、使わないWan2.2のワークフローの学習モデルを個別に削除できるコードも記載しておきましたので、必要な方は適宜ご活用いただけますと幸いです。

 

サマリーを確認し、料金やコンピュータの構成に問題がなければ

・Deploy On-Demand（デブロイ）

をクリックし、コンピュータを起動させます。

 

何度か試した範囲では「Pod Summary」（ポッドの構成の要約）

Pod Summary
1x RTX 5090 (32 GB VRAM)
60 GB RAM • 12 CPU

の情報の一番下の構成「60 GB RAM • 12 CPU」（一例）が、「Deploy On-Demand」を実行後に変更されることがあるようでしたので、あくまで参考程度に捉えていただくといいかもしれません。

 

 

Early accesse features版（早期アクセス機能の手順）

 

 

続いて、2026年7月時点で「Early accesse features」（早期アクセス機能）を有効化されている方向けの設定を解説していきます。
機能を有効化するには、まずは、画面右上の人物アイコンをクリックし

・Early accesse features
（早期アクセス機能）

をクリックします。
その後、「Early accesse features」（早期アクセス機能）のページ内の「Beta features」（ベータ版機能）の

・New Pod deploy page
（新しいポッドのデブロイページ）

を有効化します。
上の画像の状態が、有効化した状態です。

 

尚、GPUの詳細に関しては省略していますので、必要に応じて「Old flow版」（旧手順）の解説をご参照ください。

 

 

【テンプレートの選択】

 

 

「Workload」（ワークロード）では、テンプレートとポッドの名前を設定します。
今回のチュートリアルの手順では、テンプレートの紹介リンクを活用する方法で実施しているため、手順通り実行していただければ、既に該当するテンプレートが反映されている状態かと思います。
具体的には、FP8版のWan2.2のノートブックをダウンロードし、FP8版のテンプレートの紹介リンクを利用された方は

・W2.2 – FP8 – ComfyUI 0.9.2 – 300GB
注：Container Disk 50GB・Volume Disk 300GB 合計 350GB

のテンプレートが選択された状態であることを確認してください。
FP16版のWan2.2のノートブックをダウンロードし、FP16版のテンプレートの紹介リンクを利用された方は

・W2.2 – FP16 – ComfyUI 0.9.2 – 500GB
注：Container Disk 50GB・Volume Disk 500GB 合計 550GB

のテンプレートが選択された状態になっていることを確認してください。

 

チュートリアルでは

・FP16版のWan2.2のノートブックをダウンロード
・FP16版のテンプレートの紹介リンクを利用

をしていくので

・W2.2 – FP16 – ComfyUI 0.9.2 – 500GB

が選択された状態です。

 

 

【対象エリアの選択】

 

 

「Region」（地域）では、GPUを提供しているサーバーのエリアを指定できます。
今回は、全てのエリアのGPUを選択できるように

・Any region
（全てのエリア）

を選択しています。

 

 

【GPUの選択】

 

 

「Compute」（計算）では、GPUを選択し、GPUの設定をしていきます。
まずは「GPU」の項目が開いた状態にし

・All
（全て）

を選択します。
今回のチュートリアルでは

・RTX 5090（32GB VRAM）
＊NVIDIA製GPU（NVIDIA latest generation：NVIDIA最新世代）

を使っていきます。

 

GPUを搭載する数を設定する「GPU Count」（GPUの数）では、GPU数を指定できます。
チュートリアルでは、「RTX 5090（32 GB VRAM）」のGPUを1つだけ使いますので

・32GB × 1 = 32GB

ということで合計「32GB」のGPUメモリでComfyUI上でWan2.2を使っています。

 

「Instance Pricing」（インスタンスの価格）では

・On-Demand（オンデマンドプラン）
＊使用者の意思で終了しない限り、基本的に使用中のポッドを使い続けることができるプラン。秒単位で課金されます

・Reserved（長期予約プラン）
＊確認時点では「3ヶ月〜48ヶ月」まで選択できるようでした

などのプランを選択します。
チュートリアルでは、コンピュータを使った分だけ、支払いが発生し、安定的に使える

・On-Demand（オンデマンドプラン）

を選択していきます。

 

 

【ストレージの設定】

 

 

「Storage」（ストレージ）では

・Container Disk
（コンテナディスク領域：一時保存領域）
＊「Running Pod Disk Cost」（ポッド稼働中の使用料）に反映

の容量の設定や、「Persistent storage」（永続ストレージ）の種類を

・Network Volume
（ネットワークボリューム）
＊「Running Pod Disk Cost」（ポッド稼働中の使用料）「Stopped Pod Disk Cost」（ポッド停止中の使用料）に反映

・Volume Disk
（ボリュームディスク領域：永続保存領域）
＊「Running Pod Disk Cost」（ポッド稼働中の使用料）「Stopped Pod Disk Cost」（ポッド停止中の使用料）に反映

のどちらにするか選択し、容量などの設定ができます。
チュートリアルでは

・Volume Disk

を選択しています。

 

「Encrypt Volume」（ボリュームの暗号化）では、ボリュームを暗号化するかどうかを設定できます。
チュートリアルでは、「この機能はオフ」（チェックを入れない）にしておきます。

 

料金やコンピュータの構成に問題がなければ

・Deploy Pod

をクリックし、コンピュータを起動させます。

 

 

⑥RunPodでGPUクラウドに接続：

 

 

先ほどの手順を実施後に、設定した構成でコンピュータが構築されます。

処理の経過を確認する方法の1つとして、ポッドの管理画面の表示の「Connect」（接続）内に表示されている「Docker layer progress」（Dockerレイヤーの進捗状況）

をクリックすると、ポッドの「System」（システム）の各レイヤーの構成状況が確認できます。
その他にも、ポッドの管理画面の表示の「Logs」（ログ）内に表示されている「System」（システム）

をクリックすると、ポッドの「System」（システム）の各レイヤーの構成状況の細かいログを確認できます。
「System」（システム）の構成が完了すると

・start container for 〜: begin
（〜のコンテナがスタート開始しました）

と表示され「Logs」（ログ）内の表示に「Container」（コンテナ）の表示が追加されます。
＊注：2026年7月時点の仕様では、始めから表示されているようでした。

「Container」（コンテナ）の画面ではWan2.2を使うために必要なComfyUIの各種依存関係をダウンロード

します。
準備が完了するまでしばらく待ちます。

ポッドの構成完了までの時間は、RunPod自体に、今回構成する情報のキャッシュの有無や、選択するGPUなどが影響するようでした。
キャッシュがない場合には、10分程度時間がかかることもありましたが、この記事を作成するために検証した時には

・System（システム）構成〜完了：約3分
・Container（コンテナ）構成〜完了：約2分
・合計：約5分

程度の時間がかかりました。
何度も今回利用しているテンプレートを使って、ポッドを構成していると処理が完了するまでの時間が速い印象を受けています。

 

「Logs」（ログ）画面上では、準備が完了すると、以下の「Container」（コンテナ）の表示

ComfyUI started
Setup complete! Services running:
– SSH: Running
– FileBrowser: http://0.0.0.0:8080 (user: rehab, pass: digitaldeau)
– Jupyter Lab: http://0.0.0.0:8888
– ComfyUI: http://0.0.0.0:8188 (logs: /workspace/comfyui.log)
（ComfyUIが起動しました。
セットアップが完了しサービスが稼働中です：
– SSH: 稼働中
– FileBrowser: http://0.0.0.0:8080 (ユーザー名：rehab パスワード：digitaldeau)
– Jupyter Lab: http://0.0.0.0:8888
– ComfyUI: http://0.0.0.0:8188 (ログファイルの場所： /workspace/comfyui.log）
）

になります。
上記の表示が確認できたら「Connect」（接続）の表示で以下のように

Port 8080 → FileBrowser
• Ready
（ポート8080 → FileBrowserの準備完了）

Port 8188 → ComfyUl　　　
• Ready
（ポート8188 → ComfyUIの準備完了）

Port 8888 → JupyterLab
• Ready
（ポート8888 → JupyterLabの準備完了）

となります。
この状態になると、それぞれのリンクをクリックすると使えるようになりますが、時折、うまくいかない場合も経験しています。
そういった場合には、さらに数分程経過してから、リンクをクリックするとうまくいくようでした。

コンピュータの準備ができたので、GPUクラウドに接続してComfyUIなどを起動していきましょう。

 

 

⑦RunPodでJupyterLabの起動：

 

 

今回の方法では、ComfyUI上でWan2.2を利用するためには、まずは、JupyterLabを起動する必要があります。
それでは、GPUクラウドに接続して、JupyterLabを起動する手順を一緒にやっていきましょう。

 

GPUクラウド上のJupyterLabに接続するには

・JupyterLab

のテキストリンクをクリックします。

これで、JupyterLabが起動できました。

 

 

⑧JupyterLabでWan2.2のワークフローをダウンロード：

 

 

まずは、事前にダウンロードしておいたノートブック

・RunPod-ComfyUIv0.9.2-Wan2.2-FP16-Historical-Legacy-for-Japanese-AI-beginners.ipynb
＊FP8版のノートブックをダウンロードされた方は「RunPod-ComfyUIv0.9.2-Wan2.2-FP8-Historical-Legacy-for-Japanese-AI-beginners.ipynb」

をJupyterLabにアップロードします。
アップロード方法は簡単で

・JupyterLabの左側の枠の中にファイルをドラッグ&ドロップ

するだけです。
JupyterLabを起動直後の環境では表示できるフォルダ構造の

・トップのフォルダ
＊トップのフォルダは「workspace」フォルダですが、JupyterLab上の表示では何も名前が表示されません

内に、ノートブックのファイルがアップロードされます。
アップロードされたノートブックを開くには

・「ファイルをダブルクリック」または 「ファイルを選択した状態で “enter” キーを押す」

とノートブックを画面上に表示させることができます。

 

後は、基本的に、ノートブックに記載されている手順を実行していただければ大丈夫です。
ここからは、ポイントを絞って解説していきます。

 

 

【手順１：JupyterLabの日本語化】

 

 

今回指定しているRunPodのテンプレートには、日本人の方が開発環境の操作で困らないように、事前にJupyterLabを日本語化するために必要なファイルをインストールしておきました。
英語の環境のままで大丈夫な方は、ここの手順は飛ばしてください。
個人的には、やはり日本人ですので、日本語にすると安心感があります。

 

JupyterLabを日本語化するには、画面上部の「Settings」（設定）をクリック後に表示される「Language」（言語）の所で

・Japanese（Japan）- 日本語（日本）

をクリックします。
その後、画面に表示される

・Change interface language?（インターフェイスの言語を変更しますか？）

で

・Change and reload（言語を変更し再起動する）

のボタンをクリックします。
未保存の状況など日本語化を実行するタイミングによっては、ページから移動するか？聞かれるので、問題がなければ

・「このページから移動する」

をクリックします。
再起動後に、JupyterLabが日本語化されます。

 

JupyterLabの日本語化の設定は、一度ポッドを停止させると、言語の設定がリセットされるようでしたので、ポッドを再度使う際に、一番初めにJupyterLabを日本語化するようにしてみてください。

 

 

【手順２：Wan2.2のワークフローのダウンロード】

 

 

ここの手順はコードを実行します。

 

コードを実行するにはJupyterLab上で以下の

・【一括ダウンロード】の実行コードを選択した状態

実行コード

# @title 実行コード

# バグ対策用のファイルを削除
# メモ：バグ対策用のファイルを削除について
# billwuhao/ComfyUI_AudioTools（The Apache 2.0 License）
# 確認できた範囲の情報では、作成したComfyUI v0.9.2用のポッドの環境では、Speech2Videoの際に使われている「AudioEncoderLoader・AudioEncoderEncode・LoadAudio」のノードが正常に機能しないようでした。
# Speech2Videoは興味深い機能のため「どうにか使えるようにならないか？」と検証を繰り返していました。
# 対策方法を検証したところ「ComfyUI_AudioTools」をカスタムノードにダウンロードしておくと、なぜかノードが機能するようになることを発見しました。
# ComfyUI v0.9.2用のポッドの環境を維持しつつ、指定された依存関係をインストールすると競合エラーとなるので、ポッド初回作成時には「requirements.txt」で指定された依存関係のインストールは未実施です。
#「ComfyUI_AudioTools」を削除しない状態でComfyUIを実行すると、ComfyUI起動時にComfyUIのコンソール画面上に「ModuleNotFoundError: No module named 'sox'」と出力されます。
# エラーを無視しても今回のチュートリアルのワークフローの動作に問題は起こりませんが、気持ち良いものではないので、念のため事前に削除しておく仕様にしました。
# ポッドを一度停止し、2回目以降のポッド起動後に、ComfyUIを使う際には上記のエラー内容が消えると思います。
from pathlib import Path
import shutil

custom_dir = Path("/workspace/ComfyUI/custom_nodes")
target = custom_dir / "ComfyUI_AudioTools"

if target.exists():
    try:
        if target.is_dir():
            shutil.rmtree(target)
            print("ComfyUI_AudioTools を削除しました。")
            print("ComfyUI v0.9.2 で「AudioEncoderLoader・AudioEncoderEncode・LoadAudio」が正常に反映されないバグ対策のために事前にダウンロードしていたものを削除します。")
        else:
            target.unlink()
            print("ComfyUI_AudioTools（ファイル）を削除しました。")
    except Exception as e:
        print(f"削除中にエラーが発生しました： {e}")
else:
    print("既に削除済みなので、バグ対策ファイルの削除をスキップします。")


# ワークフローをダウンロード
print("Wan2.2（FP16版）のワークフローを一括ダウンロード中・・・")
import os
import shutil
import subprocess
import tempfile

DEST = "/workspace/ComfyUI/user/default/workflows/Wan2.2"
REPO = "https://github.com/ChildProgrammerJP/Wan2.2-Workflow-2026-1.git"

os.makedirs(DEST, exist_ok=True)
tmp = tempfile.mkdtemp()
try:
    subprocess.run(["git", "clone", "--depth", "1", REPO, tmp], check=True)
    #「FP8」フォルダ
    src = os.path.join(tmp, "FP16")
    if not os.path.isdir(src):
        raise SystemExit("「FP16」directory not found in repo")
    # srcの内容をDESTにコピー（既存のDESTにマージ）
    for root, dirs, files in os.walk(src):
        rel = os.path.relpath(root, src)
        target_dir = os.path.join(DEST, "" if rel == "." else rel)
        os.makedirs(target_dir, exist_ok=True)
        for f in files:
            shutil.copy2(os.path.join(root, f), os.path.join(target_dir, f))
    print("Wan2.2（FP16版）のワークフローを一括ダウンロードしました。")
    print("ディレクトリ（ダウンロード先）：", DEST)
finally:
    shutil.rmtree(tmp, ignore_errors=True)

で

・ノートブックの画面の上にある「▶︎」（三角マーク）をクリック

するか

・【Windowsの場合のショートカットキー】「Ctrl」＋「enter」キーを押す

・【Macの場合のショートカットキー】「command」＋「enter」キーを押す

と選択したコードを実行できます。
コードを実行中は、コードが記載されている枠の左上に

・［＊］（アスタリスク）

が表示されます。
コードの実行が完了すると

・［1］

出力結果

ComfyUI_AudioTools を削除しました。
ComfyUI v0.9.2 で「AudioEncoderLoader・AudioEncoderEncode・LoadAudio」が
正常に反映されないバグ対策のために事前にダウンロードしていたものを削除します。

Wan2.2（FP16版）のワークフローを一括ダウンロード中・・・

Cloning into '/tmp/tmppn7w1fbv'...

Wan2.2（FP16版）のワークフローを一括ダウンロードしました。
ディレクトリ（ダウンロード先）： /workspace/ComfyUI/user/default/workflows/Wan2.2

などとコードを実行した順番を表す数字が表示されます。

コードを実行するとGitHubからWan2.2のワークフローがRunPodのこのポッドにコピーされます。
これで、ComfyUI上でWan2.2を使うための準備ができました。

その他にも、ノートブック内には

・Wan2.2のワークフローを個別にダウンロードするコード
・Wan2.2の各ワークフローでダウンロードした学習モデルを該当ワークフローと共に削除するコード

なども掲載してありますので、必要時にご活用ください。

 

【一例】

【画像生成】（Text2Image：FP16版）

実行コード – Text2Image（FP16版）のワークフローのダウンロードコード

# @title 実行コード

# バグ対策用のファイルを削除
from pathlib import Path
import shutil

custom_dir = Path("/workspace/ComfyUI/custom_nodes")
target = custom_dir / "ComfyUI_AudioTools"

if target.exists():
    try:
        if target.is_dir():
            shutil.rmtree(target)
            print("ComfyUI_AudioTools を削除しました。")
            print("ComfyUI v0.9.2 で「AudioEncoderLoader・AudioEncoderEncode・LoadAudio」が正常に反映されないバグ対策のために事前にダウンロードしていたものを削除します。")
        else:
            target.unlink()
            print("ComfyUI_AudioTools（ファイル）を削除しました。")
    except Exception as e:
        print(f"削除中にエラーが発生しました： {e}")
else:
    print("既に削除済みなので、バグ対策ファイルの削除をスキップします。")


# ワークフローをダウンロード
print("Wan2.2（FP16版）の「Text2Image」のワークフローをダウンロード中・・・")

import os
import shutil
import subprocess
import tempfile

# 設定（フォルダ／ファイル名を指定）
DEST = "/workspace/ComfyUI/user/default/workflows/Wan2.2/1-Wan2.2"
REPO = "https://github.com/ChildProgrammerJP/Wan2.2-Workflow-2026-1.git"
TOP_FOLDER = "FP16"
SUB_FOLDER = "1-Wan2.2"
TARGET_FILE = "1-Wan2_2_14B_FP16_Text2Image.json"

os.makedirs(DEST, exist_ok=True)
tmp = tempfile.mkdtemp()
try:
    subprocess.run(["git", "clone", "--depth", "1", REPO, tmp], check=True)

    # 組み立て（相対パス要素を渡す）
    src_dir_top = os.path.join(tmp, TOP_FOLDER)
    src_dir_sub = os.path.join(src_dir_top, SUB_FOLDER)
    src_file = os.path.join(src_dir_sub, TARGET_FILE)

    # 存在を確認
    if not os.path.isdir(src_dir_top):
        raise SystemExit(f"「{TOP_FOLDER}」directory not found in repo")
    if not os.path.isdir(src_dir_sub):
        raise SystemExit(f"「{SUB_FOLDER}」directory not found in {TOP_FOLDER}")
    if not os.path.isfile(src_file):
        raise SystemExit(f"{TARGET_FILE} not found in {TOP_FOLDER}/{SUB_FOLDER}")

    # コピー先（DESTにファイル名をそのまま置く）
    dst_file = os.path.join(DEST, TARGET_FILE)
    shutil.copy2(src_file, dst_file)

    print(f"Wan2.2（FP16版）の「{TARGET_FILE}」のワークフローをダウンロードしました。")
    print("ディレクトリ（ダウンロード先）：", dst_file)
finally:
    shutil.rmtree(tmp, ignore_errors=True)

 

実行コード – ダウンロードしたワークフロー・学習モデルの削除コード

# @title 実行コード

%cd /workspace

# 学習モデルは、このワークフローと重複するものが別のワークフローにもあるので、学習モデル削除すると
# 他のワークフローを使う場合には再度、ComfyUI上でダウンロードが必要になる場合もあります。

print("ファイルを削除中です・・・")

# ワークフローの削除
# !rm /workspace/ComfyUI/user/default/workflows/Wan2.2/1-Wan2.2/1-Wan2_2_14B_FP16_Text2Image.json

# 学習モデルの削除
# 10.59GB
# !rm /workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors
# 242.06MB
# !rm /workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors
# 26.61GB
# !rm /workspace/ComfyUI/models/unet/wan2.2_t2v_low_noise_14B_fp16.safetensors
# 26.61GB
# !rm /workspace/ComfyUI/models/unet/wan2.2_t2v_high_noise_14B_fp16.safetensors
# 1.14GB
# !rm /workspace/ComfyUI/models/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors
# 1.14GB
# !rm /workspace/ComfyUI/models/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors

import os

files = ["/workspace/ComfyUI/user/default/workflows/Wan2.2/1-Wan2.2/1-Wan2_2_14B_FP16_Text2Image.json",
         "/workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors",
         "/workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors",
         "/workspace/ComfyUI/models/unet/wan2.2_t2v_low_noise_14B_fp16.safetensors",
         "/workspace/ComfyUI/models/unet/wan2.2_t2v_high_noise_14B_fp16.safetensors",
         "/workspace/ComfyUI/models/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors",
         "/workspace/ComfyUI/models/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors"]

for path in files:
    if os.path.isfile(path):
        try:
            os.remove(path)
            print(f"・ファイルを削除済み： {path}")
        except Exception as e:
            print(f"・ファイルの削除に失敗： {path}: {e}")
    else:
        print(f"・ファイルが無いので処理をスキップ： {path}")

print("削除処理完了")

 

また、各ワークフローを実行するために必要な

・「Volume Disk」（ボリュームディスク領域：永続保存領域）の容量

も掲載しておきましたので必要に応じてご参照ください。

 

【一例】

【画像生成】（Text2Image：FP16版）

必要な容量とライセンスなど

【使用する学習モデルとライセンス】
・text_encoders - umt5_xxl_fp16.safetensors（The Apache 2.0 License）
・vae - wan_2.1_vae.safetensors（The Apache 2.0 License）
・diffusion_models - wan2.2_t2v_low_noise_14B_fp16.safetensors（The Apache 2.0 License）
・diffusion_models - wan2.2_t2v_high_noise_14B_fp16.safetensors（The Apache 2.0 License）
・loras - wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors（The Apache 2.0 License）
・loras - wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors（The Apache 2.0 License）
合計：約67GB
＊注：学習モデルはこのワークフローで必要な学習モデルと重複するものが、他のワークフローにもあります。
（例：Text2Videoのワークフローで、同じ学習モデルを使用しています）

【使用するノードとライセンス】
・ComfyUIのコアノード（The GPL-3.0 License）

 

【画像生成】（Text2Image：FP8版）

必要な容量とライセンスなど

【使用する学習モデルとライセンス】
・text_encoders - umt5_xxl_fp8_e4m3fn_scaled.safetensors（The Apache 2.0 License）
・vae - wan_2.1_vae.safetensors （The Apache 2.0 License）
・diffusion_models - wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors（The Apache 2.0 License）
・diffusion_models - wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors（The Apache 2.0 License）
・loras - wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors（The Apache 2.0 License）
・loras - wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors（The Apache 2.0 License）
合計：約35GB
＊注：学習モデルはこのワークフローで必要な学習モデルと重複するものが、他のワークフローにもあります。
（例：Text2Videoのワークフローで、同じ学習モデルを使用しています）

【使用するノードとライセンス】
・ComfyUIのコアノード（The GPL-3.0 License）

 

 

⑨ComfyUIでWan2.2を実行：

 

 

【手順１：ComfyUIでWan2.2のワークフローを起動】

 

 

ComfyUIを起動するとテンプレート選択画面のウインドウが表示されます。
今回は、独自にダウンロードしたワークフローを使用するので、

・テンプレート選択画面のウインドウの画面右上の「×」をクリック

し、テンプレート選択画面を閉じます。
今回の手順で、事前にJupyterLab上でダウンロードしておいたワークフローを使うには、ComfyUIの管理画面の左側にある

・ワークフローのメニューのアイコンをクリック

します。
続いて、以下の手順を実行します。

①「Wan2.2」フォルダをクリック
②「1-Wan2.2」フォルダ（一例）をクリック
③「〜.json」ファイルをクリックする

と、ComfyUI上でワークフローを使えるようになります。
今回のWan2.2のチュートリアルでは、JupyterLab上で【一括ダウンロード】の実行コードでダウンロードした場合には、以下のフォルダ構造

 

【フォルダ構造：ワークフローファイル】

「1-Wan2.2」フォルダ
：1-Wan2_2_14B_〜_Text2Image.json
（画像生成：「Text2Image」のワークフロー）
：2-Wan2_2_14B_〜_Text2Video.json
（動画生成：「Text2Video」のワークフロー）
：3-Wan2_2_14B_〜_Image2Video.json
（動画生成：「Image2Video」のワークフロー）
：4-Wan2_2_14B_〜_First_and_Last_Frame2Video.json
（動画生成：「First & Last Frame2Video」のワークフロー）

「2-Wan2.2Animate」フォルダ
：Wan2_2_14B_〜_Animate.json
（動画生成：「Animate」のワークフロー）

「3-Wan2.2S2V」フォルダ
：Wan2_2_14B_〜_Speech2Video.json
（動画生成：「Speech2Video」のワークフロー）

「4-Wan2.2FunInp」フォルダ
：Wan2_2_14B_〜_Fun_Inpaint.json
（動画生成：「Fun Inpaint」のワークフロー）

「5-Wan2.2FunControl」フォルダ
：Wan2_2_14B_〜_Fun_Control.json
（動画生成：「Fun Control」のワークフロー）

「6-Wan2.2FunCamera」フォルダ
：Wan2_2_14B_〜_Fun_Camera.json
（動画生成：「Fun Camera」のワークフロー）

 

になっています。

 

 

【手順２：各ワークフローで必要な学習モデルのダウンロード】

 

 

ワークフローが起動すると、不足している学習モデルがリストアップされますので

・Download All Models to Pod
（このポッドに、起動したワークフローで必要とされる全ての学習モデルをダウンロード）

のボタンをクリックし、不足している学習モデルを全てダウンロードします。
ダウンロードにはしばらく時間がかかります。
ダウンロード中に、学習モデルのダウンロード用のウインドウ以外の、ComfyUI上の画面をクリックしてしまうと学習モデルのダウンロード用のウインドウの表示が消えてしまい、進捗状況がわからなくなってしまうので、ダウンロード中は、ComfyUI上の画面をクリックせずに、ダウンロードが完了するまで待ちます。
ダウンロードが完了すると

・All models downloaded successfully!
（全ての学習モデルのダウンロードに成功しました！）

と表示されるので

・Refresh Page
（ComfyUIを更新する）

ボタンをクリックします。
ComfyUIの再起動後に、学習モデルがComfyUI上で反映されるようになります。

 

 

【手順３-１：ワークフローの実行 – 画像生成（Text2Image）】

 

 

文字情報を入力し画像を生成できるワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

cinematic night outside a roadside diner — dark sky at night , 
low angle three‑quarter profile of a breathtaking early‑20s woman
 leaning on a  black vintage car door, chin slightly down, eyes to 
camera; wardrobe: open black leather jacket and black tank top clothes, 
high‑waisted trousers, wind lifting loose hair; lighting: red neon sign 
reading \"RIVET\" as key, cool fluorescent overhang fill, warm streetlight 
rim; slick wet asphalt reflecting neon; lens: 35mm f/1.8 shallow depth, gentle
 lens flare, visible 35mm film grain; composition: leading lines from curb and
 car hood, generous headroom with sign above, hands at pocket edge; color grade
: bleach‑bypass with cool shadows and warm highlights; mood: cinematic, confident, 
faintly longing — ultra‑detailed, photorealistic, studio‑quality lighting, natural 
skin texture, filmic grain, realistic bokeh, high dynamic range.

日本語訳
道端のダイナーの外、映画のような夜 – 漆黒の夜空の下、黒いヴィンテージカーのドアにもたれかかる20代前半の息をのむほど美しい女性の、ローアングルからの3/4プロファイル。顎をわずかに下げ、視線はカメラに向けられている。
服装：開いた黒いレザージャケットと黒いタンクトップ、ハイウエストのパンツ。風がふわりと髪をなびかせる。
照明：\”RIVET\” と書かれた赤いネオンサインをキーライトとし、クールな蛍光灯のオーバーハングでフィラーを、暖かい街灯でリムライトを演出。ネオンを反射する滑らかで濡れたアスファルト；
レンズ：35mm f/1.8、浅い被写界深度、穏やかなレンズフレア、35mmフィルムの粒子が確認できる；
構図：縁石と車のボンネットからの導線、看板を上に配置したゆとりのあるヘッドルーム、ポケットの縁に置かれた手；
カラーグレーディング：ブリーチバイパス、クールなシャドウとウォームなハイライト；
ムード：映画的で自信に満ち、ほのかな切なさを帯びている — 極めて精細でフォトリアリスティック、スタジオ品質の照明、自然な肌の質感、フィルムのような粒子感、リアルなボケ、ハイダイナミックレンジ。

などと、生成したい画像のイメージを言語化したものを入力してあります。
今回は、Wan2.2の特徴の1つである

・映画レベルの品質
（プロのカメラ品質で、照明、色、構図などの多次元の視覚的コントロールの精度向上）

を意識した指示にしておきました。ご自身で入力する際の参考にしてみてください。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，文字，水印，作品，画作，画面，整体发灰，最差质量，
低质量，JPEG压缩残留，马赛克，丑陋的，残缺的，多余的手指，畸形的手，变形的手部，画得不好的脸部，
脸部畸形，毁容，形态畸形的肢体，手指融合，额外肢体，三条腿，额外的头，多个躯干，重复的肢体，
错位的五官，不对称脸，模糊边缘，噪点过强，杂乱的背景，背景人物过多，倒着走，不自然的姿势，
静止不动的画面，低对比度，平面色块，过度平滑皮肤，人工抚平，过度锐化，非写实色彩，NSFW

日本語訳
色調が派手、露出オーバー、静止画、ディテールが不明瞭、字幕、文字、透かし、 作品、絵画、画面、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残留、モザイク、醜い、欠損、余分な指、奇形の手、変形した手、下手な顔の描写、顔の奇形、顔面損傷、形態異常のある手足、指の融合、余分な手足、 3本足、余分な頭、複数の胴体、重複した手足、位置がずれた顔立ち、非対称な顔、ぼやけた輪郭、ノイズが強すぎる、雑然とした背景、背景の人物が多すぎる、逆立ち、不自然な姿勢、静止した画面、低コントラスト、平面的な色塊、肌の過度な滑らか化、人工的な滑らか化、過度なシャープネス、非写実的な色彩、NSFW（Not Safe for Work：職場では安全ではない不適切なコンテンツ）

などと、生成したくない（除外したい）画像のイメージを言語化したものを入力してあります。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「画像を保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内のプロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「画像を保存」のノード内に、生成された画像が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

以下の画像が、チュートリアルの設定で作成した作例です。

 

【FP8版（軽量版）】

FP8：高速版

FP8：高品質版

 

【FP16版（高品質版）】

FP16：高速版

FP16：高品質版

どの画像も、まるで映画の一場面のような格好いい感じに仕上がりました。

 

生成されたファイルは

・「image」ファルダ
（フォルダの場所：ComfyUI – output – image）

内に保存されます。

 

 

【手順３-２：ワークフローの実行 – 動画生成（Text2Video）】

 

 

文字情報を入力し動画を生成できるワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

Beautiful young European woman with honey blonde hair gracefully turning her 
head back over shoulder, gentle smile, bright eyes looking at camera. Hair 
flowing in slow motion as she turns. Soft natural lighting, clean background, 
cinematic portrait.

日本語訳
蜂蜜色のブロンドヘアをなびかせ、優雅に肩越しに振り返る美しいヨーロッパ系の若い女性。
優しい微笑みを浮かべ、輝く瞳でカメラを見つめている。
振り返る彼女の髪がスローモーションのようにたなびく。
柔らかな自然光、すっきりとした背景、映画のようなポートレート。

などと、生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走，
裸露，NSFW

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている、露出、NSFW（Not Safe for Work：職場では安全ではない不適切なコンテンツ）

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内のプロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、生成された動画の最初の画像です。

【FP16版（高品質版）】

FP16：高品質版（その1）

FP16：高品質版（その2）

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

今回のワークフローの初期設定では「5秒の動画」が生成されます。
動画の再生時間を変更したい場合には、以下の2つのパラメータ

①EmptyHunyuanLatentVideo（未初期化HunYuan-フニュァン潜在ビデオ）
：長さ

②動画を作成
：fps

の数値を調整してください。
動画を作成して検証できた範囲の情報では、動画再生時間の目安の計算は

・長さ ÷ FPS = 再生時間（秒）
＊表示上は小数点第1位を四捨五入した数字が表示される
　動画編集ソフトなどで詳細の再生時間をチェックすると上記の式の再生時間となる

となるようでした。

 

 

【手順３-３：ワークフローの実行 – 動画生成（Image2Video）】

 

 

画像を入力し動画を生成できるワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・開始画像

を指定します。
画像を指定するには「画像を読み込む」のノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある画像をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

The white dragon warrior stands still, eyes full of determination and strength. 
The camera slowly moves closer or circles around the warrior, highlighting the 
powerful presence and heroic spirit of the character.

日本語訳
白い竜の戦士は、決意と力強さに満ちた眼差しで、じっと立ち尽くしている。
カメラはゆっくりと戦士に近づいたり、周りを旋回したりしながら、
その圧倒的な存在感と英雄的な気概を際立たせる。

などと、開始画像の続きとなる生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内の開始画像・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した開始画像と、生成された動画の途中経過の画像です。

【入力画像】

 

【FP16版（高品質版）】

FP16：高品質版 – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

今回のワークフローの初期設定では「5秒の動画」が生成されます。
動画の再生時間を変更したい場合には、以下の2つのパラメータ

①Wan画像からビデオへ
：長さ

②動画を作成
：fps

の数値を調整してください。
動画を作成して検証できた範囲の情報では、動画再生時間の目安の計算は

・長さ ÷ FPS = 再生時間（秒）
＊表示上は小数点第1位を四捨五入した数字が表示される
　動画編集ソフトなどで詳細の再生時間をチェックすると上記の式の再生時間となる

となるようでした。

 

 

【手順３-４：ワークフローの実行 – 動画生成（First & Last Frame2Video）】

 

 

最初と最後のフレームの画像を入力し動画を生成できるワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・開始画像
・終了画像

などを指定します。
画像を指定するには「画像を読み込む」のノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある画像をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

A bearded man with red facial hair wearing a yellow straw hat and dark coat in 
Van Gogh's self-portrait style, slowly and continuously transforms into a space 
astronaut. 
The transformation flows like liquid paint - his beard fades away strand by 
strand, the yellow hat melts and reforms smoothly into a silver space helmet, 
dark coat gradually lightens and restructures into a white spacesuit. 
The background swirling brushstrokes slowly organize and clarify into 
realistic stars and space, with Earth appearing gradually in the distance. 
Every change happens in seamless waves, maintaining visual continuity 
throughout the metamorphosis.
\n\nConsistent soft lighting throughout, 
medium close-up maintaining same framing, 
central composition stays fixed, 
gentle color temperature shift from warm to cool, 
gradual contrast increase, 
smooth style transition from painterly to photorealistic. 
Static camera with subtle slow zoom, 
emphasizing the flowing transformation process without abrupt changes.

日本語訳
ゴッホの自画像を思わせる、赤い髭を生やした男が、黄色い麦わら帽子と黒いコートを身にまとっているが、ゆっくりと、そして絶え間なく宇宙飛行士へと変貌していく。
その変容はまるで液体の絵の具のように滑らかに流れる――髭は一本一本と消え去り、黄色い帽子は溶けて銀色の宇宙ヘルメットへと滑らかに形を変え、黒いコートは徐々に色褪せて白く変わり、白い宇宙服へと再構成されていく。
背景の渦巻く筆致は、徐々に整い、リアルな星々や宇宙へと明確になり、遠くには地球が徐々に姿を現す。
あらゆる変化はシームレスな波のように起こり、変容の全過程を通じて視覚的な連続性が保たれている。
\n\n全体を通して一貫した柔らかな照明、同じフレーミングを維持した中距離のクローズアップ、固定された中央構図、暖色から寒色への穏やかな色温度の変化、徐々に高まるコントラスト、絵画的スタイルからフォトリアリスティックなスタイルへの滑らかな移行。
静止したカメラと微妙なスローズームにより、急激な変化を伴わずに、流れるような変容のプロセスが強調されている。

などと、開始画像と終了画像の間で生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内の開始画像・終了画像・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した開始画像・終了画像と、生成された動画の途中経過の画像です。

【入力画像】

開始画像

 

終了画像

 

【FP16版（高品質版）】

FP16：高品質版 – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

今回のワークフローの初期設定では「5秒の動画」が生成されます。
動画の再生時間を変更したい場合には、以下の2つのパラメータ

①WanFirstLastFrameToVideo（Wan FLF2V）
：長さ

②動画を作成
：fps

の数値を調整してください。
動画を作成して検証できた範囲の情報では、動画再生時間の目安の計算は

・長さ ÷ FPS = 再生時間（秒）
＊表示上は小数点第1位を四捨五入した数字が表示される
　動画編集ソフトなどで詳細の再生時間をチェックすると上記の式の再生時間となる

となるようでした。

 

 

【手順３-５：ワークフローの実行 – 動画生成（Animate）】

 

 

Animateのワークフローは、動画内の人物の動きに基づいて、キャラクターの画像をアニメーション化した動画を生成できるワークフローです。
このワークフロー内には

・Mix mode（ミックスモード）：キャラクター置換
＊参照「画像」を使用して「動画」内のキャラクターを置き換える

・Move mode（ムーブモード）：ポーズ転送
＊「動画」内のキャラクターの動きを使用して、参照「画像」内のキャラクターをアニメーション化する

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、Mix mode、または、Move modeのどちらかのワークフロー内にある

・画像
・動画

などを指定します。
画像・動画を指定するには「画像を読み込む」「ビデオを読み込む」などのノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある画像・動画をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

The character is dancing in the room

日本語訳
キャラクターが部屋の中で踊っている。

などと、生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版のMove modeのみ実行する例
（事前にFP16版のMove modeのワークフロー内の画像・動画・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「ビデオを保存」のノード内に、生成された動画が表示されます。

もし、Mix modeとMove modeを同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックするとMix modeを実行後に、自動的にMove modeも実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した画像・動画と、生成された動画の途中経過の画像です。

【入力画像・動画】

画像

 

動画（の最初の画像）

 

【FP16版（Mix mode）】

FP16：Mix mode – 生成された動画の途中経過の画像

 

【FP16版（Move mode）】

FP16：Move mode – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

Mix modeの場合には、一度ワークフローを実行すると「Points Editor」（ポイントエディタ）のところに、入力した動画の開始画像が表示され

・緑色の点
＊検出したい領域をマークするために使用します。「Shift」キーを押しながら、「左クリック」で新しい緑色の点を追加します

・赤色の点
＊除外したい領域をマークするために使用します。「Shift」キーを押しながら、「右クリック」で新しい赤い点を追加してください。

で検出したい領域や除外（マスク）したい領域を指定することもできます。

 

 

【手順３-６：ワークフローの実行 – 動画生成（Speech2Video）】

 

 

Speech2Videoのワークフローは、オーディオ駆動型ビデオ生成モデルを利用することで、静止画像と音声ファイルにより、静止画像の人物などがセリフを話したり歌を唄うなどの動画を生成できるワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・音声ファイル
・開始画像

などを指定します。
音声ファイル・開始画像を指定するには「音声を読み込む」「画像を読み込む」のノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある音声ファイル・画像をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

The man is playing the guitar. 
He looks down at his hands playing the guitar and sings affectionately and gently.

日本語訳
男性が、ギターを弾いている。
彼はギターを弾く自分の手を見つめながら、愛情を込めて優しく歌っています。

などと、開始画像と音声ファイルを利用して生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内の音声ファイル・開始画像・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した音声ファイル・開始画像と、生成された動画の途中経過の画像です。

【音声ファイル・入力画像】

video_wan2_2_14B_s2v_input_audio.MP3
音声ファイル（ギター演奏＋英語の歌唱・再生時間：15秒）

15秒以上の音声ファイルを入力した場合には、初期設定では入力した音声ファイルの再生時間の内、先頭の15秒分の動画が生成されます。
初期設定で無効化しているノードを有効化することで最長20秒の動画が生成できます。
入力した音声ファイルを、Wan2.2が扱える形の音声特徴量（埋め込み）に変換する学習モデルは、英語向けに学習されたものを使用していますが、試した感じでは日本語の歌唱の音声を入力しても完璧ではありませんが、ある程度再現することができるようでした。

 

開始画像

 

【FP16版（高品質版）】

FP16：高品質版 – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

 

【手順３-７：ワークフローの実行 – 動画生成（Fun Inpaint）】

 

 

Fun Inpaintのワークフローは、開始フレームと終了フレームを制御できる動画生成モデルを利用することで、開始フレームと終了フレームの入力画像の中間の動画を生成できる創作向けのインペイントのワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・開始画像
・終了画像

などを指定します。
画像を指定するには「画像を読み込む」のノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある画像をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

A dreamy scene where a little cat is sleeping. 
Zoom in, and the cat opens its eyes, looks up, and blinks. 
In Q-style, with ice crystals.

日本語訳
小さな猫が眠っている、夢のような情景。
ズームインすると、猫は目を開けて上を向き、まばたきをする。
Qスタイル（頭が大きく胴体が小さい、デフォルメされた「Q（cute）」系のデザイン：チビキャラ、デフォルメ、ちびキャラ風）で、氷の結晶をあしらったデザイン。

などと、開始画像と終了画像の間で生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内の開始画像・終了画像・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した開始画像・終了画像と、生成された動画の途中経過の画像です。

【入力画像】

開始画像

 

終了画像

 

【FP16版（高品質版）】

FP16：高品質版 – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

今回のワークフローの初期設定では「5秒の動画」が生成されます。
動画の再生時間を変更したい場合には、以下の2つのパラメータ

①WanFunInpaintToVideo（Wan FunInp）
：長さ

②動画を作成
：fps

の数値を調整してください。
動画を作成して検証できた範囲の情報では、動画再生時間の目安の計算は

・長さ ÷ FPS = 再生時間（秒）
＊表示上は小数点第1位を四捨五入した数字が表示される
　動画編集ソフトなどで詳細の再生時間をチェックすると上記の式の再生時間となる

となるようでした。

 

 

【手順３-８：ワークフローの実行 – 動画生成（Fun Control）】

 

 

Fun Controlのワークフローは、動画生成・制御モデルを利用することで、設定された制御条件に適合した動画を生成できるワークフローです。
注：マルチモーダル制御（複数の入力条件/モードによる制御に対応）
　　Canny（Line Art：線画）・Depth（奥行き/距離情報：深度情報/距離マップ）
　　OpenPose（human pose：棒人間/人体ポーズ）
　　MLSD（Geometric Edges：幾何学的エッジ）・Trajectory Control（軌道制御）
　
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・画像
・動きの動画（OpenPoseのhuman pose/棒人間を動画化したものなど）

などを指定します。
画像・動きの動画を指定するには「画像を読み込む」「ビデオを読み込む」のノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある画像・動画をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

On a sunny summer day, there are marshmallow
 - like clouds, and the sunlight is bright and warm. 
A girl with white curly double
 - ponytails is wearing unique sunglasses, distinctive clothes and shoes. 
Her posture is natural and full of dynamic tension. 
The background is the scene of the Leaning Tower of Pisa in Italy, 
emphasizing the realistic contrast of details in reality. 
The whole picture is in a realistic 3D style, 
rich in details and with a relaxed atmosphere. 
She is dancing slowly, waving her hands.

日本語訳

晴れた夏の日、マシュマロのような雲が浮かび、日差しは明るく温かい日です。
白い巻き毛を二つのおさげにした少女は、個性的なサングラスと、特徴的な服や靴を身につけています。
彼女の姿勢は自然でありながら、躍動感に満ちています。
背景にはイタリアのピサの斜塔が描かれており、現実の細部におけるリアルなコントラストが際立っています。
作品全体はリアルな3Dスタイルで、細部まで丁寧に描かれ、リラックスした雰囲気が漂っています。
彼女はゆっくりと踊りながら、手を振っています。

などと、画像と動きの動画を利用して生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内の画像・動きの動画・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した画像・動きの動画と、生成された動画の途中経過の画像です。

【入力画像・動きの動画】

画像

 

動きの動画の最初の画像（棒人間・再生時間：10秒）

 

【FP16版（高品質版）】

FP16：高品質版 – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

動きの動画は、再生時間が「10秒」でしたが、今回のワークフローの初期設定では「5秒の動画」が生成されます。
動画の再生時間を変更したい場合には、以下の2つのパラメータ

①Wan22FunControlToVideo（Wan FunControl）
：長さ

②動画を作成
：fps

の数値を調整してください。
動画を作成して検証できた範囲の情報では、動画再生時間の目安の計算は

・長さ ÷ FPS = 再生時間（秒）
＊表示上は小数点第1位を四捨五入した数字が表示される
　動画編集ソフトなどで詳細の再生時間をチェックすると上記の式の再生時間となる

となるようでした。

 

 

【手順３-９：ワークフローの実行 – 動画生成（Fun Camera）】

 

 

Fun Cameraのワークフローは、動画生成・カメラ制御モデルを利用することで、定義されたカメラモーション条件に適合した動画を生成できるワークフローです。
このワークフロー内には

・高速版
・高品質版

の2つのワークフローが配置されています。
ComfyUIのワークフローが表示されている画面上で

・「スクロール操作」（マウスやタッチパッドなどで上下移動させる操作）をすると、ワークフローの表示を「拡大・縮小」

させることができます。

 

ワークフローを実行するには、高速版、または、高品質版のどちらかのワークフロー内にある

・開始画像

を指定します。
画像を指定するには「画像を読み込む」のノード内の

・アップロードするファイルを選択

ボタンをクリックし、自分のパソコン内（ローカル環境）にある画像をアップロードします。

 

続いて

・プロンプト

を指定します。
プロンプトは

・Positive Prompt（ポジティブプロンプト）
＊英語推奨。日本語にも対応はしているが精度は落ちる。入力必須
・Negative Prompt（ネガティブプロンプト）
＊中国語推奨。日本語にも対応はしているが精度は落ちる。入力は任意

の2つがあります。
翻訳サイトなどで日本語を英語や中国語に変換してプロンプトを入力してみてください。
このワークフローの初期設定では

・Positive Prompt（ポジティブプロンプト）

には、以下のように

Two rovers race past, leaving clear tracks. Base tower antenna flashes rapidly, 
modules flicker with light. Ship speeds toward giant planet, 
engine lights brilliant.

日本語訳
2台の探査車が疾走し、はっきりとした軌跡を残していく。
基地の塔にあるアンテナが激しく点滅し、モジュールが明滅している。
宇宙船は巨大な惑星に向かって高速で進み、エンジンの光がまばゆいばかりに輝いている。

などと、開始画像の続きとなる生成したい動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているポジティブプロンプトを使用しています。
一方

・Negative Prompt（ネガティブプロンプト）

には、以下のように

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，
低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，
毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

日本語訳
色調が鮮やか、露出オーバー、静止画、ディテールが不明瞭、字幕、スタイル、作品、絵画、 画面、静止画、全体的にくすんでいる、最低品質、低品質、JPEG圧縮の残像、醜い、欠損している、余計な指、下手な手の描写、下手な顔の描写、奇形、顔面損傷、形態異常な手足、指が重なっている、動かない画面、雑然とした背景、3本足、背景に人が多すぎる、逆向きに歩いている

などと、生成したくない（除外したい）動画のイメージを言語化したものを入力してあります。
このワークフローでは、ComfyUIのWan2.2のチュートリアルで初期設定されているネガティブプロンプトを使用しています。
ご自身の作品を生成する際には、上記のネガティブプロンプトを基本とし、用途に応じて必要な単語を追加、または、削除してみてください。

 

プロンプトを指定できたらワークフロー内にある「ビデオを保存」のノードをクリック後に、選択中のノードの上に表示されるメニュー内の右端にある

・「▷」マークをクリック

＊FP16版の高品質版のみ実行する例
（事前にFP16版の高品質版のワークフロー内の開始画像・プロンプトを指定後に実行）

します。
この方法では、該当ワークフローのみ実行できます。
処理が完了するまでにしばらく時間がかかりますので、ComfyUIを起動させた状態で待ちます。
処理が完了すると「動画を保存」のノード内に、生成された動画が表示されます。

もし、高速版と高品質版を同時に実行したい場合には、ComfyUIの画面右上に表示されている

・「▷ 実行する」

ボタンをクリックすると高速版を実行後に、自動的に高品質版も実行されます。

 

実際の作例は、チュートリアル動画をご参照ください。
以下は、入力した開始画像と、生成された動画の途中経過の画像です。

【入力画像】

 

【FP16版（高品質版）】

FP16：高品質版 – 生成された動画の途中経過の画像

 

生成されたファイルは

・「video」ファルダ
（フォルダの場所：ComfyUI – output – video）

内に保存されます。

 

今回のワークフローの初期設定では「5秒の動画」が生成されます。
動画の再生時間を変更したい場合には、以下の2つのパラメータ

①WanCameraEmbedding（Wan Camera用エンベディング/埋め込み）
：長さ

②動画を作成
：fps

の数値を調整してください。
動画を作成して検証できた範囲の情報では、動画再生時間の目安の計算は

・長さ ÷ FPS = 再生時間（秒）
＊表示上は小数点第1位を四捨五入した数字が表示される
　動画編集ソフトなどで詳細の再生時間をチェックすると上記の式の再生時間となる

となるようでした。

 

 

⑩生成したファイルを「FileBrowser」でダウンロード：

 

 

生成された動画などをダウンロードするには

・FileBrowser
（ユーザー名：rehabc ・ パスワード：digitaldeasobu）
・JupyterLab

上でダウンロードします。
チュートリアルでは「FileBrowser」を使って、生成されたファイルをダウンロードしていきます。

 

「FileBrowser」を起動するには、ポッドの管理画面の表示の「Connect」（接続）内に表示されている

・Port 8080 → FileBrowser

のテキストリンクをクリックします。
「FileBrowser」にログインするためには、ポッドの管理画面の表示の「Template Details」（テンプレートの詳細）内に表示されている

・User：rehabc
・Password：digitaldeasobu

の情報をコピー＆ペーストします。
「ユーザー名」と「パスワード」を入力できたら

・ログイン

のボタンをクリックし「FileBrowser」にログインします。
使い方は簡単で、フォルダをダブルクリックするとフォルダの中身を確認することができます。

 

生成したファイルをダウンロードするために

・「ComfyUI」フォルダ

内にある

・「output」フォルダ

を開きます。

 

画像ファイルは

・「image」フォルダ
＊「ComfyUI/output/image」（ComfyUI → output → image）

内にあります。
＊注：画像ファイルは、ComfyUI上でもダウンロードできるようでした。
動画ファイルは

・「video」フォルダ
＊「ComfyUI/output/video」（ComfyUI → output → video）

内にあります。

ダウンロードしたいファイルを右クリック後に表示される

・Download
（ダウンロード）

をクリックすると自分のパソコン（ローカル環境）内にダウンロードできます。
その他にも、ダウンロードしたいファイルやフォルダを選択した状態で、画面右上にある

・「↓」ボタン
（下矢印ボタン）

をクリックするとダウンロードできます。

 

また、「FileBrowser」上で生成ファイルの内容を確認したい場合には、ファイルをダブルクリックすると画像の表示・再生画面が起動します。

 

 

RunPodでディスク容量を管理する方法

 

 

コストパフォーマンスを最適な状態にするために、RunPodでディスク容量を管理する方法を一緒に確認していきましょう。

 

 

【残りのディスク容量の確認方法】

 

 

ポッドを停止するとリセット（削除）される一時的な保存領域の「Container Disk」（コンテナディスク領域）と、特定のポッドと契約中の永続的な保存領域である「Volume Disk」（ボリュームディスク領域）を「Pods」の管理画面上で

・「Disk usage」
（ディスク使用量・使用率：Container Disk – コンテナディスク領域）

・「Volume usage」
（ディスク使用量・使用率：Volume Disk – ボリュームディスク領域）

の使用容量と割合（パーセンテージ）を確認できます。

 

RunPodでは、「Container Disk」（コンテナディスク領域）・「Volume Disk」（ボリュームディスク領域）の容量がオーバーになると、その後の処理ができなくなりますので注意してください。
初期設定では、テンプレートの設定に余裕を持たせていますので、Wan2.2の生成を行うのみだけであれば、すぐに容量がオーバーになることはないかと思います。

 

ComfyUIの操作に慣れてきた際に

・新たなカスタムノードの導入
→「Container Disk」（コンテナディスク領域）を2GBなどにすると、各種依存関係をダウンロード中に容量オーバーとなり正常に動かなくなるリスクあり

・Wan2.2以外のワークフローの実施
→ ワークフローで必要な学習モデルをダウンロードする際に「Volume Disk」（ボリュームディスク領域）の容量オーバーとなるリスクあり

する際には、「Container Disk」（コンテナディスク領域）・「Volume Disk」（ボリュームディスク領域）の容量の状態にお気をつけください。

 

 

【生成したファイルを「FileBrowser」で削除する方法】

 

 

不要になったファイルやフォルダは、「FileBrowser」上で簡単に削除できます。
操作方法は簡単で、削除したいファイル・フォルダを選択した状態で、画面右上にある

・ゴミ箱マーク

をクリックし

・DELETE
（削除）

ボタンをクリックします。
必要なファイルをローカル環境（自分のパソコン）などにダウンロード後に、不要となったファイル・フォルダを削除します。

 

 

【ワークフロー毎に学習モデルなどを一括削除する方法】

 

 

Wan2.2を使用する上で、「Volume Disk」（ボリュームディスク領域）の容量を占拠するのは

・学習モデル

です。
そのため、ワークフロー毎に、ワークフローとダウンロードした学習モデルを削除できるコードを、JupyterLabで使うノートブック上に掲載しておきましたので、必要に応じてご活用いただけますと幸いです。

 

例：【動画生成】（Fun Camera）
Fun Camera（FP16 & BF16版）

【使用する学習モデルとライセンス】
・text_encoders – umt5_xxl_fp16.safetensors（The Apache 2.0 License）
・vae – wan_2.1_vae.safetensors（The Apache 2.0 License）
・diffusion_models – wan2.2_fun_camera_low_noise_14B_bf16.safetensors（The Apache 2.0 License）
・diffusion_models – wan2.2_fun_camera_high_noise_14B_bf16.safetensors（The Apache 2.0 License）
・loras – wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors（The Apache 2.0 License）
・loras – wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors（The Apache 2.0 License）
合計：約69GB
＊注：学習モデルはこのワークフローで必要な学習モデルと重複するものが、他のワークフローにもあります。
（例：Text2Video・Image2Videoのワークフローで、一部、同じ学習モデルを使用しています）

【使用するノードとライセンス】
・ComfyUIのコアノード（The GPL-3.0 License）

実行コード：ダウンロードしたワークフロー・学習モデルの削除コード

# @title 実行コード

%cd /workspace

# 学習モデルは、このワークフローと重複するものが別のワークフローにもあるので、学習モデル削除すると
# 他のワークフローを使う場合には再度、ComfyUI上でダウンロードが必要になる場合もあります。

print("ファイルを削除中です・・・")

# ワークフローの削除
# !rm /workspace/ComfyUI/user/default/workflows//Wan2.2/6-Wan2.2FunCamera/Wan2_2_14B_FP16_and_BF16_Fun_Camera.json

# 学習モデルの削除
# 10.59GB
# !rm /workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors
# 242.06MB
# !rm /workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors
# 27.55GB
# !rm /workspace/ComfyUI/models/unet/wan2.2_fun_camera_low_noise_14B_bf16.safetensors
# 27.55GB
# !rm /workspace/ComfyUI/models/unet/wan2.2_fun_camera_high_noise_14B_bf16.safetensors
# 1.14GB
# !rm /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
# 1.14GB
# !rm /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors

import os

files = ["/workspace/ComfyUI/user/default/workflows//Wan2.2/6-Wan2.2FunCamera/Wan2_2_14B_FP16_and_BF16_Fun_Camera.json",
         "/workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors",
         "/workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors",
         "/workspace/ComfyUI/models/unet/wan2.2_fun_camera_low_noise_14B_bf16.safetensors",
         "/workspace/ComfyUI/models/unet/wan2.2_fun_camera_high_noise_14B_bf16.safetensors",
         "/workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors",
         "/workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors"]

for path in files:
    if os.path.isfile(path):
        try:
            os.remove(path)
            print(f"・ファイルを削除済み： {path}")
        except Exception as e:
            print(f"・ファイルの削除に失敗： {path}: {e}")
    else:
        print(f"・ファイルが無いので処理をスキップ： {path}")

print("削除処理完了")

出力結果

/workspace
ファイルを削除中です
・ファイルを削除済み： /workspace/ComfyUI/user/default/workflows//Wan2.2/6-Wan2.2FunCamera/Wan2_2_14B_FP16_and_BF16_Fun_Camera.json
・ファイルを削除済み： /workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors
・ファイルを削除済み： /workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors
・ファイルを削除済み： /workspace/ComfyUI/models/unet/wan2.2_fun_camera_low_noise_14B_bf16.safetensors
・ファイルを削除済み： /workspace/ComfyUI/models/unet/wan2.2_fun_camera_high_noise_14B_bf16.safetensors
・ファイルを削除済み： /workspace/ComfyI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors
削除処理完了

 

 

RunPodで使用中のコンピュータ（Pod）を停止・削除する方法

 

 

Wan2.2のために構築したコンピュータの環境を停止するにはRunPodの「Pods」の管理画面の

・「Stop」ボタン

をクリックします。
ポッドを停止した状態では

・「Volume Disk」（ボリュームディスク領域：ポッド契約中の永続的な保存領域）

の請求が発生します。
ポッドを削除する場合には、ポッドを停止後に表示される

・「ゴミ箱マーク：Terminate」ボタン

をクリックし、その後の指示

に従い、ポッドを削除します。
ポッドを削除すると、これまでに構築・保存したデータは全て失われますが、ポッドに対する費用は発生しません。

注：「Network Volume」（ネットワークボリューム）を利用されている方は、「Network Volume」自体を削除しないと、「Network Volume」上で作成したポッドを削除しても「Network Volume」の容量の確保分の利用料が発生しますので注意してください。

 

 

RunPodでディスク容量の変更方法

 

 

RunPodでテンプレートのディスク容量を変更するには、ポッドを停止した状態で、RunPodの「Pods」の管理画面の

・点々マーク

をクリック後に表示されるメニュー内の

・Edit Pod（ポッドを編集）

をクリックします。
テンプレートの編集画面で

・お好みのディスク容量に変更し、「Save」（保存）

をクリックすると設定が反映されます。
確認時点で試した範囲の情報では

・「Container Disk」はポッド作成後には、2GB以上を確保する必要

You must provision at least 2GB of container disk
（コンテナディスクとして、少なくとも2GBを割り当てる必要があります）

があるようです。
また

・「Volume Disk」はポッド作成後には、初期設定の値から追加することはできるようですが、下げることはできない仕組み

Volume disk size cannot be decreased
（ボリュームのディスク容量を減らすことはできません）

のようでした。

 

 

トラブルシューティング

 

 

以下に、ComfyUIを使う中で遭遇したエラー事象などと対応例をまとめておきます。

 

 

【対応例】学習モデルのダウンロードエラー

 

 

稀に、学習モデルをダウンロードする際に

・ダウンロードエラー：Failed（失敗）

が発生することがあるようです。
注意点としては

・All models downloaded successfully!

と表示されていますが、個別の学習モデルのダウンロード結果の所に

・Failed
（失敗）

と表示されていますので、見落とさないようにしてください。

 

対応手順例としては

手順①：ワークフローを実行する前に学習モデルを削除

します。
この状態でワークフローを実行してしまうと、一度、不完全にダウンロードされた学習モデルを読み込んでしまうので、新たに学習モデルをダウンロードし直しても、不完全にダウンロードされた学習モデルが参照されてしまうようでした。

学習モデルを削除するには、JupyterLab上で実行するノートブックに

・個別のワークフローと学習モデルを削除

できるコードを掲載しておきましたので、ダウンロードエラーが起きたワークフローに該当するコードを実行します。

 

【一例】

【動画生成】（Fun Control：FP16 & BF16版）

実行コード – ダウンロードしたワークフロー・学習モデルの削除コード

# @title 実行コード

%cd /workspace

# 学習モデルは、このワークフローと重複するものが別のワークフローにもあるので、学習モデル削除すると
# 他のワークフローを使う場合には再度、ComfyUI上でダウンロードが必要になる場合もあります。

print("ファイルを削除中です・・・")

# ワークフローの削除
# !rm /workspace/ComfyUI/user/default/workflows//Wan2.2/5-Wan2.2FunControl/Wan2_2_14B_FP16_and_BF16_Fun_Control.json

# 学習モデルの削除
# 10.59GB
# !rm /workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors
# 242.06MB
# !rm /workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors
# 26.62GB
# !rm /workspace/ComfyUI/models/unet/wan2.2_fun_control_low_noise_14B_bf16.safetensors
# 26.62GB
# !rm /workspace/ComfyUI/models/unet/wan2.2_fun_control_high_noise_14B_bf16.safetensors
# 1.14GB
# !rm /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
# 1.14GB
# !rm /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors

import os

files = ["/workspace/ComfyUI/user/default/workflows//Wan2.2/5-Wan2.2FunControl/Wan2_2_14B_FP16_and_BF16_Fun_Control.json",
         "/workspace/ComfyUI/models/text_encoders/umt5_xxl_fp16.safetensors",
         "/workspace/ComfyUI/models/vae/wan_2.1_vae.safetensors",
         "/workspace/ComfyUI/models/unet/wan2.2_fun_control_low_noise_14B_bf16.safetensors",
         "/workspace/ComfyUI/models/unet/wan2.2_fun_control_high_noise_14B_bf16.safetensors",
         "/workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors",
         "/workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors"]

for path in files:
    if os.path.isfile(path):
        try:
            os.remove(path)
            print(f"・ファイルを削除済み： {path}")
        except Exception as e:
            print(f"・ファイルの削除に失敗： {path}: {e}")
    else:
        print(f"・ファイルが無いので処理をスキップ： {path}")

print("削除処理完了")

出力結果

/workspace
ファイルを削除中です・・・
・ファイルを削除済み： /workspace/ComfyUI/user/default/workflows//Wan2.2/5-Wan2.2FunControl/wan2_2_14B_FP16_and_BF16_Fun_Control.json
・ファイルを削除済み： /workspace/ComfyuI/models/text_encoders/unt5_xxL_fp16. safetensors
・ファイルを削除済み： /workspace/ComfyuI/models/vae/wan_2.1_vae.safetensors
・ファイルを削除済み： /workspace/ComfyUI/models/unet/wan2.2_fun_control_low_noise_14B_bf16.safetensors
・ファイルを削除済み： /workspace/ComfyuI/models/unet /wan2.2_fun_control_high_noise_14B_bf16.safetensors
・ファイルを削除済み： /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
・ファイルを削除済み： /workspace/ComfyUI/models/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors
削除処理完了

 

上記のコードでは

・ワークフロー
・学習モデル

を削除しているため、再度、ワークフローをダウンロードし直します。

 

【一例】

【動画生成】（Fun Control：FP16 & BF16版）

実行コード – Fun Control（FP16 & BF16版）のワークフローのダウンロードコード

# @title 実行コード

# バグ対策用のファイルを削除
from pathlib import Path
import shutil

custom_dir = Path("/workspace/ComfyUI/custom_nodes")
target = custom_dir / "ComfyUI_AudioTools"

if target.exists():
    try:
        if target.is_dir():
            shutil.rmtree(target)
            print("ComfyUI_AudioTools を削除しました。")
            print("ComfyUI v0.9.2 で「AudioEncoderLoader・AudioEncoderEncode・LoadAudio」が正常に反映されないバグ対策のために事前にダウンロードしていたものを削除します。")
        else:
            target.unlink()
            print("ComfyUI_AudioTools（ファイル）を削除しました。")
    except Exception as e:
        print(f"削除中にエラーが発生しました： {e}")
else:
    print("既に削除済みなので、バグ対策ファイルの削除をスキップします。")


# ワークフローをダウンロード
print("Wan2.2（FP16 & BF16版）の「Fun Control」のワークフローをダウンロード中・・・")

import os
import shutil
import subprocess
import tempfile

# 設定（フォルダ／ファイル名を指定）
DEST = "/workspace/ComfyUI/user/default/workflows/Wan2.2/5-Wan2.2FunControl"
REPO = "https://github.com/ChildProgrammerJP/Wan2.2-Workflow-2026-1.git"
TOP_FOLDER = "FP16"
SUB_FOLDER = "5-Wan2.2FunControl"
TARGET_FILE = "Wan2_2_14B_FP16_and_BF16_Fun_Control.json"

os.makedirs(DEST, exist_ok=True)
tmp = tempfile.mkdtemp()
try:
    subprocess.run(["git", "clone", "--depth", "1", REPO, tmp], check=True)

    # 組み立て（相対パス要素を渡す）
    src_dir_top = os.path.join(tmp, TOP_FOLDER)
    src_dir_sub = os.path.join(src_dir_top, SUB_FOLDER)
    src_file = os.path.join(src_dir_sub, TARGET_FILE)

    # 存在を確認
    if not os.path.isdir(src_dir_top):
        raise SystemExit(f"「{TOP_FOLDER}」directory not found in repo")
    if not os.path.isdir(src_dir_sub):
        raise SystemExit(f"「{SUB_FOLDER}」directory not found in {TOP_FOLDER}")
    if not os.path.isfile(src_file):
        raise SystemExit(f"{TARGET_FILE} not found in {TOP_FOLDER}/{SUB_FOLDER}")

    # コピー先（DESTにファイル名をそのまま置く）
    dst_file = os.path.join(DEST, TARGET_FILE)
    shutil.copy2(src_file, dst_file)

    print(f"Wan2.2（FP16 & BF16版）の「{TARGET_FILE}」のワークフローをダウンロードしました。")
    print("ディレクトリ（ダウンロード先）：", dst_file)
finally:
    shutil.rmtree(tmp, ignore_errors=True)

出力結果

ComfyUI_AudioTools を削除しました。
ComfyUr v0.9.2 で「AudioEncoderLoader・AudioEncoderEncode・LoadAudio」が正常に反映されないバグ対策のために事前にダウンロードしていたものを削除します。
Wan2.2 (FP16 & BF16版）の「Fun Control」のワークフローをダウンロード中・・・
Cloning into '/tmp/tmpmzwedt3d'...
Wan2.2 (FP16 & BF16版）の「Wan2_2_14B_FP16_and_BF16_Fun_Control.json」のワークフローをダウンロードしました。
ディレクトリ（ダウンロード先）： /workspace/ComfyuI/user/default/workflows/wan2.2/5-Wan2.2FunControl/wan2_2_148_FP16_and_BF16_Fun_Control.json

 

学習モデルを削除し、ワークフローをダウンロードし直した後に

手順②：ComfyUIを更新

します。
該当ワークフローを開いた画面上で、ComfyUIを更新した場合には、更新後に、現状で足りない学習モデルが表示されますので、全てダウンロードし直します。

 

全ての学習モデルがダウンロードできたら

手順③：ワークフローを実行

します。

 

 

【対応例】メモリ（RAM）オーバー

 

 

メモリ（RAM）がオーバーとなった時には、ComfyUIの画面の右上に

・Reconnecting
（再接続）

と表示後に、一向に復旧せずに、接続が遮断した状態が続きます。
この状態で、ComfyUIのコンソールを起動してみると

・クルクルマークが回り続けるだけで何もログが表示されない

状態になります。
ポッドの管理画面のシステムログ（Logs：System）を見ると

WARN: container is unhealthy: triggered memory limits (00M)
WARN: very high memory utilization: 57.74GiB / 57.74GiB (100 %)

日本語訳：
警告： コンテナの状態が正常ではありません：　メモリ制限に達しました (00M)
警告： メモリ使用率が非常に高くなっています：　57.74GiB / 57.74GiB (100 %)

となります。
ポッドを一旦停止させると、ポッドの管理画面上に

Out of Memory (OOM) Detected
Your workload ran out of memory (RAM). This happens when your task requires more memory than your Pod has available.

日本語訳：
メモリ不足（OOM）が検出されました
ワークロードのメモリ（RAM）が不足しました。これは、タスクに必要なメモリがポッドで利用可能なメモリ量を超える場合に発生します。

と表示されるようでした。

 

対応例としては、現状のワークフローの設定のまま実行したい場合には、現在のポッドは削除し、新たにポッドを作成し直します。
その際に、先ほどメモリオーバーとなったGPUを選択し、GPU数の設定で

・GPU数を先ほどの設定よりも増やす

ようにします。
確認時点のRunPodの仕様では

・GPU数を増やすとメモリ（RAM）も増える

ようでした。
メモリオーバーとなったGPUを再度使う場合のGPU数の増やし方は、とりあえず1つ増量させ、それでもダメなら、さらに増やしていくといいのではないかと思います。

 

 

【対応例】GPUメモリ（VRAM）オーバー

 

 

GPUメモリ（VRAM）がオーバーとなった時には、ワークフローを実行途中でComfyUI上に

KSamplerAdvanced
Allocation on device
This error means vou ran out of memory on your GPU.
TIPS: If the workflow worked before you might have accidentally set the batch_size to a large number.

日本語訳：
KSamplerAdvanced
デバイス上の割り当て
このエラーは、GPUのメモリが不足したことを意味します。
ヒント：以前はこのワークフローが正常に動作していた場合、誤ってバッチサイズ（batch_size）を大きな値に設定してしまった可能性があります。

などと、GPUメモリ不足の旨のポップアップが表示されます。

 

対応例としては、現状のワークフローの設定のまま実行したい場合には、現在のポッドは削除し、新たにポッドを作成し直します。
その際に、先ほどメモリオーバーとなったGPUを選択し、GPU数の設定で

・GPU数を先ほどの設定よりも増やす

ようにします。
メモリオーバーとなったGPUを再度使う場合のGPU数の増やし方は、とりあえず1つ増量させ、それでもダメなら、さらに増やしていくといいのではないかと思います。

 

 

【対応例】ポッドの再起動ができない

 

 

ポッドを一旦停止後に、再起動しようとする際に、時折

Your Pod’s GPUs are no longer available.
This could be because the GPU hardware has been deployed by another user while this Pod was stopped, or they are undergoing scheduled maintenance.

How do you want to proceed?
・Automatically migrate your Pod data：Recommended
Runpod will spin up a new Pod with identical GPUs to your current one and automatically migrate your data for you.
・Start Pod using CPUs
If GPUs aren’t essential, you can start this existing Pod using CPU hardware.
・Do nothing
If you don’t want to migrate your data, try waiting a few minutes before starting your Pod again.

日本語訳：
お使いのポッドのGPUが利用できなくなりました。
これは、このポッドが停止している間に別のユーザーによってGPUハードウェアが割り当てられたか、またはGPUが定期メンテナンス中である可能性があります。

どのように進めますか？
・ポッドのデータを自動的に移行する：推奨
Runpodは、現在のポッドと同じGPUを備えた新しいポッドを起動し、データを自動的に移行します。
・CPUを使用してポッドを起動
GPUが必須でない場合は、CPUハードウェアを使用して既存のポッドを起動できます。
・何もしない
データを移行したくない場合は、数分待ってからポッドを再起動してみてください。

と表示されることがあります。
これは、ポッド再起動時に他のユーザーに、これまで使っていたGPUが割り当てられてしまっている場合や、定期メンテナンス中の場合があるようです。

 

対応例としては、お急ぎで無い場合には

・Do nothing
（何もしない）

を選択し、該当GPUが、空くまで待ちます。

 

待ちきれない方は

・Automatically migrate your Pod data
（マイグレーション：ポッドのデータを自動的に移行する）

を選択します。
これは、現在のポッドと同じ種類のGPUを備えた新しいポッドを起動し、データを自動的に移行してくれる機能のようです。
試した感じでは、一般的なポッドの構築処理が完了後にも

・一向にComfyUIが「Ready」（準備完了）にならない・・・

事象に遭遇しました。
その後、待ちに待った結果

・「Volume Disk」（ボリュームディスク領域）が完全に移行されるまでComfyUIを起動できない

仕様であることがわかりました。
「Volume Disk」（ボリュームディスク領域）の移行が完了すると、ポッド全体の管理画面で

disgusted_peach_butterfly migration completed successfully!

日本語訳：
disgusted_peach_butterfly（ポッド名）の移行が正常に完了しました！

などと表示されたり、移行が完了した旨の通知が登録しているメールアドレスにも届きましたが、なかなか

・ComfyUI：Ready
（ComfyUI：準備完了）

にならず、その後、5分程度経過してから表示が切り替わりました。
表示が切り替わった後も、数分間は、ComfyUIを起動することができませんでしたが・・・
最終的に、移行作業を開始後「約40分」（ボリュームディスク領域：300GB台の例）ほど経過して、ComfyUIが使えるようになりました。
そのため、移行機能を使う方は、時間がかかることを覚悟しておいた方がいいかもしれません。

 

移行完了後は、データ移行元のポッドを削除して、データ移行後のポッドだけを残します。

 

 

RunPod – Wan2.2チュートリアル：おわりに

 

 

RunPodでComfyUIを安定的に使える環境を作りたいと思い始めてから、気がつけば半年近く月日が経過してしまいました・・・
はやる気持ちを抑えながら、寒い日も、暑い日も・・・ただ淡々と
将来この記事を見つけてくださった方の情報収集の利便性の向上につながることを願いながら、既存のワークフローの検証と微調整、Wan2.2関連記事の作成などを繰り返してきました。
ここに辿り着くには、通常のコンテンツの作成に比べて、かなりの試行錯誤を繰り返しましたが、おかげさまで、Wan2.2のチュートリアルのワークフローを使えるように一連の記事を作成することができました。

長文になりましたが、今回の情報が、ComfyUIでAIを始めてみたい日本人の初学者の方が、ComfyUIに触れる際の何かしらのきっかけになることがありましたら幸いです。

 

 

by 子供プログラマー

 

：【RunPod編】Wan2.2：ComfyUIチュートリアル（一覧）