ComfyUI × Wan 2.2 で長編動画を作る方法！ループ処理とImage-to-Video完全解説

1. Wan 2.2 Image to Videoとは？

今回は、最新のAI動画生成モデルWan 2.2 Image to Video (I2V)を使用した、高度なワークフローをご紹介します。従来の動画生成AIは数秒程度の短いクリップしか作れないことが課題でしたが、今回の手法を使えば、一枚の画像を起点に、ストーリー性のある長尺動画を生成することが可能になります。

本記事のゴールは、ループ処理（Loop Mechanism）を活用して、継ぎ目のない滑らかな長編動画を作成することです。単に動画を繋げるだけでなく、「プロンプトトラベル」によってシーンごとの展開を制御し、「カラーマッチング」で色調の一貫性を保つ、プロフェッショナルなテクニックを解説します。

2. 必要な準備（モデル・カスタムノード）

このワークフローを実行するには、以下の環境とリソースが必要です。特にVRAM消費が激しいため、環境に合わせたモデル選びが重要です。

必須モデルとLoRA

以下のモデルをHugging Face等からダウンロードし、ComfyUIの所定のフォルダ（`models/diffusion_models` や `models/loras`）に配置してください。

• Wan 2.2 I2V Model: 本体の拡散モデルです。VRAM容量に応じて、通常版（SafeTensor）または軽量化されたGGUF版（Q4_K_Mなど）を選択してください。
• LightX2V LoRA: Wan 2.2用の画質向上・動き制御用のLoRAです。
• VAE & Text Encoder: Wan 2.2に対応したT5エンコーダーとVAEが必要です。

推奨カスタムノード

ComfyUI Managerを使用して、以下のノード群をインストールしてください。

• ComfyUI-Wan: Wanモデルをネイティブに扱うための基本ノード群。
• ComfyUI-GGUF: 低VRAM環境でGGUFモデルを使用する場合に必須です。
• SageAttention: 推論速度を向上させるためのアテンション最適化ライブラリです（導入にはPython環境でのビルドが必要な場合があります）。

3. ComfyUIワークフロー徹底解説

それでは、実際のワークフロー構築手順を見ていきましょう。このシステムは、スパゲッティのようにノードを無限に繋ぐのではなく、ループ構造を利用してスマートに処理を行います。

Step 1: 動画設定と初期計算

まず、動画全体の長さとフレームレートを決定します。今回は25fpsを基準とし、生成したい秒数（例: 28秒）から総フレーム数（例: 726フレーム）を算出します。重要なのは「1回のループで生成するフレーム数（Sampler Length）」の設定です。ここでは約5秒分に相当する121フレームを設定します。

Step 2: 3段階サンプラー構成 (Advanced 3-Sampler Method)

ここが画質の鍵です。単一のKSamplerではなく、以下の3段階で生成を行うことで、プロンプトの反映度と画質を劇的に向上させます。

1. High Noise Model: 動画の大まかな動きと構図を決定します。
2. High Noise + LoRA: LightX2V LoRAを適用し、動きの質とディテールを強化します。
3. Low Noise Model: 最後にノイズを除去し、詳細を描き込んで仕上げます。

この3段構えにより、AI特有の「崩れ」を最小限に抑えつつ、ダイナミックな動きを実現します。

Step 3: ループ処理とプロンプトトラベル

長編動画の核心部分です。Loop Begin と Loop End ノードを使用し、以下の処理を繰り返します。

• 前回の最終フレームを入力にする: 最初のループは「初期画像」を使いますが、2回目以降は「前のループで生成された動画の最後のフレーム」を開始画像として使用します。
• プロンプトの切り替え: テキストボックスに行単位でプロンプトを記述し、ループ回数（Index）に応じて読み込むプロンプトを切り替えます。これにより、「座っている → 立ち上がる → 歩き出す」といったストーリー展開が可能になります。

Step 4: カラーマッチングによる一貫性維持

長時間の生成を続けると、徐々に色味が変わってしまうことがあります。これを防ぐため、最初のループで生成された画像の色情報を参照（Reference）し、以降の全フレームにカラーマッチングを適用します。これにより、シーンが変わっても統一感のある映像トーンを維持できます。

4. 品質の底上げとVRAM対策

フレーム補間 (Frame Interpolation)

生成直後の動画は25fpsですが、さらに滑らかにするためにフレーム補間を行います。RIFE等のノードを使用してフレーム数を倍（50fpsや60fps）にすることで、プロのようなヌルヌル動く映像になります。

VRAM不足への対策

Wan 2.2は高画質ですが重いモデルです。VRAMエラー（OOM）が出る場合は、以下の対策を行ってください。

• GGUFモデルの使用: FP8やFP16の代わりに、量子化されたGGUFモデルを使用することで、VRAM使用量を大幅に削減できます。
• 解像度の調整: 720p (1280x720) が厳しい場合は、480p (854x480) 程度に落として生成し、後からアップスケールする手法が有効です。
• Tiled VAEの使用: VAEのデコード時にメモリを節約します。

5. まとめ

今回解説したワークフローを使えば、ComfyUIとWan 2.2 I2Vの力を最大限に引き出し、映画のような長編動画を個人で制作することが可能になります。

ポイントは、「ループ処理による無限の拡張性」と「3段階サンプラーによる高画質化」、そして「カラーマッチングによる一貫性」です。これらを組み合わせることで、従来のAI動画生成の限界を突破できます。ぜひあなたのPCで、まだ見ぬ物語を紡ぎ出してみてください。