Wan2.1(GGUF) only 4GB-VRAM ComfyUI Workflow

ノートパソコンでの動画生成

こんにちは！
このワークフローは、Kijai およびその他のソースから提供されるいくつかのカスタムノードを使用して、VRAM 4GB の RTX 3050 ノートパソコン版でもスムーズなパフォーマンスを実現します。生成長さ、視覚的品質、全体的な機能性を向上させるよう最適化されています。

🧠 ワークフロー情報

このワークフローは、以下の複数の ComfyUI ワークフローを実行できます：

2.0-ALL — すべてのワークフローを含みます：

Wan2.1 T2V
Wan2.1 I2V
Wan2.1 Vace
Wan2.1 First Frame Last Frame
Funcontrol（実験的）
Funcameraimage（実験的）

まもなく更新：インペイント実験版がアップデートされます

🚀 結果（パフォーマンス）

記事

* 更新予定

🎥 動画解説（Vace版）：

🎥 インストールガイド（V1.8）：

📦 ダウンロードセクション

⚙️ 使用しているノード（ComfyUI Manager または下記リンクでインストール）

注：rgthree は Stack Lora Loader のみに必要です。

📦 モデルのダウンロード

* これらのモデルは、元のモデルをより少ない VRAM で実行できるように変換したものです。

🔗 WAN GGUF モデル
- ほとんどのバージョン
🔗 画像→動画用の代替版
- i2v 用の高速・高品質な量子化版
🔗 WAN2.1 1.3B GGUF
- fun、インペイント、T2V、Vace 用
🔗 WAN2.1 Fun-control 14B GGUF
- fun-control 用
🔗 WAN2.1 Fun-Camera-control 14B GGUF
- fun-Camera-Control 用
🔗 代替 GGUF 変換版

すべての GGUF 変換は以下の方々によって行われています：

https://huggingface.co/city96

https://huggingface.co/calcuis

https://huggingface.co/QuantStack

* 探しているモデルが見つからない場合は、上記のプロフィールを確認してください！

🧩 追加で必要なファイル（モデルダウンロードからダウンロードしないでください）

🔗 VAE、CLIP、CLIP Vision、テキストエンコーダー

📥 何をダウンロードして、どう使うか？

✅ 量子化のヒント：

Q_5 – 🔥 速度と品質の最適なバランス
Q_3_K_M – 高速でかなり正確
Q_2_K – 使用可能だが、品質がやや低下
1.3B モデル – ⚡ 超高速、詳細度が低い（テスト用に最適）
14B モデル – 🎯 高品質だが、速度が遅く VRAM を多く消費
注意：「Q」が低いほど高速でVRAM消費が少ないが、品質は低下
　「Q」が高いほど品質が向上するが、VRAM消費が多く、速度が遅くなる

🧩 モデルの種類と機能

Wan Video – テキストプロンプトから動画を生成（テキスト→動画）
Wan VACE – 単一画像から動画を生成（画像→動画）
Wan2.1 Fun Control – 深度、ポーズ、エッジなどのコントロール入力を追加し、動画生成をガイド
Wan2.1 Fun Camera – 静的入力からズームやパンなどのカメラ移動をシミュレートし、ダイナミックな動画を生成
Wan2.1 Fun InP – 動画のインペイント（動画フレーム内の特定の領域を修正・編集）
First–Last Frame – 開始画像と終了画像の間を補間して動画を生成

📂 ファイル配置ガイド

すべての WAN モデルの .gguf ファイル →
ComfyUI/models/diffusion_models/ フォルダに配置してください
⚠️ 常にモデルのダウンロードページの指示を確認してください —
変換されたモデルは、正確なフォルダ構造や依存関係を記載している場合があります