WAN 2.2 Perfect Loops

注意： このワークフローは AGPLv3 ライセンス下で提供されています。私が公開するワークフローは、すべての人にとって、永遠に無料です。
https://www.gnu.org/licenses/agpl-3.0.en.html#license-text

要約： 最終的な結果は、8秒間の完全にループするクリップである必要があります。（3つの別々のワークフローを経て構築されます）

ZIPファイルには、WAN 2.2およびWAN 2.1 VACEを使用して、完全なループを段階的に構築するための3つの補完的なワークフローが含まれています。

試行錯誤を重ね、これらのワークフローは、完璧にループするクリップを作成する際に最も一貫した結果を得られるように設計されました。デフォルト設定は、私が最も効果的だと感じ、また処理速度も許容できる水準であるものです。

プロセスは以下の通りです：

• wan22-1clip-scene-KJ.json

  • 参照画像からWAN 2.2 I2Vクリップを生成

  • Qwen2.5-VLを使用したオプションのプロンプト拡張

    • ローカルで動作するOllamaサーバーが必要

• wan22-1clip-vace-KJ.json

  • 1のクリップをV2V VACEワークフロー（現時点ではWAN 2.1）で使用

  • クリップ1の最後の15フレームがトランジションの最初の15フレームに

  • クリップ1の最初の15フレームがトランジションの最後の15フレームに

  • その間に51フレームを新しく生成

  • オプションでQwen2.5-VLを使用してプロンプトを生成

    • ローカルで動作するOllamaサーバーが必要

• wan22-1clip-join.json

  • クリップ1 + クリップ2

    • 720pにアップスケール

    • WAN 2.2 TI2V 5B（非常に高速かつ高品質）でアップスケールしたクリップをスムーズ化

    • GIMM-VFIを使用して60fpsに補間（速度を優先する場合はRIFEに変更可能）

    • オリジナルの参照画像を使用してカラーコレクション

最終的な結果は、8秒間の完全にループするクリップになります。

ワークフロー内にはさらに多くの注記があります。ご質問がある場合はコメントをお願いします。必要なカスタムノード、最新のComfyUI、およびPyTorch >= 2.7.1がインストールされていれば、そのまま使用できます。使用したモデルへのリンクはワークフローの注記に記載されています。

私はNativeよりもKJベースのワークフローを選択しました（私の環境ではNativeは遅いからです）。サンプリング時は、VRAM（またはシステムRAM）に収まる最小のモデル量子化を選択してください。そうでない場合は、最高品質のためにQ8を選択してください。ComfyUi-MultiGPUカスタムノードには注意してください。私の環境では、Nativeよりも遅く、どちらも基本的なブロックスワップを用いたKJよりも遅いです。