クラウド GPU で Wan 2.2 の動画生成を動かすには？

結論： ComfyUI テンプレートをデプロイし、Comfy-Org の再パッケージ版から Wan 2.2 のファイルを ComfyUI/models/diffusion_models、text_encoders、vae にダウンロードして、ComfyUI のテンプレートから Wan 2.2 のワークフローを開きます。まずは TI2V-5B（テキストから動画と画像から動画を 1 つのモデルで行う、ファイル合計約 18 GB）から始めましょう。ComfyUI のチュートリアルは、このモデルは “should fit well on 8GB vram with the ComfyUI native offloading”（ComfyUI のネイティブなオフロードで 8 GB の VRAM に十分収まる）と記載しています。より大きなモデルを使いたくなったら、14B の T2V または I2V のペア（14.29 GB の FP8 エキスパート 2 つ）に進みます（ComfyUI Wan 2.2 チュートリアル、2026-11-03 閲覧）。Wan 2.2 のモデルは Apache 2.0 で公開されています。

どの Wan 2.2 モデルを使うか

モデル	できること	ComfyUI 用のファイル（Hugging Face 上のサイズ、2026-11-03 閲覧）
TI2V-5B	テキストから動画、画像から動画	`wan2.2_ti2v_5B_fp16` 10.0 GB、`wan2.2_vae` 1.41 GB、`umt5_xxl_fp8_e4m3fn_scaled` 6.74 GB
T2V-A14B	テキストから動画	`wan2.2_t2v_high_noise_14B_fp8_scaled` と `..._low_noise_14B_fp8_scaled` 各 14.29 GB、`wan_2.1_vae` 0.25 GB、同じテキストエンコーダー
I2V-A14B	画像から動画	`wan2.2_i2v_high_noise_14B` と `..._low_noise_14B`、FP8 で各 14.29 GB（FP16 で各 28.58 GB）、`wan_2.1_vae`、同じテキストエンコーダー

14B モデルは高ノイズのステップ用と低ノイズのステップ用の 2 つのエキスパートを使うため、両方をダウンロードします。必要な VRAM はモデル、精度、ワークフローによって変わり、特に解像度とフレーム数（length）で大きく変わります。Wan2.2 README（2026-11-03 閲覧）には、独自の generate.py で TI2V-5B は “on a GPU with at least 24GB VRAM (e.g, RTX 4090 GPU)”（24 GB 以上の VRAM を持つ GPU、たとえば RTX 4090）、14B の T2V コマンドは “on a GPU with at least 80GB VRAM”（80 GB 以上の VRAM を持つ GPU）で動くと書かれており、どちらも独自のオフロード用フラグを付けた場合です。ComfyUI の FP8 ファイルとオフロードを使えば、必要量はこれより下がります。カードの比較は RTX 4090 vs RTX 4090 48G vs RTX 5090（画像生成）をご覧ください。

ステップ 1：ComfyUI テンプレートをデプロイする

/deploy で ComfyUI テンプレートを選ぶと、そのテンプレートを動かせる GPU だけが表示されます。テンプレートはモデルの重みを含まずに ComfyUI をインストールするので（/docs、2026-11-03 閲覧）、Wan 2.2 は自分でダウンロードします。JupyterLab のターミナルを開くか SSH で接続します：

COMFY=$(find / -maxdepth 4 -type d -name ComfyUI 2>/dev/null | head -n 1); echo "$COMFY"
nvidia-smi
df -h "$COMFY"      # the 14B FP8 set is about 36 GB, the 5B set about 18 GB

ステップ 2：ファイルをダウンロードする

Comfy-Org の再パッケージ版はファイルを split_files/<folder>/ の下に置いているので、作業用フォルダーにダウンロードしてから所定の場所に移動します。先に huggingface_hub をインストールし、ダウンロードのときに cloudgpu-net をオンにします（モデルのダウンロードを速くする方法をご覧ください）。

pip install -U "huggingface_hub"
cloudgpu-net on
export HF_XET_HIGH_PERFORMANCE=1
REPO=Comfy-Org/Wan-2.2          # the ComfyUI docs link Comfy-Org/Wan_2.2_ComfyUI_Repackaged, which now redirects here

TI2V-5B：

hf download $REPO \
  split_files/diffusion_models/wan2.2_ti2v_5B_fp16.safetensors \
  split_files/vae/wan2.2_vae.safetensors \
  split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors \
  --local-dir ~/wan-dl

T2V-A14B（FP8）：

hf download $REPO \
  split_files/diffusion_models/wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors \
  split_files/diffusion_models/wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors \
  split_files/vae/wan_2.1_vae.safetensors \
  split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors \
  --local-dir ~/wan-dl

I2V-A14B の場合は、2 つの diffusion model の名前の t2v を i2v に置き換えます。続いて、ファイルを ComfyUI のフォルダーに移動します：

for d in diffusion_models vae text_encoders; do
  mkdir -p "$COMFY/models/$d"
  mv ~/wan-dl/split_files/$d/* "$COMFY/models/$d/" 2>/dev/null
done
cloudgpu-net off
ls -lh "$COMFY"/models/{diffusion_models,vae,text_encoders}

ステップ 3：ワークフローを開いてレンダリングする

ComfyUI はインスタンスの行に表示される公開 HTTPS URL から開くか、非公開にしたい場合はポート 8188 への SSH トンネルで開きます（公開 URL にはログインがありません。SSH ポートフォワーディングのガイド（英語）をご覧ください）。ComfyUI で Workflow → Browse Templates → Video を開き、ダウンロードしたファイルに合う Wan 2.2 のワークフローを選びます。Wan 2.2 のテンプレートが表示されない場合は、ComfyUI が Wan 2.2 対応より古い版です。ComfyUI のフォルダーで git pull を実行し、cloudgpu-net off の後で pip install -r requirements.txt を実行してから、ComfyUI を再起動してください。

ComfyUI のチュートリアルによると、動画のサイズとフレーム数は Wan22ImageToVideoLatent（5B）または EmptyHunyuanLatentVideo（14B の T2V）で設定します。Wan2.2 README には、TI2V-5B は “supports 720P video generation at 24 FPS”（24 FPS で 720P の動画生成に対応）とあり、このモデルの 720P は 1280*704 または 704*1280 です。まずは小さなサイズの短いクリップで始め、メモリを確認してから大きくしていきましょう：

nvidia-smi --query-gpu=memory.used,memory.total --format=csv -l 2

メモリが足りなくなったら、まず解像度か length を下げ、次に FP16 ではなく FP8 のファイルを使ってください。

代替手段：Raw GPU で公式の Wan2.2 スクリプトを使う

ComfyUI を使わない場合は Raw GPU をデプロイし、Wan-Video/Wan2.2 をクローンして依存パッケージをインストールし、重みをダウンロードして generate.py を実行します。README にある TI2V-5B の単一 GPU 用コマンドは次のとおりです：

hf download Wan-AI/Wan2.2-TI2V-5B --local-dir ./Wan2.2-TI2V-5B
python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B \
  --offload_model True --convert_model_dtype --t5_cpu \
  --prompt "<your prompt>"

README では古いコマンド名 huggingface-cli download が使われていますが、現在のコマンドは hf download です。RTX 5090 では、先に CUDA 12.8 以降向けの PyTorch ビルドをインストールしてください（RTX 5090 の “no kernel image” の直し方（英語））。

自分の GPU は不要でクリップだけ欲しい場合は、CloudGPU のモデル API にも Wan の動画モデルがあります。POST /v1/videos でジョブを作成し、GET /v1/videos/{id} で状態を確認して MP4 をダウンロードします（API ドキュメント、2026-11-03 閲覧）。

動画を保存してから破棄する

出力は $COMFY/output に保存されます。インスタンスを破棄するとデータは削除されるので、先に MP4 ファイルをコピーしてください（rsync や scp）。課金は 1 分単位（切り上げ）、最低 1 分です。重みのダウンロード中も課金され、インスタンスを破棄すると課金は止まります。

よくある質問

Wan 2.2 に必要な VRAM はどれくらいですか？

ComfyUI のチュートリアルは、TI2V-5B は ComfyUI のネイティブなオフロードで “should fit well on 8GB vram” と記載しています。14B モデルの数値はありません。Wan2.2 README の独自スクリプトでは、TI2V-5B に 24 GB 以上、14B の T2V に 80 GB 以上が必要とされています。必要な VRAM はモデル、精度、ワークフロー、特に解像度とフレーム数によって変わります（2026-11-03 閲覧）。

Wan 2.2 TI2V-5B を ComfyUI で使うにはどのファイルが必要ですか？

Hugging Face の Comfy-Org による Wan 2.2 再パッケージ版から、models/diffusion_models に wan2.2_ti2v_5B_fp16.safetensors、models/vae に wan2.2_vae.safetensors、models/text_encoders に umt5_xxl_fp8_e4m3fn_scaled.safetensors を置きます。

14B のモデルファイルが 2 つあるのはなぜですか？

Wan 2.2 A14B は高ノイズ用と低ノイズ用の 2 つのエキスパートを使い、ComfyUI のワークフローは両方を読み込むため、T2V でも I2V でも両方のファイルをダウンロードします。

Wan 2.2 の出力は商用利用できますか？

ComfyUI のチュートリアルはモデルが “are based on the Apache 2.0 open source license and support commercial use”（Apache 2.0 オープンソースライセンスにもとづき、商用利用に対応）と記載しており、Wan2.2 README もモデルは Apache 2.0 でライセンスされているとしています。使用するファイルのライセンスはモデルページで確認してください。

Wan 2.2 のフレームレートはいくつですか？

Wan2.2 README によると、TI2V-5B は 24 FPS で 720P の動画生成に対応しています。

出典（2026-11-03 閲覧、Asia/Shanghai）

ComfyUI Wan 2.2 チュートリアル（バリエーション、ファイル名、フォルダー、5B はネイティブのオフロードで 8 GB、サイズと length を設定するノード、Apache 2.0）：https://docs.comfy.org/tutorials/video/wan/wan2_2
Wan2.2 README（独自スクリプトで TI2V-5B は 24 GB、14B T2V は 80 GB、オフロード用フラグ、24 FPS で 720P、1280*704、Apache 2.0）：https://github.com/Wan-Video/Wan2.2
Comfy-Org の Wan 2.2 再パッケージ版の Hugging Face ファイル一覧（ファイルサイズ。Wan_2.2_ComfyUI_Repackaged から改名）：https://huggingface.co/Comfy-Org/Wan-2.2
CloudGPU ドキュメント（ComfyUI テンプレートにモデルの重みは含まれない）：https://cloudgpu.app/docs
CloudGPU API ドキュメント（Wan などの動画モデル向けの POST /v1/videos）：https://cloudgpu.app/api/docs

起動できるカードは Deploy ページに一覧があります。料金は https://cloudgpu.app/ja/pricing に掲載しており、ここでは繰り返しません。

最終更新：2026-11-03（Asia/Shanghai）。