Wan の動画生成にはどの GPU を使うべきか？

結論： カードは Wan のモデルと使うツールで選びます。公式スクリプトと ComfyUI では必要なメモリが大きく違うためです。

  • TI2V-5B： Wan2.2 README が挙げているのは RTX 4090 などの 24 GB クラスです：“This command can run on a GPU with at least 24GB VRAM (e.g, RTX 4090 GPU)”（このコマンドは 24GB 以上の VRAM を持つ GPU、たとえば RTX 4090 で動く）。ただしオフロード用のフラグを付けた場合です。ComfyUI では、5B 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）とされています。
  • 14B モデル（T2V-A14B、I2V-A14B、S2V-14B）： README の単一 GPU 用コマンドには “This command can run on a GPU with at least 80GB VRAM”（このコマンドは 80GB 以上の VRAM を持つ GPU で動く）とあります。ComfyUI の FP8 ファイルとオフロードで必要量は下がりますが、ComfyUI のドキュメントに 14B の数値はありません。

出典：Wan2.2 README、ComfyUI Wan 2.2 チュートリアル、いずれも 2026-11-04 閲覧。

どの Wan モデルがオープンか？

バージョン オープンな重み ライセンス
Wan 2.1（T2V-1.3B、T2V-14B、I2V-14B、FLF2V-14B、VACE） あり Apache 2.0
Wan 2.2 TI2V-5B、T2V-A14B、I2V-A14B（“Jul 28, 2025”） あり Apache 2.0
Wan 2.2 S2V-14B（音声駆動） あり Apache 2.0
Wan 2.2 Animate-14B、Wan-Animate-2（2026-08-07） あり Apache 2.0
Wan 2.5、Wan 3.0 Hugging Face の Wan-AI organization に重みはなし ホスト型サービスでのみ利用可

モデルの一覧は Hugging Face の Wan-AI organization と Wan2.1・Wan2.2 の README で確認しました（2026-11-04 閲覧）。Wan 3.0 が必要な場合、GPU に載せるものはないので、CloudGPU のモデル API を使ってください。そこにある動画モデルには wan-3.0 と wan-3.0-prime があり、POST /v1/videos で呼び出します（API ドキュメント）。

どの Wan モデルにどのカードを使うか

以下の README と ComfyUI の記述は 2026-11-04 に閲覧したものです。いま起動できるカードは Deploy ページでご確認ください。

モデル 公式の情報源の記述 まず選ぶカードのクラス
Wan 2.1 T2V-1.3B “requires only 8.19 GB VRAM”（必要な VRAM はわずか 8.19 GB）、“a 5-second 480P video on an RTX 4090 in about 4 minutes (without optimization techniques like quantization)”（RTX 4090 で 5 秒の 480P 動画を約 4 分で生成、量子化などの高速化手法は未使用） 24 GB：RTX 3090、RTX 4090、RTX 4090D
Wan 2.2 TI2V-5B（ComfyUI） “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） 24 GB：RTX 4090、RTX 4090D。オフロードなしで 720p を動かしたいなら 32 GB：RTX 5090、RTX 5090D、RTX 4080 SUPER 32G
Wan 2.2 TI2V-5B（公式の generate.py） “at least 24GB VRAM (e.g, RTX 4090 GPU)”（24GB 以上の VRAM、たとえば RTX 4090）、--offload_model True --convert_model_dtype --t5_cpu を付けた場合。“Without specific optimization, TI2V-5B can generate a 5-second 720P video in under 9 minutes on a single consumer-grade GPU”（特別なチューニングをしなくても、TI2V-5B はコンシューマー向け GPU 1 枚で 5 秒の 720P 動画を 9 分未満で生成できる） 24 GB 以上
Wan 2.2 T2V-A14B / I2V-A14B（ComfyUI FP8） 各 14.29 GB のエキスパート 2 つとテキストエンコーダー。ComfyUI のドキュメントに 14B の VRAM の数値はなし 32–48 GB：RTX 5090、RTX 4090 48G、RTX 4090D 48G、RTX A6000
Wan 2.2 T2V-A14B / I2V-A14B（公式スクリプト） “This command can run on a GPU with at least 80GB VRAM.”（このコマンドは 80GB 以上の VRAM を持つ GPU で動く。） 80 GB 以上：A100 80G、A800 80G、RTX 6000D、RTX PRO 6000 96G
Wan 2.2 S2V-14B “This command can run on a GPU with at least 80GB VRAM.”（このコマンドは 80GB 以上の VRAM を持つ GPU で動く。） 80 GB 以上
Wan-Animate-2 14B “The default settings in this repository are tuned for 8× A800 GPUs and support 720P video generation. We have also tested 480P generation on 2× A800 GPUs.”（このリポジトリの既定の設定は A800 8 枚向けに調整されており、720P の動画生成に対応する。A800 2 枚での 480P 生成もテスト済み。） 参照構成には 80 GB のカードが複数枚必要

Wan2.2 README には次の記述もあります：“at least 80GB VRAM, you can remove the --offload_model True, --convert_model_dtype and --t5_cpu options to speed up execution”（80GB 以上の VRAM があれば、--offload_model True、--convert_model_dtype、--t5_cpu のオプションを外して実行を速くできる）。大きなカードならオフロード用のフラグを外せます。小さなカードに収まるのは、まさにこのフラグのおかげです。

必要なメモリを左右するもの

  • 解像度とフレーム数。 ComfyUI では length と latent のサイズがメモリに大きく影響します。ComfyUI のドキュメントは “a relatively small size … to prevent low VRAM users from consuming too many resources”（VRAM の少ないユーザーがリソースを使いすぎないよう……比較的小さなサイズ）を設定しており、“If you have enough VRAM, you can try a resolution around 720P”（VRAM に余裕があれば 720P 前後の解像度を試せる）としています。
  • 精度。 FP8 の 14B エキスパートは各 14.29 GB、FP16 では各 28.58 GB です（Hugging Face のファイルサイズ、Comfy-Org の Wan 2.2 再パッケージ版、2026-11-04 閲覧）。
  • ホスト RAM へのオフロード。 オフロードは VRAM の代わりにシステムメモリを使うので、/deploy で GPU あたりの RAM を確認してください。

メモリが足りなくなったときについて、README は “you can use the --offload_model True, --convert_model_dtype and --t5_cpu options to reduce GPU memory usage.”（--offload_model True、--convert_model_dtype、--t5_cpu のオプションで GPU メモリの使用量を減らせる。）としています。

Wan の LoRA を学習する

キャラクターの一貫性や独自のスタイルが欲しいなら、LoRA を学習します。musubi-tuner のドキュメントには “VRAM: 12GB or more recommended for image training, 24GB or more for video training”（VRAM：画像の学習には 12GB 以上、動画の学習には 24GB 以上を推奨）と “Main Memory: 64GB or more recommended”（メインメモリ：64GB 以上を推奨）とあります（musubi-tuner、2026-11-04 閲覧）。手順は musubi-tuner で Wan 2.2 の LoRA を学習する方法（英語）をご覧ください。

費用

2026-11-05 07:55 (UTC+8) 時点：RTX 4090 $0.39/時間、RTX 5090 $0.69/時間、RTX 4090 48G $0.69/時間、A100 80G $1.59/時間。30 分のテストは RTX 4090 で $0.20、RTX 5090 で $0.34 です。課金は 1 分単位（切り上げ）で 1 分から、インスタンスを破棄すると止まります。現在の料金は /pricing に掲載しています。

セットアップの手順は クラウド GPU で Wan 2.2 の動画生成を動かすには？（英語）をご覧ください。関連：MiniMax H3 にはどの GPU が必要か · AI 短編映画の制作：工程ごとにどの GPU を使うか · AI 映像・動画制作向けクラウド GPU

よくある質問

Wan 2.2 TI2V-5B にはどの GPU が必要ですか？

Wan2.2 README によると、独自のスクリプトではオフロード用のフラグを付けて TI2V-5B を “on a GPU with at least 24GB VRAM (e.g, RTX 4090 GPU)”（24GB 以上の VRAM を持つ GPU、たとえば RTX 4090）で動かせます。ComfyUI のチュートリアルは、5B 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）としています（2026-11-04 閲覧）。

Wan 2.2 14B にはどの GPU が必要ですか？

Wan2.2 README の T2V-A14B、I2V-A14B、S2V-14B 向けの単一 GPU 用コマンドには “This command can run on a GPU with at least 80GB VRAM”（このコマンドは 80GB 以上の VRAM を持つ GPU で動く）とあります。ComfyUI の FP8 ファイル（エキスパートごとに 14.29 GB）とオフロードで必要量は下がりますが、ComfyUI のドキュメントに 14B の数値はありません（2026-11-04 閲覧）。

Wan 3.0 はオープンソースですか？

Hugging Face の Wan-AI organization には Wan 2.5 と Wan 3.0 の重みは公開されておらず、掲載されているのは Wan 2.1、Wan 2.2、Wan-Dancer、Wan-Animate-2 です（2026-11-04 閲覧）。CloudGPU のモデル API では、POST /v1/videos で wan-3.0 と wan-3.0-prime を利用できます。

Wan の出力は商用利用できますか？

README と Hugging Face のページによると、Wan 2.1 と Wan 2.2 のモデルは Apache 2.0 で公開されています（2026-11-04 閲覧）。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。

VRAM が多いと Wan は速くなりますか？

オフロードのオプションを外せるようになります。Wan2.2 README には、80GB 以上の VRAM を持つ GPU では “you can remove the --offload_model True, --convert_model_dtype and --t5_cpu options to speed up execution”（–offload_model True、–convert_model_dtype、–t5_cpu のオプションを外して実行を速くできる）とあります（2026-11-04 閲覧）。

出典（2026-11-04 閲覧、Asia/Shanghai）

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 に掲載しています。

最終更新：2026-11-04（Asia/Shanghai）。