Wan2.2、モデルやLoRAも増えてきて様々なジャンルの動画が作りやすくなってきています。
たくさんの動画を作っていると、こう思う時が来ると思います。
「長い動画を作りたい」
と。
しかし、通常の生成では5秒前後の動画しか作れなかったり、前動画の最終フレームをスタート画像として指定して長尺動画を作成しても、顔や服が変わってしまったりと一貫性を保てない問題があります。
そうした問題を解決し長尺動画を作成する技術がSVI (Stable Video Infinity)です。
今回の記事では、このSVI v2.0 ProをWan2.2で使う方法の解説とワークフローの配布を行います。
生成動画比較
まずは、SVI v2.0 Proを用いて生成した10秒の動画と、通常のフローで生成した5秒の動画2本を繋ぎ合わせた計10秒の動画を比較していきます。
このSVI v2.0 Proを導入しようか迷っている方は参考にしてください。
通常フローでの動画
まずは腕を動かす動画。
これはSVI v2.0 Proを使わなくてもいい感じに出来ていますね。
次は後ろを向いてから前を向き直す動画です。
振り返ると顔が変わっていました。
このように、フレームからはみ出した部分が再描画される場合、通常のフローでは大幅に変わってしまいます。
SVI v2.0 Proを使用したフローでの動画
通常フローでは大幅に変わってしまった振り返り、SVI v2.0 Proではどうでしょうか。
かなり一貫性を保っていますね。
1度フレームから外れて、再度戻ってくるような動画を作成する場合はSVI v2.0 Proが良いですね。
導入方法
それでは導入方法を説明していきます。使用するツールはComfyUIです。
基本的なComfyUIのセットアップは済んでいることを前提として進めていきます。
必要モデルのダウンロード
Wan2.2 HighNoise 保存場所 : ComfyUI/models/diffusion_models
wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors
Wan2.2 LowNoise 保存場所 : ComfyUI/models/diffusion_models
wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors
SVI用LoRA HighNoise 保存場所 : ComfyUI/models/loras
SVI_v2_PRO_Wan2.2-I2V-A14B_HIGH_lora_rank_128_fp16.safetensors
SVI用LoRA LowNoise 保存場所 : ComfyUI/models/loras
SVI_v2_PRO_Wan2.2-I2V-A14B_LOW_lora_rank_128_fp16.safetensors
text encoder 保存場所 : ComfyUI/models/text_encoders
umt5_xxl_fp8_e4m3fn_scaled.safetensors
vae 保存場所 : ComfyUI/models/vae
wan_2.1_vae.safetensors
基本的にはこの6つです。もし足りないモデルが合った場合は、モデル名で検索すれば大抵はヒットするのでそちらからダウンロードしてください。
また、Wan2.2 High/Low モデルはベースモデルを載せましたが、civitaiなどで配布されているカスタムモデルを使用した方が生成される動画のクオリティが高くなる可能性があります。
スポンサーリンク
必要カスタムノード
こちらは後述するワークフローの読み込んだ際に不足しているカスタムノードが一覧で出てくると思うので、そちらを確認しながらインストールしてください。
ワークフローの配布
それではワークフローを配布します。ワークフローは一気に最大4つの動画を生成し最大約20秒の動画を作成する「Wan22-SVI-Pro-v2-OnlineGamerNikki.json」と続きを１動画ずつ生成していく「Wan22-SVI-Pro-v2PlusOne-OnlineGamerNikki.json」の2つを配布します。
Wan22-SVI-Pro-v2-OnlineGamerNikki.json はデフォルトでは最大約20秒の動画の生成ですが、ワークフローに少し変更を加えることで増やすことも出来ます。
・Wan22-SVI-Pro-v2-OnlineGamerNikki.json
・Wan22-SVI-Pro-v2PlusOne-OnlineGamerNikki.json
配布ワークフローの解説
Wan22-SVI-Pro-v2-OnlineGamerNikki.json の説明
まずは一気に最大4つの動画を生成する「Wan22-SVI-Pro-v2-OnlineGamerNikki.json」の解説から行います。
ワークフローの全体図は以下の通りです。
値を変更する箇所は基本的に赤で囲ったグループに入っている緑色のノードだけです。
まずは「モデル読み込み」グループから説明していきます。
ここはグループ名の通り、モデルを設定するグループです。
「Diffusion Model Loader KJ」ノードでWan2.2のモデルを指定します。上側のノードがHighモデル、下のがLowモデルです。
「LoRAローダーモデルのみ」ノードは緑色ではありませんが、初回のみ設定が必要です。このノードにSVI v2.0 Pro用のLoRAを設定してください。上側がHigh、下がLow用です。
「Power Lora Loader (rgthree)」ノードでLoRAの指定を行えます。LoRAを使う場合はここで追加してください。ここも同じく、上がHigh、下がLowです。
「CLIPを読み込む」ノードは緑色ではありませんが、初回のみ設定が必要です。このノードにClipモデルを設定します。
「VAEを読み込む」ノードは緑色ではありませんが、初回のみ設定が必要えす。このノードにVAEモデルを設定します。
これで「モデル読み込み」グループの説明を終わります。
次に「各種設定」グループの説明です。
まずは緑色のノードから説明していきます。
「画像を読み込む」ノードに、開始画像を指定します。
「プロンプト1～4(自動翻訳)」ノードに、プロンプトを入力します。日本語で入力しても自動で英語に翻訳されます。プロンプト1に1番目に生成される動画のプロンプト、プロンプト2に2番目に生成される動画のプロンプトというように入力していきます。
「ランダムノイズ」ノードにシード値を設定します。
「Step」ノードにステップ数を設定します。使用するモデルや高速化LoRAなどを使用する場合はこちらの数値を変更してください。
「HighSamplerSettings」ノードで、ハイモデル用のサンプラーやCFG値を設定できます。
「LowModelSettings」ノードは、HighSamplerSettingsのローモデル用です。
「1～4動画時間(秒) / FPS」ノードで、動画の長さとフレームレートを指定できます。フレームレートは全ての生成で固定になっていますが、動画の長さはそれぞれで指定出来るようになっています。
ハイモデルとローモデルで違うモデルを使う事を想定して、サンプラーやCFG値の設定をハイモデル用とローモデル用で分けましたが、別なモデルを使う場合でも設定値は同じで良いかもしれません。
次に赤色のノードで説明です。
「Fast Muter (rgthree)」ノードで生成する動画の解像度を指定できます。任意の解像度を選択する場合は下の「任意の解像度」ノードに数値を入力してください。
「生成」ノードで生成する動画の数を変更出来ます。例えば3本(約15秒)の動画を作成する場合は1stG～3ndGまでをONにしてください。
これで「各種設定」グループの説明を終わります。
残りのグループは簡単に説明していきます。
1stG～4thGグループでは生成を行っています。そのグループで生成した動画を確認する為のノードも配置してあります。必要なければ削除してください。もし5本以上の動画を生成したい場合はこのグループを増やして適切にノードを繋げば出来ます。
「結果」グループで生成した動画が全て繋がった動画を確認できます。
以上でWan22-SVI-Pro-v2-OnlineGamerNikki.jsonの説明を終わります。
スポンサーリンク
Wan22-SVI-Pro-v2PlusOne-OnlineGamerNikki.json の説明
先ほどのワークフローでは一気に動画を4本生成して約20秒の動画を作成するワークフローでしたが、こちらのワークフローでは続きの動画を1本ずつ生成していくワークフローとなります。
モデルやLoRAを切り替えて生成したい場合はこちらのワークフローをおすすめします。
使い方の説明は基本的に先ほどのワークフローと同じなので、違う所だけを説明します。
違う箇所は赤枠で囲った部分だけです。
「PrevVideoLoad」ノードに、続きを生成したい動画を指定してください。
「TotalVideoLoad」ノードに、今まで生成した動画全てが繋がっているトータルの動画を指定してください。
以上でこちらのワークフローの説明は終わりです。
最後に
色々な技術が出てきて、ローカルでの動画生成AIも本格的な創作に使えるようになって来ましたね。
それでは！
コメント