Tutorials

ComfyUIで初めて動画生成する手順｜Windows導入からWan 2.2 5Bの初回出力まで

AIで短い動画を作るため、Windows PCにComfyUIを導入しました。使ったのはComfy Desktopと動画生成モデルのWan 2.2 5Bです。

初めてだと、保存先、CloudとLocalの選択、赤いモデルエラーの直し方で迷います。この記事では、実際の画面をもとに、Windowsへの導入から初回動画の再生までを紹介します。

本記事は2026年9月27日に始めた導入と、2026-10-03時点で確認した初回生成の記録です。画面や選択肢はバージョンによって変わる場合があります。

画面キャプチャについて：記事内の25枚は、筆者が自身のPCで操作中に撮影し、原画像をトリミングや加工をせず掲載しています。操作箇所や発生した状態を説明するためのもので、ComfyUI／Comfy DesktopおよびWindowsのUIなどに関する権利は、それぞれの権利者に帰属します。公式資料は本文中のリンクから確認できます。

ComfyUIで初めての動画生成に挑戦してできたこと

先に結果を書くと、Local環境と必要な3モデルを用意し、約2秒と表示される縦動画を出力・再生できました。

再生すると品質には課題が残り、指定したプリンとは違って見えました。今回の到達点は初回の生成と再生です。保存や画質改善へは進まず、まず一度動かすための操作に絞ります。

今回使ったPCとインストール先

今回のPC構成は次の通りです。Wan 2.2 5Bの公式ガイドでは、native offloadingにより5B版はVRAM 8GBに適合する見込みと説明されています。ただし、全環境での動作や速度を保証するものではありません。

項目	今回の環境
OS	Windows 11 Home 25H2
CPU	Intel Core i5-13600KF
メモリー	32GB
GPU	NVIDIA GeForce RTX 3060 Ti
VRAM	8GB
Cドライブ	約1TBのSSD。空き容量は確認時に約416GB、その後の画面で388.30GB
Dドライブ	8TBのHDD。空き容量は確認時に約7.26TB

空き容量の大きいDへ入れるか迷いましたが、CはSSD、DはHDDでした。今回は環境とモデルをCドライブへ導入しました。

画面キャプチャ：筆者撮影（未加工）

この後にComfyUIの実行環境と動画生成モデルも入るため、インストーラー本体だけでなく、モデル用の空き容量も確認しておきます。

画面キャプチャ：筆者撮影（未加工）

ドライブの種類を見るだけなら、ここで最適化を実行する必要はありません。

Comfy DesktopをLocalでセットアップする

Windows版の導入方法はComfyUI公式のDesktop手順で確認できます。ここでは、今回表示されたComfy Desktopインストーラー1.1.3の画面に沿って進めます。

インストール後にComfy Desktopを起動すると、「How do you want to run Comfy?」と表示されました。今回は自分のPCで処理するため、右側の Local を選択します。最終的に、Express InstallはOFF、利用規約への同意はON、匿名利用データの共有とベータ機能はOFFにしました。

画面キャプチャ：筆者撮影（未加工）

これは今回の選択で、全員に必須の組み合わせではありません。利用規約を確認し、任意項目を選んで「Continue」を押します。

続く「Create a New Instance」では、インスタンス名を ComfyUI-Shorts としました。画面上ではPublic Builds、Stable（Recommended）v0.38.2、NVIDIA、Python 3.13.12が選ばれています。これらは今回の画面で見えた値であり、常に使うべき固定バージョンではありません。

画面キャプチャ：筆者撮影（未加工）

保存先はCドライブ内の Comfy-Desktop\ComfyUI-Installs です。画面では空き388.30GB、必要容量約4.96GBでした。NVIDIAと保存先を確認して「Continue」へ進みます。

スターターモデルの画面にはVideo、Image、3D、Audioの候補が並びましたが、目的のWan 2.2 5Bはここで選びませんでした。右下の Skip & Install を押し、まずComfyUIの実行環境だけを入れます。

画面キャプチャ：筆者撮影（未加工）

「Downloading ComfyUI…」へ移ったら、ダウンロードと展開が終わるまで待ちます。所要時間は通信環境で変わります。

画面キャプチャ：筆者撮影（未加工）

Wan 2.2 5Bのテンプレートを開く

ComfyUIが起動すると、テンプレート一覧が表示されました。検索欄へ最初に wan2.2 と入れたところ、14B版を含む複数の候補が出たため、さらに wan2.2 5B で絞り込みます。

画面キャプチャ：筆者撮影（未加工）

3つの候補から、ギターを弾く人物のサムネイルが付いた 「Wan 2.2 5Bビデオ生成」 を選びました。Fun ControlやInpaintingとは別のカードです。

開いたワークフローのタブ名は video_wan2_2_5B_ti2v でした。初回はテンプレートを使い、必要なモデルと入力欄を順に確認します。

不足している3つのモデルをダウンロードする

テンプレートを開くと、「3件のエラーが見つかりました」と表示され、モデル読み込み部分のノードが赤枠になりました。右上の「詳細を表示」を押すと、ワークフローに必要なモデルが3つ不足していると分かります。

画面キャプチャ：筆者撮影（未加工）

ファイル名	種類・配置先	画面の容量
`wan2.2_vae.safetensors`	VAE／`models/vae/`	1.31GB
`umt5_xxl_fp8_e4m3fn_scaled.safetensors`	テキストエンコーダー／`models/text_encoders/`	6.27GB
`wan2.2_ti2v_5B_fp16.safetensors`	動画生成モデル／`models/diffusion_models/`	9.31GB

ファイル名と配置先は公式Wan 2.2ガイドの5B版と一致します。「すべてダウンロード（16.9GB）」を押しました。この16.9GBは3ファイルの保存容量で、VRAM使用量ではありません。

進み具合は右上の下向き矢印から確認できます。3ファイルすべてにチェックマークが付くまで待ちます。

画面キャプチャ：筆者撮影（未加工）

完了後も不足モデルの表示が残ったため、Downloadsを閉じ、不足モデル欄の右にある ↻（更新アイコン） を押しました。問題タブと赤枠が消えたら、次の設定へ進みます。

画面キャプチャ：筆者撮影（未加工）

縦向きのサイズとプロンプトを設定する

「Video Size & length」内の Wan22ImageToVideoLatent の数値欄を探します。読みにくい場合はノードにマウスを置き、ホイールで拡大します。初期値は幅1280、高さ704、長さ121、バッチサイズ1でした。

数字をダブルクリックして次の値へ変更し、Enterで確定します。

項目	今回の値	意味
width（幅）	512	縦動画の横幅
height（高さ）	896	縦動画の高さ
length（長さ）	49	総フレーム数
batch_size	1	生成する本数

画面キャプチャ：筆者撮影（未加工）

length 49は秒数ではなく、生成する総フレーム数です。今回のプレーヤーには約2秒と表示されましたが、画面からFPSを確認できていないため、「49フレームだから必ず何秒」とは換算しません。

続いて、「Step3-Prompt」の緑色のPositive Promptへ、作りたい内容を英語で入力しました。

A cute small orange kitten gently taps a large wobbly pudding with one paw. The pudding jiggles, and the kitten tilts its head in surprise. Cozy kitchen, soft lighting, fixed camera, single continuous shot.

小さなオレンジ色の子猫がプリンを前足でたたき、揺れに驚いて首をかしげる場面を意図しています。キッチン、照明、固定カメラ、1つながりのショットも指定しました。

画面キャプチャ：筆者撮影（未加工）

下の茶色い欄はNegative Promptです。ComfyUIのKSampler資料では、Positiveは含めたい条件、Negativeは避けたい条件として説明されています。今回のNegative Promptには「字幕」「低质量」「细节模糊不清」などの中国語がありましたが、出力する動画の言語を中国語にする指定ではありません。

今回はNegative Promptを初期値のまま使い、まず生成結果を見ることにしました。

Runを押して初めての動画を再生した結果

モデル、サイズ、Positive Promptを確認し、右上の 「実行する（Run）」 を1回押しました。しばらくするとワークフロー右側に縦長の動画プレーヤーが現れ、約2秒のプレビューが表示されました。プレーヤーの再生ボタンを押し、生成した動画が再生できるところまで確認しています。

画面キャプチャ：筆者撮影（未加工）

今回は生成が10秒未満で終わりました。これは私が今回操作したときの記録で、実行ログや計測方法を検証したベンチマークではありません。導入やモデルのダウンロード時間は含まず、別の環境や実行でも同じ時間になるとは限りません。

再生すると、品質には課題が残りました。プレビューには子猫と大きなオレンジ色の物体が見えますが、指定したプリンとは違って見えます。静止画だけでは、子猫の動きや物体の揺れが自然だったかは判断できません。

まだ原因は切り分けられていません。次回はプロンプトや生成設定を確認します。今回は追加の保存操作をせず、初回出力と再生で区切りました。

初回で迷った点と次に試したいこと

初回に迷った点は、次の3つへ整理できます。

5B版が見つからない：wan2.2だけでは14B版も表示されたため、wan2.2 5Bで検索し、「Wan 2.2 5Bビデオ生成」を選びました。
モデル不足の赤いエラーが消えない：3ファイルのダウンロード完了を確認した後、不足モデル欄の↻を押して再読み込みしました。
中国語の文章を消すべきか迷う：下段は避けたい要素を指定するNegative Promptでした。今回は初期値のまま試しました。

この3点を越えれば、ノードを最初から組まずに、サイズ、フレーム数、プロンプトを確認してRunまで進められました。

次の記事では同じ題材を使い、設定とプロンプトを見直して動画の品質を改善します。今回の結果を基準にして比較できるように、原因を決めつけず一つずつ変更する予定です。