Wan Animate 2をComfyUIでローカル実行する前に｜用途・必要環境・注意点を整理

Wan Animate 2は、普通のテキスト-to-動画（T2V）や画像から動画（I2V）の代わりとして考えるモデルではない。

中心にあるのは、参照キャラクターの見た目を保ちながら、動きの参照動画の動きを反映した動画を作るというキャラクターアニメーションだ。ComfyUIも2026年8月8日にネイティブ対応を案内しており、公式ワークフローから試せる状態になっている。

ただし、ここで「ComfyUIで公式対応したならRTX 5090や24GB GPUでも普通に動く」と決めつけるのは早い。

Wan公式リポジトリが公開している標準設定は8基のA800 GPUを前提としており、480pの検証例でも2基のA800を使っている。ComfyUI側はネイティブワークフローを提供しているもの、記事公開時点で全一般向け GPUに当てはめられる固定VRAM要件は示していない。

そのためWan Animate 2をローカルComfyUIで今試す価値があるかを、用途、ワークフロー、メモリ条件の順で判断する。

用途は魅力的だが、一般GPUでは「公式対応」と「快適に動く」を分けて考える

Wan Animate 2が向いているのは、次のような用途だ。

• 1枚のキャラクター参考に別動画の動きを与えたい
• 顔や細かな身体動作を動きの参照動画から反映したい
• 動きの参照動画とは別のカメラ視点をテキストで指定したい
• 同じキャラクターを保ちながらクリップを延長したい
• 将来的にストリーミングキャラクターアニメーションも試したい

一方で、単に「画像1枚を少し動かしたい」だけなら、Wan 2.2 I2Vなど既存の画像から動画ワークフローの方が目的に近い場合がある。

ComfyUIでWan 2.2の画像から動画を始める方法は、1枚の開始画像から最初の短いI2V動画を作る手順に絞っている。

Wan Animate 2を選ぶ理由は、動きの参照動画を動きの入力として使いたいかにある。

Wan Animate 2では何を入力するのか

Comfy Orgの公式案内では、Wan Animate 2用のWanAnimate2ToVideoノードが参照キャラクターと動きの参照動画を受け取る。

役割を分けると次のようになる。

入力	主な役割
参照キャラクター	出力で維持したい人物・キャラクターの外見
動きの参照動画	身体動作、表情、細かな動きの入力
テキストプロンプト	場面の説明に加え、視点などの制御

従来のキャラクターアニメーションでは、動きの参照動画からポーズや動きを別の抽出器で取り出してから生成モデルへ渡す方式もある。

WanチームはWan Animate 2で、動きの参照動画を再設計された拡散 Transformerへ直接入力する一連の処理全体構成を採用したと説明している。作者側は、この変更を動きの再現性や人物・キャラクターの一貫性改善の理由としている。

ここは作者の設計説明・品質主張であり、local-genが比較実測した結果ではない。

ComfyUIではネイティブ対応されている

ComfyUI側では、Wan Animate 2がネイティブ対応されている。

最初に使うべきなのは、第三者カスタムノードを大量に組み合わせたワークフローではなく、ComfyUIが案内する公式テンプレートだ。

基本の流れは次の通り。

1. ComfyUIをWan Animate 2対応版へ更新する
2. 公式テンプレートを読み込む
3. 参照キャラクターを指定する
4. 動きの参照動画を読み込む
5. 出力解像度と長さを決める
6. 最初は短い条件で生成する

最初の目的は高画質な長尺動画を完成させることではない。

自分の環境でワークフローが最後まで通る基準条件を作ることが先になる。

WanAnimate2Cacheは何をする機能か

ComfyUIには任意のWanAnimate2Cacheノードも用意されている。

Comfy Orgは、このキャッシュがポーズ分岐の計算結果をサンプリング段階間で再利用し、生成時間をおおむね半分にできると説明している。その代わりシステムメモリを使う。

重要なのは、キャッシュを単純な「VRAM節約機能」と考えないことだ。

cacheを有効化
  ↓
pose branchの再計算を減らす
  ↓
生成時間を減らせる可能性
  ↓
system memoryとのtrade-offが増える

PCに搭載するRAMを考える場合は、画像・動画生成PCのRAMは32GB・64GB・128GBのどれを選ぶ？も合わせて確認したい。

「real-time Lite」がある＝普通のGPUでリアルタイム、ではない

WanチームはWan Animate 2 Liteを、ストリーミングキャラクターアニメーション向けに遅延をリアルタイム基準まで下げた軽量化された構成として説明している。

ただし、この表現だけから、

• RTX 3060でリアルタイム
• RTX 4090なら必ず30fps
• 16GB VRAMで問題ない

といった一般向け GPU条件へ変換してはいけない。

「リアルタイム」は、どのハードウェア・解像度・系列長・精度・並列構成で測ったかとセットで見る必要がある。

記事公開時点では、local-genが一般向け GPUで再現したWan Animate 2 Liteのベンチマークはない。

したがって、具体的なfpsや必要VRAMは未確認として扱う。

公式リポジトリのハードウェア参考はかなり重い

ここが、Wan Animate 2をローカルで試す前に最も注意したい点だ。

Wan公式リポジトリは、既定設定について8×A800 GPUで720p生成する構成に調整されていると説明している。また、480p生成を2×A800 GPUで検証したとも記載している。

これは「最低8枚必要」「2枚未満では絶対に動かない」という最低要件ではない。

一方で、「ComfyUIにネイティブ対応されたから一般的な12GB・16GB GPUでも余裕」と判断する根拠にもならない。

公式情報から安全に言えるのは、少なくともWan側の参照実装が大規模なGPU構成を前提に調整・検証されているということだ。

RTX 5090 32GBや24GB GPUならどう考えるか

現時点では、特定の一般向け GPUについて「快適」「実用不可」と固定判定しない方がよい。

Wan Animate 2の実行メモリは、少なくとも次の条件で変わり得る。

• Base / 蒸留など使用する構成
• 精度・量子化
• 解像度
• 系列長
• キャッシュの有無
• CPU / システムRAMへのオフロード
• ComfyUI側のメモリ管理
• 将来の最適化実装

そのため32GBのRTX 5090でも、32GBという容量だけで成功を保証できない。

逆に、公式リポジトリの複数-A800 参考だけを見て「一般向け GPUでは絶対に不可能」とも断定できない。ComfyUI側の実装や今後の最適化によって条件は変わるからだ。

動画生成用GPU全体の考え方は、ローカル動画生成のGPU・VRAMはどう選ぶ？で整理している。

一般PCで試すなら、最初に測るべき3項目

自分のPCで試す場合は、最初から長尺・高解像度へ上げない。

まず短い参考と動きの参照動画でワークフローを通し、次を記録する。

GPU / VRAM:
ComfyUI version:
Wan Animate 2 model / revision:
variant:
precision / quantization:
resolution:
sequence length:
cache:
offload:
peak VRAM:
peak system RAM:
generation time:

とくに重要なのは、VRAMだけを記録して終わらないことだ。

オフロードやキャッシュによってシステムRAM使用量や生成時間が変われば、VRAMだけ見ても実用性は分からない。

VRAM測定方法はローカルAIのVRAM使用量とピークを測る方法を参照できる。

OOMが出たときに一気に条件を変えない

Out of メモリが出た場合は、複数の設定を同時に変えると何が効いたか分からなくなる。

一般的には、

1. 系列を短くする
2. 解像度を下げる
3. メモリ-関連設定項目を確認する
4. オフロード条件を確認する
5. 構成・精度を確認する

という順に一つずつ変える方が原因を追いやすい。

ComfyUI全般の切り分けはComfyUIのCUDA Out of メモリを直す方法でも整理している。

ただし、Wan Animate 2固有の最適値を既存のSDXLやWan 2.2 I2V設定からそのまま流用しない。

いま試す価値が高い人

Wan Animate 2を現時点で試す価値が高いのは、次の条件に近い人だ。

• キャラクターアニメーションが目的そのもの
• 参照キャラクターと動きの参照動画を用意できる
• ComfyUIをすでに使っている
• 失敗時にVRAM・RAM・生成時間を測りながら調整できる
• 最新ワークフローやモデルリビジョンの変更を追える
• 高VRAM GPUや十分なシステムRAMを持っている、または長い生成時間を許容できる

反対に、

• 最初のローカル動画生成を簡単に試したい
• GPU要件を固定値だけで決めたい
• 低VRAM環境で確実に短時間生成したい

という場合は、まず既存のI2V/T2V ワークフローから始めた方が判断しやすい。

公式対応は大きな前進だが、一般向け GPUの必要条件はまだ測る段階

Wan Animate 2は、参照キャラクターと動きの参照動画を直接使うキャラクターアニメーションという点で、既存のWan 2.2 T2V/I2Vとは明確に用途が違う。

ComfyUIがネイティブ対応したことで、ローカル環境から公式ワークフローへ入る導線もできた。WanAnimate2Cacheや視点制御など、試す理由もある。

ただし、公式Wan実装の参考ハードウェアは複数-A800構成だ。

現段階では、ネイティブ対応＝一般向け GPUで快適、とは扱わないのが重要になる。

一般PCでは短い条件から始め、VRAM使用量のピーク、システムRAM、生成時間を実測しながら、自分の環境でどこまで実用になるかを判断したい。