I2Vとは画像から動画を生成する方式で、最初のフレームを渡すとモデルがそこから動きを付け加えます。GGUFが付く場合、そのモデルは単一の重みファイルに量子化されており、より小さなカードで動作させられます。wan2-6.netはこれらのファイルを配布していません — 同じタスクをホスト型で行いたい場合は画像から動画をご覧ください。このページでは、そのトレードオフについて説明します。
テキストから動画の場合、モデルは言葉からシーンを構築するため、何を描くかに自由度があります。画像から動画にはその自由度がありません。渡されたフレームを保持しつつ、その中にもっともらしい動きを生み出す必要があります。これにより作業負荷が厄介な形で分割されます。重みは依然として動きを符号化しなければなりませんが、VAEは特定の画像を忠実に再構成する必要があり、再構成の誤差は、まさにその画像を選んだ理由である細部にドリフトやぼやけとして現れます。
実用的な帰結として、テキストから動画では許容できる量子化でも、画像から動画では比較対象となる正解があるため、明らかに悪く見えることがあります。顔、細かいテクスチャ、シャープなエッジで最初に気づくでしょう。
そして元画像を正直に保ちましょう。ぼやけた、あるいはノイズの多い最初のフレームを量子化モデルで動かすと、動きのあるぼやけた結果が得られますが、それは誰も望まないものです。動かす前にシャープにするか撮り直してください。
自分のパイプラインで多数の画像から動画を生成し、量子化を余裕で収められるカードがある場合はローカルで実行してください。カードがぎりぎり、インストールが終わっていない、あるいはコミットする前にテストのコストを可視化したい場合はホスト型ルートを使ってください — クレジットコストは送信前のフォームの横に表示され、クレジット価格は料金にあります。
いずれにせよ、最初のレンダリングは資産ではなくテストとして扱ってください。出力品質はルートと、要求する動きの大きさによって変わります。
Wan 2.2 GGUFではフォーマット自体を、画像から動画ではホスト型ルートを、Wan 2.2 Animateではうまく動く静止画の作り方を扱っています。
このサイトはI2V GGUFビルドを提供していますか？ いいえ — このサイトは画像から動画を代行するもので、重みファイルは提供していません。
量子化された画像から動画は劣りますか？ 通常はわずかに劣り、固定された最初のフレームと比較できる顔や細部で最も目立ちます。
ローカルで実行するには最低何が必要ですか？ 量子化された重みに加え、アテンションワークスペースとVAEを保持できるVRAMです。短い低解像度クリップなら、フルサイズのレンダリングで言われる数値よりはるかに少なくて済みます。
ホスト型ルートはどこから始めますか？ Wanワークスペースを開き、画像から動画タブを選んでください。