Wan2GPっていうのは弱々VRAMパソコン用に作られた生成AIらしい。
導入
導入手順は簡単だった。コマンドプロンプトで下記コマンドを実行するだけ。
git clone https://github.com/deepbeepmeep/Wan2GP.git
cd Wan2GP
python -m venv .venv
.venv\Scripts\activate.bat
pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/test/cu128
pip install -r requirements.txt
python wgp.py
この後、色々DLするからめっちゃ時間が掛かる。
ずーっと待ってるといつの間にか終わるんだけど、結構待つから離席してもいいかも。
完全に終わったらスンッと静かになるから、下記アドレスにアクセスしよう。
http://localhost:7860
そしたら、こんな画面が開くよ。
まーた色々と分かんない。
画面項目
先ず上の方にあるタブは何なの？
グローバルタブ
もう、色々とAIに訊いてみよう。
Media Generator（メディアジェネレーター）
一番基本で一番よく使うメインの画面だよ！文字（プロンプト）から動画を作ったり、画像から動画を作ったり、音声や画像を生成するための中心地だよ🎬✨
Mask Generator（マスクジェネレーター）
動画や画像の一部分だけを切り抜いたり（マスク作成）、特定のエリアだけを後から描き換えたり・修正したりするときに使う編集用タブだよ✂️🖼️
Motion Designer（モーションデザイナー）
カメラワークの動き（ズーム、パン、回転など）や、被写体の細かい動きの軌道をデザイン・指定するための専用タブだよ🎥🚀
Guides（ガイド）
画面の使い方や、各機能の詳細な説明・ヒントがまとまっているヘルプ的なタブだよ📚
Configuration（コンフィグレーション / 設定）
Wan2GP全体の動作設定や、保存先のフォルダ、APIキー、パフォーマンス調整など、裏側の細かい環境をカスタマイズする設定タブだよ⚙️
Plugins（プラグイン）
新しい機能や拡張機能を追加・管理するためのタブだよ！いろんな便利ツールをここから有効化したりできるよ🧩
About（アバウト）
このツールのバージョン情報（今回ログに出ていた WanGP v12.72 by DeepBeepMeep とか！）や、開発者さんのクレジット、ライセンス情報が載っているページだよℹ️✨
ふーん。
とりあえず今はMedia Generatorだけ覚えればいいかな。
モデル選択
で、次にある、これは何？
とりあえず一番左にあるこれ。
プルダウンになってて、色々選べるんだけど。
ここでモデルを選べるらしい。
それぞれ特徴があるんだって。
Wan2.1 / Wan2.2
中国発の超高精度な動画生成モデル！プロンプトへの忠実さとダイナミックでリアルな動きが魅力だけど、VRAMをたっぷり使う重量級だよ🔥
Hunyuan Video / Hunyuan Video 1.5
テンセント開発のオープンな大作動画モデル！映画のワンシーンみたいなリッチで高品質な質感を出せるパワー型だよ💪
LTX Video / LTX-2
軽さとスピードのバランスを重視した実用モデル！VRAMが限られた環境でも比較的サクサク動きやすいからテスト用にぴったり🚀
Kandinsky 5
アート風から写実的まで、幅広い表現力を持つバランス型モデル🎨
LongCat
長めのコンテキストや一貫性を保った連続的な生成を得意とするユニークなモデル🐱
Magi Human
人間やキャラクターのポーズやダイナミックな動きの追従に特化したモデル💃
MiniMax H3
高品質な動画表現に定評のあるMiniMax系のモデル✨
Flux 1 / Flux 2
超高画質な「静止画（画像生成）」の代表格！動画のベースになる綺麗な1枚絵を作るのに大活躍するよ🖼️
Qwen
テキストの処理や複雑なプロンプトの理解をサポートしてくれる言語系モデル🤖
Z-Image
画像生成やビジュアル処理を軽量・高速にこなすためのモデル⚡
HiDream / Ideogram / Krea 2 / SenseNova
それぞれユニークなテイストの画像生成やデザイン・編集補正が得意な個性派モデルたち🎨✨
Music
BGMや効果音などの音楽を生成するための専用モデル🎵
TTS (Text-to-Speech)
文字を自然な音声（しゃべり声）に変換してくれる音声合成モデル🗣️
なるほどね。Wanがオススメなんだろうけど、弱々PC向けにDLしたんだから、軽さを重視するLTXが良いかな。
Wan2.2からLTX-2に変えたら他の項目も変わったよ。
2.0 19Bって何？
2.0 19B
190億パラメータのベースになるモデルだよ。音声と動画を同時に生成できるのが特徴なんだ！
2.3 22B系
さらに新しいバージョン（LTX-2.3）の220億パラメータ版だよ！画質やプロンプトへの追従性、音声のクオリティがパワーアップしている分、さらに重くなるよ。
EditAnything Ref V2V / JoyAI-Echo / MSR Ref などの後ろにつく名前は、特定の編集やリファレンス（参照）機能、特殊な調整用に向いた派生バリエーションだよ。
2.5 22B
さらに新しく登場した最新のバージョン2.5のモデルだよ！
そうなんだね。
じゃあ一番軽そうな2.0 19Bのままでいいかな。
そしたら次のDevって何？
Dev
開発者向けのオリジナル版（標準）。精度やクオリティが高いぶん、VRAMを一番ガッツリ消費するよ🔥
Dev NVFP4
NVIDIAの特定の環境向けに軽量化・最適化された特殊な量子化形式だよ！
Distilled
生成ステップ数を減らして（高速化して）動かせるように「蒸留」されたモデルだよ🚀
Distilled GGUF (Q4_K_M / Q6_K / Q8_0)
VRAMがカツカツなGPU Poorの強い味方、GGUF形式に圧縮されたモデルだよ！✨
Q4_K_M：一番ファイルサイズが小さくて軽い（VRAM節約になるけど、画質や精度は少し落ちるよ）
Q6_K：軽さと画質のバランス型
Q8_0：一番ファイルが大きいけど、ほぼ元のクオリティを保てる高画質・高精度型
そしたら一番軽そうなDistilledでいいかな。
モデルLTX-2を選んだ場合の画面項目
気づいたら画面構成が変わってたよ。
モデルを変えると大幅に変わって、2.0 19BとかDevの部分を変えたりすると細かい所が変わるみたい。
LoRA選択
先ずコレなに？
またプルダウン出てきたよ。
設定項目多いなあ。
OmniNFT RL-LoRA (LTX-2 19B) - Better Audio Video Sync
LTX-2 19Bモデル用の追加LoRAで、「音声と動画のタイミング（シンクロ）」をよりバッチリ合わせてくれる調整用プリセットだよ🎵🎬
OmniNFT RL-LoRA (LTX-2.3 22B) - Better Audio Video Sync
こっちはより新しい LTX-2.3 22Bモデル用の音声・動画同期アップ用LoRAだよ✨
VBVR LoRA - Video Reasoning
動画の推論能力や、不自然な動きを減らして綺麗につなげるためのビデオ推論用LoRAだよ🧠🎥
基本は「なし（選択しない）」でも動くけれど、音声つきの動画を作るときに「音と映像のズレが気になるな〜」ってときは、対応するモデルに合わせてここから選んでみると効果的だよ〜！😊💖
Apply（適用）
上のメニューで選んだLoRAプリセットや設定を、現在のシステムに「反映させる」ためのボタンだよ〜！ポチッと押すとその設定が適用されるよ💡
Refresh（更新）
新しいLoRAファイルを追加した後に、「リストを最新の状態に読み込み直す」ためのボタン！「あれ、ファイル入れたのに表示されないな〜？」ってときはこれを押すと一発で出てくるよ🔄✨
Save（保存）
今の自分の好みに合わせた設定や、新しく作ったプリセットの組み合わせを「お気に入りファイルとして保存する」ためのボタンだよ💾💖
Delete（削除）
選んでいるプリセットや、不要になった保存済みの設定ファイルを「消去する」ためのボタンだよ🗑️（消すときは気をつけてね〜！）
今回はナシでいいかな。
次の項目に進もう。
一杯設定項目あるなあ。
成果物種別選択
まずはここから読み解いていこうか。
Text to Video（テキストから動画）
文章（プロンプト）だけでゼロから動画を作り出す基本のモードだよ✍️🎥
Text to Image（テキストから画像）
文章から綺麗な1枚絵（静止画）を作り出すモードだよ🖼️✨（動画のベース画面を作るのによく使うよ！）
今回は動画を生成したいからText to Videoを選べばいいね。
Text Prompt（テキストプロンプト）
生成するための呪文（英語の指示文）や、描きたい情景を文字で入力するメインの入力欄だよ📝🤖
Start with Image（画像から開始）
用意した1枚の画像を「最初のフレーム（1フレーム目）」にして、そこから動きのある動画をスタートさせるモードだよ🖼️➡️🎬
Continue Video（動画の続き）
今ある動画の続きをさらに伸ばして生成したいときに使うモードだよ🎞️✨
Continue Last Video（前回の動画の続き）
直前に作った動画の末尾から、そのまま自然に続きを繋げて生成するためのモードだよ🚀
End Image(s)（終わりの画像）
動画の「最後のゴール（終着点フレーム）」になる画像をあらかじめ指定して、そこに向かって映像が変化するように作るための設定だよ🏁🖼️
今回はStart with Imageを選んでみよう。
開始フレームの画像選択
そこは、動画のスタート地点（1フレーム目）にするための 「開始画像のアップロード・管理エリア」 だよ〜！🖼️✨
画面上部のタイトルにある通り 「Images as starting points for new Videos in the Generation Queue（生成キュー内の新しい動画の出発点となる画像）」 を設定する場所で、それぞれのボタンはこんな役割を持っているよ！👇
アップロードエリア（中央）
ここにベースにしたい画像ファイルをドラッグ＆ドロップしたり、クリックして選択してアップロードするよ📁✨
Add（追加）
アップロードした画像をリストやキューに正式に追加するためのボタンだよ➕
Remove（削除）
選択している画像をリストから取り除くためのボタンだよ🗑️
Left / Right（左 / 右）
複数の画像を登録しているときに、順番を入れ替えたりプレビューを切り替えたりするためのボタンだよ⬅️➡️
Clear（クリア）
登録されている画像をすべて一括で消去するためのボタンだよ🧹
コントロール動画・フレーム注入モード選択
そんで、これ何？
そこは、動画の骨組みや動きを外部からコントロールするための 「コントロール動画・フレーム注入（制御・加工）モード」 のメニューだよ〜！🎛️✨
No Video Process
何も特殊な制御を行わない通常モードだよ（テキストや画像から普通に生成したいときはこれを選んでおけばOK）💡
Transfer Human Motion
元になる動画の「人間の動き」をそのまま別のキャラクターや被写体に転写するためのモード🕺
Transfer Human Motion With Pose Alignment
人間のポーズや姿勢の位置合わせ（アライメント）を綺麗に補正しながら、動きを正確に転写するモード🧘♀️
Transfer Depth
元動画の「奥行きや立体感（深度マップ）」を抽出し、その距離感を維持したまま新しい映像を作るモード📏
Transfer Canny Edges
元動画の「輪郭線（エッジ）」を抽出し、その線画の形に沿った動きや構図の動画を作るモード✏️
LTX2 Raw Format / Control Video for Ic Lora
LTX-2専用の生データ形式や、IC-LoRA（Image-Conditioned LoRA）用の制御に特化した専門モード🧩
Inject Frames
動画の途中に特定のフレームを直接挿入・差し込むためのモード🎞️
今回はNo Video Processでいいかな。
元画像の造形維持度合
じゃあコレは？
数値を高くする（「1」などに近づける）
元の画像の形や色、細部がめちゃくちゃ厳密に維持されるよ！その代わり、ガチガチに固定されちゃうから動きは少なめになっちゃう🖼️🔒
数値を低くする（「0」の方に下げる）
元の画像への縛りが緩くなるから、AIが自由によりダイナミックに動かしたり変化させやすくなるよ！その代わり、元の絵の形からは崩れやすくなるよ🏃♂️💨
じゃあ1でいいかな。
絵と音の設定
そしたら次はこれは何？
Generate Video & Soundtrack based on Text Prompt
テキスト（プロンプト）の指示をもとに、動画と音声（サウンドトラック）を同時に生成する基本のモードだよ🎬🎵
Generate Video based on Soundtrack and Text Prompt
あらかじめ用意した音声（サウンドトラック）とテキストプロンプトを組み合わせて、その音楽や音声に合わせた動画を作り出すモードだよ🎧✨
Generate Video based on Control Video + its Audio Track and Text Prompt
元になる「コントロール動画とその音声」および「テキストプロンプト」を使って、動きや音のタイミングを引き継いだ新しい動画を生成するモードだよ🎥
Generate Audio based on Control Video and Text Prompt
コントロール動画の動きやテキストの指示から、映像ではなく音声（サウンドトラック）のみを生成するためのモードだよ🗣️🎵
Generate Video based on Reference Voice (ID-LoRA) and Text Prompt
参照用の声（ID-LoRA）とテキストプロンプトを使って、特定の声の雰囲気を反映させながら動画を生成するモードだよ🎙️✨
今回はGenerate Video & Soundtrack based on Text Promptのままでいいかな。
プロンプト設定
これはプロンプトだね。
後で考えよう。
プロンプト拡張を選択
これは？
入力したプロンプトをAIが自動でリッチに拡張・最適化してくれる 「プロンプト拡張（Write機能）」 のメニューだよ〜！✍️✨
Disabled
プロンプトの自動拡張を行わない通常モード（自分が書いたテキストをそのまま使うときはこれ）💡
An Enhanced Prompt using existing Text Prompt
入力したテキストプロンプトをベースに、AIがより詳細でリッチな表現に書き換えて拡張してくれるモード📝✨
An Enhanced Prompt using existing Text Prompt and Start Image
入力されたテキストプロンプトに加えて、さっき設定した「開始画像（Start Image）」の要素も読み込ませて、より画像と噛み合ったプロンプトに拡張するモード🖼️✍️
An Enhanced Relayed Prompt using existing Text Prompt
テキストプロンプトを「中継・連係（Relay）」させながら、より複雑なニュアンスやストーリー性を持たせて段階的に拡張するモード🔄
An Enhanced Relayed Prompt using existing Text Prompt and Start Image
テキストと開始画像の両方を組み合わせ、さらに中継・連係処理を挟みながら高度にプロンプトを構築・拡張するフルパワーモード🚀
「自分で細かい呪文（プロンプト）を考えるのが大変だな〜」ってときにここを有効にすると、AIが勝手にリッチなプロンプトに仕立て上げてくれるからすごく便利だよ〜！😊💖
画質
1080p
フルHDの高画質！画面がとっても綺麗で細かいところまで映るけれど、そのぶんVRAMの消費も生成時間も一番重くなるよ🔥
720p
HD画質！綺麗さと軽さのバランスが取りやすい標準的な解像度だよ💻
480p
ちょっと軽めの標準画質。テスト生成や動きを確認したいときにサクッと使うのに便利🏃♂️
384p / 320p / 256p
さらにコンパクトな軽量解像度！VRAMの節約や、とにかく爆速で動作テストを回したいときに大活躍するよ🚀✨
そしたら今回は256pでいいかな。
解像度
自動で割り当て直す 「Resolution Budget（解像度バジェット・アスペクト比調整）」 のメニューだよ〜！🎞️📐✨
説明書きに「Pixels will be reallocated to preserve Inputs W/H ratio（入力の縦横比を保つためにピクセルが再割り当てされます）」とある通り、アップロードした画像が変に引き延ばされたり潰れたりしないように、ここで指定したピクセル数の枠内に収まるよう自動調整してくれるんだ💡
448x256 (7:4)
横長（ワイド）の比率で生成したいときのサイズ予算だよ🖥️
256x448 (4:7)
縦長（スマホの縦画面やポートレート型など）の比率で生成したいときのサイズ予算だよ📱
320x320 (1:1)
正方形（スクエア）の比率で生成したいときのサイズ予算だよ⬜
448 × 256 ＝ 114,688 ピクセル
320 × 320 ＝ 102,400 ピクセル
画素数は320px四方の方が小さいから、今回はこっちにしよう。
小さい方がきっと早いと思う。
再生時間
生成する動画の長さ（フレーム数）を指定する 「Number of frames（フレーム数・再生時間）」 のスライダーだよ〜🎬✨
説明書きに 「24 frames = 1s（24フレームで1秒）」 って書いてある通り、ここを増やすと長い動画に、減らすと短い動画になるよ！💡
現在の設定（画像の場合）：
241 フレームに設定されているから、24で割ると 約10秒（10.0s） の動画を作る設定になっているよ⏱️
フレーム数を多くすれば長い動画が作れるけれど、そのぶんVRAMの消費量や生成時間がめちゃくちゃ跳ね上がるから、テストするときは短め（例えば48フレームや72フレームなど、2〜3秒くらい）にして、本番で長くするのがおすすめだよ〜！
じゃあお勧めの48フレームにしてみようか。
詳細設定
Advanced Mode（アドバンスドモード）
チェックを入れると、より高度でマニアックな細かいパラメータ設定が解放されるよ🔧
Set Settings as Default（設定をデフォルトとして保存）
今いじっている好みの設定を、次回から起動したときの「標準（初期値）」として記憶させるボタン💾
Export Settings to File（設定をファイルに書き出す）
現在の設定をファイルとしてパソコンに保存するボタン📤（「Include Media」にチェックを入れておくと、一緒に使っている画像やメディアも丸ごとファイルに含められるよ📦）
Reset Settings（設定をリセット）
いじりすぎて訳が分からなくなっちゃったときに、初期状態へ綺麗に巻き戻すボタン🧹
Load Settings From Media File / Json / Zip（設定の読み込み）
以前書き出した設定ファイル（JsonやZip）や、生成したメディアファイルをここにポトッとドロップして、当時の設定をそのまま再現するエリア📥
Enter Lora URL / Download Lora（LoRaのURL入力＆ダウンロード）
CivitaiなどのLoRaのダウンロードリンク（URL）をここに直接貼り付けて、ボタンを押すだけでWan2GPにLoRaを直接お迎えできる超便利機能だよ🌐✨
最初はAdvanced Modeは無効でいいかな。
でも有効にしたら何が設定できるんだろう？
こんなに項目が増えた。
多いな……これは次の記事でに回した方がよさそう。
画面右側の項目
次の項目に進もう。
ここは、これまでに作った作品の確認や生成の実行、そして全体の予約管理を行うための 「プレビュー・実行＆キュー管理エリア」 だよ〜！🎬✨
Status（ステータス表示欄）
AIがどれくらい進んでいるか、エラーが起きていないかなどの進行状況が表示される場所だよ📊
Video / Images Gallery ＆ Audio Files Gallery
生成された動画・画像や音声ファイルがズラッと保存・表示されるギャラリータブだよ🎞️🎵
Media Info / Late Post Processing / Import Media
選んだメディアの細かい情報を確認したり、後から画質や効果を調整（ポスト処理）したり、外部からメディアを取り込んだりするエリアだよ🔍🖼️
Generate（生成ボタン）
動画や画像を作り出すときに押す一番重要なメインボタンだよ🚀✨
Queue Management（キュー管理エリア）
「連続で何個も予約して自動で作ってもらう（キュー）」ときの管理場所だよ📋
Save Queue / Load Queue / Clear Queue
予約リストをファイルとして保存したり、読み込んだり、一括クリアするためのボタンだよ💾📂🧹
Save and Quit（保存して終了）
作業を終わらせるときに、状態を保存しつつWan2GPを安全に終了させるためのボタンだよ🚪✨
なるほどねー。
動画生成
じゃあ、画像をアップロードして、とりあえずプロンプトにrunningを打ち込んでみよう。
Whiteのプルダウンを変更してみたいけど、先ずはGenerateしてみようか。
おお、できた！
続きは後日やろう