高火力 VRT（バート）はVM型GPUクラウドサービスで、NVIDIA H100 を仮想サーバー上で利用できます。
今回はこの高火力 VRT を使って、Wan2.2を使った動画生成に挑戦してみました。
Wan2.2とは
Wan2.2は、動画生成に特化したAIモデルで、以下の3つの動画生成に対応しています。
- T2V（Text to Video）
- I2V（Image to Video）
- TI2V（Text and Image to Video）
オープンなモデルとなっていて、GitHub上で公開されています。
Wan-Video/Wan2.2: Wan: Open and Advanced Large-Scale Video Generative Models
ComfyUIとの組み合わせ
今回は、ComfyUIと組み合わせて実行しています。ローカルにファイルを各種配置する関係上、高火力DOKよりもVRT向きだと思います。
サーバーのセットアップ
VRTのプランは 高火力 VRT/24Core-240GB-H100x1 になります。また、OSはUbuntu 24.04.2を選択しています。ディスクは250GBあれば十分だと思います。
GPU周りのセットアップ
初期セットアップを行います。以下のコマンドはOSバージョンによって異なるので注意してください。
apt-get update
apt-get install gcc gnupg -y
apt-key del 7fa2af80
wget https://jp.download.nvidia.com/tesla/570.133.20/nvidia-driver-local-repo-ubuntu2404-570.133.20_1.0-1_amd64.deb
dpkg -i nvidia-driver-local-repo-ubuntu2404-570.133.20_1.0-1_amd64.deb
cp /var/nvidia-driver-local-repo-ubuntu2404-570.133.20/nvidia-driver-local-BB6607B3-keyring.gpg /usr/share/keyrings/
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
dpkg -i cuda-keyring_1.0-1_all.deb
apt-get update
apt-get install nvidia-driver-575 nvidia-container-toolkit -y
これでサーバーをリスタートすれば、GPUが認識されているかと思います。
$ nvidia-smi
Thu Aug 14 13:16:39 2025
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 575.57.08 Driver Version: 575.57.08 CUDA Version: 12.9 |
|-----------------------------------------+------------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA H100 80GB HBM3 On | 00000000:00:04.0 Off | 0 |
| N/A 58C P0 703W / 700W | 53343MiB / 81559MiB | 100% Default |
| | | Disabled |
+-----------------------------------------+------------------------+----------------------+
+-----------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=========================================================================================|
| 0 N/A N/A 9495 C python 53334MiB |
+-----------------------------------------------------------------------------------------+
ComfyUIの立ち上げ
まずPython周りをセットアップします。
sudo apt update
sudo apt install -y python3 python3-venv python3-pip git
そして、ComfyUIをクローンします。
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
Pythonは専用の環境を作成して実行します。
python3 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu129
pip install -r requirements.txt
これで、ComfyUIの起動準備が整いました。
python main.py --listen 0.0.0.0 --port 8188
ブラウザから、 http://(VRTのIPアドレス):8188 にアクセスすると、ComfyUIのインターフェースが表示されます。
素材
今回は自分が登壇しているときの写真を使ってみました（photograph by koyhoge）。なお、実際に生成されるのは動画ですが、Qiita掲載用として、アニメーションGIFに変換しています。
モデルのダウンロード
Wan2.2用のモデルをダウンロードします。これはWan2.2 Video Generation ComfyUI Official Native Workflow Example - ComfyUIに書かれている通りです。
- wan2.2_ti2v_5B_fp16.safetensors
- wan2.2_vae.safetensors
- umt5_xxl_fp8_e4m3fn_scaled.safetensors
をそれぞれ、 models/diffusion_models / models/text_encoders / models/vae に配置します。
cd models
cd diffusion_models
wget https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_ti2v_5B_fp16.safetensors
cd ../text_encoders
wget https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/resolve/main/split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors
cd ../vae
wget https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan2.2_vae.safetensors
そして、ワークフローファイルをダウンロードして、ブラウザでComfyUIのWorkflow > 開くからインポートします。
これで Wan2.2 5B が試せます。こちらはデフォルトのT2V（Text to Video）で生成された動画です（実際には1280×704）。
自分の写真から生成した動画。人相が若干変わっていますが、全体としてはバランスが保たれています。
14Bを試す
さらに大きなモデル、14BもVRTで実行できます。
cd models
cd diffusion_models/
wget https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors
cd ../vae
wget https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan_2.1_vae.safetensors
cd ../loras/
wget https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/loras/wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors
14Bの場合は、こちらのワークフローファイルを利用して試せます。
動画の生成にはおおよそ5分程度かかるようです。今回は長めにしてみました。なぜかノイズが入ります。
注意点
高火力 VRT は時間単位の課金です。利用し終わったら終了しましょう。なお、ディスクだけの保存であれば250GBで月額9,625円（2025年8月現在）なので、必要なときだけサーバーを立ち上げるようにして、ディスクは残しておくとコストを抑えられます。
まとめ
今回は高火力 VRT を使って、Wan2.2を使った動画生成の方法を紹介しました。高火力 VRTはNVIDIA H100を利用できるため、大規模なAIモデルの実行に適しています。ComfyUIと組み合わせることで、直感的なインターフェースで動画生成が可能になります。
VRTなら、いつでも強力なGPU環境を利用できます。ぜひ試してみてください。