このComfyUIワークフローは、1枚のリファレンス画像と音声トラックからWan 2.2 S2V（sound-to-video）モデルを使って同期ビデオを生成します。UNETLoader、CLIPLoader、VAELoaderでWanバックボーンを読み込み、ModelSamplingSD3でスケジュールを設定。テキストプロンプトはCLIPTextEncodeでエンコード、音声はAudioEncoderLoaderとAudioEncoderEncodeで処理されます。これらの信号とLoadImageの画像が、WanSoundImageToVideoで音声のリズムやフレーズに沿った動きを合成します。KSamplerでステップ・CFG・シードを制御し、VAEDecodeで潜在変数をフレームに変換、CreateVideoで最終クリップを組み立てます。
実用性を高める2つの工夫：初期フレームの安定化と長尺対応。Fix overbaked first frameグループはLatentCutとLatentConcatで初期潜在フレームを複製し、デコード後に最初のフレームを破棄してVAE特有の「焼きすぎ」アーティファクトを回避します。長尺クリップにはVideo S2V Extendサブグラフでチャンク（デフォルト77フレーム）ごとに連結し、分単位のビデオもVRAMを圧迫せず生成可能。lightning LoRA対応なら4ステップ（CFG約1.0）で高速サンプリング、品質重視なら標準パス（約20ステップ・CFG約6.0）を推奨します。
API
このワークフローをコードから利用
すべてのComfyワークフローはJSONグラフです。以下のペイロードは、このワークフローそのものであり、ComfyUIが実行する内容と同じです — このURLから取得し、バージョン管理に保存したり、ComfyUIで読み込んでノードごとに実行できます。
Comfy SDKを使ってTypeScriptまたはPythonから実行できます。同じコードでComfy Cloudや自身でホストしたComfyUIのどちらにも対応 — ベースURLだけが異なります。
// Install (beta)
npm i @comfyorg/sdk
// Run "Wan2.2-S2V音声駆動型ビデオ生成" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("video_wan2_2_14B_s2v_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("52", "image", asset); // LoadImage
wf.setInput("6", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("113")[0].toFile("output.png"); // SaveVideoSDKはAPI形式のワークフローを受け取ります：このワークフローをComfyUIで開き、「ファイル → ワークフローをエクスポート（API）」を使用してください。
FAQ
