AI動画生成の分野で注目を集める「Seedance 2.0」と「Wan 2.2」。この2つは似たような文脈で語られることが多いですが、実は根本的に異なる性質を持つモデルです。本記事では、両者の違いを整理したうえで、ローカル環境でWan 2.2を動かすための要件と手順を解説します。
Seedance 2.0とは
Seedance 2.0は、TikTokやDouyinを運営するByteDanceが開発したAI動画生成モデルです。テキスト・画像・動画・音声を組み合わせて入力できるマルチモーダル対応が特徴で、映像と音声を完全に同期させた状態で出力できます。
主なスペックは以下の通りです。
- 出力解像度：最大2K（2048×1080相当）
- 動画の長さ：4〜15秒（カスタマイズ可能）
- 参照ファイル数：最大12件（画像9枚・動画3本・音声3ファイル）
- 音声生成：効果音・BGM・多言語ナレーションが映像と完全同期
- 生成速度：5秒動画で60秒未満
Seedance 2.0はローカルで動かせない
結論から言うと、Seedance 2.0はローカル環境では実行できません。オープンソースモデルではないため、すべての処理はByteDanceのクラウド上で行われます。「ComfyUIでSeedance 2.0が使える」という情報もありますが、これはComfyUIというローカルツールのUIから裏でクラウドAPIを呼び出しているだけで、生成自体はクラウド上（クレジット消費制）で行われる仕組みです。
Wan 2.2とは
一方のWan 2.2は、Alibabaが開発したオープンウェイトの動画生成モデルです。ローカルPC環境で利用できるモデルとして公開されており、商用クラウドサービスに匹敵する品質が話題になっています。MoE（Mixture-of-Experts）アーキテクチャを採用しており、前バージョンのWan 2.1と比べて生成速度が2〜3倍向上し、音声生成もネイティブ対応、最大解像度も720Pから1080Pへ引き上げられています。
Seedance 2.0とWan 2.2の性能比較
| 項目 | Seedance 2.0 | Wan 2.2 |
|---|---|---|
| 実行環境 | クラウドのみ | ローカル可（オープンウェイト） |
| 最大解像度 | 2K | 1080P |
| 音声同時生成 | 高度（効果音/BGM/多言語ナレーション同期） | ネイティブ対応だが機能は限定的 |
| マルチショット・キャラ一貫性 | 強い | 弱め |
| 指示追従性（instruction following） | 高い | ローカルモデル全般としてやや劣る傾向 |
| カメラワーク・映画的表現 | 豊か | 改善傾向にあるが発展途上 |
| コスト | クレジット消費（従量課金） | 無料（電気代とハードウェアのみ） |
Seedance 2.0はマルチモーダル制御と顔の再現性に優れ、複雑な指示への忠実度も高いのが強みです。特にマルチショット生成（複数カットでキャラクターや背景の一貫性を保ちながら自然につなげる機能）は、現状ローカルモデルでの再現が難しいとされています。
一方でWan 2.2は、クレジットを気にせず何十回でも試行錯誤できる自由度と、素材をクラウドにアップロードしなくていいプライバシー面の安心感が大きな魅力です。同人・二次創作素材を使う場合など、外部サービスへのアップロードに抵抗がある用途にも向いています。
品質面では、ローカルモデル全般に共通する弱点として、具体的な動作指示（「縄跳びして」など）がうまく通らないことが多いという指摘があります。単純な画質・精度だけで比べるとSeedance 2.0が依然優位ですが、Wan 2.1→2.2の進化を見る限り、その差は世代を追うごとに縮まってきています。
Wan 2.2をローカルで動かすためのメモリ要件
Wan 2.2は14Bパラメータの大型モデルのため、フル精度（FP16）でそのまま動かすには相応のVRAMが必要です。ただし「GGUF量子化」という技術を使うことで、8GBクラスのGPUでも動作させることが可能です。
VRAM別の推奨モデル・量子化レベル
| VRAM | 推奨モデル・量子化レベル |
|---|---|
| 6〜8GB | 5Bモデル、または14BのGGUF Q3_K_S |
| 8〜12GB | GGUF Q4_K〜Q5_K（FP16版と遜色ない画質） |
| 16GB以上 | GGUF Q8_0（ほぼ劣化なし）、またはフル精度モデル |
| 24GB以上（RTX 4090など） | フル精度モデルも快適に動作 |
GGUFはモデルのパラメータ精度を落とすことで、画質をほぼ維持したままファイルサイズを大幅に圧縮する技術です。数字（Q3、Q4など）が小さいほど軽くなりますが、Q2まで下げると映像の破綻が目立ち始めるため、基本はQ4_K_Mを基準に、動かない場合のみ下げていくのがおすすめです。
推奨ハードウェア
- 最低ライン：VRAM 8GB（GGUF量子化前提、5Bモデル推奨）
- 快適に使うなら：VRAM 12〜24GB（RTX 3060〜RTX 4090クラス）
- 妥協なしで使うなら：VRAM 24GB以上（RTX 5090クラス）
VRAMが不足する場合は、量子化に加えてComfyUIのメモリ管理設定（--disable-pinned-memory --normalvramなど）を調整することで、OOM（メモリ不足エラー）を回避しやすくなります。
Wan 2.2の実際の使い方（概要）
8GB VRAM前後の環境を想定した、つまずきにくい手順を紹介します。
1. ComfyUIをインストール
Python環境の構築が不要な「ComfyUI Desktop版」が最も簡単です。公式サイトからインストーラーをダウンロードして導入します。
2. ComfyUIを最新版に更新
既にインストール済みの場合は、アプリ内から最新版に更新しておきます。
3. 公式テンプレートを読み込む
メニューの「ワークフロー」→「テンプレートを閲覧」→「ビデオ」カテゴリから「Wan2.2 5B video generation」を選択します。必要なモデルファイルは自動でダウンロードされます（数GB〜十数GBあるため、回線・時間に注意）。
4. 生成を実行する
- 画像から動画を作る場合（I2V）は元画像をアップロード
- プロンプトを入力
- 「Queue」ボタンで生成を開始
5. VRAM不足が出た場合の対処
エラーが出る場合は、起動用バッチファイル（run_nvidia_gpu.batなど）に以下のオプションを追記します。
--disable-pinned-memory --normalvram14Bモデルに挑戦したい場合（上級者向け）
より高品質な14Bモデルを使いたい場合は、以下の手順でGGUF量子化版を導入します。
- ComfyUI Managerから「ComfyUI-GGUF」（City96氏作）をインストール
- Hugging Faceで「Wan2.2-I2V-A14B-GGUF」を検索し、8GB環境なら「Q3_K_S」をダウンロード
- ダウンロードしたファイルを
ComfyUI/models/diffusion_modelsフォルダに配置 - ワークフロー内のモデル読み込みノードを「Unet Loader (GGUF)」に差し替え、ダウンロードしたファイルを指定
まずは5B版＋公式テンプレートで動作確認をしてから、画質に物足りなさを感じたタイミングで14B GGUF版にステップアップするのが、エラーで時間を溶かさない進め方です。
まとめ
- Seedance 2.0：クラウド専用。マルチショット生成や音声同期、指示追従性で高品質だが、クレジット消費が発生する
- Wan 2.2：ローカル実行可能なオープンウェイトモデル。無料で試行錯誤し放題、プライバシーも守れるが、品質はSeedance 2.0にまだ一歩譲る場面もある
- ローカルで手軽に始めたいなら「Wan 2.2 5B版＋GGUF量子化」が、8GB VRAM環境での現実的な選択肢
用途や優先したいポイント（品質重視か、コスト・プライバシー重視か）に応じて、両者を使い分けるのがおすすめです。
