私的AI研究会 > ComfyUI9

画像生成AI「ComfyUI」9(動画編2) == 編集中 ==

 「ComfyUI」を使ってローカル環境でのAI画像生成を検証する

▲ 目 次
※ 最終更新:2026/01/23 

「ComfyUI」LTX-2 による音声付き動画生成

音声対応の動画生成モデル「LTX-2」を使って動画を作成してみる

プロジェクトで作成するワークフロー

動画生成のための環境構築

  1. 必要モデルのダウンロードと配置
    「Stability Matrix」上の「ComfyUI」ではモデルフォルダの場所が異なっていることに注意 → モデルフォルダの配置
    モデル名ファイル名(.safetensors)配置先(/StabilityMatrix/Data/)ダウンロード URL
    checkpointsltx-2-19b-distilled-fp8Models/StableDiffusion/ltx-2-19b-distilled-fp8.safetensors
    lolasltx-2-19b-distilled-lora-384Lora/ltx-2-19b-distilled-lora-384.safetensors
    ltx-2-19b-lora-camera-control-dolly-leftltx-2-19b-lora-camera-control-dolly-left
    vaeLTX2_audio_vae_bf16VAE/LTX-2 VAE Files
    LTX2_video_vae_bf16
    LTX2_video_vae_old_bf16
    latent_upscale_modelsltx-2-spatial-upscaler-x2-1.0Packages/ComfyUI/models/latent_upscale_modelsLTX-2 Spatial Upscaler ×2 (v1.0)
    text_encodersgemma_3_12B_it_fp4_mixedtext_encodersgemma_3_12B_it_fp4_mixed.safetensors
    ltx-2-19b-embeddings_connector_dev_bf16LTX-2 Embeddings Connector (bf16)

  2. Windows の場合「ページングファイル」を再設定する

    ①「Windows + 'R'」キーを押し「ファイル名を指定して実行」を開く
    ②「 sysdm.cpl 」と注力し「OK」ボタンをを押す
    ③「詳細設定」タブで「パフォーマンス」の項目の「設定」を押す
    ④「すべてのドライブのページングファイルのサイズを自動的に管理する」のチェックを外す
    ⑤「カスタムサイズ」を選択
    「初期サイズ」「最大サイズ」に 131072 を指定する(128GB)
    ⑦「設定」ボタンを押す
    ⑧「ページングファイルのサイズ」が 131072-131072 になっていることを確認
    ⑨「OK」を押してからシステムを再起動する

最初のステップ:標準テンプレートによる生成

  1. ワークフローを選ぶ

    ① 左端のメニューから「Template」を選択
    ②「Video」を押す
    ③ 検索欄に「ltx2」を入力する

    ・表示された一覧からワークフローを選ぶ
    ④「LTX-2 Text to Video (Distilled)」テキストから動画生成(蒸留版)
    ⑤「LTX-2 Image to Video (Distilled)」静止画像から動画生成(蒸留版)

    ⑥ どちらのワークフローでもアラートダイアログが出るが無視して閉じる
    ⑦ 表示されたワークフローのノードにある「ckpt_name」の項目を
     「ltx-2-19b-distilled-fp8.safetensors」に変更する
     ※ 低VRAM で動作する「ltx-2-19b-distilled.safetensors」の軽量版を使用する

    ・ワークフローでエラーが発生する場合は前項のモデルの配置を確認する
    ・動作確認を行ったものを「workflow/_video/」フォルダに配置している
     (冒頭のプロジェクトファイルのダウンロード手順を実行した場合)
     ④「LTX-2 Text to Video (Distilled)」→ 「video_ltx2_t2v_001.json」
     ⑤「LTX-2 Image to Video (Distilled)」→ 「video_ltx2_i2v_001.json」

  2. 「LTX-2 Text to Video (Distilled)」テキストから動画生成
     Prompt
    A man in a black tuxedo stands motionless in a small, red-tiled bathroom, facing a mirror. The camera sits just behind his right shoulder, framing both his back and his solemn reflection. Suddenly, he opens his mouth and begins to sing opera in Italian: "La donna e mobile, qual piuma al vento." Rich, resonant notes echo through the space. As his voice climbs in pitch, his brows lift, and his expression becomes more passionate, almost vulnerable. The overhead lighting casts a sharp glow on his face and tuxedo, reflecting in the glossy red tiles around him. The camera is static
    (AI訳)
    黒いタキシードを着た男が、赤いタイル張りの小さな浴室で、鏡に向かってじっと立っている。カメラは彼の右肩のすぐ後ろに設置され、彼の背中と厳粛な表情を映し出している。突然、彼は口を開き、イタリア語でオペラを歌い始める。「La donna e mobile, qual piuma al vento(女よ、動け、風に吹かれて)」。豊かで響き渡る音色が空間に響き渡る。声のトーンが上がるにつれ、彼の眉は上がり、表情はより情熱的で、ほとんど無防備なほどになる。天井の照明が彼の顔とタキシードに鋭い輝きを放ち、周囲の光沢のある赤いタイルに反射している。カメラは静止している。
     ※ ワークフロー:「_video/」filevideo_ltx2_t2v_001.json

    ・生成結果動画(音声付き)
     

  3. 「LTX-2 Image to Video (Distilled)」静止画像から動画生成
    Prompt
    A wide, dynamic tracking shot follows a group of mountain bikers as they race across a pristine snow-covered landscape on a brilliant winter morning. The camera moves at speed, keeping pace with the lead biker in a vibrant yellow jacket and orange helmet, who launches into the air over a snow mound, their bike suspended against the clear blue sky. Snow particles explode around them, catching the golden light of the low sun that creates dramatic backlighting and long shadows across the terrain. Several other bikers follow closely behind, their dark silhouettes kicking up plumes of powdery snow as they navigate the undulating mounds. The only sounds are the crunch of tires biting into packed snow, the whoosh of air as they fly through jumps, and the distant sound of heavy breathing and excited shouts. One biker calls out to another with exhilaration: "This is incredible! The light is perfect!" Another responds with a breathless laugh: "Keep pushing! We're almost at the ridge!" The camera glides smoothly alongside the group, occasionally pulling back to reveal the full expanse of the snowy landscape with bare birch trees and dark evergreens lining the edge. The mood is exhilarating, fast-paced, and full of the raw energy of winter mountain biking, with every jump and turn captured in crisp detail against the brilliant white snow and vibrant sky.
     (AI訳)
    輝くような冬の朝、雪に覆われた手つかずの大地を駆け抜けるマウンテンバイクの一団を、ワイドでダイナミックなトラッキングショットが追う。鮮やかな黄色のジャケットとオレンジ色のヘルメットを羽織った先頭のライダーが、澄み切った青空にバイクを浮かせ、雪山を駆け抜ける。周囲で雪の粒が弾け飛び、低い太陽の黄金色の光を捉え、ドラマチックな逆光と長い影が地形に映し出される。数人のライダーがすぐ後ろをついてくる。彼らの黒いシルエットは、うねる雪山を駆け抜けながら、粉雪の煙を巻き上げている。聞こえるのは、タイヤが圧雪に食い込む音、ジャンプを駆け抜ける際の息の音、そして遠くから聞こえる荒い息遣いと興奮した叫び声だけだ。ライダーの一人が興奮気味に他のライダーに声をかける。「信じられない!光が最高!」。別のライダーが息を切らして笑いながら応える。「頑張れ!もうすぐ尾根だ!」カメラはグループの横を滑らかに滑るように進み、時折手前に引くことで、葉の落ちた白樺と濃い常緑樹が縁を縁取る、雪景色の雄大な景色を映し出します。爽快でテンポが速く、冬のマウンテンバイクの生々しいエネルギーに満ち溢れた雰囲気が伝わってきます。輝く白い雪と鮮やかな空を背景に、あらゆるジャンプやターンが鮮明なディテールで捉えられています。

    ・入力画像 「mountain_bikers.jpg」
     ※ ワークフロー:「_video/」filevideo_ltx2_i2v_001.json

    ・生成結果動画(音声付き)
     

  4. ここまでの結果
    ・リソースの使用状況
 

更新履歴

 

参考資料