wan2.2の基本的な使い方の学習を始めてから簡単な動画生成までできるようになったので、このタイミングで忘備録も兼ねて生成方法の手順をまとめてみました。
＜はじめに＞
タイトルにもある通り、NSFWの動画生成方法に関する内容になります。以下の3点を了承して頂いた方のみ、この先を読み進めてください。
・職場で閲覧している方にも配慮して、生成途中や完成状態の図は掲載しておりませんので、生成結果はご自身の作業にて確認をお願いします。
・露骨な表現や内容はなるべく避けて書いておりますが、性的表現に拒否反応を示される方はそっとこのページを閉じてください。
・当ブログでは、手段や手順の掲載にとどめていますが、その方法を使って生成した結果、いかなる不都合が生じてもこちらでは責任は負えません。間違っても職場やご家族の前では利用しないでください。
ちなみに、上半身のみの露出であればNSFWではない(一般向けの)WAN2.2でも生成可能です。そちらのほうが画質、プロンプト追従性が良好なので、あえてNSFW用を使う必要はないです。ところが、下半身の露出が含まれると自動的に下着の着用状態になったりして、お目当ての動画が作れない事態に陥ります。そこで、NSFW対応WAN2.2を使う必要性が出てきます。
＜PC環境＞
当方にて使用しているPC環境は以下となります。
VIDEO : RTX3060 VRAM12GB
MEMORY : 32GB
OS : Windows11
APP : confyUI 0.34.3(portable版) + LM Studio(gemma4 12B Instruct) + Sage Attention 2
動画生成AI用のマシンとしては実用上下限スペックに近いですが、この環境でもそれなりに動くことを前提にしていますので、近いスペックをお持ちの方には参考になるかなと思います。
＜前提条件＞
confyUI自体やカスタムノード、LM Studio、Sage Attention 2などのインストール方法はネット上にたくさんありますので、当ブログではそれらの内容は省略します。環境は整っていて、多少は触った経験がある方を対象にしています。ちなみに、プロンプトの入力内容を動画にする、text2videoの方法を扱います。NSFW用途としてはもっとも簡単な、脱衣をテーマにしたプロンプトの事例集を下のほうで添付しました。
＜ワークフローの作成＞
まずはワークフローの準備から進めます。ネット上で情報を検索してみましたが、参考になりそうなブログは以下の二つぐらいかなと思います。
上記2つのブログはそれぞれ別々のワークフローが構築されています。どちらも試してみましたが、生成速度はほぼ同じで画質は下の方法が良好だったため、下のブログに掲載されているワークフローを参考にさせて頂きました。
＜ワークフローの改良＞
・参考ブログに掲載されているワークフローを読み込ませたら、まずはじめに不足しているノードをHaggingFaceなどのサイトからダウンロードして以下の作業を行います。
1.ダウンロードしたデータを所定のフォルダに格納
2.F5キーを押して画面を更新
3.ダウンロードした各種データを所定のノードに設定
Unet Loder(GGUF)は、wan2.2-t2v-rapid-aio-v10-nsfw-Q4_K.ggufを使用します。
※t2v用ですので間違いのないようにします。CLIPとVAEはi2v用と同じです。
・動画の長さは、デフォルトでは81(16fpsに5秒をかけて1を足す)になっています。wan2.2は再生時間が5秒までに最適化されていて、それを超えるとプロンプトの追従性が下がったり、再生開始時点の状態に戻ろうとする傾向になります。実際に試したところ、6秒までは安定し、7秒を超えてから少しずつ不安定になります。なので、安定を取るのであれば97(16fps*6秒+1 = 97)をセットしてください。
・「LoRAローダーモデルのみ」ノードはあらかじめ〇〇〇〇が揺れるノードが設定されていますが、これはi2v用でt2vでは動作しないので、この後で紹介するLoRAを設定するといいかなと思います。
・その他の設定:
モデルサンプリングSD3ノードのシフト値 : 5
Kサンプラー
・cfg : 1より大きくすると画質が破綻するので1で固定
・step : 2～8の間。上げると画質、プロンプト追従性が若干向上するが計算時間が増大
・サンプラー＆スケジュラー :
動きの滑らかさ、動作の整合性向上→サンプラー : uni_pc、スケジューラー : beta
loraを使う場合、上記組み合わせはプロンプト追従性が落ち不安定になるので、
その場合は定番のサンプラー : euler、スケジューラー : simpleがお勧め。
ここまでできたらセーブします。
＜プロンプトの生成＞
・LM Studioで生成したプロンプトをCLIP Text Encode(Positive Prompt)にコピペし、実行ボタンを押したら後は待つだけです。
プロンプトの内容は自力で作るのは手間がかかるので、LM Studioを利用します。
・使用モデルはGemma4 12B Instructです。モデルによっては検閲にひっかかってしまうものもありますが、2026/10/1時点ではNSFW用途でも生成可能です。
・日本語でおもいつく内容を箇条書きで書き込み、WAN2.2で解釈可能な英文を生成してもらいます。
＜プロンプト入力事例＞
それでは、参考になるプロンプトをいくつか紹介します。
英文(赤文字)のところをそのままconfyUIのプロンプト欄にコピペすればokです。
添付した英文は、実際に生成動画を見ながら個別に修正を加えているので、元の日本語入力内容から乖離している部分も多々あります。
シーン1 : 露天風呂に入浴中に微笑みながら振り向く
LM Studioに入力した文章↓
----------------------------------------------------------------------------------------------------------------------
wan2.2の5秒間のt2v用動画のプロンプト内容を以下にまとめたので、英語で清書してください。
登場人物:日本人女性、黒髪を櫛で結っていて肌が白い細身体形、全裸
背景:日本の露天風呂で周囲は山、季節は秋の夕暮れで晴れている
シーン:登場人物は露天風呂の湯船の中に座った状態で、背中まで湯につかり、露天風呂の縁にもたれかかった状態で放心状態で景色を眺めている。カメラは登場人物の後方から映している。しばらくすると登場人物は立ち上がりながら体を後ろ(カメラがある方向)に向け、体をくねらせる。
カメラモーション:動画の開始後、登場人物の背後から映す。ゆっくりと登場人物に向かって近づく。
----------------------------------------------------------------------------------------------------------------------
生成された文章+加筆修正を加えた英文↓
----------------------------------------------------------------------------------------------------------------------
A high-quality cinematic video, full-body shot from behind of a Japanese young lady with smooth skin and a fit body and wears her black hair in pigtail braids. She is completely nude, sitting in an outdoor hot spring (rotenburo) with her legs folded to the sides, surrounded by mountains during a clear autumn sunset. She is submerged up to her waist, lost in thought while gazing at the scenic landscape. The camera zoom in to her breasts smoothly. She gracefully stands up with a seductive smile as if inviting the viewer, and turns her body towards the camera.
----------------------------------------------------------------------------------------------------------------------
※座った状態から立ち上がりつつ振り向く動作が難しい。立ち上がる動作と振り向く動作を分ければいけるかも？
シーン2: 畳の部屋で左肘をついた状態で寝そべり、服の前を開く
LM Studioに入力した文章↓
----------------------------------------------------------------------------------------------------------------------
wan2.2の5秒間のt2v用動画のプロンプト内容を以下にまとめたので、英語で清書してください。
登場人物:日本人女性、黒髪のロングヘア、肌が白い細身体形、袖が手首まである、シルクの前開きのネグリジェを着用し、前が少し開いている。
背景:日本家屋の畳が敷いてある居間。時刻は夜で、部屋の中は薄暗く、部屋の隅にランタンが灯っている。
シーン:登場人物は畳の上に左肘をつきながら、横たわってカメラに向かってこちらを誘うように妖艶に微笑んでいる。女性は右手で襟を掴んで外に開き、胸があらわになる。
カメラモーション:登場人物に向かって固定。フレームに登場人物の全身が写るようにする。
----------------------------------------------------------------------------------------------------------------------
生成された文章+加筆修正を加えた英文↓
----------------------------------------------------------------------------------------------------------------------
A cinematic full-body shot of a beautiful Japanese woman with long black hair, fair skin, and a slender build. She is wearing a silk wine red colored coat on her naked body. The setting is a traditional Japanese room with tatami flooring at night; the atmosphere is dimly lit, with a warm lantern glowing in a corner. She lies on her side on the tatami mat, propping herself up on her left elbow while clasping her left and right hands together. She looks directly into the camera with an alluring, seductive smile as if inviting the viewer. Then, she moves her right hand toward behind her back, causing her chest to be revealed as the coat opens further. Fixed camera, stable framing.
----------------------------------------------------------------------------------------------------------------------
※脱衣がしやすい衣服は「coat」で、既に前が開いた状態で生成可能。kimonoやyukataだと脱衣できるときとできない時がある。
シーン3: 真夜中の畳の部屋で脱衣する
LM Studioに入力した文章↓
----------------------------------------------------------------------------------------------------------------------
wan2.2の5秒間のt2v用動画のプロンプト内容を以下にまとめたので、英語で清書してください。
登場人物:年配の日本人女性、黒髪を櫛で結っていて肌が白く細身な体形、着物をしっかり着こなしている。
背景:真夜中の山の中にある一軒家で、周囲の扉がすべて開いている、畳が敷き詰められた広大な居間。月明かりのみが差し込み、登場人物のシルエットが浮かび上がっている。
シーン:登場人物は部屋の奥からカメラに向かって、じっとこちらを見つめて近づきながら着物の帯をほどき、着物を脱いで床に落とし、こちらを誘うような表情で全身があらわになり、両手を床につきながら、カメラに向かって前かがみになる。
カメラモーション:登場人物に向かって固定。フレームに登場人物の全身が写るようにする。
----------------------------------------------------------------------------------------------------------------------
生成された文章+加筆修正を加えた英文↓
----------------------------------------------------------------------------------------------------------------------
A cinematic full-body shot of an elegant, slender yound Japanese woman with smooth skin and black hair tied back with a traditional comb. She is formally dressed in a kimono properly which wraps her whole body. The scene is set in a vast tatami-matted room inside a mountain house at midnight; all doors are wide open, and the only light source is ethereal moonlight, creating a dramatic silhouette effect. The camera slowly moves toward her face. She walks from the depths of the room toward the camera while removing all of her clothes gracefully, revealing her full naked with inviting expression.
----------------------------------------------------------------------------------------------------------------------
横向きに座った状態に変更してみた英文↓
----------------------------------------------------------------------------------------------------------------------
A cinematic medium shot from the side of an young Japanese woman. She has smooth skin and a voluptuous figure, elegantly styled black hair held by a traditional hair comb. She is dressed in a japanese black colored silk separate‑type coat. The set is in a traditional Japanese room with tatami mats at night and a japanese futon mattress is laid on the tatami mat, the atmosphere is completely dark, no light source. She is sitting up straight on the japanese futon mattress with her legs folded, facing slightly toward the camera while looking down. In a slow, graceful motion, she takes her coat off her shoulder with both hands and lets it fall onto the floor, with revealing her naked body. Fixed camera, medium shot from the side included in frame.
----------------------------------------------------------------------------------------------------------------------
正座した状態に変更してみた英文↓
----------------------------------------------------------------------------------------------------------------------
A high-quality cinematic video of an elegant, mature, elder Japanese woman with smooth skin, voluptuous figure, and black hair tied back with a traditional comb. She is formally dressed in a black colored yukata properly which wraps her body. The scene is set in a traditional Japanese room with tatami flooring at night; the interior is dark, no light source. The woman is kneeling down in front of the camera with straighten her back while maintaining intense eye contact. In a slow, graceful motion, she removes her yukata off her shoulders with both hands and lets it fall down with an inviting expression.
----------------------------------------------------------------------------------------------------------------------
※紐や帯を解くといった細かい動作は再現が困難なため、着物系は脱衣というより「服の表示を消す」に近い。
シーン4: ベッドの傍でTシャツをめくりあげる
LM Studioに入力した文章↓
----------------------------------------------------------------------------------------------------------------------
wan2.2の5秒間のt2v用動画のプロンプト内容を以下にまとめたので、英語で清書してください。
登場人物:1.日本人の若い女性、髪の色は茶色でショートヘア、色白の細身体形、小柄で、Tシャツとジーンズを着ている
背景:ホテルの薄暗い一室で、女性はベッドの傍で、カメラに向かって立っている。
シーン:登場人物はカメラに向かって不安そうな表情をしている。その後、登場人物はTシャツを下からめくりあげ、登場人物の胸があらわになる。
カメラモーション:登場人物に向かって固定。登場人物の上半身がフレームにおさまっている。
----------------------------------------------------------------------------------------------------------------------
生成された文章+加筆修正を加えた英文↓
----------------------------------------------------------------------------------------------------------------------
A cinematic medium shot of a petite young Japanese woman with short brown hair and fair skin, wearing a T-shirt and jeans. She stands in a dimly lit hotel room next to a bed, facing the camera with an anxious expression. She lifts her T-shirt from below and takes it off slowly, revealing her upper body. The camera is fixed on her, framing her upper body throughout the shot.
----------------------------------------------------------------------------------------------------------------------
※裾をめくる動作は比較的再現が容易。
シーン5: 夕暮れのビーチで水着を脱衣
LM Studioに入力した文章↓
----------------------------------------------------------------------------------------------------------------------
wan2.2の5秒間のt2v用動画のプロンプト内容を以下にまとめたので、英語で清書してください。
登場人物:日本人女性、黒髪のショートヘア、肌が褐色で細身体形、ビキニを着ている。
背景:夕暮れ時の南国のビーチ。
シーン:登場人物はビーチに立っていて、海を眺めている。突然、顔をカメラに向きながら、両手でビキニを脱ぎ、地面に捨て、胸があらわになった。
カメラモーション:登場人物に向かって横から撮影している。上半身にクローズアップ。
----------------------------------------------------------------------------------------------------------------------
生成された文章+加筆修正を加えた英文↓
----------------------------------------------------------------------------------------------------------------------
Cinematic full-body side profile of a slender Japanese woman with short brown hair and sun-kissed skin. Setting: a tropical beach during golden hour. She stands still, lost in thought while looking at the waves. In a fluid motion, she removes her bikini top and drops it on the sand with revealing her naked, then slowly turns her face toward the camera with an alluring, seductive gaze. High quality, 4k, realistic textures.
----------------------------------------------------------------------------------------------------------------------
※ビキニタイプは上もしくは下を指定する必要有り。
シーン6: 真夜中の公園で露出狂現る
LM Studioに入力した文章↓
----------------------------------------------------------------------------------------------------------------------
wan2.2の5秒間のt2v用動画のプロンプト内容を以下にまとめたので、英語で清書してください。
登場人物:日本人の若い女性、髪の色は黒でツインテール、色白の細身体形、コートを着て、ブーツを履いている。
背景:冬の日本の真夜中の公園、街灯は無く、月明かりのみが照らされている
シーン:登場人物はカメラに向かって微笑みながら立っている。その後、いきなり登場人物は驚いた表情でコートを脱ぎ地面に捨てる。
カメラモーション:登場人物に向かって固定。登場人物の上半身がフレームにおさまっている。
----------------------------------------------------------------------------------------------------------------------
生成された文章+加筆修正を加えた英文↓
----------------------------------------------------------------------------------------------------------------------
A realistic full body tilting down shot of a young Japanese woman. She is wearing a winter coat and boots over her naked body. The setting is a park in Japan at midnight during winter, and the only light source is ethereal moonlight, creating a dramatic silhouette effect, soft cold blue tones, deep shadows. She is walking toward the camera with smiling warmly, her arms crossed. The camera slowly moves dolly in to her face. Suddenly, Her expression shifts to one of surprise, she gracefully removes her coat and drops it onto the ground with revealing her naked body.
----------------------------------------------------------------------------------------------------------------------
※真冬のぶるぶる体が震えるような表現は難しいかも。
＜プロンプト生成時のコツ＞
今回選択した学習モデルはaioモデルという、あらかじめ必要なLoRAなどが既に織り込まれているもので、低スペック環境での動画生成を実現する代償として、素早い動作や複雑な動作の再現はかなり難しいです。そして、明らかに5秒を超えてしまう動作や物理的に成り立たない動作はAI側で勝手に解釈し直してしまうようです。
よって、なるべく簡素な動きを事前に頭の中で思い描きながらプロンプトを簡潔に、かつ必要な情報は詳細に作成する必要があります。さらに、服の種類によって脱衣しやすい/しにくいものがあるので、試行錯誤しながらプロンプトの内容を精査していくので意外に時間がかかります。
また、背景や人物の情報(髪の色や体形、洋服の種類、などなど)で足りないところはAIが勝手に判断して補うため、こだわりがあるところは細かく書いたほうが良いです。
＜プロンプト入力後に実行＞
・生成結果の確認をしながらプロンプトを修正するサイクルを繰り返す場合、なるべく計算時間を短縮したほうが効率があがるので、stepを1にして幅と高さを小さめに設定し、本番生成時に戻すことをお勧めします。
＜追加LoRAの紹介＞
生成した動画で改良したいところが色々出てきますが、プロンプトだけでは対応できない個所はLoRAを使う必要が出てきます。以下、おすすめのLoRAのリンクを貼っておきます。ちなみに、複数のLoRAを使用する場合はLoRAローダーを直列につないでいきます。ただし、生成時間はその分、伸びていきます。使用しない場合はバイパスでokです。
キャラクターの容姿
WANの開発元の影響があるのかもしれませんが、日本人女性のキャラクターを生成したいのに、どこかC国もしくは欧米系の容姿が混じりがちです。WAN2.2の日本人女性に近いキャラクターLoRAはあまり数は無さそうですが、以下の2つがまずはおすすめできそうです。
髪型や色などはLoRA無しでもプロンプトで変更が可能ですが、〇〇〇〇や全体の骨格の大きさは調整が難しいですね・・・というか、小さくできません(笑)
超スリム体形のLoRAが出てくるのを待つか、自作するしかなさそうです...
ちなみに、LoRA強度を低くすると、肌の色だけ再現とかに使えます。
シーンの明るさ調整
屋内や屋外の月光のみの暗いシーンを再現したくでも、強制的に明るくなってしまう。そのときに使えるLoRAです。
LoRA強度でマイナス値を入れると暗くなります。MAXは-1。逆にプラスの数値を入れると明るくなります。
生成時間や動きのリアルさ追求
生成時間や画像品質の改善用LoRAです。4つぐらいのLoRAが内包されたデータのようです。改善される程度は環境によって異なるかもしれませんが、入れるとあきらかに画質は良くなります。LoRA強度は0.5あたりが良好です。
＜アップスケール＆フレーム補間＞
動画生成の結果を見ながらプロンプトを修正して再び動画生成という改善サイクルを繰り返すので、生成時間短縮のため解像度は低めに設定することになりますが、完成した動画の解像度やフレーム数をもう少し上げて、画質やぎこちない動きを改善したいと思うことがあります。そこで、アップスケールとフレーム補間の処理を最後に行います。
以下のブログを参考にさせて頂きました。
・ブログのリンク先からSeedVR2_HD_Video_upscale.jsonをダウンロードし、confyUIの新規画面に読み込ませます。
・ワークフローを開き、上の図のように「SeedVR2 Video Upscale」ノードと「動画を作成」ノードの間に、フレーム補間用として「FILM VFI」ノードを割り込ませます。
※FILM VFIノードを使う場合、カスタムノードのインストールが必要です。FILM VFIに関しては以下のブログが参考になりました。
・モデルはseedvr2_ema_3b-Q4_K_M.ggufを使用。「SeedVR2 Video Upscaler」ノードのresolution欄に、アップスケール後の解像度を指定します。「FILM VFI」ノードのmultiplier(倍率)は2にしました(16fpsから32fps)。
・「動画を作成」ノードのfpsは、フレーム補間の倍率をかけた数値(16fpsの動画を2倍に補間だったら32fps)を設定します。ここが16fpsのままだと、動画の再生時間が元の6秒の倍、12秒になり、キャラクターの動作がスローモーションになります。
・参考ブログ内でも言及されていますが、各種設定数値によっては途中で停止することもあるので、ご自身の環境に合わせて試してみてください。
＜最後に＞
以上でNSFW動画の作成手順は終了です。6秒間という短い時間の中では再現可能な動作は限られてしまいますので、今後は6秒間の動画を後ろに複数シーン繋げて延長する方法にチャレンジしてみたいです。進展があれば、また記事にします。
0 件のコメント:
コメントを投稿