写真1枚をAIで動画にする方法：10分でできるWan 2.2実践ガイド

写真をAIで動画にするのに、自前のGPUも月額サブスクも必要ありません。所要時間は約10分。手順はこうです。Glows.aiでNVIDIA RTX 4090をレンタルし（時間0.49ドル・約75円から、秒単位課金）、プリセット済みのComfyUIイメージを起動、内蔵のWan 2.2 image-to-videoテンプレートを読み込んで、写真をアップロードするだけ。Wanチームの公式ベンチマークでは、RTX 4090一枚で5秒の720p動画の生成が9分未満。Glows.aiの料金に換算すると、1本あたりの計算コストは約0.07ドル（約11円）です。

この記事でわかること:

• 始める前に用意するもの（ブラウザと100円弱）
• 3本目以降は無料のオンライン生成ツールよりオープンモデルが有利な理由
• 4つのステップと、正直な分刻みタイムライン
• 動画1本の実際のコスト（すべて出典つきで検証可能）

始める前に用意するもの

• 写真1枚。 ポートレート、風景、商品写真、ペット、何でも構いません。解像度は高いほど有利で、モデルはこの写真を動画の最初のフレームとして使います。
• Glows.aiのアカウント。 glows.aiでの登録は1分程度。時期によってはプロモーションクレジットが配布されることもあるので、公式サイトかGlows.aiのDiscordで現在のキャンペーンを確認してみてください。
• 100円弱の予算。 RTX 4090は現在1時間0.49ドル（2026年7月10日確認）。秒単位課金なので、15分のセッションなら約0.12ドル（約18円）です。
• GPUもインストール作業も不要。 すべてブラウザ上で完結し、計算はレンタルしたマシン側で走ります。

無料のオンライン生成ツールではなく、オープンモデルを使う理由

ホスティング型の画像から動画を作るAIツール（Canva、Firefly、Vidu、Klingなど）は、1〜2本作るだけなら間違いなく最速です。問題は3本目から。1日あたりのクレジット上限、無料プランのウォーターマーク、生成待ちの列、そして調整できないコンテンツフィルターが立ちはだかります。たとえばKlingの無料プランは1日66クレジット——標準5秒クリップ約6本分です（AI Video Bootcamp 2026年無料ツールガイド）。有料プランは各社おおむね月20〜100ドル・約3,000〜15,000円（imagine.art 2026年料金調査）。

オープンソース側の選択肢がWan 2.2。Apache 2.0ライセンスの動画生成モデルで、TI2V-5Bバリアントは720p・24fpsの動画を生成でき、RTX 4090のようなコンシューマーGPU一枚で動くよう設計されています。主導権は完全に自分の手元に。ウォーターマークなし、日次上限なし、写真がサードパーティの学習データに入ることもなく、ライセンス上は商用利用も可能です。

時間0.49ドルで計算すると、購入がレンタルより安くなるのは約3,200時間——1日6本を1年半続けるペース——を超えてからです。

Step 1: Glows.aiでComfyUIインスタンスを作成（約2分）

Glows.aiにログインし、Create Newページを開きます。Workload TypeでInference GPU -- 4090を選び、イメージはComfyUIを選択——ComfyUIがインストール済みで、ポート8188でサービスが起動します。スクリーンショットつきの詳しい手順はインスタンス作成ガイドか、チュートリアルGlows.aiでカスタムComfyUIワークフローを動かすを参照してください。

Complete Checkoutをクリックすると、インスタンスは30〜60秒で起動し、My Instancesページに3つのアクセスリンクが表示されます。

• HTTP Port 8188 —— ComfyUIのインターフェース（今回使うもの）
• HTTP Port 8888 —— JupyterLab
• SSH Port 22 —— ターミナル接続

注記: 課金は起動から停止まで秒単位です。停止すれば料金は一切かからないので、セッションの合間にインスタンスを起動したままにしておく理由はありません。

Step 2: Wan 2.2のimage-to-videoテンプレートを読み込む（約2分＋初回のみモデルダウンロード）

HTTP Port 8188のOpenリンクを開き、ComfyUIのテンプレートブラウザで動画カテゴリから公式のWan 2.2 5Bワークフローを選択します。これはComfyUIに標準搭載の公式テンプレートです。

初回読み込み時、ComfyUIが必要なモデルファイル——5B拡散モデル、VAE、テキストエンコーダー、合計15GB超——を一覧表示し、ダウンロードするか尋ねてきます。承認して待ちましょう。データセンターの回線なら数分で終わります。自宅回線だとローカル構築チュートリアルで一番時間を食う工程であり、それこそがローカルで動かさない理由です。

リマインダー: テンプレート一覧にWan 2.2が見当たらない場合、ComfyUIのバージョンが古い証拠です。ManagerからComfyUIを更新するか、公式ドキュメントのワークフローJSONをキャンバスに直接ドラッグしてください。

Step 3: 写真をアップロードし、動きを指示する（約1分）

ワークフローのLoad Imageノードに写真をアップロードします。これが動画の最初のフレームになります。次にポジティブプロンプト欄に短い「動きの指示」を書きます。ポイントは、写真に何が写っているかではなく「何がどう動くか」を書くこと。画像はすでにモデルに見えています。

gentle breeze, petals drifting, slow push-in camera, soft natural light

初回実行の前に知っておきたい設定が2つあります。

• 長さ: テンプレートの既定値は121フレーム（24fpsで約5秒）。49フレーム（約2秒）に下げると生成時間もほぼ比例して短くなり、初回のテストに最適です。
• 解像度: 既定の1280×704が「9分未満」という公式数値の条件です。下書き段階では下げてスピード優先にできます。

Step 4: Runを押してGPUに任せる（約4〜9分）

Runをクリックすると、プログレスバーが拡散ステップを進み、完成した動画が出力ノードに現れます。標準的な動画ファイルとしてそのままダウンロード可能です。49フレームの短い下書きなら数分、フル5秒の720pクリップはWanチームの公表値どおりRTX 4090で9分未満です。

生成を待つ間に、同じ写真×別の動きプロンプトのバリエーションをキューに積んでおきましょう。キューのジョブは連続実行されるので、1時間のセッション（0.49ドル・約75円）でフル尺クリップが6本前後できあがります。

正直なタイムライン

「10分でできる」という主張は検証されるべきなので、当方の内訳を公開します。

正直に言うと：49フレームの短い1本目なら10分以内に収まります。フル5秒720pの初回は、一度きりのモデルダウンロードがあるため実際には12〜15分。2本目以降は純粋な生成時間だけ——1本9分未満——になり、あなた自身の手を動かす時間は合計約4分です。モデルをDatadriveに保存しておけば、以降のセッションではダウンロードすら不要になります（ComfyUIのモデルパス設定方法参照）。

動画1本の実際のコスト

以下の数字はすべて公開情報から検証できます。非公開のベンチマークを信じる必要はありません。

セットアップやリテイク込みで1本あたり15分の課金時間を見込んでも、約0.12ドル（約18円）／本、月30本で約3.7ドル（約560円）。エントリークラスのサブスクの約10分の1で、ウォーターマークも上限もありません。

注記: 円換算は1ドル≈150円の概算です。実際のレートは変動し、Glows.aiの請求は米ドル建てです。

写真1枚からより自然な動きを引き出すコツ

• 画面ではなく動きを書く。 「打ち寄せる波、風になびく髪、手持ちカメラの揺れ」のほうが、写真の内容を説明し直すより効きます。
• ネガティブプロンプトを追加して定番の失敗を防ぐ：歪み、顔のモーフィング、余分な手足。
• 安く試して、確定してから本番。 49フレームで下書きし、うまくいったプロンプトだけ121フレームで仕上げます。
• ダウンロード済みモデルを使い回す。 Datadriveをマウントし、ComfyUIのモデルパスをそこに向ければ15GB超のダウンロードは一度きり。追加モデルの最速の取得方法はHugging Faceモデルのダウンロードガイドにまとまっています。

よくある質問

写真をAIで動画にするのに、自分のGPUは必要？ 不要です。レンタルのRTX 4090（時間0.49ドル・約75円）でWan 2.2の5B image-to-videoモデルは快適に動きます。公式パイプラインが想定する24GBのVRAMを備え、秒単位課金なので1回のセッションは数十円で済みます。

この方法だと動画1本いくら？ 5秒の720pクリップで計算コスト約0.07ドル（約11円）。9分未満の生成時間（Wanチーム公表値）×時間0.49ドル（Glows.ai、2026年7月時点）です。リテイク込みで余裕を見ても1本あたり約0.12ドル（約18円）の予算で足ります。

Wan 2.2は商用利用できる？ できます。Wan 2.2はApache 2.0ライセンスで公開されており（GitHub）、商用利用が認められています。追加するコミュニティ製LoRAやチェックポイントは個別にライセンスを確認してください。

無料のオンライン画像から動画ツールではだめ？ 1〜2本ならそれで十分です。ただ無料枠はすぐ尽きます——Klingの無料プランは1日あたり標準5秒クリップ約6本で、多くは出力にウォーターマークつき。それを超える本数なら、レンタルGPUの1本約11円のほうがどのサブスクより安く、解像度・長さ・内容も自分で決められます。

Glows.aiに無料クレジットはある？ 時期のキャンペーン次第でプロモーションクレジットが提供されることがあります。内容は変わるためここでは具体的な数字を書きません。glows.aiかコミュニティDiscordで現在の特典を確認してください。

今日、最初の1枚を動かしてみる

写真1枚、4ステップ、計算コストは1本約11円。Glows.aiのアカウントを作成してRTX 4090のComfyUIインスタンスを起動すれば、10分以内に最初のクリップの生成が始められます。使い終わったらインスタンスを停止——課金もそこで止まります。