ファクトリー v2: 第 2 層品質のゼロベース再調査 — 手順 4 の「fal 待ち」解除と総当たりベンチ 4a/4b/4c への一般化提案(オーナー判定をお願いします) - #118
Conversation
…nimate-2/SCAIL-2(4b)・LoRA 焼き込み(4c)への手順 4 一般化を提案(オーナー判定待ち) Co-authored-by: しまぶー <lightsound@users.noreply.github.com>
… ~$4〜8・ベンダー追加なし・LoRA 自由)・4a に edit-video / SeedVR2 後段レーン追加・DashScope 一次ホスト状況を記録 Co-authored-by: しまぶー <lightsound@users.noreply.github.com>
…イズゲート)で「fal 完結」は申請承認が前提条件。現実的段取り = 申請先行+Comfy Cloud を確実な次善に Co-authored-by: しまぶー <lightsound@users.noreply.github.com>
…前提・Comfy Cloud は次善)。時間課金の削除忘れガードを規約化 Co-authored-by: しまぶー <lightsound@users.noreply.github.com>
![pullfrog[bot]](https://avatars.githubusercontent.com/in/1768019?s=60&v=4){kind=small}
There was a problem hiding this comment.
Important
実行経路の「確定」が追補で fal Compute に昇格した一方、冒頭ステータス・§6 手順 4・結論 3 の 4b 記載がまだ先行経路（Comfy Cloud）のまま残っており、判断を下すオーナーが最初に読む箇所で最新の経路が読めません。furtherの 2 点（fal Compute 料金表記・Wan-Animate-2 Diffusers の「未マージ」）も公開一次資料と乖離があります。いずれも小さな編集で収束します。
Reviewed changes — docs-only PR, 1 file (docs/factory-v2-plan.md, +106/−3), 4 commits over 2 layers. 内容はオーナー承認待ちの計画文書 (§7 新設):
- §7 新設: 第 2 層のゼロベース再調査 — 三層の続投、r2v 世代ロードマップ、Comfy Cloud 経由の Wan-Animate-2/SCAIL-2、LoRA 焼き込み DP-3 トリガー成立、手順 4 の「総当たりベンチ (4a/4b/4c)」への一般化提案
- 追補仕上（2 commit）: 4b 実行経路を fal Serverless → fal Compute（ダッシュボード実測でセルフサーバ確定・第一経路に昇格）へ、Comfy Cloud を次善に
- §6 手順 4・文書上部ステータス: 一般化提案への参照を追記
pon外部（fal.ai 公式ドキュメント・Comfy 公式・diffusers PR・arXiv）でのクロスチェックで確認した事実を元に、ドキュメント完全性・事実整合の 4 点を指摘ます。
DeepSeek Flash (default — pick a model for stronger reviews) ｜ 𝕏
| 安い**。**時間課金は利用の有無と無関係に走る**ため、インスタンスは | ||
| 4b 作業セッションの開始時に作成し、終了時に必ず削除する（放置 1 日 | ||
| ≈ $96 — 都度上限・停止報告の運転規約はここにも適用）。 | ||
| Wan-Animate-2 は Diffusers パイプライン（PR #14412 — **未マージ・PR |
There was a problem hiding this comment.
Wan-Animate-2 の Diffusers 対応は「PR #14412 — 未マージ」のままではありません。diffusers には PR #14412（open）とは別に PR #14413（WanAStatusPipeline, 2026-08-12 に main へマージ済み） があり、公式ドキュメント（huggingface.co/docs/diffusers/main/en/api/pipelines/wan_animate_2）も公開されています。PyPI リリース（0.39.0）にはまだ含まれないため pip install diffusers@git+...main（または公式推論スクリプト）が実装ですが、本文の「未マージ」は読み手へ過小な（古い）見通しです。（参照: huggingface/diffusers#14413, https://github.com/huggingface/diffusers/pull/14412）
| ボードからのアクセス申請＋承認が必要 — 個人開発者が申請ゲートに当たる | ||
| 事例報告あり。**オーナー裁定で Serverless は使えない前提に確定**。 | ||
| 一方ベータの **fal Compute**（SSH 直結の専有 GPU インスタンス | ||
| 1x/8x H100-SXM・時間課金 $3.99/時〜スポット $1.89/時・1x は |
There was a problem hiding this comment.
fal Compute の料金表はダッシュボードの公式ページと一致していません。fal.ai 公開価格表には H100 の一覧価格 $4.50/時と「as low as $1.89/時」の表記があり、「$3.99/時」も「スポット」という単語も見当たりません（https://fal.ai/pricing, https://fal.ai/docs/documentation/compute/quickstart）。値段を実測してもよいが、外れ値を未確認のまま残すか、公式ページへのリンクを添えて数値を校正ください（放置 1 日 ≈ $96 も $4.50/時ベースだと $108 になります）。
| 台帳の緑参照（walk/boy・walk-carry/boy）× boy 原本 stand セルを | ||
| {現行 v1 replace 720p（基準）, wan 2.7 r2v 1080p, H3 r2v 768p/2K, | ||
| seedance 2.5 r2v, Kling o3 pro r2v} に同条件投入 | ||
| - **4b. Comfy Cloud 経由の Wan-Animate-2＋SCAIL-2**（サブスク $20/月＋ |
There was a problem hiding this comment.
本文の4b bullet は「Comfy Cloud 経由」のままですが、追補（§7 追補 — 同一時）で「4b の第一経路が fal Compute、Comfy Cloud が次善」に確定しています。提案の要点が最新の経路から読み進むよう、コンテンツを「4b」部分を最新（第一経路 fal Compute）に寄せるか、この bullet に「→ 追補でfal Compute を第一経路に確定」と1行追記してください。現在の並びは 4b を Comfy で実施と読み取る誤導を残します。
| | --- | --- | --- | | ||
| | ① モデル世代交代（参照動画条件付き r2v 世代） | 現行レーン（wan-2.2 replace 720p 上限・seedance-2.0 crosschar）の後継が fal に出揃った: **wan 2.7 r2v**（ネイティブ **1080p** — 現行上限 720p を突破。参照画像＋参照動画・$0.10/秒・**課金は入力動画秒＋出力秒** — タイル×3 の緑参照はトリムして投入する）／ **MiniMax H3 r2v**（ネイティブ 768p→2K/4K アップスケール・identity 画像 9 枚＋モーション動画 3 本＋音声の多重条件付け・$0.08/秒@768p・$0.13/秒@2K）／ **seedance 2.5 r2v**（現行 crosschar モデルの直系後継）／ **Kling o3 pro r2v**。いずれも「緑 3D 参照 × identity 画像」の現行入力がそのまま乗る | fal ホスト済み — **設営ゼロで即ベンチ可** | | ||
| | ② Wan-Animate-2・SCAIL-2 の実行経路 | **fal 待ちはブロッカーでなくなった**: [Comfy Cloud](https://docs.comfy.org/development/cloud/overview) がヘッドレス API（ワークフロー JSON を POST・非同期 job・出力 DL）を持ち、[Wan-Animate-2](https://comfy.org/wan-animate-2) と [SCAIL-2](https://github.com/zai-org/scail-2) の両方をネイティブノードで実行できる（Standard $20/月〜＋従量クレジット。API はサブスク層のみ）。SCAIL-2（CVPR 2026・Wan 2.1 系・replacement 対応・**アニメ汎化を実測報告**・DPO LoRA 付属）は**ホスト API が存在せず** ComfyUI 経路が唯一。Wan-Animate-2 の**テキスト視点制御**（駆動動画とカメラを分離）は将来 4/8 方向スプライトの直接レバー。自前ホスト（fp8 24GB VRAM 級・ComfyUI ワークフロー公開済み）も選択肢 | Comfy Cloud（オーナーのアカウント設営が前提）または自前 GPU | | ||
| | ③ スタイル/同一性の焼き込み（LoRA — asset-pipeline **DP-3 の実施トリガーが成立**: 承認済みシート 10+ 体・承認済み緑マスターテイク 10+ 本が学習データとして既に R2 にある） | 残っていたテイクガチャ（画風ドリフト・ディテール潰れ・瞬き）を**プロンプト条件付けから重みへの焼き込みに変える**構造レバー。**H3 は学習→推論が fal で完結**: ref2va トレーナー（$0.015/step — 1000 steps $15。動画のみ zip＋identity 画像 sidecar = マスターテイクの形式がそのまま適合）→ `minimax/h3/reference-to-video/lora`（$0.10/秒@768p・$0.1625/秒@2K）。静止画側は flux-2 LoRA（$6.4/1000 steps — nano 静止ポーズレーンの画風ロック）。wan-2.2 LoRA（$4.5/1000 steps）は **hosted の animate/replace 系エンドポイントに挿せない**ため、使うなら ComfyUI 経路（②）とセット | fal（H3/flux-2）・ComfyUI（wan 系） | |
There was a problem hiding this comment.
結論 2③ の「承認済み緑マスターテイク 10+ 本」は、scripts/factory/master_takes.json に実際に登録された本数（gangnam/boy・walk/boy・walk/girl・gangnam/girl・walk-carry/boy・walk-carry-light/boy の 6 本）と開きがあります。この数は 4c（LoRA 学習データ資産の成立）の根拠です。DP-3 そのもののトリガーは asset-pipeline 的には「承認済みアセットが 10 体規模」で別物ですが、本文の 10+ という数字は台帳の実数（6 本）と揺れています。数値を揃えるか、学習に耐えるサンプルの根拠を追記してください。
| | 方向 | 何が変わったか | 可用性 | | ||
| | --- | --- | --- | | ||
| | ① モデル世代交代（参照動画条件付き r2v 世代） | 現行レーン（wan-2.2 replace 720p 上限・seedance-2.0 crosschar）の後継が fal に出揃った: **wan 2.7 r2v**（ネイティブ **1080p** — 現行上限 720p を突破。参照画像＋参照動画・$0.10/秒・**課金は入力動画秒＋出力秒** — タイル×3 の緑参照はトリムして投入する）／ **MiniMax H3 r2v**（ネイティブ 768p→2K/4K アップスケール・identity 画像 9 枚＋モーション動画 3 本＋音声の多重条件付け・$0.08/秒@768p・$0.13/秒@2K）／ **seedance 2.5 r2v**（現行 crosschar モデルの直系後継）／ **Kling o3 pro r2v**。いずれも「緑 3D 参照 × identity 画像」の現行入力がそのまま乗る | fal ホスト済み — **設営ゼロで即ベンチ可** | | ||
| | ② Wan-Animate-2・SCAIL-2 の実行経路 | **fal 待ちはブロッカーでなくなった**: [Comfy Cloud](https://docs.comfy.org/development/cloud/overview) がヘッドレス API（ワークフロー JSON を POST・非同期 job・出力 DL）を持ち、[Wan-Animate-2](https://comfy.org/wan-animate-2) と [SCAIL-2](https://github.com/zai-org/scail-2) の両方をネイティブノードで実行できる（Standard $20/月〜＋従量クレジット。API はサブスク層のみ）。SCAIL-2（CVPR 2026・Wan 2.1 系・replacement 対応・**アニメ汎化を実測報告**・DPO LoRA 付属）は**ホスト API が存在せず** ComfyUI 経路が唯一。Wan-Animate-2 の**テキスト視点制御**（駆動動画とカメラを分離）は将来 4/8 方向スプライトの直接レバー。自前ホスト（fp8 24GB VRAM 級・ComfyUI ワークフロー公開済み）も選択肢 | Comfy Cloud（オーナーのアカウント設営が前提）または自前 GPU | |
There was a problem hiding this comment.
SCAIL-2 の記述を文献参考の裏取り。論文は6月末時点では arXiv:2606.10804.cs.CV の受理待ち（投稿済・査証書 2026-08、CVPR 2026 の正式採録として確認できる一次資料がありません）。「CVPR 2026」と確定表記する代わりに「arXiv:2606.10804（CVPR 2026 審査中）」などとしておくのが安全です（ComfyUI 国ネイティブノードとしては確認済み: PR #14373 にマージ、Wan 2.1 ベースという記述も README と一致）。
2 participants
問い(オーナー指示 2026-08-15)
手順 4 の fal 待ちの間に、Wan-Animate-2 に限定しないゼロベースで「組合せ爆発なし・将来 2D ゲーム対応・最高品質」の選択肢を調査する。前提はオーナー方針の再確認(ファクトリーの品質が製品を左右する・量産前の今に時間とコストをかける)。
結論 1: 三層アーキテクチャは続投
「組合せ爆発なし」「2D ゲーム転用」は三層の層構造そのものの性質(アイテム = PNG+grip の足し算・モーション = カタログ×リターゲット使い回し・多方向 = 第 1 層のカメラ yaw)で、これを同時に上回る別アーキテクチャは 2026-08 時点で見つかりませんでした。検討して除外: ポーズ条件付き per-frame 静止画生成(輪郭の毎コマ煮えが構造リスク)・スケルタル(手順 6 のまま)・ドット絵工場(手順 5 で撤退済み)・純 3D レンダー(棄却済み)。品質の天井は第 2 層(清書モデル) — ここが主戦場です。
結論 2: 第 2 層のアップグレードが 3 方向で同時に熟している
① モデル世代交代(fal ホスト済み・設営ゼロで即ベンチ可): 現行レーン(wan-2.2 replace 720p 上限・seedance-2.0 crosschar)の後継 r2v 世代が出揃いました。
追加レーン(追補): wan 2.7 edit-video(命令ベース編集 — 「3D 緑参照を kaede 絵柄へ描き直す」対照パラダイム・fal ホスト済み)と SeedVR2 動画アップスケール後段(時間一貫 — どの勝者にも足せる独立後段・fal ホスト済み)。
② Wan-Animate-2・SCAIL-2 の実行経路(追補+訂正): 品質天井の本命 2 モデルの実行経路は 3 つ。
現実的な段取り: fal のアクセス申請(オーナー作業・ダメ元)を先に出し、承認待ち/却下の間は Comfy Cloud が確実な次善。どちらで実行しても 4b の中身(同一入力・同一ゲート)は不変です。Wan-Animate-2 は Diffusers パイプライン(PR #14412 — 未マージ・PR ブランチ install か公式スクリプトで代替)+ fal 名義の FlashPack 変換済み重みが揃っており、自前デプロイなら hosted で不可能な「animate/replace × 自作 LoRA」も開きます(③との合流点)。モデル開発元の一次ホスト(Alibaba Model Studio)は v1 のみで Animate-2 未掲載(記録のみ)。
③ スタイル/同一性の LoRA 焼き込み — asset-pipeline DP-3 の実施トリガーが成立(承認済みシート 10+ 体・承認済み緑マスターテイク 10+ 本が R2 に既在): 残っていたテイクガチャ(画風ドリフト・ディテール潰れ・瞬き)をプロンプト条件付けから重みへの焼き込みに変える構造レバー。H3 は学習(ref2va トレーナー $15/1000 steps — マスターテイクの形式がそのまま学習データに適合)→推論(
reference-to-video/lora$0.10/秒@768p)が fal で完結(こちらはホスト済みで申請不要)。静止画側は flux-2 LoRA($6.4/1000 steps)。補記: アニメ特化の AniSora V3(bilibili・Apache 2.0)は「正面 1 枚→360° 回転動画」を持ち、将来の多方向スプライトの第 1 層代替として記録(モーション参照転写は非対応のため第 2 層の主候補ではない)。
結論 3: 提案 — 手順 4 を「第 2 層総当たりベンチ」へ一般化(オーナー承認済み 2026-08-15・実施は別チャット)
ゲートは手順 4 と不変(同一参照・同一 identity で現行 v1 と並列比較 — 同一性・ポーズ忠実度・テイク歩留まりで勝つこと。判定材料は PR #98 形式)。
実施順の推奨は 4a 先行(即日可)+ fal Serverless/Compute のアクセス申請を並行で出す。総コスト見込み ~$25〜60。
変更内容
docs/factory-v2-plan.md: §7(ゼロベース再調査の記録と提案+追補+アクセス制の訂正)新設・状態ブロックと §6-4 に参照を追記。docs のみ・コード/生成なし・課金なし(調査は公開情報+無料 API メタデータのみ)