diff --git a/docs/factory-v2-plan.md b/docs/factory-v2-plan.md index 5297fd1..2e5b064 100644 --- a/docs/factory-v2-plan.md +++ b/docs/factory-v2-plan.md @@ -16,8 +16,11 @@ 画風追従はツール依存で分裂: v3 キャラ系・style 参照生成は寄る、Bitforge は ハウススタイルへ引き戻し、テンプレ歩行アニメは不合格水準。唯一有望な 多方向静止回転も現行製品に消費者がなく記録のみ残して撤退 — 再開条件は -定めず、必要時の再調査が正。§6-5 の結果と factory-yield.md の行参照。 -次は手順 4 の fal ホスト待ち)**。 +定めず、必要時の再調査が正。§6-5 の結果と factory-yield.md の行参照)/ +**第 2 層のゼロベース再調査を §7 に記録(2026-08-15 — 手順 4 の +「fal ホスト待ち」はブロッカーでなくなり、r2v 新世代の総当たり・ +Comfy Cloud 経由の Wan-Animate-2/SCAIL-2・LoRA 焼き込みの 3 スパイクへの +一般化を提案。オーナー判定待ち)**。 PR #110(差し戻し⑤まで)は 4x 移行と 競合するためマージせずクローズし、機械・規則・記録は PR #113 で サルベージ済み(シート本体の再鋳造は手順 2 以降のレーンで行う)。**heavy=両手持ち系統は存続** @@ -162,7 +165,10 @@ R3(headless 体セル+頭グループ — [docs/avatar-head-group.md](./avat 4. **Wan-Animate-2 清書ベンチ** — fal ホスト後、同一参照・同一 identity で 現行 v1 と並列比較(判定材料の作り方は PR #98 形式)。**ゲート**: 同一性保持・ポーズ忠実度・テイク歩留まりで v1 に勝つこと。勝てば - replace レーンのモデル指定を差し替え + replace レーンのモデル指定を差し替え。**§7 のゼロベース再調査 + (2026-08-15)で「第 2 層総当たりベンチ」(4a fal r2v 世代/4b Comfy + Cloud 経由 Wan-Animate-2+SCAIL-2/4c LoRA 焼き込み)への一般化を提案 + — オーナー判定待ち。fal 待ちはブロッカーでなくなった** 5. ✗ **PixelLab ベンチ(ワイルドカード)**(実施済・撤退 — オーナー判定 2026-08-15)— 既存 boy/girl の再現で画風 忠実度を確認。**ゲート**: kaede 絵柄への忠実度がオーナー目視で許容。 @@ -189,3 +195,100 @@ R3(headless 体セル+頭グループ — [docs/avatar-head-group.md](./avat コスト概算: 手順 2〜4 のスパイク一式で Meshy ~100cr+清書 $3〜5。量産 単価は現行レーンと同水準($0.2〜0.6/シート)。予算運用は従来どおり (都度上限・超過見込みで停止報告 — asset-factory の運転規約)。 + +## 7. 第 2 層品質のゼロベース再調査(2026-08-15 — オーナー指示「Wan-Animate-2 に限定せず、組合せ爆発なし・将来 2D ゲーム対応・最高品質の選択肢を」) + +手順 4 が fal ホスト待ちの間に、第 2 層(清書)に限定しないゼロベースの +再調査を実施した。前提はオーナー方針の再確認(「ファクトリーの品質こそが +製品を左右する。量産前の今、時間とコストをかけてでも注力する」)。 + +### 結論 1: 三層アーキテクチャは続投(代替アーキテクチャは発見できず) + +「組合せ爆発なし」と「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×リターゲットの +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 時点で存在しない。検討して除外した代替: +ポーズ条件付き per-frame 静止画生成(時間一貫性 = 輪郭の毎コマ煮えが +構造リスク — 動画モデルが勝ってきた理由の裏返し)・スケルタル +(手順 6 のトリガー待ちのまま — 変形は新しい絵を生まない)・ドット絵 +工場(手順 5 で撤退済み)・純 3D レンダー(Tripo/Meshy raw で棄却済み)。 +**品質の天井は第 2 層(清書モデル)にあり**、ここが本調査の主戦場。 + +### 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 + +| 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 | +| 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) | + +補記 — アニメ特化モデル: [AniSora V3](https://github.com/bilibili/Index-anisora) +(bilibili・Apache 2.0・Wan2.2 系)はアニメ専用 10M データで学習した唯一の +特化系で、**正面 1 枚 → 360° 回転動画**・コマ補間・局所ガイド生成を持つ。 +モーション参照転写(本レーンの中核)は非対応のため第 2 層の主候補では +ないが、360° 回転は将来の多方向スプライトの第 1 層代替(3D を作らずに +回転ビューを得る)として記録する。ホストは自前/ComfyUI 系のみ。 + +### 結論 3: 提案 — 手順 4 を「第 2 層総当たりベンチ」へ一般化(オーナー判定待ち) + +ゲートは手順 4 と不変(**同一参照・同一 identity で現行 v1 と並列比較し、 +同一性保持・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)。対象を Wan-Animate-2 単独から下記 3 スパイクに広げる: + +- **4a. fal ホスト済み r2v 世代の総当たり**(設営ゼロ・宣言上限 ~$10)— + 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+ + 従量 — 元の手順 4 の実体。オーナーのアカウント設営+API キーの + Secrets 登録が前提)— 4a と同一入力・同一ゲート。SCAIL-2 はここが唯一の + 実行経路 +- **4c. 勝者依存の LoRA 焼き込み**(H3 が勝ち筋なら ref2va LoRA + $15〜30 → 同一ゲートで再ベンチ。静止画レーンは flux-2 LoRA を並走可)— + ガチャの構造的縮小が狙い。学習データは承認済みマスターテイク + (黙って新規生成はしない — 素材は全て R2 の承認済み資産) + +実施順の推奨は 4a →(4b と 4c は 4a の結果とオーナーのアカウント裁定で +並行/選択)。総コスト見込み ~$30〜70(トレーニング込み・都度上限で停止 +報告は従来どおり)。fal に Wan-Animate-2 の専用エンドポイントが出た場合は +4b の該当部分を fal へ移すだけ(最安経路の原則は不変)。 + +### 追補(同日 — オーナー問い「より良い案・Comfy Cloud 超え・fal 完結の上位案」への再調査) + +- **4b の実行経路は Comfy Cloud より [fal Serverless](https://fal.ai/docs/documentation/serverless) + (自前デプロイ)が上位候補 — ただし両製品とも Request Access 制** + (訂正 2026-08-15: fal Serverless は「Enterprise Feature」でダッシュ + 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 + 16 vCPU/200GB RAM/1TB SSD)は docs にエンタープライズ表記が残るが + **オーナーのダッシュボード実測ではそのままインスタンス作成可能 + (セルフサーブ)— 4b の第一経路に昇格**)。 + 単発ベンチは Compute(SSH 箱に diffusers を入れて回す)が app 化より + 軽く、ベンチ 2〜3 時間 ≈ **$8〜12 で Comfy Cloud のサブスク $20/月より + 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 + ブランチ install か公式推論スクリプトで代替**)+ **fal 名義の + FlashPack 変換済み重み**(高速ロード形式 — fal 自身のデプロイ用の + お膳立てと読める)が揃っており、Distilled 変種(10 steps・CFG なし) + なら GPU 時間も短い。SCAIL-2 も公式推論コードで同経路に載る。 + **hosted では不可能だった「animate/replace 系 × 自作 LoRA」の組合せも + 自前実行なら開く**(4c との合流点)。**段取り(確定)**: 4b は + fal Compute で実施(オーナーがインスタンス作成 — 1x H100・Any Sector・ + SSH 公開鍵登録。秘密鍵は Cloud Agents Secrets へ)。Comfy Cloud + ($20/月・審査なし・既製ワークフロー)は Compute 経路が詰まった場合の + 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 +- **4a に無課金設営の追加レーン 2 本**: ① [wan 2.7 edit-video](fal + ホスト済み — 命令ベース動画編集。「replace/r2v で identity を差す」の + 代わりに「3D 緑参照を kaede 絵柄へ描き直す」直接編集パラダイムの対照 + 実験)② **SeedVR2 動画アップスケール後段**(`fal-ai/seedvr/upscale/video` + — 時間一貫アップスケール。720p 上限の勝者や現行 v1 出力の + ディテール救済として、どの勝者にも足せる独立後段) +- **モデル開発元の一次ホスト(Alibaba Model Studio / DashScope)も確認**: + wan2.2-animate-move/mix(v1)と wan2.7-r2v/videoedit は公式ホスト済み + だが **Animate-2 は未掲載**(2026-08-15 時点)。国際リージョンあり。 + fal 非依存の保険として記録のみ(新規ベンダー契約になるため採用は + fal 経路が全滅した場合のみ)