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
There are no files selected for viewing
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
|
|
@@ -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）／ | ||
| **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。**§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） | | ||
|
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、 |
||
|
|
||
| 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＋ | ||
|
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。 |
||
| 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 | ||
|
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）。 |
||
| 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 | ||
|
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 |
||
| 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） | ||
Oops, something went wrong.
Add this suggestion to a batch that can be applied as a single commit.
This suggestion is invalid because no changes were made to the code.
Suggestions cannot be applied while the pull request is closed.
Suggestions cannot be applied while viewing a subset of changes.
Only one suggestion per line can be applied in a batch.
Add this suggestion to a batch that can be applied as a single commit.
Applying suggestions on deleted lines is not supported.
You must change the existing code in this line in order to create a valid suggestion.
Outdated suggestions cannot be applied.
This suggestion has been applied or marked resolved.
Suggestions cannot be applied from pending reviews.
Suggestions cannot be applied on multi-line comments.
Suggestions cannot be applied while the pull request is queued to merge.
Suggestion cannot be applied right now. Please check back later.
There was a problem hiding this comment.
Choose a reason for hiding this comment
The reason will be displayed to describe this comment to others. Learn more.
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）。