備忘禄なので、ちょっと散らかってます。
Distilled LoRAからTrueVisionクオリティ分析まで。
RTX 5060 Ti環境向けComfyUI動画生成モデル最適化まとめ。
読みたい箇所に飛べる目次
今日のお題目
Distilled LoRA
知識蒸留でLoRAを高速化（50step→4-8step）。LTX-2/Wan2.2でdev+LoRA併用主流。
4step LoRA
Distilled極少step特化（CFG=1、LCMサンプラー）。Hunyuan/SDXL Lightning系専用。
DaSiWaモデル特徴
Wan2.2を直接蒸留マージ、LoRA不要で4step CFG-Free。High/Lowノイズ内蔵。
Wan2.2 DaSiWaモデル高速生成の鍵設定
DaSiWa＝DarkSideWalker（作者さん）の略です。
Sigmas固定: モデル学習シグマ([1.0,0.94,0.78,0.0])をKSampler手動指定
Low側固定: 2nd KSamplerにLowモデルロード、steps=-1で後半固定実行
accumulation ON: フレーム間latent蓄積でflicker低減（VRAM+2GB）環境設定
- 解像度: 832×480・81フレーム最適 → 様子を見ながらLengthは調整
- RTX 5060 Ti: GGUF Q8
--lowvram併用可
DaSiWaモデル比較表（Wan2.2 I2V 14Bベース）
- GGUF量子化版
-
- DaSiWa-WAN 2.2 I2V 14B SynthSeduction v9 | Lightspeed | GGUF
- DaSiWa-WAN 2.2 I2V 14B TastySin v8 | Lightspeed | GGUF
- Safetensors高精度版
-
- DaSiWa-WAN 2.2 I2V 14B | TrueVision | Safetensors（SynthSeduction v9）
- DaSiWa WAN 2.2 I2V 14B | Lightspeed | Safetensors（SynthSeduction v9 / TastySin v8.1 / etc.）
（2026年2月2日時点）
※ TrueVisionのbiasゼロとは
biasゼロとは、AI生成画像/動画の「学習データの偏り（model bias）」を極限まで排除した状態を指します。
TrueVisionが「biasゼロ」とされる理由は以下の通りです。
生成AIの「bias」とは
通常の拡散モデルは学習データに含まれるステレオタイプや平均化傾向を再現します。
例: 「女性」→自動的に「長い髪・細身・化粧」になりやすい
「戦士」→「筋肉質白人男性」バイアス
「アニメ少女」→特定画風・表情に偏る→プロンプトに忠実でない「勝手な解釈」が発生
TrueVisionの「biasゼロ」技術
✅ CLIPテキストエンコーダの影響を最小化
✅ 蒸留処理で「データ平均化」を排除
✅ 純粋FP16非量子化で情報劣化なし
✅ ゼロプロンプト（空プロンプト）でも崩れない→プロンプト通りの「純粋な生成」が可能
実際の効果（Civitaiレビュー）
| 通常モデル | TrueVision |
|---|---|
| 唇が勝手に厚く/薄くなる | 指定通りの唇形状 |
| 目つきが画風固定 | プロンプト通りの表情 |
| 体型が学習データ寄り | 記述通りの体型比例 |
| NSFWで特定パターン化 | 多様な解剖学的表現 |
アニメイラストやNSFWで「意図した通りのキャラデザ」を厳密に出力したい時にTrueVisionが無敵。
速度無視 → TrueVision biasゼロ = 究極クオリティ
日常 → Lightspeed SynthSeduction v9で十分これがTrueVisionを「クオリティ最重視1位」に押し上げる核心技術です。
※ TastySin v8の隠れ強み
✅ 最高LoRA互換性（MidnightFlirt系安定）
✅ 低試行成功率（Reward Attention）
✅ 量子化耐性最強（Q8=FP16品質）
✅ VRAM微優位、細部変形少ない生成結果
更新予定
この記事が気に入ったら
フォローしてね！
