Wan 2.2 NSFW: 規制なしで使える? 7バージョンを検証、使えるプロンプト付き

Wan 2.2はAlibabaのオープンウェイト動画モデルで、Civitaiにある多くのNSFW動画LoRAが学習対象にしているベースであり、今もローカルで動かす人が多いバージョンです。そのため「Wan 2.2は規制されているのか?」という問いには答えが2つあります。重みそのものについての答えと、重みを動かす場所についての答えです。

結論から: Wan 2.2の重みにコンテンツフィルターはありませんが、ホスト版は挙動が異なります。当社ではWan 2.2を7つのバージョンで提供しており、そのうち6つにUncensoredラベルが付いています。残る1つの標準版Wan 2.2は、テキストから動画ではアダルト向けのプロンプトをすべて拒否し、画像から動画では成人2人のシーンを弱めました。

• 静止画から: Wan 2.2 Spicyが最安で、成人2人のシーンまでは最も安定しています。L1からL4まですべての実行が指定どおりに生成されました。5秒の料金は480pで$0.095です。
• テキストから: 特定のWan LoRAが必要なければ、Wan 3.0がお得です（480pの5秒が$0.225で、全レベルを実現し、音声付き）。CivitaiのWan 2.2 LoRAを使うなら、Wan 2.2 LoRAのテキストから動画（$0.24）か5B LoRA（1クリップ$0.12）を選んでください。
• 多くのバージョンが止まる場所: LoRAを読み込まないWan 2.2の大半では、成人2人のシーンが弱められました。最もダウンロードされている汎用NSFW LoRAは、当社のテストでこれを解消しました。
• プロンプト: 実際に実行した6つのプロンプトと、それぞれが生成したクリップ、そして穴埋め式のテンプレートです。このページに掲載するため、例は示唆的な範囲にとどめています。

規制されているのか、書き換えられるのか、学習していないのか

「規制されている」と呼ばれるものは3種類あり、Wan 2.2の重みに当てはまるのは3つ目だけです。

フィルターは、生成の前後で実行され、ジョブを拒否するか結果をブロックする仕組みです。AlibabaのWanチームが2025年7月28日にApache 2.0ライセンスで公開したオープンウェイトには、これが付属しません。公式コードに安全チェッカーはなく、モデルカードやREADMEにも記載がありません。ホスト版は独自のフィルターを追加します。AlibabaのクラウドAPIでは、Wanの入力と出力に「コンテンツモデレーションが行われる」と明記されています。また、コミュニティが運営するHugging FaceのWan 2.2デモ（Alibabaのものではありません）は、運営者が安全フィルターを追加したあと、アダルト向けのプロンプトに「Generation blocked by guardrails」と返すようになりましたが、中身のモデルは変わっていません。

当社のAPIでは、標準版のWan 2.2エンドポイントは独自のコンテンツチェックを持つホスト型サービスで動いており、テキストから動画を拒否しているのはこのチェックです。標準版の画像から動画で成人2人のシーンが弱められるのが、このチェックによるのかモデル自体によるのかは、外からは判断できません。フィルターのないLoRA版も、同じシーンの大半を弱めたためです。Spicy、Spicy LoRA、LoRA、5B LoRA、Image LoRA、Animateは、当社側のフィルターなしで動きます。

書き換えは、気づきにくい方法です。Wan 2.2の公式コードには、生成の前にテキストを言語モデルに渡すプロンプト拡張のステップがオプションとして含まれています。テキストから動画用の指示は、アダルト向けのプロンプトを拒否せず、害のない別のシーンに差し替えるようそのモデルに命じています。オープンソースのスクリプトでは、これは初期状態でオフです。AlibabaのクラウドAPIは初期状態でプロンプトを書き換えますが、使っている指示は公開していません。そのため、ホスト型のWanのクリップがプロンプトと無関係だった場合、不具合より書き換えの可能性が高いと言えます。当社のAPIでは、Wan 2.2 Spicyと標準版Wan 2.2にプロンプト拡張のスイッチがあります。オンにしない限りオフで、アダルト向けのプロンプトではオフのままにしてください。オンにした状態のWan 2.2は試していませんが、Qwen Image 2.1 Turboでは、同種の書き換えがアダルト向けのプロンプトを弱めました。

学習は、モデルが何を描けるように学習したか、ということです。最もわかりやすい手がかりは、LoRAを読み込まないLoRA版です。フィルターも書き換えもないのに、静止画からの成人2人の実行6回のうち、指定どおりに生成されたのは1回だけでした。ジョブは完了し、拒否はされず、課金されます。ただ、相手が服を着たままになる、シーツが画面を覆う、カメラが目をそらす、といった結果になります。このギャップを埋めるのがアダルト向けLoRAです。2026年9月28日に、同じプロンプトとシードで、最もダウンロードされている汎用パックのWAN General NSFWを両パスに1.0で読み込んだ場合と読み込まない場合を実行しました。読み込まないとシーンはどちらもL4の手前で切り替わり、読み込むと両方のクリップが完全に生成されました（Wan 2.2でテストしたLoRA）。Wan 2.2 Spicyは、LoRAなしでもより先まで進めるよう別に調整されたエディションで、L4の全実行を実現した画像から動画のバージョンはこれだけでした。

Wan 2.2の全バージョンをテスト

アダルト向けの内容は5段階で評価します。Wanバージョンのテストと同じ基準です。

• L1 示唆的とL2 成人向けテーマ: 示唆的な画像と中程度のNSFW画像です。
• L3 強い: 成人1人の高度なNSFW画像です。
• L4 激しい: 成人2人による、より強度の高いシーンです。
• L5aは拘束をテーマにした成人同士の合意に基づくシーン、L5bは映画的な残酷描写です。L5bは別種のコンテンツであり、L5aをさらに強めたものではありません。

どのテストの登場人物も全員、架空の成人です。使うのもその種類の人物だけにしてください。実在の人物の顔は使いません。各セルは、そのレベルの実行回数に対する指定どおりのクリップ数です。表に拒否と明記した行以外の未達は、弱められたクリップです。ラベルは当社独自のものです。Uncensoredは当社側にフィルターがないという意味で、依頼より穏やかなクリップが返ることはあります。Softenedはアダルト向けのプロンプトは実行されるものの、上位のレベルが弱められることを指します。Filteredはアダルト向けのプロンプトが拒否されることを指します。

料金は480pの5秒の場合です。ただし5Bは720pの1クリップ、Image LoRAは画像1枚、動画延長は追加の5秒の料金です。10月の行は各レベル1回の実行なので、割合ではなく傾向として読んでください。9月のL5aの列には追加のテストがあります。Image LoRAでは、アダルト向けLoRAを読み込んだ2回目のL4実行も弱められました。Animateは参照動画の動きを写し取るため、結果はプロンプトと同じくらいその動画に左右されます。

表から実際にわかること:

• テキスト入力でWan 2.2の対応が分かれます。 標準版のテキストから動画はL1でさえ拒否しました。LoRA版と5B LoRA版は同種のプロンプトを受け付け、L1、L2、そしてL3の4回のうち3回を実現しました。
• 静止画からでは、SpicyがL4まで最も安定しています。 画像から動画のバージョンで、L4を3回中3回達成したのはSpicyだけです。ただし他のバージョンを包含しているわけではありません。L5の大半は実現せず、そこでは通常のLoRA版のほうがよい結果でした。
• Spicy LoRAとLoRAは同じ料金で、同じLoRAスロットを使います。 LoRAを読み込まない場合、当社の実行では通常のLoRA版のほうがL4とL5aで先まで進み、Spicy LoRAの延長タスクは与えられたすべてのレベルを実現しました。
• 5Bは最初のフレームに近いままです。 服を着た静止画からでは、L3の2回とも静止画のレベルにとどまりました。5Bの画像から動画は最初のフレームが示す以上にはほとんど進まないので、結果を変えたいときは静止画を変えてください。
• 弱められたクリップは、APIにとっては成功です。 レスポンスにそれを示すものは何もないので、結果を使う前にフレームを確認してください。

実行した6つのWan 2.2プロンプトとテンプレート

6つとも当社のモデルページの例から取ったもので、以下のプロンプトは送信した文面そのまま、クリップは未編集の出力です。ここに掲載できるよう示唆的な範囲にとどめています。ご自身の制作に応用できるのは、その構成です。

1. まず誰かを、年齢つきで: 「an adult couple in their early thirties」。1行目で出演者を指定すると、モデルは何人描くかがわかります。画像から動画では静止画がすでに誰かを示しているので、動作から書き始めてください。
2. 着ているものを名前で: 「a thin-strapped ivory slip dress」。残したい衣服はすべて名前で指定します。
3. 動作は順番に、終了時の位置まで: 「pushes off the doorframe, crooks one finger, then turns and walks」。Wan 2.2は、起きる順に並べた動作をよく追います。5秒につき主な動作は1つ、カメラの動きも1つにしてください。3つ目を入れると急ぎ足になるか、落とされがちです。
4. カメラの動きは1つ: 「slow follow」「slow push-in」「slow orbit」。
5. 光と質感は最後に: 「red exit light」「film grain」。Alibabaによれば、Wan 2.2は照明、構図、コントラスト、色調のラベルで学習されているため、これらの言葉は実際に効きます。

穴埋めして使えるテンプレートです。

Text-to-video:
[Shot and style]. [Number of people, "adult", age range]. [What each one wears, by name].
[Action], then [action], ending with [end position]. [One camera move]. [Light], [texture].

Image-to-video (the still already shows who and what):
[Action], then [action], ending with [end position]. [One camera move]. [Light].

画像から動画では、静止画にすでにあるものではなく、動くものを説明してください。Alibaba自身の画像から動画用の書き換え指示も、同じ理由で静的な描写を省いています。ネガティブプロンプト欄があるのは標準版の画像から動画とLoRAのテキストから動画だけなので、他のバージョンでは望まないものではなく、望むものを書いてください。Wan 2.2の動画バージョンはすべて音声なしなので、音の言葉は効果がありません。

1. Wan 2.2 Spicy、画像から動画: 静止画から1つの動作シーケンス

She pushes off the doorframe, crooks one finger at the camera to beckon it closer, then turns and walks slowly into the room, glancing back over her bare shoulder with a slow smile. The red exit light flickers down the corridor. Slow follow, cinematic, film grain.

すべての動作が書いた順に決まりました。手招き、振り向き、歩き、振り返りです。静止画はこのページのカバー画像と同じものです。720pでは$0.19かかりましたが、480pなら$0.095です。このプロンプトをWan 2.2 Spicyで実行する →

2. Wan 2.2 LoRA、テキストから動画: 成人2人とスタイルLoRA

Vintage Cinematic Color. Vertical close two-shot on a mountain cabin porch at night as a thunderstorm rolls down the valley behind them; their faces and shoulders fill the frame. An adult couple in their early thirties share one heavy wool blanket on a porch swing: she is Latina, with dark wavy hair, in a thin-strapped ivory slip dress, the blanket around her shoulders; he is Korean, in a grey henley with the buttons open. A lightning flash lights their faces white for an instant; she turns from the storm to look at him and their faces drift to an inch apart and hold there. Warm porch lamp against blue lightning, rain pouring off the roof edge behind them, slow push-in, 35mm, film grain.

色味はスタイルLoRAのVintage Cinematic Redmond for Wan 2.2によるもので、ファイルのリンクを貼り付けて重み0.7で読み込みました。LoRAを読み込んでも料金は増えません。プロンプトもそのスタイル名から始めています。稲妻、ランプ、振り向く動作はすべて反映され、書いたとおり、2人はキスをせずに寄り添います。LoRAに加えてプロンプトでもスタイル名を指定すると効果が二重になることがあるので、仕上がりが強すぎる場合は、重みを下げる前にその語句を外してください（LoRAの重みについて詳しく）。この720pの縦長クリップは$0.42でした。

3. Wan 2.2 5B LoRA、テキストから動画: 安価な下書き

Cinematic video. Blue hour in the lounge of an alpine ski lodge: an adult Nigerian-British woman around thirty with close-cropped natural hair, in an ivory off-the-shoulder knit dress, is curled up in a cognac leather wingback chair, snow drifting past the tall glass behind her. She lowers the book in her lap, tilts her head and gives the camera a slow, smouldering glance. Warm copper lamp light against cold blue dusk, slow push-in, 50mm lens, shallow depth of field.

首をかしげる動作とレンズへの視線が決まり、銅色の光と青の対比も書いたとおりに出ました（モデルページのクリップ）。LoRAは読み込まずに実行しています。5Bは常に約5秒の720pクリップを1本、$0.12で生成し、縦横比は16:9か9:16です。そのため、テキストのプロンプトを上位のバージョンに移す前に試すには最も安い方法です。

4. Wan 2.2 5B LoRA、画像から動画: 「寸前」を超えて進む

She brushes the last snow from his collar, he draws her closer by the waist, and the two adults lean in until their lips almost meet, holding there. Lantern light flickers on the skis. Slow orbit around them.

プロンプトはキスの直前で止まるよう求めましたが、クリップはキスまで進みました（モデルページで見る）。「lean in」が最後まで引き継がれたためです。手前で止めたいときは、近づく過程ではなく終了時の位置を、たとえば「their foreheads touch and they stay there, smiling」のように書いてみてください。LoRAは読み込まず、クリップは$0.12でした。

5. 標準版Wan 2.2、画像から動画: ネガティブプロンプトが欲しいとき

She turns from the window toward the camera, lets go of the sheer curtain and walks two slow steps closer, the champagne satin catching the lamp light, holding the lens with a half smile. The curtain drifts in the draught. Slow push in, cinematic, shallow depth of field.

静止画の成人女性は、書いたとおりに生成されました（モデルページのクリップ）。Softenedというラベルが指すのはスケールの上位であって、雰囲気や衣装ではありません。標準版は画像から動画でネガティブプロンプト欄がある唯一の選択肢で、ここで使う主な理由はそれです。それ以外では、Spicyのほうが安く同じショットを作れます。このクリップは720pで$0.48でした。

6. Wan 2.2 Image LoRA: 先に静止画を作る

Photorealistic cinematic still, ultra-wide frame. Two adult women in a hidden 1920s library bar stand close beside a bookshelf door left ajar: a Latina woman around thirty in a backless emerald velvet gown, and a red-haired woman in her mid thirties in a black tuxedo with the bow tie undone. One whispers into the other's ear, a hand resting at her waist, both smiling. Warm brass sconces, green lamp glow, deep teal and gold palette, anamorphic lens flare, film grain.

静止画はWan 2.2 Image LoRAで$0.03です。当社のテストでは、Wan 2.2の動画バージョンと同じ14B LoRAを受け付けました（5B LoRAは効果がありませんでした）。ここから静止画を動かす前に、知っておくことが2つあります。画像から動画は静止画の形を引き継ぐので、この21:9のフレームからは超ワイドのクリップになります。縦長の動画にしたいなら、静止画を9:16で作ってください。また、Image LoRAはL4を弱めたので、このルートはL3までが向いています。

長いクリップ

Spicy、Spicy LoRA、LoRAは5秒か8秒のクリップを生成し、標準版Wan 2.2と5Bは約5秒です。Spicy、Spicy LoRA、LoRAには動画延長のタスクもあり、クリップの最後のフレームから続きを生成します。Spicy LoRAの例では、延長のプロンプトを「Continuing the same unbroken take:」で始め、その先に起きることだけを書いています。5秒のクリップが10秒になり、歩く動作はフレーミングに切れ目なくそのまま続きました（モデルページでビフォー・アフター）。よく見ると、5秒の地点で顔がわずかに変わっています。

480pで追加の5秒ごとの料金は、Spicyが$0.095、LoRAが$0.12、Spicy LoRAが$0.19で、Spicy LoRAでは最初の5秒を作る料金より高くなります。例の720pの延長は$0.38でした。Spicyは終了フレームも指定でき、シームレスなループを作る最も簡単な方法です。

Wan 2.2のクリップが拒否された、または弱められたとき

• テキストから動画が拒否された。 標準版Wan 2.2を使っています。同じプロンプトをWan 2.2 LoRAのテキストから動画、5B LoRA、Wan 3.0に移してください。
• 相手が服を着たまま、またはカメラがそれる（L4）。 静止画からWan 2.2 Spicyを使うか、WAN General NSFWを両パスに1.0で読み込んでください。当社のテストでは、弱められた2回の実行が2回とも完全なものになりました（Wan 2.2のLoRAをもっと見る）。毎回確実に必要なら、Wan 2.6 Flash、2.5、3.0に移ってください。
• 画像から動画で、クリップがプロンプトより穏やかなまま。 画像から動画は最初のフレームのレベルにとどまりがちで、5Bは特にそうです。静止画を変えてください。
• LoRAが効かない。 Wan 2.2には2つのサイズがあり、それぞれのLoRAに互換性はありません。当社のテストでは、5Bに読み込んだ14B LoRAはLoRAなしの実行とバイト単位で同一のクリップになり、14Bの画像バージョンでは5B LoRAは効果がありませんでした。LoRAのページでベースモデルを確認してください。14Bのバージョンは、高ノイズ用と低ノイズ用の別々のファイルを受け付けます。2つのスロットの仕組み。
• クリップがスローモーションになる。 ローカルで動かす場合、よくある原因はLightningなどの4ステップ高速化LoRAで、制作者も認めている副作用です。プロンプトでは、ゆっくりしたカメラの動きは問題ありませんが、動作にはペースを与えてください。「real-time speed, every movement finished inside five seconds」。

自分で動かすか、APIを使うか

オープンウェイトにはいくつかのモデルがあり、当社のエンドポイントの名前は次のように対応します。

当社の標準版とSpicyのエンドポイントもWan 2.2のバージョンですが、LoRAは受け付けません。A14Bモデルは、140億パラメータのエキスパート2つで構成されています。1つは配置と動きを決める初期のノイズの多いステップを担当し、もう1つは細部を加える後半のステップを担当します。14B LoRAが高ノイズ用と低ノイズ用のファイルに分かれているのはそのためです。一般向けのカードでは、fp8やGGUFの量子化とオフロードを使ってComfyUIでA14Bを動かす人が多く、ComfyUIのドキュメントでは、5Bモデルは内蔵のオフロードで8 GBに収まるとされています。これらはコミュニティの構成で、Alibabaの数値ではありません。5Bモデルについて、Alibaba自身が示している数値は、一般向けGPU1枚で720pの5秒クリップが「9分未満」です。

自分で動かすと、フィルターなし、ダウンロードできる任意のLoRA、完全な制御が手に入りますが、その代わりハードウェアとセットアップの時間が必要です。上記の理由から、アダルト向けのプロンプトでは公式のプロンプト拡張をオフにしてください。

当社のAPIを通すと、Uncensoredのバージョンにはフィルターがなく、クリップごとの従量課金になります。表のバージョン全体で、480pの5秒が$0.095から$0.265です。LoRA、Spicy LoRA、Image LoRAは、3つのリスト（両パス用のloras、high_noise_loras、low_noise_loras）それぞれに最大3つのLoRAを指定でき、5Bはlorasに最大3つです。公開されているHugging Faceのファイルリンク、またはCivitaiのダウンロードリンク（https://civitai.com/api/download/models/VERSION_ID）を貼り付けてください。9月28日には、通常はサインインが必要なCivitaiのファイルが、トークンなしでこの方法で読み込めました。リンクが401を返す場合は、Civitai APIキーを付けてPOST /api/v1/files/importでファイルを一度インポートし（キーはそのダウンロードにだけ使われ、保存されません）、返ってきたspicy:// URIをpathに入れてください。両パスにLoRAを指定する最小限の呼び出しは次のとおりです。

curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
    "model": "alibaba/wan-2.2-lora/text-to-video",
    "input": {
      "prompt": "Vertical medium shot at night. An adult couple in their thirties ...",
      "aspect_ratio": "9:16",
      "duration_seconds": 5,
      "resolution": "480p",
      "high_noise_loras": [{"path": "https://civitai.com/api/download/models/VERSION_ID", "scale": 1.0}],
      "low_noise_loras": [{"path": "https://civitai.com/api/download/models/VERSION_ID", "scale": 1.0}]
    }
  }'

拒否されたプロンプトはcontent_rejectedで失敗し、料金はかかりません。弱められたプロンプトは通常の成功として返ります。フィールド、ポーリング、その他のエラーコードはAPIリファレンスにあります。

Wan 2.2のテキストから動画と画像から動画のモデルは、どちらの方法でも音声なしです。Alibabaの別モデルS2Vは音声トラックで動かすもので、当社では提供していません。

どのWan 2.2を使うべきか

よくある質問

Wan 2.2は規制されていますか?

オープンウェイトは規制されていません。コンテンツフィルターは付属しません。ホスト版はさまざまです。当社のAPIでは、標準版Wan 2.2のテキストから動画はアダルト向けのプロンプトを拒否し、標準版の画像から動画は成人2人のシーンを弱めます。一方、Spicy、Spicy LoRA、LoRA、5B LoRA、Image LoRA、Animateには当社側のフィルターがありません。

NSFWではWan 2.2 Spicyのほうが標準版Wan 2.2より優れていますか?

静止画からなら、ほとんどの用途でそうです。標準版の画像から動画がL4を3回とも弱めたのに対し、3回中3回実現し、料金も安い（480pの5秒で$0.095に対し$0.24）です。例外は残酷描写のテスト（L5b）で、標準版は3回実現しましたがSpicyは実現しませんでした。

Wan 2.2のNSFWにはLoRAが必要ですか?

14BのUncensoredバージョンでは、L1からL3には不要です。5Bはそれより実現が少なくなりました。成人2人のシーンでは、汎用NSFW LoRAが当社のテストで違いを生みました（読み込むと2回中2回が完全、読み込まないと0回）。Image LoRAの静止画では効果がなく、アダルト向けLoRAを読み込んでも弱められました。

Wan 2.1のLoRAはWan 2.2で使えますか?

一部は使えます。古いWan 2.1のLoRAは、多くの場合、低ノイズのパスでのみ動作します（詳細はWan 2.2のLoRAガイドにあります）。low_noise_lorasに入れるか、同じLoRAの2.2版を探してください。14BとWan 2.2の5BのLoRAは、互いにまったく動作しません。2.1側については、Wan 2.1ガイドで解説しています。

VRAM 8 GBや16 GBでWan 2.2のNSFWを動かせますか?

5Bモデルならオフロードを使えば可能です。ComfyUIによれば8 GBに収まりますが、Alibaba自身のスクリプトは24 GBを求めます。14Bモデルは、Alibabaのスクリプトでは80 GBが必要で、小さいカードではコミュニティのfp8やGGUF版をオフロードで使ったときにだけ、遅いながら動きます。APIならGPUはまったく不要です。

Wan 2.2は音声を生成しますか?

いいえ。Wan 2.2の動画モデルは音声なしです。Wan 2.5と3.0は音声を生成し、Wan 2.6 Flashも音声スイッチをオンにすれば生成します。

拒否されたクリップや弱められたクリップにも料金がかかりますか?

弱められたクリップは、ジョブが成功しているため通常料金で課金されます。拒否されたジョブはcontent_rejectedで失敗し、残高の確保分は解放されます。

まとめ

Wan 2.2自体は規制されていません。返ってくる結果は、動かす場所で決まります。静止画からは、L4まででWan 2.2 Spicyが最安です。動作を順番に、カメラの動きを1つ、終了時の位置まで書いてください。テキストからは、特定のWan 2.2 LoRAが必要でない限りWan 3.0が無難な選択で、必要ならLoRA版か5B版を使ってください。LoRA版で成人2人のシーンを作るなら汎用NSFW LoRAを読み込み、L5や毎回確実に必要な場合はWan 3.0、2.5、2.6 Flashに移ってください。