ComfyUI-WanVideoWrapper：从 0 到 1 跑通文生视频与图生视频

ComfyUI-WanVideoWrapper从 0 到 1 跑通文生视频与图生视频【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapperComfyUI-WanVideoWrapper 是一套 ComfyUI 自定义节点。克隆进custom_nodes目录装依赖即可用。它把 WanVideo 系扩散模型包成节点图覆盖文生视频、图生视频、风格迁移三类任务。全文按「装环境 → 放模型 → 跑第一条视频 → 排报错」顺序展开。环境核查与安装命令先确认你的机器达标再动手。对照下面的表逐项核项目最低要求推荐配置操作系统Windows 10、Ubuntu 20.04—Python3.83.10显卡NVIDIA8GB 显存12GB 以上CUDA11.7与 PyTorch 版本匹配磁盘约 20GB依赖 模型—两条自检命令python --version跑完应看到版本号落在 3.8–3.10 区间即可。nvidia-smi跑完应看到驱动版本、CUDA 版本和显存大小。看不到显卡说明 NVIDIA 驱动没装好先修驱动。安装给 Windows 和 Linux 两版命令。macOS 用户把 Linux 版的python3换成python3走 venv 流程即可其余相同。WindowsPowerShellcd path\to\ComfyUI\custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper cd ComfyUI-WanVideoWrapper pip install -r requirements.txtLinuxcd /path/to/ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper cd ComfyUI-WanVideoWrapper python3 -m venv venv source venv/bin/activate pip install -r requirements.txt依赖以diffusers0.33.0扩散模型推理管线核心、einops张量重排、accelerate模型分片加载为主外加gguf、opencv-python等十几个包。pip install -r一次拉齐不用手动挑。模型文件放哪模型放错目录是新手第一道坎。四类文件对应四个目录目录文件类型ComfyUI/models/text_encoders/文本编码器如 umt5-xxl把提示词变成向量ComfyUI/models/clip_vision/图像编码器图生视频用理解首帧内容ComfyUI/models/diffusion_models/WanVideo 主模型transformer去噪核心ComfyUI/models/vae/VAE 解码器把 latent 还原成像素帧三条选型建议主模型优先选FP8 scaled 量化版如fp8_e4m3fn后缀显存占用明显更低画质损失很小。主模型加载器同时支持GGUF 格式文件量化实现见 gguf/ 目录。文本编码器和 clip vision 可以直接复用 ComfyUI 原生加载器不必单独放模型文件。模型的结构参数在 wanvideo/configs/ 下按 1.3B / 14B、T2V / I2V 分文件存放加载器会自动匹配你不需要改配置。跑通第一条工作流这节带你用仓库自带的图生视频示例从一张人像出 5 秒视频。参照 example_workflows/wanvideo_2_1_14B_I2V_example_03.json导入 ComfyUI 后直接看节点连线。最小链路六步WanVideoModelLoader加载主模型从diffusion_models选 FP8 文件示例用的是Wan2_1-I2V-14B-480P_fp8_e4m3fn。LoadWanVideoT5TextEncoder和WanVideoVAELoader分别加载文本编码器和 VAEdtype 保持示例中的bf16。LoadImage导入首帧。用 example_workflows/example_inputs/woman.jpg 这张人像。WanVideoImageToVideoEncode生成图像 embeds示例参数为 832×480、81 帧。前一步的图先过ImageResizeKJv2做缩放裁切。WanVideoTextEncode输入正向提示词示例里同时挂了负向提示词use_negative保持开启。接WanVideoSampler→WanVideoDecode→VHS_VideoCombine输出 mp4。显存吃紧时在模型加载器后插WanVideoBlockSwapWanVideoSetBlockSwap示例设了 10 块换出。参数起步值参数起步值选择理由分辨率832×480示例默认显存紧张降到 480×480帧数81约 5 秒16fpssteps30采样器默认值够用cfg6.0采样器默认值过高易过饱和shift5.0采样器默认值先不动block swap10–20 块按显存上调见下一节实测数据小案例输入woman.jpg提示词写「一位年轻女性微笑逐渐变为惊讶柔和室内光线轻微头部运动」。预期产出 832×480、81 帧、约 5 秒的 mp4。跑完再换thing.png做产品 360 度展示提示词写「米色泰迪熊缓慢匀速 360 度旋转白色背景柔光」帧数加到 160 左右就是 10 秒。想做主体替换或动作迁移用human.png这类人物参考图。导入 example_workflows/wanvideo_2_1_14B_MoCha_replace_subject_KJ_02.json 或 Phantom 同名工作流参考图接对应节点即可主链路参数不变。显存不足与翻车对照优化手段三条各带收益和边界主模型换 FP8 或 GGUF。收益最大的一刀14B 模型从 fp16 降到 fp8 后显存近乎减半。边界量化有损特写细节不如全精度。开 block swap把 transformer 的 blocks 换出显存。收益512×512×81 的 14B 测试在 20/40 块换出下约 16GB1.3B 模型做 1025 帧长视频窗口 81 帧、重叠 16 帧可压到 5GB 以内。边界未合并的 LoRA 现在并入 block 一起换出单块体积变大。 以 1GB LoRA 配 14B 模型为例20 块换出时单块涨约 25MB总涨 500MB多换 1–2 块补回。开 TEA cache 跳步。收益明显阈值带系数版建议 0.25–0.30start step 设 0。边界阈值太激进会跳掉前段步数运动直接崩坏可以改从更晚的步开始跳。⚠️ 用 torch.compile 时换输入尺寸后首次跑显存可能异常飙升。清掉 Triton 缓存再跑一次通常就好。Linux 执行rm -rf ~/.cache/tritonWindows 用户手动清空C:\Users\用户名\.triton和AppData\Local\Temp\torchinductor_用户名两个目录。常见问题对照症状原因处理模型加载失败、下拉框选不到文件没放对目录或下载不完整对照四个目录逐一检查重新下载显存溢出 OOM分辨率或帧数过高降分辨率、减帧数、加 block swap、换 FP8运动卡顿、跳变换出块过多或 TEA 阈值过激减少换出块数阈值回调到 0.25–0.30人脸变形首帧质量差或主体被裁切换更清晰的输入图人物完整入画生成速度慢步数过多、未用量化模型步数回落到 30主模型换 FP8/GGUF继续往哪走基础链路跑通后仓库目录本身就是功能地图。每个模块都配了example_workflows/里的同名.json导入后直接看连线最快controlnet/姿态、深度等条件控制见wanvideo_2_2_5B_I2V_controlnet_example.jsonunianimate/DW 姿态驱动动作动画见wanvideo_WanAnimate_example_01.jsons2v/音视频联合生成skyreels/风格迁移见wanvideo_2_1_14B_skyreels_a2_example_01.jsononetoall/角色动画迁移见wanvideo_2_1_14B_OneToAllAnimation_pose_control_example_01.jsoncontext_windows/长视频分窗拼接cache_methods/TEA cache 跳步加速的实现从一张图出 5 秒视频到控制动作、分窗拼长视频主流玩法这里都有对应节点。剩下的就是按显存把 block swap 和 TEA 阈值调顺多跑几次。【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考