基于Wan2.1为ComfyUI提供视频生成能力的插件-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

ComfyUI-WanVideoWrapper 是一个由开发者 kijai 创建的开源插件，专为 ComfyUI 平台设计。它基于 WanVideo 的 Wan2.1 模型，提供了强大的视频生成和处理功能。用户可以通过它实现图像转视频（I2V）、文本转视频（T2V）和视频到视频（V2V）转换。这个插件适合 AI 爱好者、视频创作者以及需要高效工具的用户。项目托管在 GitHub 上，截至 2025 年 3 月，已获 1300 多个星标，社区活跃。目前仍标记为“开发中”（Work in Progress），功能在不断完善。

基于Wan2.1为ComfyUI提供视频生成能力的插件-1

功能列表

图像转视频（I2V）: 将静态图片转为动态视频，支持自定义帧数和分辨率。
文本转视频（T2V）: 根据文字描述生成视频，可调整生成参数。
视频到视频（V2V）: 对已有视频进行增强或风格转换，保持动作流畅。
Wan2.1 模型支持: 使用 Wan2.1 的 Transformer 和 VAE 模型，也兼容 ComfyUI 原生编码模块。
长视频生成: 通过窗口大小和重叠设置，支持生成超 1000 帧的视频。
性能优化: 支持 torch.compile，提升生成速度。

使用帮助

安装流程

要使用 ComfyUI-WanVideoWrapper，需先安装 ComfyUI 并添加插件。以下是详细步骤：

安装 ComfyUI
- 从 GitHub 下载 ComfyUI 主程序（https://github.com/comfyanonymous/ComfyUI）。
- 解压到本地，例如 C:\ComfyUI。
- 在 ComfyUI_windows_portable 文件夹运行 run_nvidia_gpu.bat 启动（Windows 用户）。

安装 WanVideoWrapper 插件

进入 ComfyUI 根目录下的 custom_nodes 文件夹。

使用 Git 命令克隆插件：

git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git

进入插件目录：
```
cd ComfyUI-WanVideoWrapper
```

安装依赖：

python_embeded\python.exe -m pip install -r requirements.txt

如果使用便携版，在 ComfyUI_windows_portable 文件夹运行：

python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\requirements.txt

下载 Wan2.1 模型
- 访问 Hugging Face 模型仓库（https://huggingface.co/Kijai/WanVideo_comfy）。
- 下载所需文件：
  - 文本编码器放入 ComfyUI/models/text_encoders。
  - Transformer 模型放入 ComfyUI/models/diffusion_models。
  - VAE 模型放入 ComfyUI/models/vae。
- 也可使用 ComfyUI 自带的文本编码器和 CLIP Vision 替代原始模型。
启动 ComfyUI
- 安装完成后，重启 ComfyUI，插件节点会自动加载到界面。

主要功能操作流程

1. 图像转视频（I2V）

准备工作: 确保已加载 Wan2.1 模型和 VAE。
操作步骤:
1. 在 ComfyUI 界面添加 WanVideoModelLoader 节点，选择 Wan2.1 I2V 模型。
2. 添加 WanVideoVAELoader 节点，加载 VAE 模型。
3. 用 Load Image 节点上传图片。
4. 添加 WanVideoSampler 节点，设置帧数（如 81 帧）、分辨率（如 512x512）。
5. 连接 VHS_VideoCombine 节点，设置帧率（如 16fps）和输出格式（如 MP4）。
6. 点击“生成”，结果保存至 ComfyUI/output 文件夹。
注意: 官方测试显示，512x512x81 帧占用约 16GB 显存，可降低分辨率减少需求。

2. 文本转视频（T2V）

准备工作: 准备文字描述，例如“夜晚的城市街道”。
操作步骤:
1. 添加 LoadWanVideoT5TextEncoder 节点（或用 ComfyUI 原生 CLIP 模型）。
2. 添加 WanVideoTextEncode 节点，输入文字。
3. 连接 WanVideoModelLoader 和 WanVideoSampler 节点，设置帧数（如 256）、分辨率（如 720p）。
4. 添加 WanVideoDecode 节点解码。
5. 用 VHS_VideoCombine 节点输出视频。
6. 点击“生成”，生成时间依硬件而定。
提示: 官方示例中，1.3B T2V 模型生成 1025 帧用 5GB 显存，耗时 10 分钟（RTX 5090）。

3. 视频到视频（V2V）

准备工作: 准备一段短视频（MP4 格式）。
操作步骤:
1. 用 VHS_LoadVideo 节点加载视频。
2. 添加 WanVideoEncode 节点编码视频。
3. 连接 WanVideoSampler 节点，调整增强参数。
4. 添加 WanVideoDecode 节点解码。
5. 用 VHS_VideoCombine 节点输出结果。
6. 点击“生成”，完成增强。
示例: 官方测试用 14B T2V 模型进行 V2V，效果更优。